一种物资需求预测方法、装置及设备制造方法及图纸

本发明专利技术公开了一种物资需求预测方法、装置及设备，所述方法包括：获取采购项目的项目信息以及采购数据信息的量化指标信息；根据所述量化指标信息进行项目分类，得到至少一个类型的项目；根据与每一类型的项目对应的预测模型，获得所述至少一个类型的项目中每一类型的项目的物资需求的预测结果；根据每一类型的项目的物资需求的预测结果，得到所述采购项目的目标预测结果。通过上述方式，本发明专利技术在项目分类的基础上，并结合预测场景、采购指标信息等，实现了对物资采购需求的预测。实现了对物资采购需求的预测。实现了对物资采购需求的预测。

【技术实现步骤摘要】
一种物资需求预测方法、装置及设备


[0001]本专利技术涉及计算机智能预测
，具体涉及一种物资需求预测方法、装置及设备。

技术介绍

[0002]随着信息时代的发展，应将互联网、物联网与供应深度融合，运用先进的供应链管理技术和模式来替代过去低效、粗放的运营模式，促进降本增效，优化供给结构、供给质量和供给效率。
[0003]在传统的供给采购中，采购需求常常通过“计划”方式层层上报，需求部门的总体结论主观性较强、偏离度较大，且对用户需求的响应速度慢，采购压力大。而现有的需求预测方法，常常基于采购量的历史统计值，如平均值、最大最小值等指标，结合项目经理业务经验，或通过一些经典的时间序列分析模型来进行需求预测，但对物料的出库频次、历史出库周期性特征要求较高，普适性和准确性都较差。

技术实现思路

[0004]鉴于上述问题，提出了本专利技术实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种物资需求预测方法、装置及设备，以提高模型对物料需求预测的普适性与准确度。
[0005]根据本专利技术实施例的一个方面，提供了一种物资需求预测方法，所述方法包括：
[0006]获取采购项目的项目信息以及采购数据信息的量化指标信息；
[0007]根据所述量化指标信息进行项目分类，得到至少一个类型的项目；
[0008]根据与每一类型的项目对应的预测模型，获得所述至少一个类型的项目中每一类型的项目的物资需求的预测结果；
[0009]根据每一类型的项目的物资需求的预测结果，得到所述采购项目的目标预测结果。
[0010]根据本专利技术实施例的另一方面，提供了一种物资需求预测装置，所述装置包括：
[0011]获取模块，用于获取采购项目的项目信息以及采购数据信息的量化指标信息；
[0012]处理模块，用于根据所述量化指标信息进行项目分类，得到至少一个类型的项目；根据与每一类型的项目对应的预测模型，获得所述至少一个类型的项目中每一类型的项目的物资需求的预测结果；根据每一类型的项目的物资需求的预测结果，得到所述采购项目的目标预测结果。
[0013]根据本专利技术实施例的又一方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
[0014]所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述物资需求预测方法对应的操作。
[0015]根据本专利技术实施例的再一方面，提供了一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如上述物资需求预测方法对应的操作。
[0016]根据本专利技术上述实施例提供的方案，采用量化后的项目信息及采购数据信息进行预测，增加数据维度，提高预测所用数据的维度，保证预测结果的准确性，同时对量化后的数据信息进行项目分类处理，并对每一类型的项目分别进行预测，提高预测精度。
[0017]上述说明仅是本专利技术实施例技术方案的概述，为了能够更清楚了解本专利技术实施例的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术实施例的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术实施例的具体实施方式。
附图说明
[0018]通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术实施例的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
[0019]图1示出了本专利技术实施例提供的物资需求预测方法流程图；
[0020]图2示出了本专利技术另一实施例提供的物资需求预测方法所应用的系统模块图；
[0021]图3示出了本专利技术实施例提供的物资需求预测装置的结构示意图；
[0022]图4示出了本专利技术实施例提供的计算设备的结构示意图。
具体实施方式
[0023]下面将参照附图更详细地描述本专利技术的示例性实施例。虽然附图中显示了本专利技术的示例性实施例，然而应当理解，可以以各种形式实现本专利技术而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本专利技术，并且能够将本专利技术的范围完整的传达给本领域的技术人员。
[0024]图1示出了本专利技术实施例提供的物资需求预测方法的流程图。如图1所示，该方法包括以下步骤：
[0025]步骤11，获取采购项目的项目信息以及采购数据信息的量化指标信息；
[0026]步骤12，根据所述量化指标信息进行项目分类，得到至少一个类型的项目；
[0027]步骤13，根据与每一类型的项目对应的预测模型，获得所述至少一个类型的项目中每一类型的项目的物资需求的预测结果；
[0028]步骤14，根据每一类型的项目的物资需求的预测结果，得到所述采购项目的目标预测结果。
[0029]该实施例中，采购项目的项目信息可以包括项目类型、投资类型、项目规模等多维度数据；采购数据信息可以包括物料出库类型、物料名称、出库时间、出库数量、所属项目编码等多维度数据；通过对所述项目信息以及采购数据信息进行指标量化，得到量化指标信息，以增加数据样本周期规律，便于进行模型预测，提高后续预测的准确性；
[0030]对所述量化指标信息进行项目分类时，由于数据离散、属性间有一定的相关性，可以采用集成学习的方法对量化后项目信息进行分类预测处理，以细化预测场景，提高物资预测精准度；
[0031]所述预测模型可以是基于分类预测处理后的项目信息与量化后的采购数据信息进行关联，并综合考虑时间周期性及节假日的影响，分别构建对应的预测模型，通过每一类型的项目对应的预测模型，获得每一类型的项目对应的物资需求预测结果，提高物资的普适性，考虑时间周期性及节假日对物资需求的影响，提高模型在特殊节点预测的灵活度。
[0032]进一步的，本专利技术的一可选实施例中，基于上述步骤11至14的基础上，物资需求预测方法，还可以包括：
[0033]步骤15，对所述目标预测结果进行审核，得到审核结果。
[0034]该实施例中，可以根据一些实际情况，如业务侧突发需求等时，可以通过传参的方式对所述目标预测结果进行人为稽核修正。增加业务稽核模块，发挥采购人员丰富的业务经验作用，支持对模型预测结果进行人为干预，有利于业务层面使用及模型的持续优化。
[0035]本专利技术的一可选实施例中，上述步骤11可以包括：
[0036]步骤111，获取采购项目的项目信息以及采购数据信息；
[0037]步骤112，对所述项目信息和所述采购数据信息分别进行指标量化处理，得到所述项目信息的量化指标信息和采购数据信息的量化指标信息。
[0038]该实施例中，可以根据采购项目信息、物料出入库情况、采购单位、合同订单信息中，获得预测场景、采购情况信息；对所述项目信息和所述采购数据信息分别进行指标量化处理，可以包括异常处理、特征衍生和数值化处理，提取数据可以包括本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种物资需求预测方法，其特征在于，所述方法包括：获取采购项目的项目信息以及采购数据信息的量化指标信息；根据所述量化指标信息进行项目分类，得到至少一个类型的项目；根据与每一类型的项目对应的预测模型，获得所述至少一个类型的项目中每一类型的项目的物资需求的预测结果；根据每一类型的项目的物资需求的预测结果，得到所述采购项目的目标预测结果。2.根据权利要求1所述的物资需求预测方法，其特征在于，获取采购项目的项目信息以及采购数据信息的量化指标信息，包括：获取采购项目的项目信息以及采购数据信息；对所述项目信息和所述采购数据信息分别进行指标量化处理，得到所述项目信息的量化指标信息和采购数据信息的量化指标信息。3.根据权利要求1所述的物资需求预测方法，其特征在于，根据所述量化指标信息进行项目分类，得到至少一个类型的项目，包括：获取所述项目信息的量化指标信息的样本集；获取所述样本集的随机样本；根据所述随机样本以及项目额度等级，得到每个随机样本对应的弱分类器；根据T个弱分类器的得分，获得各个项目额度等级的得分区间，其中，T为正整数，一个项目额度等级的得分区间对应一个类型的项目。4.根据权利要求3所述的物资需求预测方法，其特征在于，根据公式得到弱分类器，其中，D
it
为每个随机样本对应的弱分类器，X
i
为样本数据，e
j
为邻域中心，λ为X
i
的方差；β为各样本集训练结果进行加权求和的权重系数，m为针对随集样本训练的弱分类器个数。5.根据权利要求1所述的物资需求预测方法，其特征在于，根据与每一类型的项目对应的预测模型，获得所述至少一个类型的项目中每一类型的项目的物资需求的预测结果，包括：将每一类型的项目与所述采购数据信息的量化指标信息进行关联，构造季节模型及特殊时间点模型；根据所述季节模型及所述特殊时间...

【专利技术属性】
技术研发人员：孙铭堃，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：