智能专业仓储物料匹配精准控制方法与流程

本发明涉及智能专业仓储物料匹配精准控制，尤其涉及智能专业仓储物料匹配精准控制方法。

背景技术：

1、随着工业革命的到来，仓储也在不断演变和改进，不仅扩展到了工业产品的存储，还成为生产和分配的重要环节。从最初的简单的仓库结构，到今天的自动化技术以及智能化仓储系统的应用使得仓储管理更加高效和精确，有助于现代供应链的优化和全球化贸易的推动。仓储可以通过存储大量物品来平衡供应与需求之间的差异，它使得生产者可以提前生产并存储产品，以满足未来的市场需求，同时也能够缓解突发性需求增加或供应链中断时的压力。

2、在全球范围内，随着网购市场规模持续扩大，消费者越来越习惯于通过在线平台购买各种商品，这对仓储行业提出了更高的要求，要求能够快速、准确地完成订单配送，通过精准的物料匹配，可以减少因配货错误导致的存储成本以及物料损耗，提高仓储操作的效率，减少不必要的物料移动和等待时间，提升整体供应链的响应能力和灵活性。然而由于现有信息系统的兼容性和互操作性问题导致物料匹配过程的匹配准确性较低，因此，本系统通过精准预测订单需求，从而满足提高仓储的物料匹配的准确匹配率，对仓储的物料匹配进行精准控制。

技术实现思路

1、本申请实施例通过提供智能专业仓储物料匹配精准控制方法，解决了现有技术中，物料匹配过程的匹配准确性较低的问题，实现了提高仓储的物料匹配的准确匹配率，对仓储的物料匹配进行精准控制。

2、本申请实施例提供了智能专业仓储物料匹配精准控制方法，包括以下步骤：获取仓储物料数据，并进行数据预处理，得到预处理后的仓储物料数据根据预处理后的仓储物料数据基于神经网络算法构建仓储物料需求预测模型，利用仓储物料需求预测模型得到仓储物料数量的走向预测报告和仓储物料匹配的需求预测函数；根据仓储物料数量的走向预测报告与实际物料需求消耗量进行实时对比分析，判断当前仓储物料消耗的异常情况，并及时处理；获取上个单位时间跨度的仓储物料余量，并结合仓储物料匹配的需求预测函数，确定仓库当前单位时间跨度所需存放的物料数量。

3、进一步的，所述数据预处理，具体为：将仓储物料数据进行清洗，剔除取消付款订单数据以及成功退款订单数据；基于清洗后的仓储物料数据，将目的地址为同一个单位区域的订单组合成一个订单数据，将多个订单数据集合成预处理后的仓储物料数据。

4、进一步的，所述根据预处理后的仓储物料数据基于神经网络算法构建仓储物料需求预测模型，具体为：根据预处理后的仓储物料数据建立时间序列自相关函数和季节性偏自相关函数；捕捉所述时间序列自相关函数和季节性偏自相关函数的相关性，生成仓储物料匹配的需求预测函数。

5、进一步的，所述根据仓储物料数量的走向预测报告与实际物料需求消耗量进行实时对比分析，具体为：计算仓储物料数量的走向预测报告与实际物料需求消耗量的吻合率；所述吻合率的具体获取方法为：比较仓储物料数量的走向预测报告和仓储物料的实际余量之间每个单位时间跨度的物料存量残差；对每个单位时间跨度的物料存量残差求解绝对误差率，得到所述吻合率。

6、进一步的，所述判断当前仓储物料消耗的异常情况，并及时处理，具体为：将吻合率的值分为高度匹配、中等匹配以及低等匹配三个区间；当吻合率处于高度匹配区间时，且仓储物料的实际余量低于仓储存量预设目标值时，发送紧急补货信号；当吻合率处于中等匹配区间时，当吻合率未处于高度匹配区间时长小于预设的警戒时长时，发送紧急补货信号；当吻合率处于低等匹配区间时，发送紧急补货信号。

7、进一步的，所述根据需求预测函数，确定仓库当前单位时间跨度所需存放的物料数量，具体为：根据需求预测函数计算得到对应单位时间跨度的物料需求，并结合上个单位时间跨度剩余的物料进行计算得到前单位时间跨度所需存放的物料数量。

8、进一步的，所述仓储物料数量的走向预测报告，获取方法如下：对预处理后的仓储物料数据进行特征提取，得到仓储物料特征数据；对仓储物料特征数据进行数据探索性分析，得到仓储物料数量的走向预测报告，所述数据探索性分析包括时间序列图分析、季节性分析以及自相关和部分自相关函数分析；对所述仓储物料数量的走向预测报告进行分析，得到仓储物料的预测消耗数量。

9、进一步的，所述对预处理后的仓储物料数据进行特征提取，具体为：从地区历史销售数据中提取出销售订单的年份、月份以及季节信息；对仓储物料消耗数据中的物料产品名称和物料产品类型进行产品特征提取和编号处理根据季节性需求数据创建相应的季节性指数特征，并对季节的分类进行编码，确定季节性影响因素。

10、本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

11、1、通过精准预测订单需求，从而满足提高仓储的物料匹配的准确匹配率，进而实现了对仓储的物料匹配进行精准控制，有效解决了现有技术中，物料匹配过程的匹配准确性较低的问题。

12、2、通过动态仓储物料管理，从而避免仓储的物料存数过剩或不足的情况，进而实现了降低库存成本并提高物料匹配的效率。

13、3、通过一个单输入双输出的仓储物料需求预测模型，从而实现了同时预测多个物料的需求变化，进而实现了更好地控制多种仓储物料的存量。

14、4、通过运用时间序列分析法，从而有效地利用历史数据和捕捉时间相关性，进而实现了对仓储物料存量进行精准预测。

技术特征：

1.智能专业仓储物料匹配精准控制方法，其特征在于，包括以下步骤：

2.如权利要求1所述智能专业仓储物料匹配精准控制方法，其特征在于：所述数据预处理，具体为：

3.如权利要求3所述智能专业仓储物料匹配精准控制方法，其特征在于：所述根据预处理后的仓储物料数据基于神经网络算法构建仓储物料需求预测模型，具体为：

4.如权利要求4所述智能专业仓储物料匹配精准控制方法，其特征在于：所述根据仓储物料数量的走向预测报告与实际物料需求消耗量进行实时对比分析，具体为：

5.如权利要求5所述智能专业仓储物料匹配精准控制方法，其特征在于：所述判断当前仓储物料消耗的异常情况，并及时处理，具体为：

6.如权利要求6所述智能专业仓储物料匹配精准控制方法，其特征在于：所述根据需求预测函数，确定仓库当前单位时间跨度所需存放的物料数量，具体为：

7.如权利要求7所述智能专业仓储物料匹配精准控制方法，其特征在于：所述仓储物料数量的走向预测报告，获取方法如下：

8.如权利要求8所述智能专业仓储物料匹配精准控制方法，其特征在于：所述时间序列自相关函数，具体计算公式如下：

9.如权利要求9所述智能专业仓储物料匹配精准控制方法，其特征在于：所述季节性偏自相关函数的计算公式如下：

10.如权利要求9所述智能专业仓储物料匹配精准控制方法，其特征在于：所述仓储物料匹配的需求预测函数，计算公式如下：

技术总结本发明公开了一种智能专业仓储物料匹配精准控制方法。该智能专业仓储物料匹配精准控制方法，包括以下步骤：获取仓储物料数据并进行数据预处理，得到预处理后的仓储物料数据；根据预处理后的仓储物料数据基于神经网络算法构建仓储物料需求预测模型，利用仓储物料需求预测模型得到仓储物料数量的走向预测报告和仓储物料匹配的需求预测函数；根据仓储物料数量的走向预测报告与实际物料需求消耗量进行实时对比分析，判断仓储物料消耗的异常情况；获取上个单位时间跨度的仓储物料余量并结合需求预测函数确定仓库单位时间跨度所需存放的物料数量。本发明通过智能专业仓储物料匹配精准控制方法，解决了现有技术存在物料匹配过程的匹配准确性较低的问题。技术研发人员：梁峰,骆星智,陈琳,刘园,张梅,盛琦,刘晓东,唐文亭,齐新蕾,彭磊受保护的技术使用者：国网安徽省电力有限公司淮北供电公司技术研发日：技术公布日：2024/9/26