库存自动化管理系统及其方法技术方案

本发明专利技术提供了一种库存自动化管理方法，包括：以预训练模块接收多分店的历史销售状态，对各分店及各品类商品的模型进行预训练。以多分店多商品训练模块取得分店状态及各品类商品状态并且利用预训练好的品类商品模型与分店模型进行水平与垂直关联性训练。以状态分析模块判断多分店之间的水平关联性、多品类商品之间的水平关联性及分店及品类商品之间的垂直关联性，以将相关性高的多分店及多品类商品进行联结，以修正各分店及各品类商品的预期销售量。以库存决策模块进行各分店的多品类商品的订货，以决定各分店的多品类商品的进货量。以决定各分店的多品类商品的进货量。以决定各分店的多品类商品的进货量。

【技术实现步骤摘要】
库存自动化管理系统及其方法


[0001]本专利技术涉及库存自动化管理领域，具体涉及一种库存自动化管理系统及其方法。

技术介绍

[0002]现代化社会中，各产业的竞争越来越剧烈，要如何有效的降低库存成本已经被大家所关切。关于库存决策，大多数以需求驱动物料需求计划(Demand Driven Material Requirements Planning，DDMRP)当基础进货量，并以历史平均销售量、历史销售标准差、订货交付时间、及需求变异参数来调整进货量，其中需求变异参数必须由人工设定参数，非常仰赖人员的经验，因而对于未来不确定因素增加，可能会造成库存成本增加或是进货太少而缺货等情况。
[0003]此外，各分店的终端装置可分别通过网络与总部服务器建立信息连结，使得总部能得知各分店的库存信息及销售信息，以进行销售规划，例如折扣、买一送一或特定商品促销等。但由于地域性的关系，各地区的分店的销售的商品种类繁多且各地区对感兴趣的商品也不尽相同，因此管理系统无法提供各分店人员有效评估所属分店多商品的进货建议，容易造成库存增加或是进货太少的情况。
[0004]因此，如何对零售多分店多商品库存进行自动化规划，以提供更有效率的进货建议，为业界亟需解决的问题。

技术实现思路

[0005]本专利技术提供的一种库存自动化管理系统及其方法，用于建立一套完整的多分店多商品预训练模块来辅助各分店人员进行商品进货。
[0006]根据本专利技术的一方面，提出一种库存自动化管理系统，包括预训练模块、多分店多商品训练模块、状态分析模块以及库存决策模块。预训练模块用于接收多分店的历史销售状态，包括全品类商品的历史销售状态、全分店的历史销售状态及总销售状态，预训练模块依照分店及品类商品的历史销售状态，对各分店及各品类商品的模型进行预训练。多分店多商品训练模块用于依据总销售状态取得各分店状态及各品类商品状态，并且利用预训练好的品类商品模型与分店模型进行水平与垂直关联性训练。状态分析模块用于判断多分店之间的水平关联性、多品类商品之间的水平关联性及分店及品类商品之间的垂直关联性，以将相关性高的多分店及多品类商品进行联结，以修正各分店及各品类商品的预期销售量。库存决策模块用于进行各分店的多品类商品的订货，以决定各分店的多品类商品的进货量。
[0007]根据本专利技术的一方面，提出一种库存自动化管理方法，包括：以预训练模块接收多分店的历史销售状态，包括全品类商品的历史销售状态、全分店的历史销售状态及总销售状态，预训练模块依照分店及品类商品的历史销售状态，对各分店及各品类商品的模型进行预训练。以多分店多商品训练模块依据总销售状态取得各分店状态及各品类商品状态并且利用预训练好的品类商品模型与分店模型进行水平与垂直关联性训练。以状态分析模块
判断多分店之间的水平关联性、多品类商品之间的水平关联性及分店及品类商品之间的垂直关联性，以将相关性高的多分店及多品类商品进行联结，以修正各分店及各品类商品的预期销售量。以库存决策模块进行各分店的多品类商品的订货，以决定各分店的多品类商品的进货量。
[0008]为了对本专利技术之上述及其他方面有更好的了解，下文特举实施例，并结合所附图详细说明如下：
附图说明
[0009]图1是本专利技术一实施例的库存自动化管理系统的示意图；
[0010]图2是本专利技术一实施例的库存自动化管理系统对多分店或多品类商品进行预训练的示意图；
[0011]图3是本专利技术一实施例的库存自动化管理系统对多分店及多品类商品进行关联性训练示意图；
[0012]图4是本专利技术一实施例的库存自动化管理方法的示意图；
[0013]图5是本专利技术一实施例的库存自动化管理界面的示意图；以及
[0014]图6是对不同品类的商品进行进货分析的示意图。
[0015]附图标记：
[0016]100:库存自动化管理系统
[0017]102:全品类商品的历史销售状态
[0018]104:全分店的历史销售状态
[0019]106:总销售状态
[0020]110:预训练模块
[0021]111:下一期销售量
[0022]112:商品预训练模块
[0023]113:品类商品状态
[0024]114:当期销售量
[0025]115:分店预训练模块
[0026]116:库存量
[0027]117:分店状态
[0028]118:进货量
[0029]120:状态分析模块
[0030]122:反馈误差
[0031]124:销售状态
[0032]126:数据库
[0033]130:多分店多商品训练模块
[0034]140:库存决策模块
[0035]142:进货量
[0036]144:反馈资料
[0037]M1:品类商品模型
inflation)，为了防范上述的情形，在图1中，本实施例的库存自动化管理系统100的多分店多商品训练模块130可依据总销售状态106取得各分店状态117及各品类商品状态113并且利用预训练好的品类商品模型M1与分店模型M2进行水平与垂直关联性训练，其中分店状态117包含库存信息(缺货率及目前库存量)、分店销售量的预测、历史分店销售的技术指标(例如平均值、标准差等)。品类商品状态113包含库存信息(缺货率及目前库存量)、品类商品销售量的预测、历史品类销售的技术指标(例如平均值、标准差等)。水平与垂直关联性训练包含了水平相关因子与垂直相关因子。水平相关因子在分店之间的水平关联性训练可以是历史销售量的相关系数、地域性的相关或是一些分群方法可以使分店之间有群的相关，商品之间的水平相关因子可以是关联法则(Association rule)或是分群方法可以使商品之间有群的相关，垂直相关因子整合了分店与商品之间的关系，利用垂直相关因子控制垂直关系的强弱。
[0045]在图1
‑
2中，多分店及多品类商品的关联性训练完成之后，状态分析模块120还可根据多分店之间的水平关联性(包括各分店之间的区域、销售关联性)、多品类商品之间的水平关联性(包括各分店不同品类商品之间的关联性)及分店与商品之间的垂直关联性(包括多分店与多品类商品之间的关联性)，对各分店及各品类商品进行下一个销售周期的销售量的预测，以避免依赖人员的过往经验以及主观的判断来决定各分店的预期销售量。
[0046]请参照图1，当状态分析模块120对多分店及/或多品类商品的下一个销售周期的销售量进行预测之后，库存自动化管理系统100进一步通过库存决策模块140进行各分店的多品类商品的订货，以决定各分店的多品类商品的进货量。
[0047]请参照图2，以n个分店或n个品类商品为例，各分店或各品类商品的进货量可通过下列的方式进行预训练。在图2中，状态分析模块120根据各分店及各品类商品的当期销售量114及库存量116以及上一个销售周期的进货量118计算反馈误差122，将各分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种库存自动化管理系统，包括：预训练模块，用于接收多分店的历史销售状态，包括全品类商品的历史销售状态、全分店的历史销售状态及总销售状态，预训练模块依照分店及品类商品的历史销售状态，对各分店及各品类商品的模型进行预训练；多分店多商品训练模块，用于依据总销售状态取得各分店状态及各品类商品状态，并且利用预训练好的品类商品模型与分店模型进行水平与垂直关联性训练；状态分析模块，用于判断多分店之间的关联性、多品类商品之间的关联性及分店及品类商品之间的垂直关联性，以将相关性高的多分店及多品类商品进行联结，以修正各该分店及各该品类商品的预期销售量；以及库存决策模块，用于进行各该分店的多品类商品的订货，以决定各该分店的多品类商品的进货量。2.根据权利要求1所述的系统，其中该预训练模块包括商品预训练模块以及分店预训练模块，该商品预训练模块依据该全品类商品的历史销售状态对各品类商品模型进行预训练，该分店预训练模块依据该全分店的历史销售状态对各分店模型进行预训练。3.根据权利要求1所述的系统，其中该状态分析模块根据各该分店及各该品类商品的当期销售量及库存量以及上一个销售周期的进货量计算反馈误差，将各该分店及各该品类商品的该反馈误差及各该分店及各该品类商品的销售状态直接输入至该库存决策模块中以进行各该分店及各该品类商品的订货。4.根据权利要求3所述的系统，其中该库存决策模块更包括将符合各该分店及各该品类商品与下一个销售周期的预期销售状态的进货量做为计算符合各该分店及各该品类商品于下下一个销售周期的进货量的反馈资料，输入至该状态分析模块以计算该反馈误差。5.根据权利要求4所述的系统，其中该状态分析模块用于将相关性高的前N个分店的该反馈误差及相关性高的前N个品类商品的该反馈误差进行联结，以得到各该分店及各该品类商品的修正后反馈误差。6.根据权利要求5所述的系统，其中该库存决策模块根据各该分店及各品类商品的修正后反馈误差进行各该分店的多品类商品的订货。7.一种库存自动化管理方...

【专利技术属性】
技术研发人员：黄献竤，王恩慈，叶吉原，皇甫承佑，
申请(专利权)人：财团法人工业技术研究院，
类型：发明
国别省市：