一种基于人工智能的跨区域供应链管理方法与系统与流程

本发明涉及人工智能，互联网服务等，尤其涉及一种基于人工智能的跨区域供应链管理方法与系统。

背景技术：

1、跨区域供应链管理通常是指企业在不同地理区域之间协调和优化供应链活动，其主要包括采购、供应商管理、生产、仓储、运输和配送等环节的跨区域协同，旨在提高供应链的效率和响应速度。在采购环节，目前的供应链管理系统一定程度上能够对历史销售数据、市场趋势以及季节性波动进行分析，预测未来一段时间内的产品需求量，从而提前生成相应的采购计划。而在供应商管理环节，目前的供应链管理系统也会统计不同供应商的交付速度、产品质量、成本等数据，提升供货效率。在仓储环节，目前的供应链管理系统基本能够分析不同区域的销售需求变化，调整各区域的库存水平，并在各仓库间调拨货物，以防止库存短缺或积压。然而，目前的供应链管理在采购环节面对突发需求或异常市场波动时，预测往往偏差较大，容易导致采购不足或过度。一旦市场环境发生快速变化，难以及时调整采购计划，无法灵活响应需求变化。而在供应商管理环节，目前的供应链管理则难以综合处理供应商的历史数据、市场环境和即时数据，造成供应商评估容易片面化。而且，供应商交付不及时或产品质量不稳定时，目前的供应链管理缺乏提前预警机制，难以及时做出调整。仓储环节中，目前的供应链管理主要基于历史数据调整库存，难以应对快速变化的销售需求，各仓库间的货物调拨受限于传统路径和手动决策，难以实时优化。

2、综上所述，现有跨区域供应链管理技术存在面对突发需求或异常市场波动时，采购预测偏差大，无法灵活响应需求变化，供应商评估片面化，供应商交付不及时或产品质量不稳定时，缺乏预警机制，难以及时做出调整，仓储管理主要基于历史数据调整库存，难以应对快速变化的销售需求，各仓库间的货物调拨受限于传统路径和手动决策，难以实时优化等技术问题。

技术实现思路

1、针对上述现有技术存在的不足，本发明提供一种基于人工智能的跨区域供应链管理方法与系统，以实现降低采购预测偏差，灵活响应需求变化，全面评估供应商，进行供应商异常预警，实现仓储管理自动适应快速变化的销售需求，智能调拨各仓库间的货物。

2、第一方面，本发明提供一种基于人工智能的跨区域供应链管理方法，包括：

3、将与产品采购相关的历史销售数据、市场趋势数据、季节性波动数据以及外部环境数据进行融合处理，得到多维采购相关数据；

4、将所述多维采购相关数据输入到lstm模型进行采购预测，得到预测期内的采购需求预测数据，根据所述采购需求预测数据自动匹配预设的采购计划；

5、通过强化学习算法，将所述预测期内的实际产品销售数据与所述采购需求预测数据进行持续比对，实时评估采购需求的预测偏差，当出现需求突增或市场波动时，自动调整所述lstm模型的参数，所述lstm模型在参数调整后输出更新的采购需求预测数据；

6、根据所述更新的采购需求预测数据自动匹配预设的采购计划，直至所述预测期结束，得到本轮预测期内最终的参考采购计划。

7、进一步，在得到本轮预测期内最终的参考采购计划后，通过供应商的综合评价模型进行供应商评估，以得到匹配所述参考采购计划的多个候选供应商，给采购部门提供参考。

8、进一步，通过供应商的综合评价模型对供应商进行评估时，包括：向所述供应商的综合评价模型输入供应商评价数据，所述供应商评价数据包括供应商的交付速度、产品质量、成本以及以往合作的稳定性；所述供应商的综合评价模型根据所述供应商评价数据，对供应商进行综合评估，将供应商分为优质供应商和风险供应商，所述优质供应商为匹配所述参考采购计划的候选供应商。

9、进一步，在供应商供货发生后，实时监控供应商的供货状态，当发生供货状态异常时，根据供货状态异常原因对所述供应商评价数据进行修改，并将修改后的供应商评价数据输入所述供应商的综合评价模型，重新对供应商进行综合评估。

10、进一步，基于人工智能的跨区域供应链管理方法，其特征在于，还包括：获取预测期内最终期限更新得到的最终采购需求预测数据，预测期内所述最终期限的最终实际产品销售数据，预测期内所述最终期限的库存数据；根据所述库存数据、所述最终采购需求预测数据、所述最终实际产品销售数据，动态调整每个仓库的库存水平，以实现每个仓库的库存按需分配。

11、第二方面，本发明提供一种基于人工智能的跨区域供应链管理系统，所述基于人工智能的跨区域供应链管理系统应用上述基于人工智能的跨区域供应链管理方法。

12、本发明与现有技术相比，其有益效果如下：

13、本发明提供一种基于人工智能的跨区域供应链管理方法与系统，通过将与产品采购相关的历史销售数据、市场趋势数据、季节性波动数据以及外部环境数据进行融合处理，得到多维采购相关数据，将所述多维采购相关数据输入到lstm模型进行采购预测，得到预测期内的采购需求预测数据，根据所述采购需求预测数据自动匹配预设的采购计划，通过强化学习算法，将所述预测期内的实际产品销售数据与所述采购需求预测数据进行持续比对，实时评估采购需求的预测偏差，当出现需求突增或市场波动时，自动调整所述lstm模型的参数，所述lstm模型在参数调整后输出更新的采购需求预测数据，根据所述更新的采购需求预测数据自动匹配预设的采购计划，直至所述预测期结束，得到本轮预测期内最终的参考采购计划，从而实现降低采购预测偏差，灵活响应需求变化。

技术特征：

1.一种基于人工智能的跨区域供应链管理方法，其特征在于，包括：

2.如权利要求1所述的基于人工智能的跨区域供应链管理方法，其特征在于，在根据所述最终的参考采购计划完成一次采购流程后，将实际采购数据反馈给所述lstm模型，所述lstm模型根据所述实际采购数据对预测误差进行调整，以逐步优化模型的预测精度。

3.如权利要求1所述的基于人工智能的跨区域供应链管理方法，其特征在于，所述历史销售数据和所述季节性波动数据从本地服务器的数据中心获取，所述市场趋势数据和所述外部环境数据通过web爬虫程序从互联网平台抓取。

4.如权利要求1所述的基于人工智能的跨区域供应链管理方法，其特征在于，所述历史销售数据包括销售数量、销售时间、销售地区、销售渠道以及客户类别；所述季节性波动数据包括受节假日影响的需求波动数据、受四季变化影响的需求波动数据以及受特定月度影响的需求波动数据；所述市场趋势数据包括行业增长率数据、市场竞争情况数据、消费偏好变化数据以及消费能力变化数据；所述外部环境数据包括宏观经济数据、政策法规数据、自然灾害数据以及天气变化数据。

5.如权利要求1所述的基于人工智能的跨区域供应链管理方法，其特征在于，在得到本轮预测期内最终的参考采购计划后，通过供应商的综合评价模型进行供应商评估，以得到匹配所述参考采购计划的多个候选供应商，给采购部门提供参考。

6.如权利要求5所述的基于人工智能的跨区域供应链管理方法，其特征在于，通过供应商的综合评价模型对供应商进行评估时，包括：向所述供应商的综合评价模型输入供应商评价数据，所述供应商评价数据包括供应商的交付速度、产品质量、成本以及以往合作的稳定性；所述供应商的综合评价模型根据所述供应商评价数据，对供应商进行综合评估，将供应商分为优质供应商和风险供应商，所述优质供应商为匹配所述参考采购计划的候选供应商。

7.如权利要求6所述的基于人工智能的跨区域供应链管理方法，其特征在于，在供应商供货发生后，实时监控供应商的供货状态，当发生供货状态异常时，根据供货状态异常原因对所述供应商评价数据进行修改，并将修改后的供应商评价数据输入所述供应商的综合评价模型，重新对供应商进行综合评估。

8.如权利要求1所述的基于人工智能的跨区域供应链管理方法，其特征在于，还包括：

9.如权利要求8所述的基于人工智能的跨区域供应链管理方法，其特征在于，所述最终采购需求预测数据从所述lstm模型获取，所述最终实际产品销售数据从本地服务器数据中心的销售管理系统获取，所述库存数据从本地服务器数据中心的仓储管理系统获取。

10.一种基于人工智能的跨区域供应链管理系统，其特征在于，所述基于人工智能的跨区域供应链管理系统应用如权利要求1-9任一项所述的基于人工智能的跨区域供应链管理方法。

技术总结
本发明涉及人工智能等技术领域，提供一种基于人工智能的跨区域供应链管理方法与系统，通过将与产品采购相关的数据进行融合处理，得到多维采购相关数据输入到LSTM模型进行采购预测，得到预测期内的采购需求预测数据，根据采购需求预测数据自动匹配预设的采购计划，通过强化学习算法，将预测期内的实际产品销售数据与采购需求预测数据进行持续比对，实时评估采购需求的预测偏差，当出现需求突增或市场波动时，自动调整LSTM模型的参数，LSTM模型在参数调整后输出更新的采购需求预测数据，根据更新的采购需求预测数据自动匹配预设的采购计划，直至预测期结束，得到本轮预测期内最终的参考采购计划，从而实现降低采购预测偏差，灵活响应需求变化。

技术研发人员：杨吉祥,王坤
受保护的技术使用者：智汇（深圳）科技创新有限公司
技术研发日：
技术公布日：2025/3/10