【技术实现步骤摘要】
本专利技术属于医药需求预测领域，具体是涉及一种面向智慧医药的物流中心需求预测方法。
技术介绍
1、医药行业作为国民经济的重要组成部分，承担着保障人民健康、提高人民生活质量和促进经济发展的重要职责。然而，随着我国人口的不断增长和老龄化趋势的不断加剧，加之疫情的冲击，药品需求量也呈逐年上涨的趋势，医药供应链也已经开始出现供应不及时以及供需不平衡等问题。
2、随着我国医药行业不断壮大，政府监管部门加大了对其的监管力度，然而作为企业管理重要组成部分的医药物流中心在管理方面更是面临着机遇和挑战。频繁的物流活动是贯穿医药物流中心运作过程的重要纽带，高效的药品供应是拣选活动正常运作的保证，一旦药品供应不及时可能导致物流活动中断，给医药物流企业带来巨大的经济损失。因此，如何利用现代化技术来构建畅通的供应链和高效管理的智慧医药物流中心，成为亟待解决的问题。
3、为实现物流供应链的畅通及高效管理，现有技术中进行了一些研究，但均存在不足之处，不能很好的契合医药领域的真实需求，更没有根据行业做出相应的预测方法评估指标，得到的预测结果不能保证其准确性。如专利申请cn116128408a公开了智能补货方法、系统以及计算机可读介质，一种智能补货方法，通过计算历史销售量来预测商品在未来预测周期内的需求，但其提供的销售量预测方法为单一预测方法，不能很好的捕获到历史数据中的数据特性；其次预设的补货算法并没有考虑到历史销售记录和未来销售记录的同一作用，将整个销售活动相割裂，无法做到全面的库存管理。专利申请cn116050600a公开了基于cn
技术实现思路
1、为解决上述技术问题，本专利技术提供了一种面向智慧医药的物流中心需求预测方法，融合基于线性数据预测的arima(autoregressive integrated moving averagemodel，差分整合移动平均自回归模型)与基于非线性预测的cnn-tcn方法((convolutionalneural networks，卷积神经网络)(temporal convolutional network，时间卷积网络))，构建医药物流中心需求预测模型，并提出新型的补货策略和方法评价指标，实现库存管理的优化，改善客户的服务质量。
2、本专利技术所述的一种面向智慧医药的物流中心需求预测方法，包括以下步骤：
3、步骤1、对获取的医药货物的历史销售数据进行预处理，得到实际有效数据；
4、步骤2、设置安全库存，并利用基于历史和未来的正负需求信息制定医药物流中心需求预测的评估指标；
5、步骤3、对医药货物进行聚类，从预处理的历史销售数据中提取时序数据的特征，应用聚类算法生成时间序列簇；
6、步骤4、对每个簇的时间序列分别进行检验，构建arima模型对医药需求进行预测；
7、步骤5、构建cnn-tcn模型，提取每个簇的有效数据中与需求量有关的特征，并采用主成分分析法获得cnn-tcn模型的输入特征，对其训练并生成预测结果；
8、步骤6、构建arima-cnn-tcn组合预测模型，将arima模型及cnn-tcn模型预测的结果进行验证加权和，获得最终医药需求的预测结果。
9、进一步的，步骤1中，对历史销售数据进行预处理，具体包括：
10、步骤1-1、冗余数据处理：将与预测无关的数据冗余属性，从原始时间序列中删除；
11、步骤1-2、数据有效性筛选：将未真实发生需求的不可用订单数据，从原始时间序列中删除；
12、步骤1-3、数据聚合处理：将每个库存量单位sku的每日需求量统一为每日需求累积量，对其进行预测；
13、步骤1-4、对于医药销售订单中存在缺失值、信息错误和数据污染的数据，在处理数据缺失问题时选择随机补差法，随机选择同一sku不同日期的销售数据进行缺失值插入；信息错误数据需对照wms(仓库管理系统，warehouse management system)进行人工纠错；受污染的数据根据其污染规模和需求量的大小进行取舍，污染规模较大时更干扰预测模型的性能，因此删除受污染规模较大的数据，保留受污染规模较小的数据。
14、进一步的，步骤2中设置适用的安全库存，制定医药物流中心需求预测的评估指标，具体为：
15、步骤2-1、综合未来与历史的正负需求信息，设置安全库存vi，t：
16、
17、其中ui为货物i在t∈n日期内预测需求量的平均值，t为预测当日，di，t为货物i在t∈t-n日期内真实需求量的平均值，wi为货物i对应的权重，newi为货物f的未来比重系数，ui，t为货物i在日期t当天的预测需求量，n为预测周期，oldi为货物i的历史比重系数，为di，t的平均值，rlti为货物i的补货提前期，i＝1，…，|i|；
18、补货决策日当天的补货量是未来需求与安全库存之和，其中，未来需求是未来补货间隔天数内需求预测之和；
19、步骤2-2、设置评估指标：
20、per＝∑i∈iwi[0.5*f(sei)+0.5*(1-invi)] (2)
21、
22、
23、
24、其中，per表示基于库存率和客户服务水平的评估指标，seri为客户满意度，f(ser)为客户服务水平，invi为货物库存率，fi，t为货物i在日期t当天未被满足的需求量；
25、在评估指标中加入成本函数，平衡库存和成本的关系：
26、
27、其中，pri为库存成本；医药物流中心需求预测的评估目标如下所述：
28、fla＝per+(1-pri) (7)
29、fla值将用户服务水平、库存率和库存成本作为影响因素，该值越大表示预测模型的性能越好。
30、进一步的，步骤4具体为：
31、步骤4-1、采用基于时间序列图和自相关的特征观测方法检验时间序列平稳性，采用图形检验的方法检验随机性；为了构造平稳的时间序列，设置了差分程度变量d，对医药物流中心药物销售数据集进行时间序列平稳化；
32、步骤4-2本文档来自技高网...
【技术保护点】
1.一种面向智慧医药的物流中心需求预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种面向智慧医药的物流中心需求预测方法，其特征在于，步骤1中，对历史销售数据进行预处理，具体包括：
3.根据权利要求1所述的一种面向智慧医药的物流中心需求预测方法，其特征在于，步骤2中设置适用的安全库存，制定医药物流中心需求预测的评估指标，具体为：
4.根据权利要求1所述的一种面向智慧医药的物流中心需求预测方法，其特征在于，步骤4具体为：
5.根据权利要求1所述的一种面向智慧医药的物流中心需求预测方法，其特征在于，步骤5具体为：
6.根据权利要求1所述的一种面向智慧医药的物流中心需求预测方法，其特征在于，步骤6具体为：
【技术特征摘要】
1.一种面向智慧医药的物流中心需求预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种面向智慧医药的物流中心需求预测方法，其特征在于，步骤1中，对历史销售数据进行预处理，具体包括：
3.根据权利要求1所述的一种面向智慧医药的物流中心需求预测方法，其特征在于，步骤2中设置适用的安全库存，制定医药物流中心...
【专利技术属性】
技术研发人员：亓晋，张玲燕，孙雁飞，郭宇锋，董振江，胡筱旋，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：
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。