库存分配和定价优化系统

摘要

实施例优化了由多个仓库向多个价格区域提供的零售项目的库存分配，每个仓库都适于经由链接将零售项目的库存分配给至少两个价格区域。实施例为每个仓库到价格区域的链接生成初始库存分配以生成多个仓库到价格区域的分配。对于每个仓库到价格区域的分配，实施例确定作为分配的库存的函数的边际利润。实施例构造了与每个仓库到价格区域的分配相对应的二分图，每个二分图具有等于边际利润的链接权重。实施例确定何时在任何两个价格区域之间存在正权重路径，然后重新分配初始库存分配并重复该功能。

说明书

技术领域

一个实施例一般地针对计算机系统，更具体而言针对用于确定产品的优化的定价和库存分配的计算机系统。

背景技术

对于产品的零售商或任何卖家，在出售周期期间的某个点将可能需要做出关于何时降价产品的价格(可能通过促销)以及采取多少降价的确定。价格降价可能是商品项目生命周期定价的重要部分。典型的零售商使项目被降价在20％和50％之间(即永久地打折)，并在降价价格处生成大约30-40％的收益。

通过考虑库存约束以及需求对于时间段、价格和库存影响的依赖性确定优化的定价降价使收益最大化。优化的降价不仅可以在全价出售阶段期间而且可以在价格间断(price break)销售期间将库存带到期望的水平，并在整个产品生命周期中使总毛利美元最大化。然而，价格优化系统通常不考虑许多潜在的位置之间的库存的分配及其对定价的影响。

发明内容

实施例优化了由多个仓库向多个价格区域提供的零售项目的库存分配，每个仓库都适于经由链接将零售项目的库存分配给至少两个价格区域。实施例为每个仓库到价格区域的链接生成初始库存分配以生成多个仓库到价格区域的分配。对于每个仓库到价格区域的分配，实施例确定作为分配的库存的函数的边际利润。实施例构造与每个仓库到价格区域的分配相对应的二分图，每个二分图具有等于边际利润的链接权重。实施例确定何时在任何两个价格区域之间存在正权重路径，然后重新分配初始库存分配并重复该功能。

附图说明

图1是根据实施例的具有多个仓库的示例零售链的框图。

图2是根据本发明的实施例的计算机服务器/系统的框图。

图3是根据一个实施例的图2的库存和价格优化模块的功能的流程图。

图4示出根据实施例的使用图3的功能的图1的零售链。

图5是根据本发明的实施例的最优收益作为分配的库存的函数的图，其显示最优利润作为分配的库存的函数的两个凹函数示例。

图6是图1的零售链的框图，其包括形成本发明的实施例的一部分的卡车运输的添加。

具体实施方式

一个实施例是用于优化零售链的利润或收益的优化系统，该零售链具有多个位置，每个位置由多个库存仓库服务。实施例优化仓库之间的库存分配和产品的定价二者。

实施例针对使操作由多个仓库供应的多个位置的零售链的利润或收益最大化的系统或方法。零售链可以包括电子商务实现。每个仓库都可以被连接到多个位置，并且每个位置都可以由多个仓库供应。

图1是根据实施例的具有多个仓库的示例零售链50的框图。如图所示，多个零售位置54-56可以是实体零售商店或零售价格区域的形式，其可以包括使用相同定价的多个地理常见的实体零售商店(或单个商店)的集群。例如，价格区域可以是基于地理位置的，诸如华盛顿特区的所有零售商店或半径25英里以内的所有零售商店。每个价格区域由一个或多个仓库52、53服务。当单个仓库将库存提供给多个价格区域时，在实施例中将在各个价格区域之间分配库存。例如，对于仓库52，其库存的60％被分配给价格区域54，而其库存的40％被分配给价格区域55。相似地，对于仓库53，其库存的70％被分配给价格区域55，而其库存的30％被分配给价格区域56。出于本公开的目的，每个仓库到价格区域的组合都可称为链接。

将库存分配给价格区域意味着该库存将仅在该价格区域销售。此外，由于每个价格区域一般地由从多个仓库供应的，因此可以将该库存从多个仓库分配到给定的价格区域。应当注意，此模型中描述的分配不一定意味着实际运送。在许多情况下，出于规划目的，库存是被虚拟地分配的以提供输入给特定于价格区域的价格优化，该特定于价格区域的价格优化被实施的目的是使从在其商店出售分配给该价格区域的整个库存获得的利润最大化。然而，如下所述，改变库存分配然后可导致将库存运输(例如，通过卡车运输)到与改变之前不同的商店或价格区域。

利用确定定价降价和促销系统的多数已知零售价格优化系统，假设每个零售位置在出售季节开始时具有固定的库存。相反，实施例假设库存主要位于仓库52、53处，并且可以被进一步分配给单独的零售位置54-56以使它们的性能最大化。因此，实施例同时优化两组决策变量：(1)仓库到位置的库存的运送；(2)依赖于可用库存的在每个单独的位置处的定价政策。同时优化二者提供优于已知系统的优势，因为价格确定了在商店的库存多快被售空以及因此应给单独的商店或价格区域分配多少库存。

实施例可应用于电子商务环境。典型的电子商务零售商从多个仓库或“履行中心”(“FC”)履行订单，其一般地是地理分散的，因此运送客户订单的成本可以依赖于FC而显著差异。同时，当项目接近其寿命的结束时，其库存水平在FC之间经常变化很大。因此，使总利润最大化既涉及将FC指定给客户以平衡FC之间的负载，又涉及基于每个客户的价格弹性和服务成本对项目进行定价。

然而，电子商务销售经常包括处理全渠道库存。全渠道策略可以通过零售商的多个销售渠道的调配来创建无缝购物体验。例如，客户在实体商店中时在通过她的移动电话找到在线以更便宜的价格供给的产品之后，她可以从在线商店购买该产品。此外，在线购买产品的客户可能选择“在线购买，在商店取货”选项，以更快地接收该产品，而不是等待包裹被运送到家庭住址。此外，由于电子商务履行中心缺乏库存，因此电子商务客户接收的包裹可能是由附近的零售商店履行的。

与仅零售商店的环境相似，全渠道环境引起对于价格优化的许多挑战。已知零售定价系统在渠道之间没有库存共享和协调的假设下优化渠道价格。该假设在全渠道环境中无法保持，在全渠道环境中商店库存可以被附加地使用以履行在线下单的客户订单。另一个挑战是由于在线商店和实体商店之间潜在的需求替代，其受到两个渠道上供给的价格的影响。在许多已知价格优化系统中忽略了渠道替代，该许多已知价格优化系统假设价格仅影响相同渠道中的需求，因此这些系统不考虑任何渠道相互依赖性。

实施例利用两组决策变量解决零售利润最大化问题：(1)为了在最大化的利润/收益处出售商品库存(即降价优化问题)的特定于位置的定价；以及(2)以潜在地不同成本由多个供应中心分配的库存量。该问题出现在包括电子商务在线销售的不同设定中，其中多个履行中心被用于以不同成本满足各种各样的客户需求。利用电子商务，当零售实体位置能够履行在线购买时，实施例可以提供价格歧视和全渠道零售操作。对于后者情况，从实体商店到在线渠道的库存分配主要是虚拟的，并且主要被用于优化位置价格和在线订单履行决策。虚拟分配的另一个示例是关于从地区的仓库分配给一组实体商店或价格区域的库存量的决策。在这种情况下，分配的库存可能不会立即交被付到商店，而是将被用于定价决策。

许多零售商可以使用一些简单的经验法则来求解该优化问题。例如，他们可以像前一年他们所做的一样简单地分配库存，如果前一年该商店显得耗尽库存，则将一些库存添加到该商店。他们一般地避免同时优化价格和库存，反而是在一旦决定了库存分配就优化价格。该领域中的已知解决方案关注于各种降价优化解决方案或纯供应链管理，而很少注意到定价政策。

图2是根据本发明的实施例的计算机服务器/系统10的框图。尽管所示为单个系统，但是系统10的功能可以被实现为分布式系统。此外，本文所公开的功能可以在可以通过网络耦合在一起的单独的服务器或设备上被实现。此外，可以不包括系统10的一个或多个组件。系统10可以为图1的所有实体集中地提供功能，或者多个系统10可以被置于实体中的一个或多个实体处，并且信息和计算可以被合并以提供整体的定价和库存分配解决方案。

系统10包括用于传送信息或总线12的其他通信机制以及耦合到总线12以处理信息的处理器22。处理器22可以是任何类型的通用或专用处理器。系统10还包括用于存储信息和要由处理器22执行的指令的存储器14。存储器14可以包括随机存取存储器(“RAM”)、只读存储器(“ROM”)、静态存储(诸如磁盘或光盘)、或任何其他类型的计算机可读介质的组合。系统10还包括通信设备20(诸如网络接口卡)，以提供对网络的访问。因此，用户可以直接或通过网络或任何其他方法远程地与系统10接口。

计算机可读介质可以是处理器22可以访问的任何可用介质，并且包括易失性和非易失性介质、可移除和不可移除介质以及通信介质。通信介质可以包括计算机可读指令、数据结构、程序模块或调制数据信号(诸如载波或其他传输机制)中的其他数据，并且可以包括任何信息传递介质。

处理器22还经由总线12被耦合至显示器24，诸如液晶显示器(“LCD”)。键盘26和光标控制设备28(诸如计算机鼠标)还被耦合至总线12以使用户能够与系统10接口。

在一个实施例中，存储器14存储当由处理器22执行时提供功能的软件模块。模块包括为系统10提供操作系统功能的操作系统15。模块还包括库存和价格优化模块16，其共同优化零售项目的库存分配和降价定价以及本文所公开的所有其他功能。系统10可以是更大的系统的一部分。因此，系统10可以包括一个或多个附加功能模块18以包括附加功能，诸如零售管理系统(例如，来自Oracle公司的“Oracle零售供给优化云服务”或“Oracle零售先进的科学引擎”(“ORASE”))或企业资源规划(“ERP”)系统。数据库17被耦合至总线12以为模块16和18提供集中存储，并存储客户数据、产品数据、交易数据等。在一个实施例中，数据库17是可以使用结构化查询语言(“SQL”)管理存储的数据的关系数据库管理系统(“RDBMS”)。在一个实施例中，专用销售点(“POS”)终端100生成用于价格和库存优化的交易数据和历史销售数据(例如，与每个零售商店中的每个项目/SKU的交易有关的数据)。根据一个实施例，POS终端100它本身可以包括附加处理功能以优化定价和库存分配，并且可以通过它本身或者与图2的其他组件结合作为专用库存和定价优化系统操作。

在一个实施例中，尤其是当存在大量零售商店、大量项目、以及大量历史数据时，数据库17被实现为内存数据库(“IMDB”)。IMDB是主要依靠计算机数据存储的主存储器的数据库管理系统。它与采用磁盘存储机制的数据库管理系统形成对比。主存储器数据库比优化的磁盘的数据库更快，因为磁盘访问比存储器访问更慢，而内部优化算法更简单、执行的CPU指令更少。访问存储器中的数据消除了查询数据时的寻道时间，其提供了比磁盘更快且更可预测的性能。

在一个实施例中，当数据库17被实现为IMDB时，其是基于分布式数据网格被实现的。分布式数据网格是其中计算机服务器的集合在一个或多个集群中一起工作以在分布式或集群环境内管理信息和相关的操作(诸如计算)的系统。分布式数据网格可以被用于管理跨服务器共享的应用程序对象和数据。分布式数据网格提供了低响应时间、高吞吐量、可预测的可扩展性、连续可用性和信息可靠性。在特定示例中，分布式数据网格(诸如，例如，来自Oracle公司的“Oracle一致性”数据网格)将信息存储在内存中以实现更高的性能，并采用冗余来保持该信息的副本在多个服务器之间的同步，因此在服务器发生故障时确保系统的弹性以及数据的持续可用性。

在一个实施例中，系统10是计算/数据处理系统，包括用于企业组织的应用程序或分布式应用程序的集合，并且还可以实现物流、制造和库存管理功能。应用程序和计算系统10可以被配置为与基于云的网络系统、软件即服务(“SaaS”)架构或其他类型的计算解决方案一起操作，或被实现为基于云的网络系统、软件即服务(“SaaS”)架构或其他类型的计算解决方案。

如以上所讨论，一般地，已知优化系统在通常假设库存是固定的时仅仅关注于各种降价定价优化问题，或关注于纯供应链管理而很少注意到对定价的影响。

相反，在以下假设下，实施例使用迭代方法同时优化价格和库存：(1)存在给定先验的固定的销售范围；(2)存在计算上易处理的方式来计算作为分配的库存的函数的在每个位置的最优利润的导数。假设(1)在实践中常常不受限制，因为多数零售商，尤其是时装零售商，通常为了给新季节项目释放零售空间而必须在某一最后期限之前清仓季节性商品的销售区。

实施例通过计算作为分配的库存的函数的最优降价利润的导数来改进先前的行业方法。以下公开了将该方法应用于两个常用需求模型的两个示例，该需求模型允许封闭形式的解决方案以相对于分配的库存找到最优利润函数的导数。实施例一般地针对可应用于广范围的一般价格优化情况的更通用的框架。在该导数无法被解析性地计算出的情况下，它可以通过计算当前库存水平附近的分配的库存的最优降价解并将该导数近似地计算为最优利润改变的差与分配的库存的改变的比率而数值性地获得。

在实施例中，通过以下事实来保证功能的收敛，在每个位置的最优利润是分配的库存的凹函数，其由收益递减的经验定律所隐含，从而对于多数实际应用有效。以下所述，在图5中显示了最优降价利润作为分配的库存的函数的凹函数的两个示例。

如所讨论的，实施例避免了需要为利润假设特定的公式。实施例实现了梯度下降法的变体，其使用偏导数的矢量以将步长指引向函数的最小值。梯度下降法是一阶迭代优化算法，其通过在当前点的函数梯度(或近似梯度)的负方向上使步长逐渐更小来找到函数的最小值。由于对于实施例，目标是找到函数的最大值，因此实施例使用梯度上升方法，该梯度上升方法等价于梯度下降法，而唯一的不同是在函数梯度的方向上而不是它的负方向上采取步长。另外，相似于梯度下降法收敛于凸函数的全局最小值，梯度上升方法收敛于凹函数的全局最大值。

实施例以任意的初始库存分配开始。在每次迭代中，实施例计算在每个位置或价格区域的最优利润的导数，并制定辅助最小成本网络流量问题以在价格区域或位置之间重新分配库存。实施例显示在算法的每次迭代中，整体的目标函数被改进。通过在每次迭代中适当地选择库存重新分配的数量，实施例可以保证收敛到最优性。在一些实施例中，如前所讨论，最优利润函数的导数可以被计算为封闭形式的解析表达式。在其他实施例中，其被计算为经由Lagrangian松弛求解降价价格优化问题的副产品。通过考虑库存约束以及对于时间段、价格和库存影响的需求依赖性，确定优化的定价降价使收益最大化。优化的降价不仅可以在全价出售阶段期间而且可以在价格间断销售期间将库存带到期望的水平，并在整个产品生命周期中使总毛利美元最大化。降价优化问题和该问题的解决方案的示例被公开在例如美国专利公开号2013/0073341和美国专利公开号2013/0211877。

降价优化问题的目的可以是通过考虑库存约束和对于时间段、价格和库存影响的需求依赖性，找到使收益最大化的商品价格的单调递减序列。

在一个实施例中降价优化问题的数学公式可以被定义为：

服从

s

I

其中：

T是降价时段的长度，通常以周来测量；

S

P

I

d

Lagrangian松弛的使用可以被描述如下：计算销售价格的降价优化问题，该销售价格是使在给定的时间范围T内从出售限制的库存S获得的利润最大化：

服从

其中p(t)是时间t的价格矢量，其是决策变量；d

在该公式中，使Lagrangian函数L(p(t),w)最大化的最优解(p

图3是根据一个实施例的图2的库存和价格优化模块16的功能的流程图。在一个实施例中，图3的流程图的功能由存储在存储器或其他计算机可读或有形介质中的软件实现，并由处理器执行。在其他实施例中，该功能可以由硬件(例如，通过使用专用集成电路(“ASIC”)、可编程门阵列(“PGA”)、现场可编程门阵列(“FPGA”)等)、或硬件和软件的任何组合执行。

在302处，从多个仓库中的每个仓库到多个价格区域中的每个价格区域的初始“朴素”或摸索的库存分配被指定并被认为是“当前优化的库存分配”。在实施例中，提供了允许用户分配每个仓库处的库存的用户界面。算法也可以被用于在分配时提供初始猜测。图4示出根据实施例的使用图3的功能的图1的零售链50。每个库存分配都被称为S

在304处，对于每个仓库到价格区域的分配，求解相关联的降价优化问题以计算使利润最大化的销售价格，该利润服从分配的库存量。为了计算边际利润，如上所述，使用Lagrangian松弛来制定降价优化问题。在图4中，在实施例中，从仓库i到价格区域j的作为分配的库存的函数的边际利润被计算如下：

在等式1中，R

在306处，在仓库到价格区域之间构造二分图，其中从仓库到价格区域的链接权重等于边际利润κ

图3显示结果二分图的示例。在此，从仓库到价格区域的链接显示了分配的潜在的增加，并且使它们的权重等于库存分配中每单位边际利润的增加。注意，例如当额外库存单位的运送成本超过边际收益时，边际利润可能是负的。从价格区域返回到仓库的链接代表分配的减少，并且使它们的权重等于负的边际利润。如所公开的，分配代表规划过程而不是实际运送。因此，分配的减少意味着节省了运送成本和收益的损失，而不是招致更多的将库存从价格区域实际地移回仓库的运送成本。通过标识总正权重的图中的链接的序列并形成路径(即，以使每个链接的结束与下一个链接的开始一致)，来找到库存的利润增加的重新分配。在此特定示例中，利润增加的路径由以下实链接形成：价格区域54->仓库52->价格区域55->仓库53->价格区域56。路径外部的链接由点划线显示(例如，线402)。链接权重可以被视为与链接的长度相对应，因此，增加利润的路径是任何正长度的路径。

在308处，确定来自306的图在任何两个价格区域之间是否形成正权重路径。在实施例中，使用以下过程找到正权重路径：将所有链路权重的符号改变为它们的负值，并将“Floyd-Warshal”最短路径算法应用于结果辅助图，以找到所有节点对之间的最短路径。在图论中，最短路径问题是在图中的两个顶点(或节点)之间找到路径的问题，以使其组成边的权重之和(即，κ

Floyd-Warshall算法通过比较来自节点集V中每对节点之间的图的所有可能路径。即使图中可能有高达～|V|

然后，可以使用以下过程来重新构造节点u和v之间的路径：

308的应用导致找到正权重(即，图4的示例中所示的利润增加的路径)或确定不存在这样的路径。后者等价于找到最优解，而算法进行到314，然后进行到316的终止。如果确实存在正权重路径，则在310处算法检查是否已达到迭代限制。如果达到迭代限制，该算法会在进入316的终止之前停止，而接近最优的解作为当前优化的库存分配(“最终库存分配”)。

如果在308处找到正权重路径，并且在310处算法未达到迭代次数的限制，则在312处，库存重新分配量被确定并被视为新的当前优化的库存分配。在图4的示例中，沿着实链接路径的重新分配量被设定为5％。即，仓库52库存的5％被从价格区域54重新分配到价格区域55。假设两个仓库具有相等的库存量，则仓库53库存的相同5％被从价格区域55重新分配到价格区域56。使用边际利润的表示法，沿着该路径重新分配的每单位库存的利润增加为κ

如果在308处存在正权重路径，则在310处确定是否已经达到改进步骤的迭代限制(即，已经达到图3的功能的预定迭代次数)。迭代步骤可以根据基于实施例的逐个情况使用公式N

沿着利润增加的正权重路径重新分配的库存量被相似于标准梯度下降算法来计算。即，实施例以相对的“小”初始库存量开始以在算法的每次迭代中重新分配，在一个实施例中，其被设定为分配给每个价格区域的平均量的s

继续图4的示例，对于仓库52，在310之后，其库存的55％被分配给价格区域54(K

如以上所讨论，如果在308处没有正权重路径，则在314处当前解决方案(即，当前库存分配)是最优的，并且在316处功能结束。一般地，如果边际利润在所有价格区域都相同的，则认为解是最优的。

图5是最优收益作为分配的库存的函数的图，其显示根据本发明的实施例的最优收益作为分配的库存的函数的凹函数的两个示例。曲线502使用指数需求模型，而曲线504使用幂律需求模型。随着库存被分配，两条曲线均显示递减的边际利润率。曲线502是当需求遵循指数(也称为“对数线性”)模型时的最优利润，其中曲线504是根据假设需求模型为幂律的降价而获得的最优利润的一条曲线。如所示，在每种情况下，曲线的斜率随着分配的库存量的增长而变平。对于指数需求模型，该效果更为显著，它的倾斜最后变得完全平坦，或者在分配的库存的大约200个单位处该函数变得恒定而它的导数等于零。在该范围内，添加更多的库存没有附加好处。

尽管对幂律需求模型的影响不那么显著，但可以看出它的斜率也略有递减。更具体地，幂律需求模型可以被表示为

等式2显示针对于库存的边际利润是正的，因为对于γ>1时

在指数需求的情况下，需求函数可以被表示为d＝d

等式3在图5中被绘制为曲线502。针对于分配的库存的最大利润的偏导数为：

等式4显示针对于库存的边际利润是正的，以及当S

作为本发明的实施例的结果，仓库中的一些库存将从一个价格区域被重新分配给另一个价格区域。这可能是“虚拟的”重新分配，因为库存可能尚未被发送到相应的价格区域。然而，图3的功能的结果将是一些库存将被发送到价格区域，否则将被发送到另一个价格区域。结果，每个仓库中的物流系统和库存管理系统将导致使用诸如卡车的运输机制来发送一些库存。图6是图1的零售链50的框图，其包括形成本发明的实施例的一部分的卡车运输的添加。具体地，如所示，结合图3的功能，沿着每个仓库到价格区域链接使用卡车601-604，以将库存分配给每个相应的价格区域。

如所公开的，在多个仓库、多个价格区域的环境中，实施例确定从每个仓库指定给每个价格区域的库存的最优分配。

本文具体地示出和/或描述了几个实施例。然而，将意识到的是，在不背离本发明的精神和意图范围的情况下，本公开的实施例的修改和变化将被覆盖在以上教导和所附权利要求书的范围内。