本文档为您介绍工业大脑的销量与库存管理应用场景。

精准的销量预测,是合理控制库存,制定运输计划和整个供应链优化的前提,销量预测系统采用传统预测方法(时间序列、季节分析、趋势分析),结合大数据/机器学习(从阿里机器学习平台上数十种机器学习算法中适配合适的算法,包括GBDT、随机森林、深度学习等)算法,可使得预测精度大幅度提高(菜鸟的包裹流量预测精度超过90%,天猫家电的销量预测精度超过85%)。

销量预测对于企业运营有至关重大的指导意义,具体如下:
  • 指导后端运营提前进行合理的资源匹配和优化,避免浪费或出现瓶颈。
  • 让工厂计划和运作更加高效(例如,可减少供不应求时的原材料短缺情况,提高资产利用率等)。
  • 对顾客或市场的反应更加灵敏,让厂商有更多的机会卖出更多的产品。
  • 对成品库存进行更好的规划和控制,防止缺货或者库存过高。
库存优化,是在历史数据和销量预测的基础上,对库存进行分析和优化,最终确定各类商品合理的库存数量。具体包括:

  • 多层ABC分析

    根据不同货物的销售量和销售频率,确定其类别:

    • A类和B类商品是销售频次高的快销品或日常用品。
    • C类商品是销售频次较低的商品。
  • 库存周转率分析
    • 对不同类别,采用不同的库存策略。A类和B类商品可以在末端网点备货,而销C类商品,可以只在中心仓备货,从而有效降低库存。
  • 库存仿真
    通过阿里云高性能计算平台的仿真模拟计算,最终确定合适的安全库存,即在考虑预测销量和现有库存(包括在途库存)的基础上,再加上一定量的库存缓冲量。使得:
    • 在控制库存量的前提下,尽量避免缺货。
    • 一旦预测到即将缺货,及时从就近仓库或网点调拨。