[发明专利]一种基于预测模型的易逝商品采购量优化方法

说明书

本发明公开了一种基于预测模型的易逝商品采购量优化方法，包括以下步骤：获取待预测商品的历史需求数据和相关特征；选取k个需求预测模型，分别对需求进行预测，得到预测的需求量，其结果作为k种随机场景；将所述随机场景代入两阶段随机规划模型中进行求解，得到每种商品的最优预采购量，两阶段随机规划模型中第一阶段确定提前采购的数量，第二阶段确定补货采购量；待真实需求已知时，根据真实需求计算补充采购量。本发明的方法结合了多种需求预测模型，能够解决单一模型很难准确预测并在节约成本方面有稳定的良好表现的缺陷，准确预测易逝商品采购需求，可以同时对“一篮子商品”同时进行预测和采购优化，具有较好的实用性和可落地性。

技术领域

本发明涉及易逝商品领域，尤其是涉及一种基于预测模型的易逝商品采购量优化方法。

背景技术

易逝商品领域，如在快时尚服饰、生鲜食品、报刊杂志、机票船票等行业，商品具有很强的时效性，一旦超过了短暂的时间窗口，商品的价值将大打折扣。更令人担忧的是，这些领域的订单需求量具有高度不确定性，例如，季节、天气、周末、假期等都会引起需求的剧烈波动。这些因素给采购决策者制定合适的采购量带来了很大的挑战。

由于需求的高度不确定性，多次采购以满足全部订单需求通常是不可避免的。

更有挑战的是，由于生产制造需要一定周期，领域内的许多从业者都需要在下游需求量已知之前就制定生产决策或者采购决策。如果需求预估不准或采购成本考虑不全面，都可能给决策者带来很大的经济损失。

例如，在快时尚服饰领域，在每一销售季度来临之前，服饰厂商都需要提前制定新品生产计划，决定每个SKU的服装生产量，提前生产，然后投放到门店进行销售。如果这批服装在市场中热销，然而生产数量小，供不应求，则门店会遇到缺货问题，导致订单流失，利润受损；若生产数量过多，则又会带来滞销的问题，导致库存成本。

再以主要供应蔬菜、鲜肉和乳制品等的生鲜市场为例，一般来说，大多数下游分销商(如超市和餐馆)通常需要提前准备产品，例如，超市需要在早上5点前做好准备。此外，由于复杂的加工操作，生鲜食品的分拣流程通常要耗费几个小时。由于上述问题，下游分销商必须对其上游供应商的交货时间进行非常严格的时间限制。因此，对于没有已知需求信息的上游分销商来说，需要提前几个小时采购(称为提前采购)，以保证对其下游客户的及时供应。在这个过程中，随着时间推移，客户的真实需求逐渐变为已知。

如图1和图2a-c所示，其中图2a-c的横坐标是时间，纵坐标是需求量(单位为斤)，其中某批发公司的数据统计显示，每天从凌晨0点到6点几乎没有需求，而在客户开始工作后，订单数量继续增加。特别是，需求高度集中在晚上20:00至23:00之间。此外，许多因素可能影响新鲜食品的需求，例如，季节、天气、周末、假期等，这不可避免地导致需求的剧烈波动。基于上述事实，由于对需求无法完全准确估计，提前采购无法满足所有商品的所有订单需求，通常会进行额外的购买以满足剩余的需求。我们把这种额外的采购称为补货采购。

不确定的需求给采购决策带来了巨大的挑战。不准确的采购会给分销商带来巨大的经济损失。

需要说明的是，在上述背景技术部分公开的信息仅用于对本申请的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本发明的目的在于解决准确预测易逝商品采购量的问题，提供一种基于预测模型的易逝商品采购量优化方法。

为实现上述目的，本发明采用以下技术方案：

一种基于预测模型的易逝商品采购量优化方法，包括以下步骤：

S1：获取待预测商品的历史需求数据和相关特征；

S2：选取k个需求预测模型，分别对需求进行预测，得到预测的需求量，其结果作为k种随机场景；