本文目录
库存回放:同一需求下,两种补货策略如何取舍
全文共 5781 字,阅读约需 12 分钟
用禾味与匿名服装模拟案例,在28天验证段比较固定批量与周期补货,逐日核验库存守恒、未来信息边界和尾单,再冻结参数供D20测试。

禾味采购想减少下单次数,门店希望每天都有货。匿名服装企业的销售希望少漏单,仓库却看到月底剩下了一大批成品。只报“满足率提高了”,回答不了这些人各自面对的问题。
D16讲了固定批量,D17讲了定期补至目标,D18拆开了安全库存与服务水平。今天把两种策略放回同一条需求路径,逐日记账,先检查比较是否公平,再按写好的规则挑参数,最后冻结。
这篇交付开发验证结果。D20才执行冻结后的测试,今天不提前打开测试标签。
一 先把比较的起点摆平
本文的企业、门店、需求、日期、参数和订单全部为教学模拟,不对应真实客户、项目规则或经营收益。 禾味是虚构的2店、8个食材SKU连锁,本篇只计算A店SKU01,单位为公斤;另外15条店×SKU组合没有生成或评估。匿名服装案例只计算一个成品库存节点,单位为件,不把面料米数、裁片数或工单产量混进来。
两案沿用D13实践包的两份140行开发CSV,来源与哈希保存在包内。完整计划仍为180天:1—112天训练,113—140天验证,141—180天留待D20。验证对应2026年7月27日至8月23日。这里不读取D9的sealed,不重跑其原测试结果。
这段验证数据已经在前几篇公开使用,D9也曾公布原测试段汇总,因此不能把今天的验证或明天的延续实验包装为一份全新盲测。今天能解决的是时序、复算和规则冻结,不能抹去历史上的信息暴露。
公平比较至少固定四件事:
- 需求路径相同。 每个案例的九组候选面对同样28天原始需求。
- 初始状态相同。 禾味现存78公斤、服装316件,初始在途均为空。初始现存为训练日均需求乘3后向上取整,不按某个候选的表现另给库存。
- 信息与预测器相同。 固定使用周期7的季节性朴素法,以当日已经观察到的原始需求更新,不能把某个策略造成的实际销量反馈给预测器。
- 时间与统计窗口相同。 都从第113日初开始,到第140日末结束,28天全部计分,不临时删掉表现差的启动日。
这里假设当天原始需求在日末完整可见。现实中缺货会截断销量,需求记录还可能延迟;若拿不到未满足需求,就必须先解决D13讨论的观测问题,不能直接把这个模拟器接到销量表上。
二 把一天拆开,先让七天的账对上
统一顺序为:日初到货 → 当日需求与履约 → 日末复核下单。 L表示下单后的完整等待日数。t日末下单,t+L+1日初到货;L=2时,第2日末下的单第5日初才能用。
本篇使用失销模型。需求没被即时满足,缺口当天离开,不进入欠交队列。设OH为现存、OO为有效在途,日末复核前的库存位置IP=OH+OO。每一步只需要加减和取较小值:
当天可用 = 期初现存 + 当天到货
履约量 = min(当天可用, 原始需求)
失销量 = 原始需求 − 履约量
期末现存 = 期初现存 + 到货 − 履约量
期末在途 = 期初在途 + 新订单 − 到货订单下达时只增加在途,不增加现货。失销也不能先从需求扣一次,再作为欠交从IP扣一次。
先看一条与主验证独立的禾味七日教学路径:需求为7、9、8、4、5、6、3公斤。初始现存12公斤,另有8公斤第2日初到货。每日复核,固定阈值s=10、批量Q=6,IP≤10时订一次6公斤;不是不断补单直到IP大于s。
| 日 | 期初现存 | 到货 | 需求 | 履约 | 失销 | 期末现存 | 下单 | 期末在途 |
|---|---|---|---|---|---|---|---|---|
| 1 | 12 | 0 | 7 | 7 | 0 | 5 | 0 | 8 |
| 2 | 5 | 8 | 9 | 9 | 0 | 4 | 6 | 6 |
| 3 | 4 | 0 | 8 | 4 | 4 | 0 | 6 | 12 |
| 4 | 0 | 0 | 4 | 0 | 4 | 0 | 0 | 12 |
| 5 | 0 | 6 | 5 | 5 | 0 | 1 | 6 | 12 |
| 6 | 1 | 6 | 6 | 6 | 0 | 1 | 6 | 12 |
| 7 | 1 | 0 | 3 | 1 | 2 | 0 | 0 | 12 |
第3日只剩4公斤,面对8公斤需求,履约4、失销4。日末OH=0、OO=6,所以IP=6,再订6。第4日虽然仍缺货,已有12在途,IP高于10,当天不再订。这个结果不一定令人满意,但它忠实执行了事前规则,不能看到缺货就悄悄加紧急单。
七天合计需求42、履约32、失销10,现存守恒为12+20-32=0。在途守恒为8+24-20=12;这12公斤在第8、9日分别到货,不能因为表格到第7日结束就删除。实践包还保留两案、两策略共四份独立七日手算核对,不用它们选参数。
三 参数不多,也要先写清它保护哪几天
主验证的阈值随预测更新,不再使用七日手算里的常数10和20。冻结的是预测规则、误差尺度和参数,不是让未来每一天都套同一个需求总量。
每日固定批量:检查s,触发后只订一个Q
每天日末计算未来三天的预测合计,加一份缓冲,再向上取整:
s(t) = ceil[未来3天预测合计 + z × scale3]
若 IP(t) ≤ s(t),订货量 q(t) = Q;否则 q(t) = 0ceil表示向上取到整数,例如51.2变成52。这里每日只复核一次,不是库存每动一下就能立刻补货的连续监控。若t日末未触发,要等到t+1日末再次决策,届时新单在t+4日初才到,所以阈值采用L+1=3天的离散复核保护长度。这个结构不是对所有(s,Q)系统通用的最优订货点公式。
周期补至目标:先过复核日这道门
固定R=3,在第113、116、119……140日末复核。其他日即使IP很低,也不临时下单。复核时:
S(t) = ceil[未来5天预测合计 + z × scale5]
q(t) = max[0, S(t) − IP(t)]本次订单t+3日初到,下一次复核在t+3日末,下一次订单t+6日初才到。站在t日末,目标要覆盖t+1到t+5这五天,所以保护期为R+L=5。不能只算两天,也不能把下一批已可用的t+6再重复算进去。
两类策略的预测都来自最近已观察的七天。以未来五天为例,在同一日末一次性发出五个数,中间不偷用随后到达的新观测。第二天可以发布新版本,但不能倒改昨天已经下的单。
缓冲尺度只从训练段计算
对训练段内每个起点,先预测未来H天,再用这H天实际合计减预测合计,得到累计误差E。把所有E平方,求平均,再开平方,就是本篇的scaleH:
E(t,H) = 未来H天实际合计 − 当时发出的H天预测合计
scaleH = √[(E1² + E2² + … + En²) / n]例如两次累计误差为−3和4,尺度为√[(9+16)÷2]≈3.54。这叫累计误差的均方根RMS,包含偏差,不是去掉均值后的样本标准差。z=0、1、2在这里仅表示不加、加一份、加两份训练误差尺度,不能直接翻译成95%或其他正态服务保证。
训练起点从第7日末开始。H=3时最晚起点109,共103个窗口;H=5时最晚107,共101个窗口。所有实际目标都在第112日及以前,重叠窗口也不当作独立样本。
禾味的scale3≈5.1436公斤、scale5≈6.5688公斤,累计误差均值分别约0.1650、0.3168公斤。服装分别为5.6706、7.7511件,误差均值为1.3592、2.3366件。正均值表示训练里总体偏低估。这里不声称加缓冲就消除了偏差,尤其不能保证训练期的小波动能覆盖验证期的突增。
每案每日策略只有2个Q×3个z,共6组;周期策略固定R=3,仅3个z,共3组。Q按训练日均的2倍、4倍向上取整:禾味52、103公斤;服装211、422件。公斤整单位也是本次沙盘的精度约定,不是企业采购包装或MOQ。
四 排名之前,先决定怎样比较
候选与排序规则写入protocol.json。每个案例、每类策略分别保留一组配置,顺序是:
- 全28天失销合计少的在前。
- 失销相同,比较28个日末现存的平均值,较小的在前。
- 再相同,非零订单次数较少的在前。
- 仍相同,以参数JSON的固定字典序打破平局。
这是一个明确的教学偏好:先少失销,再少占用现货。没有货值、持有成本、下单成本和失销损失,不能称为经济最优。若业务愿意容忍一定缺口换取更低库存,应重新制定开发实验,而不是看完这张表临时改“冠军”的标准。
平均库存使用日末现存之和÷28,是一个离散时点指标,不是日内时间加权库存,也不含在途。数量满足率=全28天履约合计÷原始需求合计;总需求为0时为N/A。订单次数只数q>0,不把“打开了复核窗口但没下单”算成一单。本篇不计算周期服务概率,更不把需求满足率或预测误差改名为服务概率。
五 禾味:少下四次单,够不够成为采购理由
九组候选全部公开。表中“日”表示每日固定批量,“周”表示每3天补至目标;数量单位均为公斤,平均值四舍五入至两位,排名使用未舍入值。
| 策略 | z | 失销 | 平均日末现存 | 订单次数 | 末现存 | 末在途 |
|---|---|---|---|---|---|---|
| 日 / Q52 | 0 | 4 | 24.64 | 14 | 20 | 52 |
| 日 / Q103 | 0 | 0 | 53.00 | 8 | 61 | 103 |
| 日 / Q52 | 1 | 0 | 34.07 | 14 | 16 | 52 |
| 日 / Q103 | 1 | 0 | 60.36 | 8 | 61 | 103 |
| 日 / Q52 | 2 | 0 | 35.93 | 15 | 16 | 104 |
| 日 / Q103 | 2 | 0 | 60.36 | 8 | 61 | 103 |
| 周 / R3 | 0 | 12 | 29.14 | 10 | 44 | 72 |
| 周 / R3 | 1 | 0 | 34.11 | 10 | 45 | 78 |
| 周 / R3 | 2 | 0 | 40.36 | 10 | 52 | 78 |
按既定规则,每日策略留下Q=52、z=1;周期策略留下R=3、z=1。两者28天需求都是738公斤,失销都是0。平均日末现存分别为34.0714和34.1071公斤,差约0.036公斤,小到不应被包装成显著业务优势;订单次数分别14和10。
周期策略少下4次单,却不能直接写“节省4次配送费”。订单可能合并配送,合同可能按车、按重或按批收费,本篇都没有这些信息。两者末现存分别16和45公斤,在途52和78公斤,也提醒我们:相同平均现存,不代表期末承诺和下一段状态相同。
每日策略守恒为78+676-738=16,在途为0+728-676=52;周期策略为78+705-738=45,在途为0+783-705=78。把尾单扔掉,既破坏守恒,也会使某些参数看上去少订了货。
禾味的生鲜场景还应关心保质期、批次、报损和配送容量。但本篇不加这些功能,表中的库存无法直接换算成可销售库存天数或节约金额。
六 匿名服装:小网格里最靠前,也可能仍然缺货
服装协同里,同一批成品可能同时出现在采购单、外协回货和验收记录中。业务接口应先按供给去重,明确验收完成才进入可用现存,未到的有效供给才进入在途。今天的模拟器假设这一步已经做好,并没有从真实系统抽取或清洗订单。
服装九组候选的需求均为3374件,初始现存均316件、在途均0:
| 策略 | z | 失销 | 平均日末现存 | 订单次数 | 末现存 | 末在途 |
|---|---|---|---|---|---|---|
| 日 / Q211 | 0 | 180 | 114.68 | 15 | 76 | 211 |
| 日 / Q422 | 0 | 60 | 225.96 | 8 | 378 | 0 |
| 日 / Q211 | 1 | 180 | 114.68 | 16 | 76 | 422 |
| 日 / Q422 | 1 | 60 | 225.96 | 8 | 378 | 0 |
| 日 / Q211 | 2 | 180 | 129.75 | 16 | 76 | 422 |
| 日 / Q422 | 2 | 60 | 225.96 | 8 | 378 | 0 |
| 周 / R3 | 0 | 283 | 169.54 | 10 | 193 | 303 |
| 周 / R3 | 1 | 268 | 174.54 | 10 | 201 | 303 |
| 周 / R3 | 2 | 260 | 180.54 | 10 | 209 | 303 |
每日策略的Q=422三档z结果相同,按固定平局规则留下z=0;周期策略留下z=2。每日策略失销60件、平均日末现存225.9643件;周期策略失销260件、平均180.5357件。对应数量满足率约98.22%与92.29%。
这组结果把取舍摆得很清楚:每日大批量在这条模拟路径上少失销200件,却多占用约45.43件平均日末现存。不是“每天检查”本身就有这种固定收益,批量、复核节奏、预测和需求路径共同决定了轨迹。每类策略内选一组,也没有证明这两组位于所有可能策略的最优边界。
周期策略的z从0加到2,失销从283降到260,并没有消失。训练尺度较小,验证路径有训练期没有覆盖好的突增,继续在相同验证段扩大参数搜索,会逐渐把它用成调参材料。今天按小网格停止,把缺口如实留在结果里。
服装末现存分别378与209件、末在途0与303件。每日组316+3376-3314=378;周期组316+3007-3114=209,在途0+3310-3007=303。库存位置和现货不能混成同一列,再凭一项低就宣布策略更好。
这里仍使用失销,不表示真实服装合同允许订单直接消失。若必须延期交付,需要改成欠交模型,约定旧欠交与新订单的优先级,并重做指标。本篇没有BOM、齐套、工序能力、良率或换线模型,不能推导排产收益。
七 冻结的是完整实验,不只是四个参数
本次冻结四份配置:禾味每日Q52/z1、周期R3/z1;服装每日Q422/z0、周期R3/z2。除了这些数,还保存预测器、训练尺度、取整、L、复核相位、失销口径、初始现存与在途、输入哈希和程序哈希。
冻结发生在开发验证排名之后。初版曾拟在第141—152日运行库存热身。首轮D19验证结果出来后,制作审查改为直接从最后28天同态起跑,因此当前明确标识为v2,保留修订说明,不能声称整份现行协议在首次验证前已经冻结。D19候选、排序和所有数值结果不变,修订后重新冻结核验。D20计划明确为:库存直接从第153日初开始,以冻结的78公斤或316件现存、空在途重置;第153—180日全28天计分,不加库存热身,也不沿用验证末库存。 两策略在各自案例仍使用同一初态。周期复核固定153、156……180,不按需求高低移动。
预测测试仍覆盖141—180完整40天。到了D20,第153日的预测可以使用当时已观察的第141—152日原始需求,但今天不读取它们,也不预先运行库存。参数与训练误差尺度不再重估,只允许按冻结预测规则加入已经到达的需求观测。
5天评价窗口不能跨分块:验证段起点112—135,对应113—117到136—140,共24个;未来完整40天预测测试起点140—175,共36个。“评价窗口不跨块”约束的是要读取实际标签来评分的窗口。 第140日末仍可以按已知历史预测141—145并下单,订单留在期末在途;这不等于读取141—145的实际需求,也不把它们纳入D19评分。
回执用于检出内容漂移,不是不可篡改的第三方时间证明。若审查后改代码或规则,必须说明修订并生成对应版本,再核验结果,不能用后来生成的哈希冒充更早的事前登记。D20若表现不理想,先报告原配置的结果;改参数就另开实验,不继续宣称同一次冻结测试。
八 下载后,先尝试把它算错
下载D19库存验证实践包,使用Python 3.10或以上,在解压目录运行:
python -m unittest -v
python run.py计算只用标准库,按脚本所在目录查找数据。包内保留两案140行开发CSV、协议、训练窗口明细、全部候选、逐日台账、订单事件、期末在途、七日手算、验证汇总与冻结配置;不包含测试段。重复运行应重现同样结果,不能静默把漂移后的文件重新登记为“原冻结版”。
对抗检查重点是六组问题:
- 守恒攻击: 每日需求是否等于履约加失销?现存、在途是否分别守恒,且从不为负?
- 时间攻击: 到货有没有提前一天或重复入账?L=0是否仍是次日初到货?下单是否错误增加当天现货?
- 信息攻击: 改变未来需求,是否改变此前订单?改变某策略初始库存和销量,是否污染公共预测?
- 边界攻击: 零需求、非法数量、重复在途ID、已经过期的初始到货日是否被正确处理或拒绝?
- 比较攻击: 是否遗漏差参数、移动复核日、给某组更多起始库存,或先四舍五入再排名?
- 交付攻击: 尾单有没有保留?解压后能否独立运行?正文表格、CSV与冻结配置是否一致?
另附文章Markdown与配图、黑白配图与独立重绘工具。封面为900×383,正文图按原比例保留,重绘工具与280/350宽预览一并提供。
今日证据卡: 两案在同一初态、同一需求与预测规则下完成28天验证。禾味两策略均无失销,平均现存接近、订单14次与10次;服装每日大批量少失销但平均现存更高。四份配置连同时间约定与尾单已冻结,所有数量均为模拟,D20测试尚未运行,不据此承诺真实收益。
下一步不是把结果写得更漂亮,而是保持这份配置不动,让后续数据来检验它。


