物料需求预测及管理方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种物料需求预测及管理方法、装置、计算机设备和存储介质。所述预测方法包括：获取待预测时段对应的历史时段内的快件量和目标类型物料的使用量；根据待预测时段的时间特征、以及历史时段内目标类型物料的使用量，获得待预测时段内目标类型物料的第一预测需求量；根据待预测时段的时间特征、历史时段内的快件量、以及待预测时段内目标类型物料的使用量占比，获得待预测时段内目标类型物料的第二预测需求量；基于第一预测需求量和第二预测需求量，确定待预测时段内目标类型物料的预测需求量。采用本方法能够提高预测准确性。测需求量。采用本方法能够提高预测准确性。测需求量。采用本方法能够提高预测准确性。

【技术实现步骤摘要】
物料需求预测及管理方法、装置、计算机设备和存储介质


[0001]本申请涉及物流
，特别是涉及一种物料需求预测及管理方法、装置、计算机设备和存储介质。

技术介绍

[0002]随着物流行业的发展，快递服务在社会中起到越来越重要的作用。快递物品在流转过程中，为了避免物品损坏或遗失，在对物品进行打包时通常需要采取保护措施，例如使用文件夹、纸箱、泡沫箱、填充物等物料将物品保护起来。随着快件数量的增长，对于物料的需求也增多，使得物料管理(包括物料申请、物料发放等)更加困难和复杂。
[0003]目前，网点的物料申请通常是由快递员主观判断所需要的物料数量，并向物料发放部门提出物料申请。由于快递员无法准确判断所需要的物料数量，可能导致申请的物料数量与实际需求不符，例如部分网点存在物料不足，部分网点存在物料堆积，从而影响快件的包装和发件效率，也容易造成物料浪费。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种提高准确性的物料需求预测及管理方法、装置、计算机设备和存储介质。
[0005]一种物料需求预测方法，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种物料需求预测方法，其特征在于，所述方法包括：获取待预测时段对应的历史时段内的快件量和目标类型物料的使用量；根据所述待预测时段的时间特征、以及所述历史时段内所述目标类型物料的使用量，获得所述待预测时段内所述目标类型物料的第一预测需求量；根据所述待预测时段的时间特征、所述历史时段内的快件量、以及所述待预测时段内所述目标类型物料的使用量占比，获得所述待预测时段内所述目标类型物料的第二预测需求量；基于所述第一预测需求量和所述第二预测需求量，确定所述待预测时段内所述目标类型物料的预测需求量。2.根据权利要求1所述的方法，其特征在于，根据所述待预测时段的时间特征、以及所述历史时段内所述目标类型物料的使用量，获得所述待预测时段内所述目标类型物料的第一预测需求量，包括：根据所述待预测时段的时间特征、以及所述历史时段内所述目标类型物料的使用量，获得第一输入特征；利用所述目标类型物料对应的第一预测模型，基于所述第一输入特征进行预测，得到所述待预测时段内所述目标类型物料的第一预测需求量。3.根据权利要求2所述的方法，其特征在于，所述第一预测模型的训练过程包括：获取第一样本时段及其对应的第一样本标签，所述第一样本标签表示所述第一样本时段内所述目标类型物料的实际使用量；根据所述第一样本时段的时间特征、以及所述第一样本时段对应的第一样本历史时段内所述目标类型物料的使用量，获得第一样本输入特征；利用第一待训练模型基于所述第一样本输入特征进行预测，得到所述第一样本时段内所述目标类型物料的预测使用量；基于所述预测使用量和所述第一样本标签，调整所述第一待训练模型的参数，直至满足训练结束条件，获得训练好的第一预测模型。4.根据权利要求2所述的方法，其特征在于，所述待预测时段为当前时间所在周的下一周，对应的历史时段包括：第一历史时段和第二历史时段，所述第一历史时段包括所述待预测时段之前的第一预设数量的历史周，所述第二历史时段包括所述待预测时段之前的第二预设数量的历史周；所述时间特征包括：所述待预测时段所在的年份、月份、周数、以及所述待预测时段是否在年初和是否在年终；所述第一输入特征包括：所述时间特征、所述第一历史时段中各所述历史周内所述目标类型物料的使用量、以及所述第二历史时段中各所述历史周内所述目标类型物料的使用量的均值、总和、最大值和最小值。5.根据权利要求1所述的方法，其特征在于，根据所述待预测时段的时间特征、所述历史时段内的快件量、以及所述待预测时段内所述目标类型物料的使用量占比，获得所述待预测时段内所述目标类型物料的第二预测需求量，包括：根据所述待预测时段的时间特征、以及所述历史时段内的快件量，获得所述待预测时段内的预测快件量；
根据所述待预测时段内的预测快件量和所述目标类型物料的使用量占比，获得所述待预测时段内所述目标类型物料的第二预测需求量。6.根据权利要求5所述的方法，其特征在于，根据所述待预测时段的时间特征、以及所述历史时段内的快件量，获得所述待预测时段内的预测快件量，包括：根据所述待预测时段的时间特征、以及所述历史时段内的快件量，获得第二输入特征；利用第二预测模型，基于所述第二输入特征进行预测，得到所述待预测时段内的预测快件量。7.根据权利要求6所述的方法，其特征在于，所述第二预测模型的训练过程包括：获取第二样本时段及其对应的第二样本标签，所述第二样本标签表示所述第二样本时段内的实际快件量；根据所述第二样本时段的时间特征、以及所述第二样本时段对应的第二历史时段内的快件量，获得第二样本输入特征；利用第二待训练模型基于所述第二样本输入特征进行预测，得到所述第二样本时段内的预测快件量；基于所述第二样本时段内的预测快件量和对应的第二样本标签，调整模型参数，直至满足训练结束条件，获得训练好的第二预测模型。8.根据权利要求6所述的方法，其特征在于，所述待预测时段为当前时间所在周的下一周，对应的历史时段包括：第三历史时段和第四历史时段，所述第三历史时段包括所述待预测时段之前的第三预设数量的历史周，所述第四历史时段包括所述待预测时段之前的第四预设数量的历史周；所述时间特征包括：所述待预测时段所在的年份、月份、周数...

【专利技术属性】
技术研发人员：王俊翔，姚淳子，刘龙威，黄美雯，仝淑雅，史玉成，黄妍丹，
申请(专利权)人：顺丰科技有限公司，
类型：发明
国别省市：