[发明专利]一种补货方法及系统

说明书

本发明公开了一种补货方法及系统，将上述问题分为两部分进行，先基于补货相关变量使各门店未来不缺货的概率最大化，然后再基于物流成本的约束对各门店在各大仓的补货量进行调整，进而规避了补货量和物流成本的量纲存在区别的问题，能够得到准确的补货量，使确定出的门店大仓补货量最接近给货物未来需求预测结果。

技术领域

本申请涉及智能分货技术领域，尤其涉及一种补货方法及系统。

背景技术

在常见的零售供应链场景中，工厂生产出的产品往往不会直接送往末端门店，而是首先通过物流网络运输到区域大仓，再由区域大仓分配发货到所对应的销售门店。销售门店在缺货时也是直接联系大仓补货。

面对各门店提出的补货要求，就需要考虑在给定日期，将给定货物总量合理得分配给若干个门店使得总的补货量尽可能大，同时周转天数和物流成本尽可能低。

而在给定预测结果的前提下，补货决策中的目标主要考虑补货量和物流成本两个方面，但是一般来说，商品的价格一般来说比较敏感，物流成本也比较难以估算，补货量只能用数量来评价，物流成本使用到货时长来评估，两者的量纲存在区别。这就导致我们无法直接使用收益-成本的方式来设置目标函数进行求解，故，存在由于补货量和物流成本的量纲存在区别导致得到的门店的补货量难以确定的问题。

发明内容

本发明提供了一种补货方法及系统，以解决或者部分解决由于补货量和物流成本的量纲存在区别导致得到的门店的补货量难以确定的问题的技术问题。

为解决上述技术问题，本发明提供了一种补货方法，所述方法包括：

确定补货相关变量；

基于所述补货相关变量创建第一目标函数及第一约束条件，所述第一目标函数为max·∑_j∈JF_j(s_j+y_j)；其中，j为任一门店，J为所有门店，F_j(s_j+y_j)为当货物未来需求预测结果数据分布已知得到的累积概率函数，s_j为调拨之前各门店库存水平，y_j为门店补货量；

基于所述第一目标函数及所述第一约束条件确定门店最大补货量；

基于所述补货相关变量创建第二目标函数及第二约束条件，所述第二目标函数为min∑_i∈I∑_j∈Jd_ijx_ij；其中，i为任一大仓，I为所有大仓，d_ij为门店j从大仓i的单位订货成本，x_ij为门店j从大仓i的补货量；

基于所述第二目标函数、所述第二约束条件和所述门店最大补货量确定门店大仓补货量。

优选的，所述第一约束条件为：

∑_j∈Jy_j≤∑_i∈Ic_i，表示所有门店补货总量不能超过所有大仓可分配总量，其中，c_i为各大仓可分配容量。

优选的，所述第二约束条件为：

∑_i∈Ix_ij≥y_j，j∈J；表示门店向大仓的补货总量不低于门店需要的量；

∑_j∈Jx_ij≤c_i，i∈I；表示门店的补货总量不超过大仓的分货总量。

优选的，所述基于所述第二目标函数、所述第二约束条件和所述门店最大补货量确定门店大仓补货量，具体包括：

将所述门店最大补货量固定到所述第二约束条件中；