現代庫存管理：模型、算法與Python實現

前言

第1章 現代庫存管理概述1
1.1 什麼是庫存1
1.2 庫存管理解決的問題2
1.3 現代庫存管理的挑戰3
1.4 現代庫存管理的發展趨勢4
1.5 現代庫存管理優化案例6

第2章 需求預測基礎9
2.1 需求預測的基本結構9
2.2 需求預測方法的分類12
2.3 數據預處理16
2.4 評價預測模型的方法27

第3章 時間序列方法32
3.1 指數平滑法33
3.2 ARIMA模型40
3.3 Prophet模型47
3.4 考慮相互作用的VARMA模型50
3.5 考慮層級結構的時間序列預測51

第4章 機器學習方法53
4.1 特徵工程54
4.2 正則化和學習目標59
4.3 超參數選擇59
4.4 單一模型61
4.5 集成學習68

第5章 某飲料企業W的需求預測實戰74
5.1 案例概覽75
5.2 拓展思考75
5.3 實戰建議75

第6章 庫存策略優化基礎78
6.1 庫存成本78
6.2 庫存策略79
6.3 庫存分類方法84
6.4 企業庫存管理的幾個階段85

第7章 週期庫存優化87
7.1 經濟訂貨批量模型87
7.2 時變需求下的經濟訂貨批量模型93
7.3 聯合補貨模型99

第8章 物流企業B倉內揀貨區聯合補貨優化實戰105
8.1 數據導入及預處理106
8.2 揀貨區商品佈局107
8.3 聯合補貨策略優化109

第9章 安全庫存優化114
9.1 安全庫存概述114
9.2 (ROP,Q)策略分析115
9.3 (OUL,T)策略分析123
9.4 需求分佈的刻畫126
9.5 給定需求滿足率下安全庫存的計算144
9.6 供應的不確定性:隨機提前期147

第10章 某食品企業W庫存策略優化實戰151
10.1 數據導入及預處理151
10.2 使用多種方法進行需求擬合併計算目標庫存水準153
10.3 庫存策略模擬模擬157
10.4 拓展思考161
10.5 實戰建議161

第11章 週期服務水準優化163
11.1 報童模型163
11.2 (ROP,Q)策略下的最優服務水準165
11.3 (OUL,T)策略下的最優服務水準170
11.4 基於SAA的有限週期庫存系統優化172

第12章 庫存共用181
12.1 庫存共用效應183
12.2 分散節點間需求獨立情況下集中化安全庫存計算183
12.3 分散節點間需求相關情況下的聯合分佈樣本生成189
12.4 庫存共用效應之外的關於庫存共用的更多討論200

第13章 某休閒食品企業Y庫存共用決策實戰202
13.1 分散式管理和集中式管理模式下安全庫存量的介紹203
13.2 綜合庫存成本與運輸成本,決策存貨佈局209
13.3 拓展思考211

第14章 網路庫存管理基礎212
14.1 網路分析基礎212
14.2 隨機服務模型與承諾服務模型223

第15章 承諾服務模型228
15.1 承諾服務模型的數學規劃問題228
15.2 需求上界的構造與計算229
15.3 承諾服務模型的優化算法234

第16章 某食品企業Z的分銷網路庫存優化實戰240
16.1 數據導入及預處理241
16.2 應用動態規劃算法求解最優策略245
16.3 拓展思考251

第17章 某家電企業H的製造網路庫存優化實戰252
17.1 數據導入及預處理253
17.2 應用分段線性函數近似算法求解近似最優的策略255
17.3 比較不同承諾服務時間和不同服務水準下的安全庫存成本260
17.4 拓展思考261
17.5 實戰建議261

附錄263
附錄A 符號表263
附錄B 數學規劃與概率論基礎知識264
附錄C Python基礎268
參考文獻272