智慧供应链系统及服务器平台技术方案

提供一种智慧供应链系统及服务器平台，对多种商品的供应链进行管理，其特征在于，具备：商品分类装置，基于历史数据，对多种商品进行分类；销售预测装置，基于历史数据以及所述商品分类装置针对多种商品的分类结果，按每种商品进行销售预测；以及智能补货装置，基于所述销售预测装置的预测结果，应用自动补货模型，生成补货决策，所述销售预测装置基于长短时记忆网络进行所述销售预测。由此，能够有效融合商品分类、销售预测与智能补货这三大重要板块。进而，能够充分地融合各相关信息，提供高效、准确地预测商品需求的自动化预测技术。准确地预测商品需求的自动化预测技术。准确地预测商品需求的自动化预测技术。

【技术实现步骤摘要】
智慧供应链系统及服务器平台


[0001]本专利技术涉及智慧供应链系统及服务器平台，尤其涉及智慧供应链的布局方式。

技术介绍

[0002]近年来，迫切需要对生产厂商、供应商、销售门店之间的供应链进行有效的管理。具体而言，在供应链管理中，首先需要对商品进行科学地分类与定位，然后再对不同类别的商品采取相应的销售与库存策略。其次，需要更准确的销售预测，作为商品数量的驱动器，以此为核心的需求计划可支持各个环节的计划制定，每提升1％的预测准确率可以带来数倍运营成本的降低。最后，需要将自动补货模型应用到特定的场景去优化库存结构，使库存持续保持健康水平，在入库情况下，定位到满足此次补货条件的所有SKU(库存保有单位)，依据补货任务跑模型得出补货量的建议，最终生成补货决策给到生产。
[0003]然而，现有技术中并没有提出满足上述需求的供应链管理方案，迫切需要能够满足上述需求的智慧供应链的布局方式。
[0004]其中如上所述，销售预测即商品需求预测是一个重要课题，各类商品未来一段时间的销量将影响商家补货、安排促销和调整生产等各个环节。零售企业会销售许多不同种类的商品，每种商品的销售规律也复杂多变，经常需要人为分析商品销售规律，商品销售有许多临时提报、营销企划等人为因素，手动分析商品销售规律并得到各类商品的需求量会带来巨大的工作量。专利文献1(CN110490670A)提供了一种自适应商品销售规律的需求预测系统。然而，在专利文献1中，采取了传统的时间序列模型，无法利用额外信息提高预测准确率。此外，专利文献1中使用的模型依然需要人工干预，自动化程序不够高。
[0005]因此，还迫切需要能够高效、准确地预测商品需求的自动化预测技术。

技术实现思路

[0006]本专利技术针对现有技术中上述技术问题，其目的在于，提供能够高效、准确地预测商品需求的智慧供应链系统及服务器平台。
[0007]本专利技术的一个实施方式提供一种智慧供应链系统，对多种商品的供应链进行管理，其特征在于，具备：商品分类装置，基于历史数据，对多种商品进行分类；销售预测装置，基于历史数据以及所述商品分类装置针对多种商品的分类结果，按每种商品进行销售预测；以及智能补货装置，基于所述销售预测装置的预测结果，应用自动补货模型，生成补货决策，所述销售预测装置基于长短时记忆网络进行所述销售预测。
[0008]由此，能够有效融合商品分类、销售预测与智能补货这三大重要板块。进而，能够充分地融合各相关信息，提供高效、准确地预测商品需求的自动化预测技术。
[0009]上述智慧供应链系统也可以是，所述销售预测装置基于长短时记忆网络，按每种商品预测与多个不同的预测时间分别对应的销量。
[0010]由此，能够针对不同时间粒度的销量进行估计(如日销量、周销量、月销量)。
[0011]上述智慧供应链系统也可以是，所述销售预测装置具备：数据收集部，针对由所述
商品分类装置分类为需要确认需求预测结果的每种商品，收集历史数据；数据处理部，针对由所述数据收集部收集的数据，至少进行数据探查、特征工程与数据聚合、样本调整，生成训练样本；模型构建部，构建长短时记忆网络模型，利用所述训练样本来训练所构建的模型，得到预测结果；模型评价部，利用机器学习评价指标评价预测结果；以及模型部署部，部署由所述模型评价部评价为满足用户需求的模型，针对预测结果进行与应用对象相应的处理后输出。
[0012]由此，能够建立全自动的销售预测装置，适于投入生产。
[0013]上述智慧供应链系统也可以是，所述数据处理部在所述数据探查中，探查由所述数据收集部收集的数据与商品的销量之间的相关性，使用特征选择法筛选出高相关性且不冗余的特征，所述数据处理部在所述特征工程中，通过领域知识构建衍生特征，
[0014]所述数据处理部在所述数据聚合中，将所述数据按预测时间聚合为所述训练样本，所述数据处理部在所述样本调整中，针对所述训练样本进行重采样。
[0015]由此，通过对收集的数据进行数据处理、样本调整，能够进一步提升预测效果。
[0016]上述智慧供应链系统也可以是，所述模型构建部构建由遗忘门、输入门和输出门组成的长短时记忆网络模型，利用循环结构一次处理各时间点的信息。
[0017]由此，通过使用长短时记忆网络这种先进的循环神经网络，能够充分地融合各相关信息，提供高效、准确地预测商品需求的自动化预测技术。
[0018]上述智慧供应链系统也可以是，所述模型构建部以预测结果小于真实值时的权重大于预测结果大于真实值时的权重的方式，构建有偏的损失函数。
[0019]由此，能够更为准确地评估损失，进一步提高预测精度。
[0020]上述智慧供应链系统也可以是，所述模型构建部使用函数值域大于等于0的激活函数，对所述长短时记忆网络模型的输出结果进行修正。
[0021]由此，保证商品需求量不可能小于0的特性，能够随着模型的训练使输出结果收敛到正确销量的数值。
[0022]上述智慧供应链系统也可以是，所述智慧供应链系统的应用对象包括销售门店、供应商和生产厂商之中的至少一个，所述销售预测装置根据所述智慧供应链系统的应用对象是销售门店、供应商和生产厂商之中的哪一个，选择基于长短时记忆网络进行所述销售预测的预测时间，在所述应用对象为销售门店的情况下，所述销售预测装置基于长短时记忆网络的销售预测模型，按每种商品输出与中周期对应的销售预测结果，在所述应用对象为供应商的情况下，所述销售预测装置基于长短时记忆网络的销售预测模型，按每种商品输出与中周期和长期分别对应的销售预测结果，在所述应用对象为生产厂商的情况下，所述销售预测装置基于长短时记忆网络的销售预测模型，按每种商品输出与长期对应的销售预测结果。
[0023]由此，能够与应用对象的需求相应地，提供与中周期、长期等不同预测时间对应的预测结果。
[0024]上述智慧供应链系统也可以是，在所述应用对象为销售门店的情况下，基于长短时记忆网络的销售预测模型预测的所述与中周期对应的销售预测结果，用于生成补货计划和销售完成情况，在所述应用对象为供应商的情况下，基于长短时记忆网络的销售预测模型预测的所述与中周期和长期分别对应的销售预测结果，用于生成供货量预测和商品缺货
预测，在所述应用对象为生产厂商的情况下，基于长短时记忆网络的销售预测模型预测的所述与长期对应的销售预测结果，用于生成出货量预测和生产计划。
[0025]由此，能够基于与应用对象相应的不同预测时间的长短时记忆网络预测结果，按每个应用对象生成不同的计划。
[0026]本专利技术的一个实施方式还提供一种服务器平台，对多种商品的供应链进行管理，具备处理器、存储器和接口，能够经由所述接口与客户端设备进行数据通信，其特征在于，所述处理器通过执行所述存储器中存储的程序，执行如下处理：商品分类处理，基于历史数据，对多种商品进行分类；销售预测处理，基于历史数据以及所述商品分类处理针对多种商品的分类结果，按每种商品进行销售预测；以及智能补货处理，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智慧供应链系统，对多种商品的供应链进行管理，其特征在于，具备：商品分类装置，基于历史数据，对多种商品进行分类；销售预测装置，基于历史数据以及所述商品分类装置针对多种商品的分类结果，按每种商品进行销售预测；以及智能补货装置，基于所述销售预测装置的预测结果，应用自动补货模型，生成补货决策，所述销售预测装置基于长短时记忆网络进行所述销售预测。2.如权利要求1所述的智慧供应链系统，其特征在于，所述销售预测装置基于长短时记忆网络，按每种商品预测与多个不同的预测时间分别对应的销量。3.如权利要求2所述的智慧供应链系统，其特征在于，所述销售预测装置具备：数据收集部，针对由所述商品分类装置分类为需要确认需求预测结果的每种商品，收集历史数据；数据处理部，针对由所述数据收集部收集的数据，至少进行数据探查、特征工程与数据聚合、样本调整，生成训练样本；模型构建部，构建长短时记忆网络模型，利用所述训练样本来训练所构建的模型，得到预测结果；模型评价部，利用机器学习评价指标评价预测结果；以及模型部署部，部署由所述模型评价部评价为满足用户需求的模型，针对预测结果进行与应用对象相应的处理后输出。4.如权利要求3所述的智慧供应链系统，其特征在于，所述数据处理部在所述数据探查中，探查由所述数据收集部收集的数据与商品的销量之间的相关性，使用特征选择法筛选出高相关性且不冗余的特征，所述数据处理部在所述特征工程中，通过领域知识构建衍生特征，所述数据处理部在所述数据聚合中，将所述数据按预测时间聚合为所述训练样本，所述数据处理部在所述样本调整中，针对所述训练样本进行重采样。5.如权利要求4所述的智慧供应链系统，其特征在于，所述模型构建部构建由遗忘门、输入门和输出门组成的长短时记忆网络模型，利用循环结构一次处理各时间点的信息。6.如权利要求5所述的智慧供应链系统，其特征在于，所述模型构建部以预测结果小于真实值时的权重大于预测结果大于真实值时的权重的方式，构建有偏的损失函数。7.如权利要求6所述的智慧供应链系统，其特征在于，所述模型构建部使用函数值域大于等于0...

【专利技术属性】
技术研发人员：戴芸，黄景浩，
申请(专利权)人：株式会社日立制作所，
类型：发明
国别省市：