申请/专利权人：中国科学技术大学

申请日：2020-01-03

公开（公告）日：2024-02-23

公开（公告）号：CN113077070B

主分类号：G06F17/00

分类号：G06F17/00;G06Q10/04;G06Q10/08

优先权：

专利状态码：有效-授权

法律状态：2024.02.23#授权;2021.07.23#实质审查的生效;2021.07.06#公开

摘要：本发明公开了一种基于属性预测的动态ABC分类仓储策略优化方法及实现系统，该方法具体包括以下步骤：构建属性库，该属性库包括历史产品的类别属性，该类别属性包括多个属性值；基于该属性库并结合历史产品的出库数量训练ABC分类预测模型；基于Bender曲线拟合产品ABC需求模型；基于几何规划并结合该产品ABC需求模型求解所有产品的ABC分类的分类数和分类边界；根据该分类数和分类边界实施货物仓储。本发明通过基于属性预测的动态ABC分类仓储策略优化方法及实现系统，从企业的运营数据和生产实际出发，具有很好的实用性和可操作性，并且从理论上首次解决了分类仓储中分类数和分类边界的同时优化问题，可以为企业仓库的存取货活动大大节省人力物力。

主权项：1.一种基于属性预测的动态ABC分类仓储策略优化方法，其特征在于，包括：构建属性库，所述属性库包括历史产品的类别属性，所述类别属性包括多个属性值；基于所述属性库并结合历史产品的出库数量训练ABC分类预测模型，包括：将所述历史产品按出库数量从大到小排列；计算前k个历史产品累积的出库量占比，k＝1,2，...，K，K表示历史产品的总数；根据所述出库量占比的值将所述历史产品分为c类；根据所述历史产品的分类结果和其类别属性训练预测模型，包括：将所述历史产品按时间段分为训练集和测试集，所述训练集和测试集均包括所述历史产品的类别属性和对应的属性值；根据所述训练集分类结果和其类别属性训练逻辑回归分类器，根据所述训练集的类别属性训练随机森林分类器；利用所述测试集对逻辑回归分类器和随机森林分类器进行分类测试；根据分类测试结果选择预测效果更好的分类器作为ABC分类预测模型；基于Bender曲线并结合所述ABC分类预测模型拟合产品ABC需求模型，包括：根据所述出库量占比的值获取所有产品的ABC分类的分位点及各个分位区间对应的产品的种类及其需求占比；利用最小二乘法反推Bender曲线GkK＝1+BkKB+kK，B≥0中的B值，得到拟合的产品ABC需求模型，其中，GkK为仓库中产品数占比kK的所有产品的销量占仓库总销量的比重，kK为销量从高到低前k个产品总数占仓库总产品数的比重；基于几何规划并结合所述产品ABC需求模型求解所有产品的ABC分类的分类数和分类边界包括：预先指定新产品的原始分类数；计算一趟取货最远位置在第i类产品的区域的概率及对应的期望来回时间；计算所有产品的需求和其所需存储空间的关系；计算在某一过道中的期望取货时间，包括：计算在所述过道中横向穿梭的期望时间，计算跨越所述过道的纵向穿梭的期望时间；基于几何规划最小化所述期望取货时间，得到所有产品优化后的分类数和分类边界，所述所有产品包括历史产品和新产品；根据所述分类数和分类边界实施货物仓储。

全文数据：

权利要求：

百度查询： 中国科学技术大学 基于属性预测的动态ABC分类仓储策略优化方法及实现系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD