一种基于需求预测的在线零售商产品库存决策方法和系统技术方案

本发明专利技术公开了一种基于需求预测的在线零售商产品库存决策方法和系统，属于大数据预测及运筹优化领域。包括：预测在线零售商产品订购周期内各个订购时期的需求；利用三角模糊数，将该产品各个订购时期的预测需求转化为模糊需求；将该产品各个订购时期的模糊需求代入库存优化决策模型并求解，得到该产品各个订购时期的最佳订购量；本发明专利技术考虑到预测不一定准确，通过模糊需求将需求预测和库存优化模型融合在一起。利用大数据及大数据分析技术对在线零售商的产品需求进行预测，基于三角模糊需求将预测结果转化为模糊需求，将模糊需求带入动态批量模型中解决产品的多周期最优订购数量的问题，能够为企业应用大数据进行库存优化管理提供技术支持。理提供技术支持。理提供技术支持。

【技术实现步骤摘要】
一种基于需求预测的在线零售商产品库存决策方法和系统


[0001]本专利技术属于大数据预测领域，更具体地，涉及一种基于需求预测的在线零售商产品库存决策方法和系统。

技术介绍

[0002]我们处于数据爆炸的时代，如何有效的利用数据并提高企业的运营管理是企业在竞争中取得优势的关键因素之一。不同于传统的零售商，在线零售商拥有大量的用户数据，例如用户的点击流数据、在线评论数据等。此外，由于互联网技术的飞速发展，除传统的线下渠道外，用户的购物渠道变得复杂而多样，这对在线零售商准确的预测需求从而优化库存管理提出新的挑战。现有分别关于需求预测和库存管理的技术不在少数，然而，却很少涉及将需求预测及库存管理决策融合的技术，此外，大多数技术直接将预测结果带入优化模型中，而忽略了预测可能存在的不准确性。
[0003]基于大数据集及大数据分析技术对在线零售商的产品需求进行更准确的预测，并考虑到预测可能存在的误差，提出一种有效的“需求预测+库存决策”的融合方法，将有助于为在线零售商在大数据环境下取得竞争优势从而进一步优化库存管理提供技术支持。<br/>
技术实现思路
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于需求预测的在线零售商产品库存决策方法，其特征在于，该方法包括：S1.预测在线零售商产品订购周期内各个订购时期的需求；S2.利用三角模糊数，将该产品各个订购时期的预测需求转化为模糊需求其中，表示第t订购时期的模糊需求，y
t
表示第t订购时期的最悲观值，y
t
表示第t订购时期的预测值，表示第t订购时期的预测的最乐观值，t＝1，2，
…
，T，T表示订购周期；S3.将该产品各个订购时期的模糊需求代入库存优化决策模型，求解库存优化决策模型，得到该产品各个订购时期的最佳订购量；所述库存优化决策模型具体如下：所述库存优化决策模型具体如下：其中，c
kt
表示第t订购时期向第k个供应商订购的固定订购成本，r
kt
表示第t订购时期是否向第k个供应商进行订购，p
kt
表示第t订购时期向第k个供应商订购的单位产品订购成本，w
kt
表示第t订购时期向第k个供应商订购的数量，h
t
表示第t订购时期的单位库存持有成本，I
t
表示第t订购时期末的库存，为第t订购时期的模糊需求，k＝1，2，
…
，K，K表示供应商数量。2.如权利要求1所述的方法，其特征在于，y
t
是对多个预测算法的预测值进行加权取整；n表示预测算法个数，RMSE
i
为第i个预测算法预测需求时的均方根误差，[
·
]表示取整符号。3.如权利要求1或2所述的方法，其特征在于，所述模糊需求等于x的可能性表示如下：4.如权利要求3所述的方法，其特征在于，步骤S3中，将动态批量模型中的模糊约束改
为确定性约束，设在第t订购时期的置信水平为α
t
，在该置信水平下，模糊约束转化为以下确定性约束：动...

【专利技术属性】
技术研发人员：徐贤浩，陈程，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：