【技术实现步骤摘要】
本专利技术涉及库存管理，具体涉及一种在供应不确定场景下信息更新的订货决策方法及系统。
技术介绍
1、随机产率是供应不确定性的一种常见表现，即零售商会收到向供应商下达的订单的随机部分。供应过程的不确定性的存在要求零售商同时关注供给侧和需求侧信息，并根据信息不断调整各项决策。虽然不少学者已经注意到在供应风险下企业战略库存设置和采购策略优化的重要性。然而，如何设置战略库存策略，如何优化采购方式等未得到重视和系统性研究。
2、一类研究是在随机产出场景下的订货问题。有一些研究(peng等人，2022)考虑了由随机产量的供应商和随机需求的零售商组成的两级供应链中的生产和采购计划，证明了在随机产出的情况下更新需求信息可以改善供应商的绩效。同时，也有研究(rekik等人，2007)考虑了一个带有随机产量的单阶段库存系统，并在假设需求和产量均为均匀分布的情况下完善了以往文献中的结论。他们的研究也表明，随机产量问题可能会给公司带来重大的损失。在以往的文献中，随机产出方面的研究主要集中于单周期的订货策略与库存管理。同时，先前的研究大多假设供应商实际发出合格货品为零售商订货的线性随机比例，或者假设供应商为完全可靠和完全不可靠的。
3、还有一类研究是在供应链管理中考虑信息更新。管理学研究中，一个常用的信息更新方法是贝叶斯更新。贝叶斯方法很好地利用先验知识，结合当前获得数据，来更新关于未知参数的信息。一致贝叶斯学习的标准模型已经被应用于经济学和管理学中的几个主题。例如，在早期的研究中，(cyert等人，1978；tonks，1983
技术实现思路
1、为了解决上述技术问题，本专利技术提供一种在供应不确定场景下信息更新的订货决策方法及系统。
2、本专利技术技术解决方案为：一种在供应不确定场景下信息更新的订货决策方法，包括：
3、步骤s1：获取并分析零售商向供应商订货的历史数据，包括每次订货的订货量、收到的合格品数量；
4、步骤s2：在销售季前两次订货的情况下，分别分析供应商产率是离散的0-1二项分布的情况和连续的正态分布的情况，考虑所述供应商产率的信息更新并通过逆向求解法给出每次订货的期望最大利润和最优订货策略；
5、步骤s3：在销售季前多次订货的情况下，分别分析所述供应商产率是离散的0-1二项分布的情况和连续的正态分布的情况，考虑所述供应商产率的信息更新并通过逆向求解法给出每次订货的期望最大利润和最优订货策略。
6、本专利技术与现有技术相比，具有以下优点：
7、1、本专利技术公开了一种在供应不确定场景下信息更新的订货决策方法，根据供应商产率的离散分布与连续分布的混合形式，给出了假设产率是二项分布和正态分布的解。
8、2、本专利技术根据零售商在销售季来临前多次订货的场景，随着每一次订货的反馈，零售商也更了解供应不确定性的具体形式。
9、3、本专利技术也为零售商在采购决策中提供了新的视角，将传统的在需求侧进行信息更新转变为了在供给侧。
本文档来自技高网...【技术保护点】
1.一种在供应不确定场景下信息更新的订货决策方法，其特征在于，包括：
2.根据权利要求1所述的在供应不确定场景下信息更新的订货决策方法，其特征在于，所述步骤S2：在销售季前两次订货的情况下，分别分析供应商产率是离散的0-1二项分布的情况和连续的正态分布的情况，考虑所述供应商产率的信息更新并通过逆向求解法给出每次订货的期望最大利润和最优订货策略，具体包括：
3.根据权利要求1所述的在供应不确定场景下信息更新的订货决策方法，其特征在于，所述步骤S3：在销售季前多次订货的情况下，分别分析所述供应商产率是离散的0-1二项分布的情况和连续的正态分布的情况，考虑所述供应商产率的信息更新并通过逆向求解法给出每次订货的期望最大利润和最优订货策略，具体包括：
4.根据权利要求2或3所述的在供应不确定场景下信息更新的订货决策方法，其特征在于，所述预测到的第j+1次订货产率的计算方法，具体包括：
5.一种在供应不确定场景下信息更新的订货决策系统，其特征在于，包括下述模块：
【技术特征摘要】
1.一种在供应不确定场景下信息更新的订货决策方法，其特征在于，包括：
2.根据权利要求1所述的在供应不确定场景下信息更新的订货决策方法，其特征在于，所述步骤s2：在销售季前两次订货的情况下，分别分析供应商产率是离散的0-1二项分布的情况和连续的正态分布的情况，考虑所述供应商产率的信息更新并通过逆向求解法给出每次订货的期望最大利润和最优订货策略，具体包括：
3.根据权利要求1所述的在供应不确定场景下信息更新的订货决策方法，其特征在...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。