[发明专利]零售业库存优化分析方法

权利要求书

1.一种零售业库存优化分析方法，其特征在于，包括以下步骤：

步骤S1，根据顾客需求量、订货提前期以及顾客服务水平确定安全库存；

步骤S2，根据安全库存以及订货提前期内的平均日需求量，计算订货点；

步骤S3，使用自回归模型通过历史销量数据对未来销量进行预测；从而确定订货数量；

步骤S4，对于多个单品多维度关系交织在一起的多商品销量预测，通过多层级预测调整提高预测精准度；

多层级预测首先需要创建多商品的多维度历史销量数据；然后将基于时间序列的预测销量分为三个层次；

将基于时间序列预测的商品总销量数据置于顶层，将基于时间序列预测的商品的分组销量数据置于中间层，将基于时间序列预测的各商品的单品销量数据置于底层；确定中间层的分组与底层的单品之间的包含关系；确定各分组中商品间的竞争关系或协同关系；然后基于商品的历史销量关系，以及各分组中商品间的竞争关系或协同关系进行调节；

多层级预测的调节包括：自上而下调节、或自下而上调节或自中间向上向下调节；

自上而下调节：保持顶层的基于时间序列预测的商品总销量数据不变，基于商品的历史销量关系，以及各分组中商品间的竞争关系或协同关系，对中间层的基于时间序列预测的商品的分组销量数据、和底层的基于时间序列预测的各商品的单品销量数据进行调节；

自下而上调节：保持底层的基于时间序列预测的各商品的单品销量数据不变，基于商品的历史销量关系，以及各分组中商品间的竞争关系或协同关系，对顶层的基于时间序列预测的商品总销量数据、和中间层的基于时间序列预测的商品的分组销量数据进行调节；

自中间向上向下调节：保持中间层的基于时间序列预测的商品的分组销量数据不变，基于商品的历史销量关系，以及各分组中商品间的竞争关系或协同关系，对顶层的基于时间序列预测的商品总销量数据、和底层的基于时间序列预测的各商品的单品销量数据进行调节；

自上而下调节时，历史上每年同一时段某组商品的销量大于当前预测的该组商品的分组销量数据，则相应增加该组商品预测数量；

对于竞争关系的商品分组，历史上每年同一时段该组中一个商品的销量大于当前预测的该商品的单品销量数据，则相应增加该商品预测数量，但不增加该组中其它商品预测数量；

对于协同关系的商品分组，历史上每年同一时段该组中一个商品的销量大于当前预测的该商品的单品销量数据，则相应增加该商品预测数量，且同时增加该组中其它商品预测数量。

2.如权利要求1所述的零售业库存优化分析方法，其特征在于，

步骤S1中，确定安全库存的方法具体包括：

顾客需求量发生变化，订货提前期固定的情况：

订货提前期发生变化，顾客需求量固定的情况：

SS＝Z×σ_L×d (2)

顾客需求量和订货提前期都是变化的情况：

SS：安全库存；

Z：一定顾客服务水平下的安全系数(0,1)；

d：订货提前期内的平均日需求量；

L：平均提前期水平；

σ_L：订货提前期的标准差；

σ_d：在订货提前期内，需求的标准方差。

3.如权利要求1所述的零售业库存优化分析方法，其特征在于，

步骤S2包括：对于某种商品，当其库存量降低到安全库存时，即发出订货单来补充库存，在库存量降低到零时，发出订货单所订购的商品刚好到达，补充订货提前期内的消耗，此发出订货单的时间点为订货点。

4.如权利要求1所述的零售业库存优化分析方法，其特征在于，

步骤S3具体包括：

商品的销量数据以时间序列的形式出现；

在所述自回归模型中，随机过程的当前值即预测的未来销量被表达为由有限的过程先前值的线性组合和一个干扰白噪声ε_t构成，其形式如下：

公式(4)表示的随机过程称为p阶自回归过程；

引入后移算子B，后移算子B定义为By_t＝y_t-1，从而有Bⁿy_t＝y_t-n；

由公式(4)推导得到p阶自回归算子为：

则公式(4)记为：

p个未知参数称为自回归参数，这些参数由历史销量数据来估计；

设参数μ为时间序列y_t-1、y_t-2、……y_t-p均值；

时间序列方差：Dy_n＝E(y_n-μ)²；

自协方差函数：γ(n,n+k)＝E{(y_n-μ)(y_n+k-μ)}≈E(y_ny_n+k),计为γ_k；

自相关函数：计为ρ_k；

对于公式(4)等式两边同乘以y_t-k，k≥0，得：

对公式(7)取数学期望，得到如下方程：

当k≥0时E(ε_ty_t-k)＝0，因为y_t-k只涉及到t-k时刻的干扰，所以与ε_t不相关，故得到如下方程：

对公式(8)两边同时除以γ₀，得：

令k＝1，2，…，p得到以下线性方程组：

……

该线性方程组记为(*)；称为Yule-Walker方程，其中ρ₀＝1；将y_t-1……y_t-p代入自相关函数中计算得到样本自相关系数ρ₁……ρ_p，用样本自相关系数求解线性方程组(*)，就得到了自回归参数的Yule-Walker估计；计

则参数可以表示为其中是矩阵P的逆；

依次求解方程组(*)，得到：

得到参数估计后，就能够通过公式(4)进行未来销量预测。