基于多维群体画像演化与地域销售波动的供应链协同推演方法与流程

本发明涉及工业互联网与大数据预测，特别是基于多维群体画像演化与地域销售波动的供应链协同推演方法。

背景技术：

1、在当前的供应链管理与仓储物流调度体系中，系统通常依赖历史销售数据对未来的市场需求进行预测。现有的常规技术多采用时间序列分析或基础的机器学习模型，针对单一地域或单一仓库独立进行销量预估，并在系统库存低于预设的安全阈值时，自动触发向上游的补货或生产指令，以此来维持供应链的基础运转。

2、然而，随着市场环境的复杂化，现有技术逐渐暴露出显著的局限性。一方面，传统的独立预测方式忽略了消费趋势在不同地理区域之间的空间传导效应，无法动态捕捉瞬息万变的群体偏好迁移，导致面对突发性需求激增时响应严重滞后；另一方面，现有的供应链推演逻辑大多停留在纯数据的数学运算层面，未能有效融合终端仓储的物理容量限制、动态物流调拨成本以及市场虚假交易干扰等现实约束条件。这种纯数据预测与物理执行环境的脱节，往往会导致生成的调度指令在实际落地时面临末端爆仓损毁、冗余库存深度积压以及无效物流消耗等严重后果，难以实现全局供应链的高效与安全协同。

技术实现思路

1、鉴于上述现有技术中存在的问题，提出了本发明。

2、因此，为解决现有预测方法未考虑消费波动的空间传导效应，且脱离仓储容量等物理约束，易导致备货滞后或末端爆仓的问题，本发明提供了基于多维群体画像演化与地域销售波动的供应链协同推演方法。

3、为解决上述技术问题，本发明提供如下技术方案：

4、本发明提供了基于多维群体画像演化与地域销售波动的供应链协同推演方法，包括以下步骤：

5、s1、获取客户行为数据、地域销售数据和供应链状态数据，按照商品、销售地域和时间形成关联数据序列，并根据相邻统计周期内客户群体状态的变化，确定对应商品在对应销售地域中的主导画像演化；

6、s2、根据同一商品在不同销售地域中所述主导画像演化的发生顺序，以及所述主导画像演化与地域销售波动之间的时间对应关系，确定波动起始地域，构建销售波动传播路径，并确定所述销售波动传播路径中目标销售地域的预计波动到达时间和预计需求增量；

7、s3、根据所述预计波动到达时间、所述预计需求增量和供应链节点状态，确定所述目标销售地域的提前备货缺口；

8、s4、按照所述销售波动传播路径，将已经度过销售波动高峰的销售地域中的可调库存提前转移至存在所述提前备货缺口的目标销售地域，并根据转移后的剩余缺口生成补充采购任务，形成供应链协同方案；

9、s5、根据实际画像演化、实际地域销售波动和所述供应链协同方案的执行结果，修正尚未发生销售波动的销售地域对应的预计波动到达时间、预计需求增量和未执行任务。

10、作为本发明所述基于多维群体画像演化与地域销售波动的供应链协同推演方法的一种优选方案，其中：获取客户行为数据、地域销售数据和供应链状态数据，按照商品、销售地域和时间形成关联数据序列，并根据相邻统计周期内客户群体状态的变化，确定对应商品在对应销售地域中的主导画像演化，具体步骤如下：

11、针对预设的销售地域集合，提取所述销售地域集合所包含的销售地域内的用户交互维度数据、订单交易维度数据和仓储物流维度数据；将所述用户交互维度数据、所述订单交易维度数据和所述仓储物流维度数据按照商品识别编号、地域识别代码和统一时间步长进行关联对齐，得到初始数据序列；针对由于通信中断导致的数据缺失现象，利用相邻时间节点的数据均值填补缺失空白；针对促销导致的数据突增现象，利用历史同期的增长倍数对突增位置的数据进行平滑处理，输出所述关联数据序列。将平滑处理后的所述客户行为数据转化为特征数值，在连续的时间窗口内采用空间聚类计算过程对特征相近的客户进行聚类划分，构建群体簇集合；提取并对比相邻两个时间窗口内所述群体簇集合所包含的群体簇的客户状态特征，计算所述群体簇集合所包含的群体簇购买对应商品的增长比例；将所述增长比例最高的群体簇在时间序列上的标签变化过程，确定为对应商品在对应销售地域中的主导画像演化。

12、作为本发明所述基于多维群体画像演化与地域销售波动的供应链协同推演方法的一种优选方案，其中：根据同一商品在不同销售地域中所述主导画像演化的发生顺序，以及所述主导画像演化与地域销售波动之间的时间对应关系，确定波动起始地域，构建销售波动传播路径，并确定所述销售波动传播路径中目标销售地域的预计波动到达时间和预计需求增量，具体步骤如下：

13、提取同一商品在所述预设的销售地域集合中发生所述主导画像演化的起始时间，将时间序列中最早发生所述主导画像演化的销售地域确定为所述波动起始地域；从所述销售地域集合中排除所述波动起始地域，确定剩余地域集合；以所述波动起始地域为起点，提取所述剩余地域集合所包含的销售地域与所述波动起始地域之间的交通连通度指标和人口流动度指标；引入极端天气和地理偏远影响因素，对受到所述影响因素干预的地域扣减对应的所述交通连通度指标和人口流动度指标，根据扣减后的指标计算关联紧密程度，按照所述关联紧密程度由高到低的顺序依次连接对应的销售地域，形成所述销售波动传播路径。根据所述目标销售地域在所述销售波动传播路径中距离所述波动起始地域的节点层级数量，结合相邻地域销售爆发的平均间隔时间，计算出所述预计波动到达时间；计算所述目标销售地域与所述波动起始地域在社会经济指标上的区域差异比例，将所述波动起始地域的实际销售增长量乘以所述区域差异比例得到基础需求增量；若识别到存在与对应商品相关的社会热点事件，则将所述基础需求增量加上预设的热点放大常数，得到最终的所述预计需求增量。

14、作为本发明所述基于多维群体画像演化与地域销售波动的供应链协同推演方法的一种优选方案，其中：根据所述预计波动到达时间、所述预计需求增量和供应链节点状态，确定所述目标销售地域的提前备货缺口，具体步骤如下：

15、将所述目标销售地域的当前在库商品数量与在途运输商品数量相加得到可用库存总数；将所述预计需求增量与平稳状态下的预期消耗数量相加得到总需求量；计算所述总需求量与所述可用库存总数的差值得到初始备货缺口；引入仓库最大容纳上限数量的影响因素，若所述初始备货缺口与所述可用库存总数之和大于对应仓库的所述最大容纳上限数量，则截除超出所述最大容纳上限数量的数值部分，将剩余的缺口数值确定为所述提前备货缺口。

16、作为本发明所述基于多维群体画像演化与地域销售波动的供应链协同推演方法的一种优选方案，其中：按照所述销售波动传播路径，将已经度过销售波动高峰的销售地域中的可调库存提前转移至存在所述提前备货缺口的目标销售地域，并根据转移后的剩余缺口生成补充采购任务，形成供应链协同方案，具体步骤如下：

17、若监控到排在所述销售波动传播路径前端的销售地域的单日订单数量连续预设数量个周期下降，并且低于历史峰值的预设比例，则判定对应销售地域为已经度过销售波动高峰的销售地域；计算所述已经度过销售波动高峰的销售地域的剩余库存，扣除安全保留数量后得到所述可调库存；引入调拨成本与仓储成本对比的影响因素，若计算出转移所述可调库存所节省的仓储维护成本大于跨区调拨产生的物流运输成本，则依据物理距离就近原则下发将所述可调库存发送至所述目标销售地域的转移指令。将所述提前备货缺口减去通过所述转移指令计划接收的库存数量，得到所述剩余缺口；提取上游工厂的生产加工周期和发往所述目标销售地域的物流运输周期；利用所述预计波动到达时间依次减去所述生产加工周期和所述物流运输周期，逆推确定向所述上游生产工厂下达采购任务的采购下达截止日期；在所述采购下达截止日期到达前，依据所述剩余缺口生成补充采购任务单；将所述转移指令和所述补充采购任务单依据时间节点整合为所述供应链协同方案。

18、作为本发明所述基于多维群体画像演化与地域销售波动的供应链协同推演方法的一种优选方案，其中：根据实际画像演化、实际地域销售波动和所述供应链协同方案的执行结果，修正尚未发生销售波动的销售地域对应的预计波动到达时间、预计需求增量和未执行任务，具体步骤如下：

19、按周期计算预计需求增量与实际产生的订单数量之间的数值差额；引入虚假交易干扰因素，当所述数值差额超过预设的容忍阈值时，判定前期采集的数据中存在所述虚假交易干扰因素；利用真实的所述订单数量替换历史关联数据，重新计算并更新排在所述销售波动传播路径后续位置的销售地域的预计需求增量和预计波动到达时间。根据更新后的预计需求增量和预计波动到达时间，在计算机系统中检索处于运输途中且未完成交接的转移指令，以及尚未到达采购下达截止日期且未下发的补充采购任务单；基于更新后的数值向对应物流节点下发更改目的地仓库的运输重定向指令，并向对应上游工厂下发调整生产数量的生产修改指令，以完成对所述未执行任务的修正。

20、本发明有益效果为：

21、本发明通过提取主导画像演化构建销售波动传播路径，推演预计波动到达时间与需求增量；结合仓储物理容纳上限确定提前备货缺口；协同触发可调库存的横向转移与纵向补充采购任务，并基于实际订单核算结果对未执行任务进行动态拦截修正。本方案将动态画像与空间网络结合，提升了需求预测的准确度，并通过引入物理约束与闭环纠错机制，有效降低了无效物流损耗与库存积压风险。