本发明涉及人工智能技术领域，更具体地涉及一种基于机器学习的库存预测系统。
背景技术：
适当的库存是企业正常运转且获得最大利润的必要条件，过多过少的库存都会给企业带来不利影响。过多的库存会占用大量的空间和资金，增加存储费用，财务成本加重；过少的库存会导致订货费用增加，可能因库存量不足造成停产待料，从而影响生产效率或服务质量。因此，企业需要通过有效的库存管理，提高资金周转率及生产效率，提高经济效益和顾客满意度。
库存管理是制造业企业管理的重要组成部分，库存管理的对象是库存项目，即企业中所有物料，包括原材料、零部件、在制品、半成品及产品，以及起辅助物料。库存管理的主要功能是在供、需之间建立缓冲区，达到缓和用户需求与企业生产能力之间，最终装配需求与零配件之间，零件加工工序之间、生产厂家需求与原材料供应商之间的矛盾。在美国，有些企业库存周期只有8天，但有些中国企业的库存周期长达51天。
在企业生产经营活动中，库存管理既必须保证生产车间对原材料、零部件需求，又直接影响采购、销售部门的购、销活动。当前，企业进行货物进出库时，需要对货物进行扫描记录，但现有的扫描装置只是进出统计管理，不能对库存进行智能预测。
技术实现要素：
1.发明目的。
针对现有技术存在的缺陷，提出一种基于机器学习的库存预测系统，提高货物进出库效率，对库存进行科学管理，对库存进行智能预测，方便与erp库存管理模块衔接。
2.本发明的技术方案。
一种基于机器学习的库存预测系统，包括外壳、传送带、气泵、伸缩杆、探测器、控制器、传感器、电机，所述外壳的正面和背面分别设有进料口和出料口，外壳的左端和右端分别设有电机，外壳的顶部固定有气泵，外壳的外表面固定有控制器。
更进一步，所述传送带包括第一传送带、第二传送带，其传送运动方向相反，其动力来源为电机，其表面附着有传感器；第一传送带的起点为进料口，终点为出料口。
更进一步，所述气泵的活动端连接伸缩杆，伸缩杆的端部固定连接检测器，通过气泵和伸缩杆运动，可以调节检测器与传送带的相对位置。
更进一步，所述探测器为光学摄像头或红外扫描仪，所述传感器为压力传感器。
更进一步，所述控制器包括数据处理模块、输入模块、输出模块、通信模块、显示模块和按键模块；数据处理模块采用tms320l2812；输入模块与探测器电气连接，输入数字图像或二维码信号；输入模块与传感器电气连接，输入压力信号；输出模块与电机、气泵、伸缩杆电气连接，输出控制信号；通信模块与erp库存管理模块电气连接。
更进一步，所述控制器的时间段趋势判断方法：影响部件是否能及时供货的一个判断条件是收发货之间所需的天数，分为6个分时间段，0-3，4-7，8-10，11-15，16-30，>30天；分别利用回归算法，将各时间段的趋势与总趋势进行计算，判断出对总趋势影响最大的时间段。
更进一步，所述控制器的供货商趋势判断方法：影响部件是否能及时供货的另一个判断条件是各供货商，利用回归算法，在总时间段，以及6个分时间段，分别将各供货商的趋势与总趋势进行回归计算，判断出各时间段内各供货商对总趋势影响最大的供货商。
更进一步，所述控制器的部件趋势判断方法：对各部件供货趋势状态进行汇总，找出影响部件供货的原因，包括时间段和供货商两个因素。
更进一步，所述控制器的部件缺货预测方法：对缺货部件进行库存管理的数据分析，找出导致部件缺货的原因，包括订单量、物流量、入库量、出库量四个因素。
3.本发明的技术效果。
该装置结构合理，操作方便，自动化程度高。提高货物进出库效率，对库存进行科学管理，对库存进行智能预测，方便与erp库存管理模块衔接。
附图说明
图1为实施例的回归次数。
图2为本发明的外观示意图。
图3为本发明的结构示意图。
具体实施方式
实施例1
一种智能进出库货物扫描记录装置，如图2、3所示，包括外壳1、传送带2、3、气泵4、伸缩杆5、探测器6、控制器7、传感器8、电机9，外壳的正面和背面分别设有进料口和出料口，外壳的左端和右端分别设有电机，外壳的顶部固定有气泵，外壳的外表面固定有控制器。
传送带包括第一传送带2、第二传送带3，其传送运动方向相反，其动力来源为电机，其表面附着有传感器；第一传送带的起点为进料口，终点为出料口。
气泵的活动端连接伸缩杆，伸缩杆的端部固定连接检测器，通过气泵和伸缩杆运动，可以调节检测器与传送带的相对位置。
探测器为光学摄像头或红外扫描仪，传感器为压力传感器。
实施例2
一种智能进出库货物扫描记录装置，如图2、3所示，包括外壳1、传送带2、3、气泵4、伸缩杆5、探测器6、控制器7、传感器8、电机9，外壳的正面和背面分别设有进料口和出料口，外壳的左端和右端分别设有电机，外壳的顶部固定有气泵，外壳的外表面固定有控制器。
控制器包括数据处理模块、输入模块、输出模块、通信模块、显示模块和按键模块；数据处理模块采用tms320l2812；输入模块与探测器电气连接，输入数字图像或二维码信号；输入模块与传感器电气连接，输入压力信号；输出模块与电机、气泵、伸缩杆电气连接，输出控制信号；通信模块与erp库存管理模块电气连接。
实施例3
一种智能进出库货物扫描记录装置，如图2、3所示，包括外壳1、传送带2、3、气泵4、伸缩杆5、探测器6、控制器7、传感器8、电机9，外壳的正面和背面分别设有进料口和出料口，外壳的左端和右端分别设有电机，外壳的顶部固定有气泵，外壳的外表面固定有控制器。
时间段趋势判断方法：影响部件是否能及时供货的一个判断条件是收发货之间所需的天数，分为6个分时间段，0-3，4-7，8-10，11-15，16-30，>30天；分别利用回归算法，将各时间段的趋势与总趋势进行计算，判断出对总趋势影响最大的时间段。
供货商趋势判断方法：影响部件是否能及时供货的另一个判断条件是各供货商，利用回归算法，在总时间段，以及6个分时间段，分别将各供货商的趋势与总趋势进行回归计算，判断出各时间段内各供货商对总趋势影响最大的供货商。
部件趋势判断方法：对各部件供货趋势状态进行汇总，找出影响部件供货的原因，包括时间段和供货商两个因素。
部件缺货预测方法：对缺货部件进行库存管理的数据分析，找出导致部件缺货的原因，包括订单量、物流量、入库量、出库量四个因素。
由于库存数据单位不一，而所要预测的系统非线性，初始值设定可能影响到人工智能学习速度、结构复杂性和精度，所以必须对样本进行归一化处理，即通过线性变化将输入数据转换成[0，1]之间的数据，常用变换函数是sigmoid{}。此处采用bp神经网络学习算法，随机选择20组数据样本作为训练样本，剩余10组数据样本作为测试样本，对实际安全库存进行预测对比，结果如图1所示，2次迭代之后进入目标精度。
以上描述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。