一种基于神经网络的科研机构物品库存管理系统与方法与流程

技术特征：
1.一种基于神经网络建立预测模型的方法，实现对各部门每个常用物品库存出库量的预测，并基于该方法建立一种科研机构实验用物品库存管理系统，其特征在于，包括如下步骤：步骤1：物品库存管理系统计算各部门每个物品库存月出库量平均值，得到物品库存月出库量平均值φ；步骤2：由各部门物品库存管理系统操作人员在物品库存管理系统设定该部门每个物品库存月出库量基准值θ，当各部门每个物品库存出库量平均值φ小于该物品库存月出库量基准值θ时，所述物品库存管理系统将该物品库存设定为该部门“非常用物品”；当各部门每个物品库存月出库量平均值φ大于该物品库存月出库量基准值θ时，所述物品库存管理系统将该物品库存设定为该部门“常用物品”，并采集该常用物品每月的出库量数据；步骤3：通过所述各部门每个常用物品月出库量神经网络模型计算得到各部门每个常用物品下一个月的月出库量预测值α；步骤4：依据所述各部门每个常用物品月出库量预测值α与该常用物品月出库量平均值φ进行对比，根据对比结果在所述物品库存管理系统中的材料计划报告模块生成的材料计划报告中将各部门每个常用物品标记为“加急采购”或“普通采购”；步骤5：所述物品库存管理系统对各部门每个常用物品库存量数据进行实时更新，各部门每个常用物品库存量数据每更新一次就对各部门每个常用物品出库量神经网络预测模型进行训练，保证各部门每个常用物品月出库量神经网络预测值α的精确性。2.如权利要求1所述的基于神经网络建立预测模型的方法，其特征在于，步骤3中，还包括对所有物品库存管理系统判断的常用物品月出库量神经网络模型，具体方法如下：步骤331，将数据归一化处理后的出库量数据作为月出库量预测值α神经网络模型的输入层；步骤332，确定隐含层节点个数，根据经验公式来确定，其中h为隐含层节点的数目，m和n分别是输入层和输出层节点的数目，a为1～10之间的调节常数；步骤333，初始化所述神经网络中所有权值，(0，1)内随机进行赋值；步骤334，确定所述神经网络中隐含层、输出层的激活函数，选择sigmoid函数，步骤335，对所述神经网络的训练参数进行赋值。3.如权利要求2所述的基于神经网络建立预测模型的方法，其特征在于，步骤5中的对所述神经网络模型进行训练，具体步骤如下：步骤3351，随机选取某个常用物品出库量数据做为输入样本；步骤3352，计算当前样本隐藏层输入和输出；步骤3353，计算当前样本输出层输入和输出；步骤3354，对误差函数进行计算，误差函数为：步骤3355，其中q为输出层个数，yo
o
为输出值，d为样本值；步骤3356，计算误差函数对输出层和隐含层之间参数的偏导数；
步骤3357，计算误差函数对隐含层和输入层之间参数的偏导数；步骤3358，修正输出层和隐含层之间的参数；步骤3359，修正隐含层和输入层之间的参数；步骤33510，对全局误差进行计算；步骤33511，判断误差是否满足要求。当误差达到预设精度或学习次数大于设定的最大次数时结束算法。4.如权利要求2所述的基于神经网络建立预测模型的方法，其特征在于，步骤5还包括月出库量神经网络预测模型数据集数据采集方法，具体方法如下：步骤51，设置一个月出库量神经网络模型数据集采集时间te，以月为单位te＝(1，2，3，...，n)，由各部门物品库存管理系统管理人员在系统中输入数据集采集时间te的参数；步骤52，物品库存管理系统每隔采集时间te自动对每个化学品的月出库量神经网络预测模型根据采集时间te内采集的新数据集d(te1)进行训练；步骤53，在下一个采集时间te到达月数设定值时，产生新的数据集d(te2)，此时d(te2)＝d(te1) te段时间内新产生的数据，以此类推，在每个te时间段内对数据集中的数据进行累加。5.如权利要求2所述的基于神经网络建立预测模型的方法，其特征在于，所述常用物品月出库量神经网络模型使用bp神经网络。6.如权利要求2所述的基于神经网络建立预测模型的方法，其特征在于，所述常用物品月出库量神经网络模型使用newff函数建立网络。7.如权利要求3所述的基于神经网络建立预测模型的方法，其特征在于，步骤331，中数据归一化处理方法采用z-score标准化方法。8.如权利要求3所述的基于神经网络建立预测模型的方法，其特征在于，所述神经网络中隐含层、输出层的激活函数选用sigmoid函数。9.一种基于神经网络的科研机构物品库存管理系统，其特征在于，所述物品库存管理系统包括：出/入库管理模块、库存管理模块、神经网络预测模块、材料计划管理模块、报表查询模块、表单管理模块、基础设置模块、系统管理模块；出/入库管理模块中还设有常用物品管理模块、出/入库条形码生成模块、批量出/入库模块、批量打印出/入库单模块，该常用物品管理模块为所述物品库存管理系统中各部门每个物品库存根据该物品库存月出库量平均值φ与该物品库存月出库量基准值θ比较结果将各部门每个物品库存定义为“常用物品”或“常用物品非常用物品”；该出/入库条形码生成模块为在物品库存出/入库时生成物品库存外包装上的条形码；该批量出/入库模块为利用管理系统生成的“excle导入模板”统一处理大批量物品库存出/入库业务；该批量打印出/入库单模块为在大批量物品库存出/入库时先行录入出/入库信息，并一次性批量打印条形码；库存管理模块包括库存查询模块以及常用物品库存量管理模块，库存查询模块用以根据“部门”、“化学品名称”、“化学品种类”、“化学品出库记录”、“化学品入库记录”查询条件的组合查询库存信息；该常用物品库存量管理模块用以采集所述各部门每个常用物品每月的出库量数据，建立用于所述各部门每个常用物品月出库量神经网络预测模型的数据集并定期进行更新；
神经网络预测模块用以对物品库存管理系统中判断为常用物品的每个化学品建立出库量神经网络预测模型，并从出/入库管理模块中获取数据，在出/入库管理模块运行一段时间以后，利用采集的大量出/入库数据作为神经网络建模的基础数据对出库量神经网络预测模型进行训练，实现每个常用物品库存出库量预测功能；所述材料计划管理模块包括，库存统计模块、物品库存预测模块、材料计划报告模块，库存统计模块用以根据各部门物品库存出/入库记录，结合各部门物品库存信息，对各部门所有物品库存以一个月为周期定期进行库存统计；该物品库存预测模块用以利用神经网络预测模块计算各部门每个常用物品月出库量预测值α，与各部门每个常用物品当月的库存量对比，对下一个月物品库存量进行预测，对各部门出库量大、库存紧缺的常用物品及时向该部门物品库存管理人员进行提示；该材料计划报告模块用以是根据各部门每个常用物品当月库存量结合各部门每个常用物品的出库量，生成材料计划报告，其中对各部门每个常用物品利用神经网络预测模块计算各部门每个常用物品月出库量预测值α，并对比每个常用物品每月的库存统计情况，对下一个月物品库存情况进行预测，在生成的材料计划报告中将常用物品的采购类型分为“普通采购”和“加急采购”；所述报表查询模块用以根据“部门”、“化学品名称”、“化学品种类”、“化学品名称”、“出/入库时间”、“物品库存规格”、“物品库存等级”等查询条件的组合，灵活生成用户所需要的报表；该表单管理模块用以在系统中线上完成物品库存申请审批流程，并进行领用审批单打印；该基础设置模块包括组织架构管理模块、人员设置模块以及单位设置模块，组织架构管理模块用以将各部门按照单位机构设置来进行组织机构划分；该人员设置模块用以录入各部门物品库存管理人员的信息；单位设置模块用以设置物品库存的单位标准，统一所有部门提报的物品库存单位；系统管理模块中，角色管理模块，其主要功能是对物品库存管理系统中各部门物品库存管理人员的权限进行配置；登录密码管理模块，其主要功能是对使用物品库存管理系统的人员用户名及密码进行统一管理。

技术总结
本发明公开了一种基于神经网络的科研机构物品库存管理系统与方法，该方法设计了一个常用物品判断方法，对物品库存管理系统中各部门每个物品库存进行判断，根据判断结果将各部门每个物品库存定义为“非常用物品”或“常用物品”；该方法对各部门每个常用物品建立神经网络预测模块，实时预测常用物品未来出库量并根据预测常用物品未来出库量与该常用物品库存量进行比较，根据比较结果将常用物品采购类型标记为“普通采购”或“加急采购”。该方法提高了物品库存的管理水平和使用效率，取得了较好的技术效果。技术效果。技术效果。


技术研发人员：黄鑫 南洋 魏珍妮 全民强 杨红强 刘肖飞 李燕 景志刚 谢元 常晓昕
受保护的技术使用者：中国石油天然气股份有限公司
技术研发日：2021.01.14
技术公布日：2022/7/19