零售业库存优化分析方法技术

本发明专利技术提供一种零售业库存优化分析方法，包括以下步骤：步骤S1，根据顾客需求量、订货提前期以及顾客服务水平确定安全库存；步骤S2，根据安全库存以及订货提前期内的平均日需求量，计算订货点；步骤S3，使用自回归模型通过历史销量数据对未来销量进行预测；从而确定订货数量；步骤S4，对于多个单品多维度关系交织在一起的多商品销量预测，通过多层级预测调整提高预测精准度。本发明专利技术能够节省库存成本，提高客户服务水平。

An Optimal Analysis Method of Retail Inventory

【技术实现步骤摘要】
零售业库存优化分析方法
本专利技术涉及零售行业供应链优化领域，尤其是一种零售业库存优化分析方法。
技术介绍
我国的供应链和库存管理的研究与实践正处在一个快速上升的时期，但是整体来说，供应链管理还处于较低的水平，其中库存管理是供应链成本竞争的最重要组成成本之一。在当前这个零售业巨变时代，每家企业都在根据自身情况做出相应的战略调整——实体零售店的核心竞争力：供应链。对于消费品行业来说，供应链的最后一环就是零售企业。零售企业的职责就是采购商品，做好库存体系，不合理的库存部署决策不仅直接导致销售机会损失，还会导致频繁库存调拨、过季退仓、不必要的库存清理等后果，既显著增加供应链成本，也影响供应链的服务水平，而合理的库存部署，能够将客户所需要的正确商品，在正确的时间、正确的地点，按照正确的数量、质量提供给客户，并使这一过程所耗费的总成本最小，而客户的购物满意度最高，这也是零售企业所面临的挑战。总体来说，优化库存管理具有非常重要的作用和意义，体现在：1.在保证企业生产、经营需求的前提下，使库存量经常保持在合理的水平上，减少资金的占用，加速资金周转；2.掌握库存量动态，适时、适量提出订货，避免库存过多或缺货，既满足客户需求，又使得资金占用最少；3.降低库存占用总费用，减少库存空间占用。
技术实现思路
本专利技术的目的在于克服现有技术中存在的不足，提供一种零售业库存优化分析方法，能够节省库存成本，提高客户服务水平。本专利技术采用的技术方案是：一种零售业库存优化分析方法，包括以下步骤：步骤S1，根据顾客需求量、订货提前期以及顾客服务水平确定安全库存；步骤S2，根据安全库存以及订货提前期内的平均日需求量，计算订货点；步骤S3，使用自回归模型通过历史销量数据对未来销量进行预测；从而确定订货数量；步骤S4，对于多个单品多维度关系交织在一起的多商品销量预测，通过多层级预测调整提高预测精准度。进一步地，步骤S1中，确定安全库存的方法具体包括：顾客需求量发生变化，订货提前期固定的情况：订货提前期发生变化，顾客需求量固定的情况：SS＝Z×σL×d(2)顾客需求量和订货提前期都是变化的情况：SS：安全库存；Z：一定顾客服务水平下的安全系数(0,1)；d：订货提前期内的平均日需求量；L：平均提前期水平；σL：订货提前期的标准差；σd：在订货提前期内，需求的标准方差。进一步地，步骤S2包括：对于某种商品，当其库存量降低到安全库存时，即发出订货单来补充库存，在库存量降低到零时，发出订货单所订购的商品刚好到达，补充订货提前期内的消耗，此发出订货单的时间点为订货点。进一步地，步骤S3具体包括：商品的销量数据以时间序列的形式出现；在所述自回归模型中，随机过程的当前值即预测的未来销量被表达为由有限的过程先前值的线性组合和一个干扰白噪声εt构成，其形式如下：公式(4)表示的随机过程称为p阶自回归过程；引入后移算子B，后移算子B定义为Byt＝yt-1，从而有Bnyt＝yt-n；由公式(4)推导得到p阶自回归算子为：则公式(4)记为：p个未知参数称为自回归参数，这些参数由历史销量数据来估计；设参数μ为时间序列yt-1、yt-2、……yt-p均值；时间序列方差：Dyn＝E(yn-μ)2；自协方差函数：γ(n,n+k)＝E{(yn-μ)(yn+k-μ)}≈E(ynyn+k),计为γk；自相关函数：计为ρk；对于公式(4)等式两边同乘以yt-k，k≥0，得：对公式(7)取数学期望，得到如下方程：当k≥0时E(εtyt-k)＝0，因为yt-k只涉及到t-k时刻的干扰，所以与εt不相关，故得到如下方程：对公式(8)两边同时除以γ0，得：令k＝1，2，…，p得到以下线性方程组：……该线性方程组记为(*)；称为Yule-Walker方程，其中ρ0＝1；将yt-1……yt-p代入自相关函数中计算得到样本自相关系数ρ1……ρp，用样本自相关系数求解线性方程组(*)，就得到了自回归参数的Yule-Walker估计；计则参数可以表示为其中是矩阵P的逆；依次求解方程组(*)，得到：得到参数估计后，就能够通过公式(4)进行未来销量预测。进一步地，多层级预测首先需要创建多商品的多维度历史销量数据；然后将基于时间序列的预测销量分为三个层次；将基于时间序列预测的商品总销量数据置于顶层，将基于时间序列预测的商品的分组销量数据置于中间层，将基于时间序列预测的各商品的单品销量数据置于底层；确定中间层的分组与底层的单品之间的包含关系；确定各分组中商品间的竞争关系或协同关系；然后基于商品的历史销量关系，以及各分组中商品间的竞争关系或协同关系进行调节。更进一步地，多层级预测的调节包括：自上而下调节、或自下而上调节或自中间向上向下调节；自上而下调节：保持顶层的基于时间序列预测的商品总销量数据不变，基于商品的历史销量关系，以及各分组中商品间的竞争关系或协同关系，对中间层的基于时间序列预测的商品的分组销量数据、和底层的基于时间序列预测的各商品的单品销量数据进行调节；自下而上调节：保持底层的基于时间序列预测的各商品的单品销量数据不变，基于商品的历史销量关系，以及各分组中商品间的竞争关系或协同关系，对顶层的基于时间序列预测的商品总销量数据、和中间层的基于时间序列预测的商品的分组销量数据进行调节；自中间向上向下调节：保持中间层的基于时间序列预测的商品的分组销量数据不变，基于商品的历史销量关系，以及各分组中商品间的竞争关系或协同关系，对顶层的基于时间序列预测的商品总销量数据、和底层的基于时间序列预测的各商品的单品销量数据进行调节。更进一步地，自上而下调节时，历史上每年同一时段某组商品的销量大于当前预测的该组商品的分组销量数据，则相应增加该组商品预测数量；对于竞争关系的商品分组，历史上每年同一时段该组中一个商品的销量大于当前预测的该商品的单品销量数据，则相应增加该商品预测数量，但不增加该组中其它商品预测数量；对于协同关系的商品分组，历史上每年同一时段该组中一个商品的销量大于当前预测的该商品的单品销量数据，则相应增加该商品预测数量，且同时增加该组中其它商品预测数量。本专利技术的优点在于：1)节省了库存成本；节省库存成本是每家企业都希望做到并且想做得更好的事情。如果进货量太多，会造成库存量过大，从而增加库存成本、资金积压，如果进货量太少，会造成大量的脱销影响客户满意度。本专利技术在降低库存周转天数的同时又能维持最佳的客户服务水平，既释放了企业资金，又节省了企业的库存成本，同时缺货率并没有增加。2)提高了客户服务水平服务水平是指在一段固定的时间内，公司满足客户订单要求的比例。本专利技术在控制商品合理库存的同时，降低了缺货概率，满足了客户需要，提高了客户服务水平。3)提高了企业工作效率本专利技术提出的库存优化分析方法，容易通过软件程序实现，改变了以往仅依靠经验判断预测销量的模式；主观预测准确率低、效率低。而本专利技术可以根据历史销量数据进行自动预测销量，代替以往的人工补货模式，准确率和效率更高。附图说明图1为本专利技术的流程图。图2为本专利技术的订货点示意图。图3为本专利技术的商品销量的时间序列图。图4为本专利技术的多层级预测示意图。图5为本专利技术的多层级预测调节后的效果图。具体实施方式下面结合具体附图和实施例对本专利技术作进一步说明。对于零售企业来说，控制商品的合本文档来自技高网...

【技术保护点】
1.一种零售业库存优化分析方法，其特征在于，包括以下步骤：步骤S1，根据顾客需求量、订货提前期以及顾客服务水平确定安全库存；步骤S2，根据安全库存以及订货提前期内的平均日需求量，计算订货点；步骤S3，使用自回归模型通过历史销量数据对未来销量进行预测；从而确定订货数量；步骤S4，对于多个单品多维度关系交织在一起的多商品销量预测，通过多层级预测调整提高预测精准度。

【技术特征摘要】
1.一种零售业库存优化分析方法，其特征在于，包括以下步骤：步骤S1，根据顾客需求量、订货提前期以及顾客服务水平确定安全库存；步骤S2，根据安全库存以及订货提前期内的平均日需求量，计算订货点；步骤S3，使用自回归模型通过历史销量数据对未来销量进行预测；从而确定订货数量；步骤S4，对于多个单品多维度关系交织在一起的多商品销量预测，通过多层级预测调整提高预测精准度。2.如权利要求1所述的零售业库存优化分析方法，其特征在于，步骤S1中，确定安全库存的方法具体包括：顾客需求量发生变化，订货提前期固定的情况：订货提前期发生变化，顾客需求量固定的情况：SS＝Z×σL×d(2)顾客需求量和订货提前期都是变化的情况：SS：安全库存；Z：一定顾客服务水平下的安全系数(0，1)；d：订货提前期内的平均日需求量；L：平均提前期水平；σL：订货提前期的标准差；σd：在订货提前期内，需求的标准方差。3.如权利要求1所述的零售业库存优化分析方法，其特征在于，步骤S2包括：对于某种商品，当其库存量降低到安全库存时，即发出订货单来补充库存，在库存量降低到零时，发出订货单所订购的商品刚好到达，补充订货提前期内的消耗，此发出订货单的时间点为订货点。4.如权利要求1所述的零售业库存优化分析方法，其特征在于，步骤S3具体包括：商品的销量数据以时间序列的形式出现；在所述自回归模型中，随机过程的当前值即预测的未来销量被表达为由有限的过程先前值的线性组合和一个干扰白噪声εt构成，其形式如下：公式(4)表示的随机过程称为p阶自回归过程；引入后移算子B，后移算子B定义为Byt＝yt-1，从而有Bnyt＝yt-n；由公式(4)推导得到p阶自回归算子为：则公式(4)记为：p个未知参数称为自回归参数，这些参数由历史销量数据来估计；设参数μ为时间序列yt-1、yt-2、……yt-p均值；时间序列方差：Dyn＝E(yn-μ)2；自协方差函数：γ(n，n+k)＝E{(yn-μ)(yn+k-μ)}≈E(ynyn+k)，计为γk；自相关函数：计为ρk；对于公式(4)等式两边同乘以yt-k，k≥0，得：对公式(7)取数学期望，得到如下方程：当k≥0时E(εtyt-k)＝0，因为yt-k只涉及到t-k时刻的干扰，所以与εt不相关，故得到如下方程：对公式(8)两边同时除以γ0，得：令k＝1，2，…，p得到以下线性方程组：……该线性方程组记为(*)；称为Yule-Walker方程，其中ρ0＝...

【专利技术属性】
技术研发人员：谢提提，王琼，
申请(专利权)人：江苏云脑数据科技有限公司，
类型：发明
国别省市：江苏,32