一种基于配件采购-仓储协同的智能化配件库存管理方法技术

本发明专利技术涉及一种基于配件采购

【技术实现步骤摘要】
一种基于配件采购
‑
仓储协同的智能化配件库存管理方法


[0001]本专利技术涉及一种基于配件采购
‑
仓储协同的智能化配件库存管理方法，属于机器学习和多目标优化


技术介绍

[0002]分析和利用供应、制造和服务环节的各种数据进行资源优化调配和实现智能制造，已成为高端复杂装备制造企业的迫切需求之一。开展针对复杂机械装备配件仓库管理决策的研究，对减少企业资金负担、提高服务效能具有重要价值。当今越来越多的企业开始重视配件管理业务中需求预测和库存优化等典型资源调配问题，旨在充分利用已有的配件资源，减少企业库存积压，提高资金周转效率。但传统的资源调拨和管理方法不具备通用性，难以满足装备制造企业的需求，而需求预测算法普遍具有一定误差，如果不能将需求预测与库存优化正确结合，往往会导致错误的管理决策，造成企业经济效益的损失。因此，围绕具体企业需求特点，研发基于需求预测的库存管理技术，已成为提高制造企业配件资源利用效率的迫切需求。
[0003]例如，盾构掘进机是一种集开挖、排碴、衬砌等功能为一体的大型复杂装备，大量应用于公共交通中的隧道挖掘。它的制造和施工过程，是多学科交叉的集大成，包括机械、电气压、控制、激光导航、材料等多学科的应用。盾构掘进机具有传递功率大、距离长、负载大幅度随机变化的特点，目前在各种隧道施工中应用广泛。由于盾构机是大型设备，本身的结构较为复杂，加之施工现场环境恶劣，导致施工时设备容易发生故障造成整机停工，影响现场工程的效率。一般来说，盾构施工中的故障主要集中于前盾和中盾的刀盘系统、推进系统、螺旋输送机系统和管片拼装系统，而盾构机零部件的单价构成中地域影响相对较小，具备统一采购管理的条件。
[0004]传统的配件计划和库存管理方法在一定程度上能解决配件的仓储管理问题，并提供一定的指导意义，但由于需求预测准确性的限制，企业如果一味依赖需求预测结果，必然会造成配件呆滞或缺货的风险出现，传统的需求预测方法依赖于人工判断，在准确性和效率上都具有一定的局限性，同时基于数据统计的安全库存计算方法无法与需求预测结果进行有效结合，将导致在配件的库存管理中存在库存积压，产生呆滞库存，降低库存利用效率。

技术实现思路

[0005]本专利技术的目的是提供一种基于配件采购
‑
仓储协同的智能化配件库存管理方法，以解决目前库存管理中存在的库存利用效率低的问题。
[0006]本专利技术为解决上述技术问题而提供了一种基于配件采购
‑
仓储协同的智能化配件库存管理方法，该方法包括以下步骤：
[0007]1)统计库存周期中每一天入库的配件数，并记录配件的入库时间；每一天入库的配件数为当天收到的计划申请的配件数与当天紧急调拨运来的配件数之和，计划申请的配
件数由预测的客户需求和安全库存确定；
[0008]2)在库存周期的每一天，根据配件的客户需求和库存进行出库处理，若客户需求量小于当前库存量，按照所述需求量进行出库，并记录出库时间；否则将对未满足的需求推延至下一天，并按照紧急调拨周期申请紧急调拨；
[0009]3)统计各配件的入库、出库时间，计算各配件的呆滞时间；根据库存周期内客户需求的配件是否及时配送成功，计算客户满意度；以设定时间段内各配件的呆滞时间之和最小、客户满意度最高建立目标函数，求解该目标函数确定所述安全库存。
[0010]本专利技术将配件采购与仓库配给进行有效协同，设置安全库存，将优化目标设置为客户满意度与库存呆滞时长，确定客户满意度最高与库存呆滞时长最短情况下的安全库存，将该安全库存作为每个库存周期的库存下限。本专利技术利用得到的安全库存进行库存管理，进一步消除采购误差带来的影响，在减少库存、提高库存周转率的基础上减少配件缺货、呆滞带来的损失，有效减轻企业仓储管理负担，提高经济效益，为配件链的高效协同管理提供理论支撑。
[0011]进一步地，为了准确实现对客户需求的预测，所述步骤3)中客户需求的预测是利用历史客户需求数据通过支持向量回归方法实现。
[0012]进一步地，为了准确确定计划申请的配件数，所述计划申请的配件数据为：
[0013][0014]其中plan
i+pt
为第i天申请、第i+pt天到达的计划申请的配件数，Pre为预测出的客户需求，SS为安全库存，S
i
为第i天的库存。
[0015]进一步地，为了准确获取每天的库存，每个库存周期当天的库存量为：
[0016]S
i
＝S
i
‑1+plan
i
+lack
i
[0017]其中S
i
为i天的库存，S
i
‑1为i
‑
1天的库存，plan
i
为i天到达的计划申请的配件数，lack
i
为第i天达到的紧急调拨运来的配件数。
[0018]进一步地，为了准确确定客户满意度，所述客户满意度采用的计算公式为：
[0019][0020]其中Ds
i
为第i天配送成功的配件数，Df
i
为第i天未配送成功的配件数量，I为设定时间段的天数。
[0021]进一步地，所述配件的呆滞时间采用的计算公式为：
[0022][0023]其中List_In表示配件入库的时间，List_Out为配件的出库时间，timelimit为呆滞时长标准，当配件在仓库中仓储时长低于呆滞时长标准时，视为未超时不予统计；当仓储时长超出呆滞时长标准时，统计其超出的时间，所有配件的超出时间之和即为配件呆滞时间。
[0024]进一步地，为了准确、快速实现对配件呆滞时间的计算，配件的呆滞时间的统计采用数据结构中的队列来实现。
[0025]进一步地，为了准确实现对目标函数的求解，所述的目标函数采用多目标遗传算法进行求解。
附图说明
[0026]图1是本专利技术基于配件采购
‑
仓储协同的智能化配件库存管理方法的流程图；
[0027]图2是本专利技术实验例中获取的配件需求走势图；
[0028]图3是本专利技术实验例中所有的配件需求与需求预测结果走势图；
[0029]图4是本专利技术实验例中通过库存值约束的配件数量走势图；
[0030]图5是本专利技术实验例中得到的每个入库配件的存储时间示意图。
具体实施方式
[0031]下面结合附图对本专利技术的具体实施方式作进一步地说明。
[0032]本专利技术将配件采购与仓库配给进行有效协同，，设置安全库存值(库存下限)SS，将优化目标设置为客户满意率与库存呆滞时长，在完全信任采购计划的前提下，验证不同计划误差在库存模型中的表现，并求得客户满意度最高与库存呆滞时长最短情况下的安全库存SS。通过将配件采购与库存优化的有效结合，本方法能够进一步消除采购误差带来的影响，在减少库存、提高库存周转率的基础上减少配件缺货、呆滞带来的损失，有效减轻本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于配件采购
‑
仓储协同的智能化配件库存管理方法，其特征在于，该方法包括以下步骤：1)统计库存周期中每一天入库的配件数，并记录配件的入库时间；每一天入库的配件数为当天收到的计划申请的配件数与当天紧急调拨运来的配件数之和，计划申请的配件数由预测的客户需求和安全库存确定；2)在库存周期的每一天，根据配件的客户需求和库存进行出库处理，若客户需求量小于当前库存量，按照所述需求量进行出库，并记录出库时间；否则将对未满足的需求推延至下一天，并按照紧急调拨周期申请紧急调拨；3)统计各配件的入库、出库时间，计算各配件的呆滞时间；根据库存周期内客户需求的配件是否及时配送成功，计算客户满意度；以设定时间段内各配件的呆滞时间之和最小、客户满意度最高建立目标函数，求解该目标函数确定所述安全库存。2.根据权利要求1所述的基于配件采购
‑
仓储协同的智能化配件库存管理方法，其特征在于，所述步骤3)中客户需求的预测是利用历史客户需求数据通过支持向量回归方法实现。3.根据权利要求1所述的基于配件采购
‑
仓储协同的智能化配件库存管理方法，其特征在于，所述计划申请的配件数据为：其中plan
i+pt
为第i天申请、第i+pt天到达的计划申请的配件数，Pre为预测出的客户需求，SS为安全库存，S
i
为第i天的库存。4.根据权利要求3所述的基于配件采购
‑
仓储协同的智能化配件库存管理方法，其特征在于，每个库存周期的当天的库存量为：S
i
＝S
...

【专利技术属性】
技术研发人员：洪开荣，任颖莹，曾垂刚，李凤远，张兵，韩伟锋，李叔敖，江南，李沿宗，毛文涛，郭璐，王雅文，
申请(专利权)人：盾构及掘进技术国家重点实验室，
类型：发明
国别省市：