[发明专利]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

说明书

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。

技术领域

本发明涉及经济领域，尤其涉及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。

背景技术

ABC分类存储是企业生产实践中广泛运用的一种仓储管理策略，仓储环节中成本最高的环节就是货物的存取环节，因此为了节省存取货消耗的人力物力，企业会将需求大、存取频繁的货物放在离仓库出入口近的位置，而不太存取的货物摆放在仓库最里边。但由于管理者无法精准获取待销产品未来的存取货频率，所以根据经验和预测将产品和仓库对应地分为几大类就成为了最受仓库管理者欢迎的做法。自Hausman等(1976)在讨论最佳存储分配策略时对随机存储规则、全周转存储规则和分类存储规则的运作性能进行了比较，给出了使用ABC分类存储策略时仓库中平均单程存取货距离的计算方式后，关于ABC分类存储的研究日益增多。如Eynan 和Rosenblatt(1994)通过一维搜索程序发现将仓库分为较少的几类就可以获得与使用全周转策略相当的存取距离的节省效果；Petersen等(2004) 在人工拣选仓库中比较了基于分类的存储(CBS)和基于数量的存储(VBS) 对仓库存取性能的影响，仿真结果发现CBS可以节省随机存储中的存取距离，并提供接近VBS的性能；Yu等(2015)首次在ABC分类存储中引入空间共享因素，发现传统文献中分类越多平均存取距离越短的结论并不总是正确。随着电商和快销品的快速发展，产品生命周期日渐缩短，需求不确定性逐渐增大，新产品层出不穷，这些都使得传统的将历史产品 ABC分类直接视为未来产品ABC分类的静态ABC分类存储策略不再适用。因此企业需要动态调整仓库分类布局(分类数和分类边界)。如 Rosenblatt和Eynan(1989)给出了在AS/RS中使用一维搜索步骤获得最优分类边界的方法；T.Le-Duc等(2005)则基于人工拣选仓库提出一个估计平均单程存取货距离的概率模型，并将问题拓展到大型仓库中提出了一个数值模拟表现较好的启发式算法；Rao和Adil(2013)则考虑了一个 two-block的仓库，提出了一个迭代分层框架用于同时选取最优的pick list 大小、过道数和分类边界。由于求解上的数学难度，目前还没有同时给出分类数和分类边界的最优解的研究。

发明内容

本发明的目的在于提供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，以至少部分解决上述技术问题。

本发明一方面提供了一种基于属性预测的动态ABC分类仓储策略优化方法，包括：

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曲线并结合该ABC分类预测模型拟合产品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，该所有产品包括历史产品和新产品；

根据该分类数和分类边界实施货物仓储。

其中：

一些实施例中，上述结合历史产品的出库数量训练ABC分类预测模型包括：

将历史产品按出库数量从大到小排列；

计算前i个历史产品累积的出库量占比：