[发明专利]一种基于概率需求分布的库存优化方法

摘要

本发明公开了一种基于概率需求分布的库存优化方法。本发明包括以下步骤：依托现有企业信息化管理平台，抽取商品的库存结余，出入库明细，销售订单，采购提前期等多维度数据，首先构造采购提前期LT内出库数量的概率分布，若LT天内的出库量为q(q＞0)，通过统计历史出库频次分布，可得到需求概率密度函数f(q),从而某一概率值α对应的期望值其中0≤α≤1。至此，便建立了概率值与需求预测值之间的函数关系；然后确定目标满足率Sopt,根据F(α)遍历概率值αi，算出仿真满足率Si，直到Si≥Sopt，训练出最优概率以及对应的需求预测值。本发明创造性引入了需求概率分布的预测思想，针对当下企业面临的商品需求波动大、预测难度高的痛点问题，在保证满足率的情况下，实现库存优化效益最大化。

主权项

1.一种基于概率需求分布的库存优化方法，其特征在于，包括以下步骤：步骤1：首先基于企业信息化管理平台，获取商品的每日期末库存I_r(t)、采购提前期LT、销售出库S(t)、采购入库Q_r(t)、安全库存I_S、供应商合并天数V、最小包装量MQ，其中t表示第t天；基于历史每日销售出库S(t)进行移动求和，时间窗口为LT，移动步长为1天，得到历史需求序列S_LT(t)，通过统计需求序列S_LT(t)的频次分布，得到需求概率密度函数f(S_LT(t))，从而概率值α对应的需求预测值为由上式(1)可得概率值α与需求预测值F(α)之间的函数关系；步骤2：设训练天数为T_test，T_test∈N⁺，第t天仿真的期末库存为I_r(t)，第t天起LT天内预计到货数量为q(t),若当前时间为第t天，给定概率值α，即确定了需求概率分布。由于要满足采购提前期LT的需求，所以LT天之后的库存水平I_r(t,α)为：I_r(t,α)＝I_r(t‑1,α)+q(t)‑F(α)步骤3：判断I_r(t,α)是否大于安全库存I_S,若I_r(t,α)大于安全库存I_S，则采购量Q_opt(t)＝0，否则，执行步骤4；步骤4：若I_r(t,α)小于等于安全库存I_S，则分为下列两种情况：1.如果第t天之前的V天内有订货，则根据供应商的规定不能够重复订货，则Q_opt(t)＝0；2.如果第t天之前的V天内无订货，则根据供应商的规定能够订货，具体的采购量由步骤5算得；步骤5：如步骤4需要采购，则采购入库根据需求分布函数确定，假设采购提前期内的需求分布与合并天数内的需求分布是一致的，且采购提前期内的需求预测值F(α)，则合并天数内的需求预测量：考虑到每次采购都有最小包装量MQ的限制，最终的采购入库为再向上取整；步骤6：根据期初库存I_opt(t‑1,α)、采购量Q_opt(t)、销售出库S(t)，确定每天期末库存为：其中，Q_r(t)为企业信息化管理平台中的实际采购入库，Q_opt(t)为仿真采购量；I_opt(t‑1,α)表示第t‑1天、概率值α下的期初库存；步骤7：需求满足率定义为期末库存大于零的天数除以库存总天数，预设定目标满足率为S_opt，以仿真T_test天内期末库存大于零的天数来度量概率值α下的需求满足率函数S_r应当为：S_r(I_opt,t,α)＝S_r({ζ|I_opt(ζ,α)＞0,ζ≤t,ζ∈N⁺,t≤T_test})其中，ζ表示仿真开始第一天到第t天内的时间范围；设定步长step开始遍历α，step∈(0,1),α∈[0,1]；直到S_r(I_opt,t,α)≥S_opt，结束遍历；此时对应的α即为最优，记为的α_opt，此时α_opt对应的需求预测值F(α_opt)为最优。