【技术实现步骤摘要】
本专利技术涉及仓库管理，尤其涉及一种仓库库存需求预测方法、设备及存储介质。
技术介绍
1、随着科技的飞速发展，大数据、人工智能和物联网等技术日益融入各行各业，仓储管理迎来了革命性的改变。过去的人工管理方式正逐步被智能化的管理系统所取代。这些系统使用人工智能预测模型，通过对海量历史数据的深入挖掘与分析，能够揭示出仓库库存需求随时间的变化规律，进而为企业预测未来的仓库库存需求提供有力支持。然而，这种预测方式在应对实际应用中的仓库库存需求时，仍表现出预测精度不足的问题，主要是：
2、1)有些企业的数据收集、存储和处理流程不规范，导致数据质量不高，进而影响了预测的准确性。
3、2)仓库中存储的物品种类繁多，不同物品的使用需求差异较大，例如生产一种商品时可能需要使用到不同的物料，且每一种物料的使用量之间存在区别。使用单一预测模型对仓库中所有物品的库存需求进行预测，就容易出现预测失准的问题。
4、3)仓库库存需求受到多种因素的共同影响，如供应链变化、消费者行为等，这使得仓库库存需求呈现出多样化和突发性的特点，现有的预测方法往往难以准确捕捉到这些突发性需求，导致预测结果与实际需求存在偏差。
技术实现思路
1、本专利技术提供了一种仓库库存需求预测方法、设备及存储介质，用于解决仓库库存需求预测精准度不足的问题。
2、本专利技术采用下述技术方案：
3、一方面，本专利技术提供了一种仓库库存需求预测方法，方法包括：获取待预测物品的仓库管理历史数据
4、在一种可行的实施方式中，训练影响范围模型与需求偏差模型，包括：从外部事件信息中提取多个历史外部事件数据作为影响范围训练数据；根据影响范围训练数据构建训练数据集与验证数据集；设置微调参数，使用训练数据集微调预设的大语言模型；在微调完成后，使用验证数据集，验证微调后的大语言模型预测的受影响物品的准确率；若准确率未达到预设准确率阈值，则调整微调参数或重新构建训练数据集，并重新进行微调；若准确率达到预设准确率阈值或微调达到预设次数，则停止微调，得到影响范围模型。
5、在一种可行的实施方式中，在得到影响范围模型之后，方法还包括：根据外部事件信息，使用影响范围模型确定多个时间点下的历史外部事件数据对应的受影响物品；根据仓库需求历史数据，使用自相关移动平均模型，确定各时间点之后受影响物品的实际需求偏差；根据影响范围模型确定的历史外部事件数据对应的受影响物品，以及实际需求偏差，构建需求偏差训练数据集，使用需求偏差训练数据集微调预设的大语言模型，得到需求偏差模型。
6、在一种可行的实施方式中，确定各时间点之后受影响物品的需求偏差，包括：针对受影响物品，利用自相关移动平均模型，通过各时间点之前的仓库需求历史数据对各时间点之后的仓库需求进行预测，得到仓库需求预测数据；通过仓库需求预测数据与各时间点之后的实际仓库需求，确定受影响物品的实际需求偏差。
7、在一种可行的实施方式中，将待预测物品分为多组，包括：统计待预测物品的出库数据，确定待预测物品的平均月出库量，根据平均月出库量确定待预测物品的流动性指标；统计待预测物品的入库数据，确定待预测物品上一批次入库与下一批次入库之间的平均间隔时间，根据平均间隔时间确定待预测物品的周期性指标；计算待预测物品在多个时间周期出库数量的标准差，确定待预测物品的规律性指标；根据流动性指标、周期性指标与规律性指标，使用预设的聚类分析算法，将待预测物品分为多组。
8、在一种可行的实施方式中，一种仓库库存需求预测方法还包括：在待预测物品入库前，为待预测物品生成唯一对应的rfid标签数据；根据rfid标签数据获取待预测物品的入库数据与出库数据；整合待预测物品的入库数据与出库数据，得到待预测物品的仓库管理历史数据。
9、在一种可行的实施方式中，获取外部事件信息，包括：获取企业管理系统的api接口或中间件；使用api接口或中间件获取外部事件信息；或者，获取第三方机构的api接口，使用第三方机构的api接口获取第三方机构中包含的企业公告信息，根据企业公告信息筛选出外部事件信息。
10、在一种可行的实施方式中，一种仓库库存需求预测方法还包括：在获取到待预测物品的仓库管理历史数据与外部事件信息之后，将待预测物品的仓库管理历史数据与外部事件信息存储至分布式文件管理系统；使用预设的数据清洗规则清洗待预测物品的仓库管理历史数据，并且将外部事件信息转换为纯文本格式。
11、第二方面，本专利技术还提供了一种仓库库存需求预测设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有能够被所述至少一个处理器执行的指令，以使所述至少一个处理器能够执行如上述任一实施方式所述的一种仓库库存需求预测方法。
12、第三方面，本专利技术还提供了一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为能够执行如上述任一实施方式所述的一种仓库库存需求预测方法。
13、本专利技术提供的一种仓库库存需求预测方法、设备及存储介质，具有以下有益效果：
14、1.本专利技术使用聚类分析算法将待预测物品分为多组，可以保证各组中的待预测物品具有较相似的仓库需求特征，根据各组待预测物品的仓库需求历史数据，确定各组待预测物品对应的自相关移动平均模型，可以使自移动平均模型更具针对性，即针对不同组待预测物品的仓库需求特征，确定不同的自相关阶数与移动平均阶数，从而进行精准预测，避免了因使用单一预测模型造成的预测失准问题。通过获取外部数据，训练得到范围影响模型与需求偏差模型，并使用上述模型修正自相关移动平均模型的预测结果，能够在仓库库存需求预测的过程中考虑到外部数据对仓库库存需求的影响，捕捉到仓库库存需求的突发性变化，确定外部事件对受影响物品的仓库需求的影响，从而进一步提高仓库库存需求预测的精准度。
15、2.本专利技术在训练得到影响范围模型之后，使用影响范围模型和自相关移动平均模型，根据历史外部事件数据与仓库需求历史数据，构建出需求偏差训练数据集，可以快速地构建出海量的需求偏差训练数据集，通过这些海量的本文档来自技高网...
【技术保护点】
1.一种仓库库存需求预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种仓库库存需求预测方法，其特征在于，训练影响范围模型与需求偏差模型，包括：
3.根据权利要求2所述的一种仓库库存需求预测方法，其特征在于，在得到所述影响范围模型之后，所述方法还包括：
4.根据权利要求3所述的一种仓库库存需求预测方法，其特征在于，确定各时间点之后受影响物品的需求偏差，包括：
5.根据权利要求1所述的一种仓库库存需求预测方法，其特征在于，将所述待预测物品分为多组，包括：
6.根据权利要求1所述的一种仓库库存需求预测方法，其特征在于，所述方法还包括：
7.根据权利要求1所述的一种仓库库存需求预测方法，其特征在于，获取外部事件信息，包括：
8.根据权利要求1所述的一种仓库库存需求预测方法，其特征在于，所述方法还包括：
9.一种仓库库存需求预测设备，其特征在于，所述设备包括处理器、存储器和存储在所述存储器上的执行指令，所述执行指令设置成在被所述处理器执行时能够使所述设备执行权利要求1至8中任一项
10.一种非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令设置为能够执行权利要求1至8中任一项所述的一种仓仓库库存需求预测方法。
...【技术特征摘要】
1.一种仓库库存需求预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种仓库库存需求预测方法，其特征在于，训练影响范围模型与需求偏差模型，包括：
3.根据权利要求2所述的一种仓库库存需求预测方法，其特征在于，在得到所述影响范围模型之后，所述方法还包括：
4.根据权利要求3所述的一种仓库库存需求预测方法，其特征在于，确定各时间点之后受影响物品的需求偏差，包括：
5.根据权利要求1所述的一种仓库库存需求预测方法，其特征在于，将所述待预测物品分为多组，包括：
6.根据权利要求1所述的一种仓库库存需求预测方法，其特征在于，所述方...
【专利技术属性】
技术研发人员：赵盟，赵新，刘伟鹏，姚淼，
申请(专利权)人：山东浪潮爱购云链信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。