基于LSTM模型的库存管理研究——以茂业有限公司泰客隆店为例.docxVIP

摘要

PAGE2

PAGE2

基于LSTM模型的库存管理研究

——以茂业有限公司泰客隆店为例

摘要

作为企业供应链中重要的一个环节，库存管理在整个供应链评价体系中起着重要作用。其传统方法因过于依赖人工判断与以过往经验为主，难以应对市场需求的不规律变化与供应链上下游的不确定性。随着机器学习以及人工智能技术的快速发展，使得建立动态库存管理模型成为行业发展中的一个趋势。本文以某商超企业作为研究对象，通过对其库存及销售环节进行研究，分析运营过程中的痛点，针对其静态运转过程中以人工为主，货物种类多导致库存积压与缺货并存等现状，研究提出使用LSTM时序预测模型，通过门控机制捕捉往期数据中的长期依赖关系，从而优化库存订购决策，解决传统方法适应性不足的问题。

本研究使用LSTM时序预测模型作为研究对象，根据输入数据特征完成模型设计，使用自适应优化器提高模型性能。实证分析环节以企业历史销售数据为基础，构建对应的模型评价指标来验证模型的精确度以及对于数据特征提取的精确度。结果显示模型在预测精度以及对于数据特征的捕捉能够满足企业需求。该研究在平衡服务水平与库存成本的同时为企业提供数据驱动的决策支持。综合来看，模型能较好地适用于常规需求预测场景。

关键词：库存管理;长短期记忆网络;供应链优化;时序预测;数据驱动决策

Abstract

PAGE2

ResearchonInventoryManagementBasedonLSTMModeling--TakingMoyeLimitedTaikelongStoreasanExample

Abstract

Asanimportantlinkintheenterprisesupplychain,inventorymanagementplaysanimportantroleinthewholesupplychainevaluationsystem.Traditionalmethodsrelytoomuchonmanualjudgmentandpastexperience,andaredifficulttocopewithirregularchangesinmarketdemandanduncertaintiesintheupstreamanddownstreamofthesupplychain.Withtherapiddevelopmentofmachinelearningandartificialintelligencetechnology,theestablishmentofdynamicinventorymanagementmodelhasbecomeatrendinthedevelopmentoftheindustry.Thispapertakesasupermarketenterpriseastheresearchobject,analyzesthepainpointsintheoperationprocessbystudyingitsinventoryandsaleslinks,andproposestheuseofLSTMtime-seriespredictionmodeltooptimizetheinventoryorderingdecisionbycapturingthelong-termdependencyinthepastdatathroughthegatingmechanismforthecurrentsituationofitsstaticoperationprocesswhichismainlymanualandthemultipletypesofgoodsleadtotheco-existenceofinventorybacklogandstockout,andsolvestheproblemofinsufficientadaptabilityofthetraditionalmethods.theproblemofinsufficientadaptabilityoftraditionalmethods.

ThisstudyusesLSTMtime-seriespredictionmodelastheresearchobject,completest