一种基于实时数据与机器学习的动态库存优化系统及方法

本发明公开了一种基于实时数据与机器学习的动态库存优化系统及方法，该方法包括：1）通过部署在装备存储点的传感器，实时采集各装备的库存水平以及入库与出库的库存变动数量；2）根据历史库存数据，获取各装备的每日库存水平、需求到达频率、运输延迟天数；3）数据清洗；4）数据预处理；5）构建需求预测模型，预测未来72小时的动态需求分布；6）通过强化学习算法优化(S,s)策略参数，生成补货决策；7）根据实时库存水平、预测需求分布和(S,s)策略参数，当库存水平小于s且预测需求大于设定阈值时形成补货指令，执行补货指令进行补货。本发明通过需求预测模型的建立和补货策略的优化实现库存管理的智能化，能够显著降低短缺率和库存成本。