[发明专利]一种随机分布下的最优面包供货方法及系统

说明书

本发明涉及一种随机分布下的最优面包供货方法及系统，所述的方法包括如下步骤：一，模拟面包销售的泊松过程；二，对面包销售量的概率分布进行修正；三，建立面包销售的概率模型；四，建立日供应量表；本发明中的模型研究了每日面包销售的概率分布，可以很好地解释面包销售的随机性，并且随着销售数据的更新，对面包销售量的概率分布进行了即时修正，提高了模型的泛化性。本发明中运用概率模型研究次日面包销售的最优供应量策略，对数据的依赖性小，不需要用大量数据佐证数据间的销售规律；本发明着眼于中小型面包零售商，帮助其有效管理面包类产品的销售、运营，有效预测次日产品的最优供应量，达到对面包销售策略的科学决策。

技术领域

本发明属于涉及时效性商品的最优供应策略领域，具体涉及一种随机分布下的最优面包供货方法及系统。

背景技术

面包是一种具有时效性特征的商品，它的保质期短，并且可能呈现周期性特征(如节假日与工作日销售量不同，呈现一定的周期性)，市场上，对于生产时效性商品企业会有产品的供应销售系统，基于对产品的市场调查、历史销售记录分析等方法，对产品发展进行科学决策。但对于一般中小型零售商，如面包作坊，蛋糕店，都是基于销售经验对时效性产品供应进行决策，这使得零售商对于时效性产品管理和销售存在一定的困难，如需求的不确定程度高、销售周期短等因素。对于产品的供货不足时，产生缺货损失；产品供应过量时，产生资源浪费造成损失。

目前有很多关于零售商品的销售预测研究，多关于应用时间序列，回归模型，神经网络等算法模型，对时效性商品的销售进行长期的统计分析，基于大量数据进行对未来趋势的预测，但这些算法模型的缺点在于：

1.模型算法对数据的依赖程度高，需要对于模型的建立需要大量的数据，小样本数据会导致建立的模型不准确。同时含噪声数据也会对模型的建立造成极大的影响。

2.这些算法模型的本质在于寻找历史销售情况呈现的某种规律，通过这种特定的销售规律，对未来的销售情况进行预测。而实际生活中，商品的销售规律并不是特定的，有很大的随机性。

3.文献中对时效性商品的销售预测研究主要是理论层面，对于大部分不懂模型算法的普通零售商，很难进行应用操作。

4.采集的历史数据可能由于天气、节假日等因素对销售有不同的影响而具有不同的特征，这些特征可能导致历史数据遵循的规律不同，对建模产生较大的干扰。

5.这些算法模型主要基于数据对模型进行调试，数据变化，模型需要随之调整，模型的泛化性能不高。

6.现有的算法模型只预测估计值并且只是点估计值，而未考虑随机分布的影响。

发明内容

本发明针对上述现有技术中存在的不足，提供了一种简单有效、易于实施，可有效预测次日产品的最优供应量，达到对面包销售策略的科学决策，避免供应过量产生资源浪费的最优面包供货系统及方法。

本发明实现其技术目的所采用的技术方案是：

一种随机分布下的最优面包供货方法，其特征在于包括如下步骤：

一，模拟面包销售的泊松过程；定义面包的销售是一个泊松过程，对于销售高峰期和低峰期销售了k₁和k₂个面包的概率分别服从α₁t₁,α₂t₂的泊松分布，其中α₁，α₂分别为高峰期和低峰期的销售速率，t₁,t₂分别为高峰期和低峰期的小时长；一天的销售速率λ个/天，满足λ＝α₁t₁+α₂t₂，每天的面包销售个数为k个的概率分布为即满足参数为λ的泊松分布；