一种智能补货系统技术方案

一种智能补货系统，属于物流管理技术领域，包括业务模块、预测模块、调整模块和评估模块；其中，业务模块，用于下单；预测模块，用于产品需求预测，得出需求预测方案；评估模块，用于对预测模块所输出的需求预测方案进行评估，输出产品变化量的预测值，将所述预测值和自身需求量比较，根据比较结果确定是否调整需求预测方案中的参数；调整模块，用于将评估模块中输出的参数输送至预测模块，进行需求预测方案的优化；本发明专利技术实现自动预测下单量，降低企业人工强度和成本，提高预测的精准度，合理降低库存周转，避免缺货现象，增强企业发展的竞争力。

【技术实现步骤摘要】
一种智能补货系统
本专利技术属于物流管理
，特别涉及一种智能补货系统。
技术介绍
库存管理对于企业而言是重中之重，对于一家企业而言，若自家的畅销商品发生缺货时，可能导致企业被竞争对手赶超，甚至需要花费大量的时间和金钱去重新宣传产品。目前，企业库存管理通过人工下单，在下单前，通过人工进行商品核算，再结合个人的从事经验进行人工预测数量，确定企业需要的下单量，该方式不仅浪费企业成本，对于员工个人而言，所需要花费的时间和精力也较多，另外，不同人所计算得出结果也存在较大的偏差，这对于企业发展显然是不利的。
技术实现思路
本专利技术的目的在于提供一种智能补货系统，以解决上述
技术介绍
中提出的问题。为实现上述目的，本专利技术提供如下技术方案：一种智能补货系统，包括业务模块、预测模块、调整模块和评估模块；其中，业务模块，用于下单；预测模块，用于产品需求预测，得出需求预测方案；评估模块，用于对预测模块所输出的需求预测方案进行评估，输出产品变化量的预测值，将所述预测值和自身需求量比较，根据比较结果确定是否调整需求预测方案中的参数；调整模块，用于将评估模块中输出的参数输送至预测模块，进行需求预测方案的优化。作为优选，所述业务模块为OP系统。作为优选，所述预测模块执行步骤为：S1、进行销量预测；S2、再进行库存模型的建立。作为优选，所述步骤S1其具体步骤如下：(1)通过公式预测当天往后推i天的销量，Frcst(i)＝DD*BI(i)*PBI(i)，>其中，i＝1,2,3…n；n表示自然数，PBI(i)为活动爆炸因子；(2)通过公式还原历史日销量；priceFactor＝p2/p1；其中，saleNum(i)：第i天单个销售仓库单个商品的总销售量；PBI(i)为历史活动爆炸因子；BI(i)为历史的季节因子；daysInstock为n天内商品的有库存天数；n表示自然数，priceFactor为调价因子，用来平衡调价带来的影响；P2是已售卖的n天时间范围内的平均价格；P1是未来售卖价格，具体来说，P1>P2，价格升高，priceFactor<1；反之大于1。作为优选，所述步骤S2其具体步骤如下：①通过公式，建立库存低水位(OP)其中，LT表示订单反应时间，即下单到入库时间；ST表示安全库存天数；TT表示调拨时间；②通过公式，建立库存高水位(OUTL)其中，LT表示订单反应时间，即下单到入库时间；ST表示安全库存天数；TT表示调拨时间，DT表示三级类目周转天数；作为优选，所述评估模块执行步骤如下：步骤1：将历史预测销量DD和历史真实销量AS对比，根据MSE公式评估二者之间的差距；其中，n＝1,2,3…；步骤2：通过公式，计算采纳率；步骤3：计算历史到货后的周转天数，和预期周转天数的差距；周转天数＝库存/销量预测(DD)；人工下单周转＝(库存+实际下单量)/销量预测(DD)；系统推荐周转＝(库存+推荐下单量)/销量预测(DD)；步骤4：根据促销活动和历史销量，调整促销因子；根据公式可得：PBI′(i)＝DD(i)/SALE(i)；其中，SALE(i)表示历史真实销量，DD(i)表示历史预测销量；PBI′(i)表示调整后的促销因子；步骤5：统计历史真实订单反映时间。作为优选，所述调整模块执行步骤如下：SS1：根据评估模块中MSE选择合适的预测方式；SS2：根据评估模块中PBI′(i)替换PBI(i)；SS3：根据评估模块中算出的订单反应时间替换人工配置的值。与现有技术相比，本专利技术的有益效果是：本专利技术实现自动预测下单量，降低企业人工强度和成本，提高预测的精准度，合理降低库存周转，避免缺货现象，增强企业发展的竞争力。附图说明图1是本专利技术架构示意图；具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚，完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部实施例。实施例：如图1所示的一种智能补货系统，包括业务模块、预测模块、调整模块和评估模块。业务模块，用于下单；且所述业务模块为OP系统；预测模块，用于产品需求预测，得出需求预测方案；其中，所述预测模块执行步骤为：S1、进行销量预测；所述步骤S1其具体步骤如下：(1)通过公式预测当天往后推i天的销量，Frcst(i)＝DD*BI(i)*PBI(i)，其中，i＝1,2,3…n，n表示自然数；PBI(i)为活动爆炸因子，具体来说，若明天有一个活动，预测销量是平时的2倍，那么PBI(i)＝2；BI(i)为季节因子，通过计算该年销量的均值和去年每周的销量比较得出的比值；(2)通过公式还原历史日销量；priceFactor＝p2/p1；其中，saleNum(i)：第i天单个销售仓库单个商品的总销售量；PBI(i)为历史活动爆炸因子；BI(i)为历史的季节因子；daysInstock为n天内商品的有库存天数；n表示自然数，priceFactor为调价因子，用来平衡调价带来的影响；P2是已售卖n天时间范围内的平均价格；P1是未来售卖价格，具体来说，P1>P2，价格升高，priceFactor<1；反之大于1。S2、再进行库存模型的建立；所述步骤S2其具体步骤如下：①通过公式，建立库存低水位(OP)其中，LT表示订单反应时间，即下单到入库时间；ST表示安全库存天数；TT表示调拨时间；②通过公式，建立库存高水位(OUTL)其中，LT表示订单反应时间，即下单到入库时间；ST表示安全库存天数；TT表示调拨时间，DT表示三级类目周转天数；评估模块，用于对预测模块所输出的需求预测方案进行评估，输出产品变化量的预测值，将所述预测值和自身需求量比较，根据比较结果确定是否调整需求预测方案中的参数；值得一说的是，在本实施例中，所述评估模块执行步骤如下：步骤1：将历史预测销量DD和历史真实销量AS对比，根据MSE公式评估二者之间的差距；其中，n＝1,2,3…；步骤2：通过公式，计算采纳率；步骤3：计算历史到货后的周转天数，和预期周转天数的差距；周转天数＝库存/销量预测(DD)；人工下单周转＝(库存+实际下单量)/销量预测(DD)；系统推荐周转＝(库存+推荐下单量)/销量预测(DD)；步骤4：根据促销活动和历史销量，调整促销因子；根据公式可得：PBI′(i)＝DD(i)/SALE(i)；其中，SALE(i)表示历史真实销量，DD(i)表示历史预测销量；PBI′(i)表示调整后的促销因子；步骤5本文档来自技高网...

【技术保护点】
1.一种智能补货系统，其特征在于：包括业务模块、预测模块、调整模块和评估模块；其中，业务模块，用于下单；预测模块，用于产品需求预测，得出需求预测方案；评估模块，用于对预测模块所输出的需求预测方案进行评估，输出产品变化量的预测值，将所述预测值和自身需求量比较，根据比较结果确定是否调整需求预测方案中的参数；调整模块，用于将评估模块中输出的参数输送至预测模块，进行需求预测方案的优化。/n

【技术特征摘要】
1.一种智能补货系统，其特征在于：包括业务模块、预测模块、调整模块和评估模块；其中，业务模块，用于下单；预测模块，用于产品需求预测，得出需求预测方案；评估模块，用于对预测模块所输出的需求预测方案进行评估，输出产品变化量的预测值，将所述预测值和自身需求量比较，根据比较结果确定是否调整需求预测方案中的参数；调整模块，用于将评估模块中输出的参数输送至预测模块，进行需求预测方案的优化。


2.根据权利要求1所述的一种智能补货系统，其特征在于：所述业务模块为OP系统。


3.根据权利要求1所述的一种智能补货系统，其特征在于：所述预测模块执行步骤为：
S1、进行销量预测；
S2、再进行库存模型的建立。


4.根据权利要求3所述的一种智能补货系统，其特征在于：所述步骤S1其具体步骤如下：
(1)通过公式预测当天往后推i天的销量，
Frcst(i)＝DD*BI(i)*PBI(i)，
其中，i＝1,2,3…n；PBI(i)为活动爆炸因子；BI(i)为季节因子；
(2)通过公式还原历史日销量；



priceFactor＝p2/p1；
其中，saleNum(i)：第i天单个销售仓库单个商品的总销售量；PBI(i)为历史活动爆炸因子；BI(i)为历史的季节因子；daysInstock为n天内商品的有库存天数；priceFactor为调价因子，用来平衡调价带来的影响；P2是已完成售卖的n天时间范围内的平均价格；P1是未来售卖价格。


5.根据权利要求3所述的一种智能补货系统，其特征在于：所述步骤S2其具...

【专利技术属性】
技术研发人员：周韶宁，陈鹏，吴红亮，
申请(专利权)人：浙江百世技术有限公司，
类型：发明
国别省市：浙江;33