[發明專利]一種基于機器學習的庫存預測系統

在審

• 申請號: 201711432208.0
• 申請日: 2017-12-26
• 公開（公告）號: CN108280535A
• 公開（公告）日: 2018-07-13
• 發明（設計）人: 孟洋
• 申請（專利權）人: 江蘇仲博敬陳信息科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/08;G06N3/04;G06N3/08
• 代理公司: 常州佰業騰飛專利代理事務所(普通合伙) 32231
• 代理人: 滕詣迪

1.一種基于機器學習的庫存預測系統，其特征在于：包括外殼、傳送帶、氣泵、伸縮桿、探測器、控制器、傳感器、電機，所述外殼的正面和背面分別設有進料口和出料口，外殼的左端和右端分別設有電機，外殼的頂部固定有氣泵，外殼的外表面固定有控制器；所述控制器的時間段趨勢判斷方法：影響部件是否能及時供貨的一個判斷條件是收發貨之間所需的天數，分為6個分時間段，0-3，4-7，8-10，11-15，16-30，>30天；分別利用回歸算法，將各時間段的趨勢與總趨勢進行計算，判斷出對總趨勢影響最大的時間段。

2.根據權利要求1所述的基于機器學習的庫存預測系統，其特征在于：所述控制器的供貨商趨勢判斷方法：影響部件是否能及時供貨的另一個判斷條件是各供貨商，利用回歸算法，在總時間段，以及6個分時間段，分別將各供貨商的趨勢與總趨勢進行回歸計算，判斷出各時間段內各供貨商對總趨勢影響最大的供貨商。

3.根據權利要求1所述的基于機器學習的庫存預測系統，其特征在于：所述控制器的部件趨勢判斷方法：對各部件供貨趨勢狀態進行匯總，找出影響部件供貨的原因，包括時間段和供貨商兩個因素。

4.根據權利要求1所述的基于機器學習的庫存預測系統，其特征在于：所述控制器的部件缺貨預測方法：對缺貨部件進行庫存管理的數據分析，找出導致部件缺貨的原因，包括訂單量、物流量、入庫量、出庫量四個因素。

5.根據權利要求1所述的基于機器學習的庫存預測系統，其特征在于：所述傳送帶包括第一傳送帶、第二傳送帶，其傳送運動方向相反，其動力來源為電機，其表面附著有傳感器；第一傳送帶的起點為進料口，終點為出料口。

6.根據權利要求1所述的基于機器學習的庫存預測系統，其特征在于：所述氣泵的活動端連接伸縮桿，伸縮桿的端部固定連接檢測器，通過氣泵和伸縮桿運動，可以調節檢測器與傳送帶的相對位置。

7.根據權利要求1所述的基于機器學習的庫存預測系統，其特征在于：所述探測器為光學攝像頭或紅外掃描儀，所述傳感器為壓力傳感器。

8.根據權利要求1所述的基于機器學習的庫存預測系統，其特征在于：所述控制器包括數據處理模塊、輸入模塊、輸出模塊、通信模塊、顯示模塊和按鍵模塊；數據處理模塊采用TMS320L2812；輸入模塊與探測器電氣連接，輸入數字圖像或二維碼信號；輸入模塊與傳感器電氣連接，輸入壓力信號；輸出模塊與電機、氣泵、伸縮桿電氣連接，輸出控制信號；通信模塊與ERP庫存管理模塊電氣連接。