用于优化对象预测的方法、设备和存储介质技术

本申请公开了一种用于优化对象预测的方法和设备以及存储介质。该方法包括：对多个对象进行分组，其中每组对象具有相似的特性；针对每组对象分别构建预测器库；基于每个对象的固定长度的历史特性数据，在每组对象的预测器库中确定每个对象初始的对应预测器；和利用与每个对象相关的随时间变化的特性数据来分别动态更新用于每个对象的对应预测器，其中，更新后的所述对应预测器对于所述与每个对象相关的随时间变化的特性数据的预测性能为最优。关的随时间变化的特性数据的预测性能为最优。关的随时间变化的特性数据的预测性能为最优。

【技术实现步骤摘要】
用于优化对象预测的方法、设备和存储介质


[0001]本公开内容涉及需求预测的领域，并且具体地涉及优化对产品需求的预测的方法。

技术介绍

[0002]销量预测是企业管理决策的重要依据，是合理控制库存、制定运输计划和整个供应链优化的前提。精确的销量预测，可以指导后端运营提前进行合理的资源配置和优化，避免浪费或者出现瓶颈。比如，提前进行呼叫中心、物流中心的建设，提前储备呼叫中心员工，提前进行包装、耗材的采购与备货等。产品销量的预测精度是影响企业运营效率的主要因素，如果预测的精度高，则即便反应链的反应速度不够快，也能实现库存与资金的高周转。采购管理、补货管理、销售管理等的基础便是销售预测。
[0003]销量预测对于企业运营有至关重大的指导意义，包括：指导后端运营提前进行合理的资源匹配和优化，避免浪费或出现瓶颈；让工厂计划和运作更加高效(例如，可减少供不应求时的原材料短缺情况，提高资产利用率等)；对顾客或市场的反应更加灵敏，让厂商有更多的机会卖出更多的产品；对成品库存进行更好的规划和控制，防止缺货或者库存过高。
[0004]销售预测需以具体产品为预测对象，例如经销商所销售的商品、或者工厂所生产的产品等。随着经济的发展，产品品类变得更加多元化，产品矩阵也变得更加复杂，因此，对销量预测的需求也越来越迫切，而销售预测的难度也越来越大。此外，企业还需考虑各种节日与消费热点对销售的影响，以及市面上花样层出的上新计划与促销，这些因素进一步提升了销售预测的难度。
[0005]依照核心流程，销量预测系统可分为以时间序列为主、和以机器学习算法为主两种。
[0006]前者对时间排列的系列数据进行分析，通过曲线拟合和参数估计来建立数学模型、预测未来趋势。这种方法统计性味浓，对数据量积累的要求高，且当数据趋势性不明显时预测效果会很差，传统销售预测系统中多是运用了此种流程。
[0007]以机器学习算法为主的销售预测则通过假设与算法，使模型具备自我改进的能力，且对数据量要求较低。此种系统是当下的流行，在百威英国、蒙牛等大企业中均有应用。然而，由于机器学习具有场景局限性，而且预测是基于因素间的相关关系而不是因果，这种系统也存在着不足。

技术实现思路

[0008]在下文中给出了关于本公开内容的简要概述，以便提供关于本公开内容的某些方面的基本理解。应当理解，这个概述并不是关于本公开内容的穷举性概述。它并不是意图确定本公开内容的关键或重要部分，也不是意图限定本公开内容的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。
[0009]根据本专利技术的一个方面，提供了一种优化对象预测的方法，包括：对多个对象进行分组，其中每组对象具有相似的特性；针对每组对象分别构建预测器库；基于每个对象的固定长度的历史特性数据，在每组对象的预测器库中确定每个对象初始的对应预测器；和利用与每个对象相关的随时间变化的特性数据来分别动态更新用于每个对象的对应预测器，其中，更新后的所述对应预测器对于所述与每个对象相关的随时间变化的特性数据的预测性能为最优。
[0010]根据本专利技术的另一个方面，提供了一种用于优化对象预测的设备，包括：分组装置，其被配置成对多个对象进行分组，其中每组对象具有相似的特性；构建装置，其被配置成针对每组对象分别构建预测器库；确定装置，其被配置成基于每个对象的固定长度的历史特性数据，在每组对象的预测器库中确定每个对象初始的对应预测器；和更新装置，其被配置成利用与每个对象相关的随时间变化的特性数据来分别动态更新用于每个对象的对应预测器，其中，更新后的所述对应预测器对于所述与每个对象相关的随时间变化的特性数据的预测性能为最优。
[0011]根据本专利技术的其它方面，还提供了相应的计算机程序代码、计算机可读存储介质和计算机程序产品。
[0012]通过本专利技术的对象预测方法和设备，使得加快了预测速度并且提高了预测准确度，从而节约了库存成本。
[0013]通过以下结合附图对本专利技术的优选实施方式的详细说明，本专利技术的这些以及其他优点将更加明显。
附图说明
[0014]为了进一步阐述本公开内容的以上和其它优点和特征，下面结合附图对本公开内容的具体实施方式作进一步详细的说明。所述附图连同下面的详细说明一起包含在本说明书中并且形成本说明书的一部分。具有相同的功能和结构的元件用相同的参考标号表示。应当理解，这些附图仅描述本公开内容的典型示例，而不应看作是对本公开内容的范围的限定。在附图中：
[0015]图1示意性地示出了根据本专利技术的预测方法；
[0016]图2是根据实施方式的用于优化对象预测的方法200的流程图；
[0017]图3示例性地示出了四种商品在过去两年内的销量曲线；
[0018]图4示例性地示出了聚类结果的曲线图；
[0019]图5是根据实施方式的用于优化对象预测的设备500的框图；和
[0020]图6是其中可以实现根据本专利技术的实施方式的方法和/或设备的通用个人计算机的示例性结构的框图。
具体实施方式
[0021]在下文中将结合附图对本公开的示范性实施方式进行描述。为了清楚和简明起见，在说明书中并未描述实际实施方式的所有特征。然而，应该了解，在开发任何这种实际实施方式的过程中必须做出很多特定于实施方式的决定，以便实现开发人员的具体目标，例如，符合与系统及业务相关的那些限制条件，并且这些限制条件可能会随着实施方式的
不同而有所改变。此外，还应该了解，虽然开发工作有可能是非常复杂和费时的，但对得益于本公开内容的本领域技术人员来说，这种开发工作仅仅是例行的任务。
[0022]在此，还需要说明的一点是，为了避免因不必要的细节而模糊了本公开，在附图中仅仅示出了与根据本公开的方案密切相关的设备结构和/或处理步骤，而省略了与本公开关系不大的其他细节。
[0023]众所周知，库存管理是一项重要的技术，其直接影响企业的盈利和客户服务水平。有效的库存管理需要存货水平与客户服务水平之间的良好折衷。已经针对库存管理构建了大型全球市场。根据美国咨询公司IHL集团的2015年的报告，全球零售商每年在库存管理方面损失大约1.75万亿美金(库存过剩、缺货和不需要的退还方面的成本)，这高达收益的11.7％。另一方面，哈克特集团(Hackett Group)于2017年的调查表明，在1000个最大的美国总部公司中，库存产品占用了4120亿美金的营运资金。
[0024]当前存货管理中存在的一个主要问题是由于缺乏准确的需求信息所导致的。也就是说，如果对产品的未来需求是未知的，那么应在存货中保存多少产品是不确定的，这导致缺货或库存过剩。目前，对于产品的未来需求通常是凭个人经验来确定的，也就是说专家按照历史需求数据来估计需求。然而，仓库最小保存单元(SKU，stock keep unit)的数目通常很大，例如成千上万个SKU，这使得凭人工逐个估计未来需求是不可行的。
[0025]本专利技术通过提出一种预测多个对象(产品)的未来需本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于优化对象预测的方法，包括：对多个对象进行分组，其中每组对象具有相似的特性；针对每组对象分别构建预测器库；基于每个对象的固定长度的历史特性数据，在每组对象的预测器库中确定每个对象初始的对应预测器；和利用与每个对象相关的随时间变化的特性数据来分别动态更新用于每个对象的对应预测器，其中，更新后的所述对应预测器对于所述与每个对象相关的随时间变化的特性数据的预测性能为最优。2.根据权利要求1所述的方法，其中，所述的确定初始的对应预测器包括利用每组中的每个对象的历史特性数据来训练与该组对象相关的预测器库，以获得每个对象初始的对应预测器。3.根据权利要求1或2所述的方法，其中，所述的构建预测器库包括基于每组对象的相似的特性来选取一个或更多个合适的预测器。4.根据权利要求1或2所述的方法，其中，所述对象是物品或服务，并且所述相似的特性是指所述物品或服务的历史需求量曲线在时域中呈现相似的形状，其中，所述历史需求量曲线是通过对所述物品或服务的历史需求量数据进行快速傅里叶变换得到的。5.根据权利要求1或2所述的方法，其中，所述对象是物品或服务，并且所述相似的特性是指所述物品或服务具有相同的应用类别。6.根据权利要求1或2所述的方法，其中，所述初始的对应预测器是所述预测器库中的用于相关对象的最佳预测器。7.根据权利要求1或2所述的方法，其中，所述对象是物品或服务，并且所述随时间变化的特性数据是所述...

【专利技术属性】
技术研发人员：刘汝杰，
申请(专利权)人：富士通株式会社，
类型：发明
国别省市：