5 联名事件库与首配二配
全文共 4183 字,阅读约需 9 分钟
5 联名事件库与首配二配:本课把白皮书中的温度动态货架期、鞋服贝叶斯测款与生命周期追单、VMI协同、生鲜小时缺货和联名首二配补成完整小实验。读者只需会百分比、乘除、比较大小和按时间记账。先用本文数字手算,再运行同目录项目包,最后故意修改输入,看结论是否随约束改变。
课程目录与学习记录 0 / 109
学习进度仅存于本机浏览器。原教程站的记录不会跨域自动迁移;可先在原站导出留存,新站按实际完成情况重新勾选。
入门数据与作业包
禾味数据为 2 店 × 8 SKU × 180 天,共 2,880 行,是可见教学数据,不是封存盲测集。起步包是模拟夹具,不表示已完成六行业预测实验。资源中心另有四专项工程、模型实验和计划实验,使用前请阅读各自能力边界。
R3模拟教学实验,16份CSV/149行。下载行业机制扩展 R3。温度风险不授权延长标签效期;缺货需求不可直接观测;VMI实物账与当时可见信息分开。程序结果不是自动补货、食品放行或实际收益证据。
共同运行与验收方法
行业缺口补课与五个可复算实验
本课把白皮书中的温度动态货架期、鞋服贝叶斯测款与生命周期追单、VMI协同、生鲜小时缺货和联名首二配补成完整小实验。读者只需会百分比、乘除、比较大小和按时间记账。先用本文数字手算,再运行同目录项目包,最后故意修改输入,看结论是否随约束改变。
所有企业、日期、温度、数量、参数和历史活动均为独立模拟。它们不是食品安全验证数据、真实商业预测或收益证据。脚本仅在本地读写CSV/JSON,不登录业务系统、不发采购单、不改标签效期、不放行食品、不调价或配送。
阅读顺序:小时销量与不可观测需求 → 温度累计与批次 → 测款概率与生命周期 → VMI物理账 → 联名分配。每节约60—90分钟:15分钟读题,20分钟手算,25分钟运行与改参,15分钟写清边界。不要先背模型名。
配套包为 forecast-industry-expanded-r3.zip。第三版补强小时完整性、实物与信息分账、主键/外键与活动时钟校验。解压后在包内依次执行:
python generate_data.py
python run_labs.py
python -m unittest -v test_labs仅需Python
3.10或更新版本的标准库。生成器会重建data中的原始模拟输入,因此想保留改参实验时先复制目录。run_labs.py始终从CSV重新算,数值不从固定答案抄回。参考结果在outputs/results.json,异常测试记录在outputs/test_report.txt。建议把原始版与改参版分别输出到不同目录:python run_labs.py --data data --out outputs/my_run。
本课覆盖白皮书§3.1的小时断货/清仓与温度轨迹、§3.2的测款/生命周期/返单、第二部分制造业VMI、§3.4的联名首二配。它不替代多级库存优化、两阶段面料、尺码纠偏、多层BOM、完整APS等其他课程,也不把这五个项目宣称为整本白皮书所有内容都已验收。
6 完成标准与如何使用项目包
每节都要交四件东西:原始输入、逐符号手算、程序结果、假设和失败情景。脚本跑通不代表理解;会手算也不代表已验证模型有真实预测能力。
data内有16个CSV与config.json;输入记录共149行,不计表头和JSON。精确文件行数/字段见包内DATA_DICTIONARY.md与MANIFEST.json。outputs包含完整JSON、两份VMI逐事件账、小时估计、联名分配和测试记录。模拟真值文件只用于评分/回放,绝不能作为决策时点已知特征。
第三版55项正常路径和异常路径均由test_labs.py执行,包含独立审查发现问题的回归:温度缺测/晚到/标签截止;漏斗分母/无数据/季末到货;VMI延误/晚通知/守恒/待检;小时样本缺失/PV误用;联名晚到核销/重复事件/运力改变/非法时段份额。还共同拒绝NaN和无穷大。
课程采用的是可解释的最小模型,不要求每个领域都训练复杂网络。以后增加树模型、温度非线性模型或联合优化,仍必须保留这里的时点、单位、口径与库存账。任何“精度提高”“更安全”“利润改善”都需要另外设计真实数据验证或授权试验;本包不给这类外推结论。
概念出处:用户上传《供应链预测与计划全景白皮书》的行业场景。原文未核实的收益比例没有转写为事实。Beta—二项共轭、区间累计和库存收支式是本课明确给定模型的数学推导;所有具体参数及数值由本包模拟生成。范围索引:C01/C02小时缺货与清仓、C04温度累计、B02/C08测款到返单、B05的VMI子机制、C14联名首二配。
5 联名事件库与首配二配
5.1 首日倍数是有条件类比
本例一次模拟饮品联名,每杯消耗1个专用杯套,门店不能用不同杯套替代。活动前07:00制定首配,11:00依据截至11:00已到达的核销作二配草稿,second_delivery_at明确为12:00。决策必须早于该收货时点;11:10补到迟报仍可重算,12:00或13:00再决策则拒绝,不能把配送倒填到过去。
四个模拟历史活动都已结束,资料/结果在本次首配前已知。权重由活动前规则冻结,不利用本次活动结果回调。
| 旧活动 | 常态首日杯量 | 联名首日杯量 | 倍数 | 预设权重 |
|---|---|---|---|---|
| E1 | 100 | 200 | 2 | 0.4 |
| E2 | 100 | 300 | 3 | 0.3 |
| E3 | 200 | 400 | 2 | 0.2 |
| E4 | 100 | 100 | 1 | 0.1 |
加权倍数M=2×0.4+3×0.3+2×0.2+1×0.1=2.2。权重和为1。门店A/B/C常态100/80/60杯,首日情景为220/176/132杯,总528杯。倍数只是类比模型,不是品牌真实号召力的因果估计。若历史结果尚未发布,就不能当已完成相似活动使用;脚本不会擅自重新归一化缺失权重来隐去这个问题。
5.2 锁定生产不是已经入库
活动前实物已有200+160=360个杯套。按总需求528,缺168;生产箱规20,需ceil(168÷20)×20=180个。
计划表已有180个锁定生产,当前状态仍in_production,预计次日到。它不能支持今天首配。该180是前期锁产后晚到的模拟情景,不是“锁定等于准时保证”。程序实际输出production_timing_risks,包含原承诺已过但未收货、最新预计晚于活动开场等标记。计划、原预计、最新预计、实收、信息到达时间均解析并核对先后;无时区、乱码时间或先有信息后建立计划的矛盾被拒绝。
重跑补货也不能重复锁180:先用预测528−实物360−已有未结锁产180得到非正净缺口,再按20件整箱取整,新增建议为0。通式为ceil(max(预测−实物−未结锁产,0)÷生产箱规)×生产箱规。若在制170,已经覆盖168净缺口,新增仍0;若在制160,净缺8,再向上取整新增20。不能先把168取整180再减170得到非法的10件新订单。交期问题要处理承诺或替代供应,不是再抄一张相同订单。重复安全只在本例单个活动包材台账范围内成立,未声称已建生产系统幂等接口。
5.3 首配同时受门店与中央限制
首配比例暂设为预测的50%,配送箱规10。A/B/C各自首配上限100/90/60个。首配先取“预测×0.5”和门店上限较小值,再向下取整箱,避免超过上限:
- A:min(220×0.5,100)=100,首配100。
- B:min(176×0.5,90)=88,向下整箱80。
- C:min(132×0.5,60)=60,首配60。
合计240;中央360−240=120。首配要求至少留80做后续调节,所以总预算280,此方案可行。若门店请求之和超过中央预算,代码先按整箱比例分配,剩余箱按小数余量由大到小补,平手按门店ID;每个门店不超过请求量。不是“谁喊得最响就配谁”。
5.4 核销有事件时点也有到达时点
本次活动起点明确为第10日08:00,核销事件必须落在该时点至第10日11:00的窗口,前一天发生的核销不属于本次。活动/包材/核销ID都必须唯一,复制已收货lot不会凭空增加实物。配送与生产箱规必须是正整数,不能发出2.5个杯套一箱。
截至11:00已到达的核销为A70、B30、C40杯。A另有5杯在10:57发生,但11:10才上传。这5杯不允许进入11:00决策。
这意味着11:00系统只能给出“已知事件账上的库存”,不能认证此刻物理库存完全准确。A账存100−70=30,但如果迟报5杯之外没有其他差异,实际可能是25。二配输出始终是draft_requires_stock_confirmation,不据不完整核销自动下发配送。
截至11:00通常占全天40%是假设,来源应是同类活动的历史时段分布;本例预先给定。记s为已知核销杯数,h=0.4为累计时段份额。全天更新情景D̂=s÷h:
A70÷0.4=175;B30÷0.4=75;C40÷0.4=100。剩余情景分别105、45、60。
若发生排队、售罄、限购或首配影响了已核销量,s÷h也可能偏低。店长抢报200杯不是200杯真实核销,不作为销量输入。脚本以唯一event_id核销事件为来源,复制事件会被拒绝。
5.5 二配要先看到货之前
11:00账存A30/B50/C20。预计11—12时分别再需20/10/15杯,全部不超过账存,因此在这一账面情景下可等到二配;若超出,需先报到货前缺口,不能用12:00补货倒填。
到12:00、二配前的账面库存分别10/40/5。12:00后剩余需求分别85/35/45,所以二配净缺口为75/0/40。
向上整箱后请求80/0/40;A本车最多送60,C最多40,故上限后请求60/0/40。中央有120,需保留20,运输车最多100;可发预算min(120−20,100)=100,二配最终60/0/40,合计100。中央余20。
A仍有75−60=15杯情景缺口,不能因为总量分完就把红灯抹掉。B现存足够,不再配。C正好补40。
仅对已知事件账的守恒:初始360=已知核销140+假定二配收货后门店账存200+中央余20。这里200是“100个11:00门店账存+100个拟二配”,不包括此后实际发生的消费;它是同一截面的计划账,不能与12:00后的已实现销量混加。
真实执行还要分别记中央出库、运输中、门店收货,不能批准时就把中央和门店两端都计为现货。本例输出只做离线分配;跨节点逐事件实物账见上一节VMI,不冒称联名模块已连接配送系统。
5.6 改参练习与验收
- 把车容量100改80,整箱按余量分配。答案:A50、B0、C30,总80,中央余40。需求未满足必须保留。
- 把决策时点改11:10,仍只统计事件时间截至11:00的核销:A晚到5杯进入,累计75,全天情景187.5;账存25,二配仍受60上限,A剩余情景缺口增至27.5。输出变化说明系统没有偷偷使用未来。
- 复制核销事件,或者把h改0/1.2:拒绝计算。0分母或超过100%的累计份额都不能产生建议。
- 把生产中的180当作入库加进360,是错误路径。答案应坚持物理可用360、在制180分列。
提交四活动类比表、首配表、11:00时点核销清单、到货前后时间线、二配约束、守恒等式,以及至少两条失败测试。正常答案为倍数2.2、首日528、首配240、二配100、中央余20。所有结果都是本例参数下的草稿,不是承诺真实活动能提升销量、减少缺货或提高利润。
仅保存在本机当前浏览器,无账号云同步;清除浏览器数据会丢失。不自动认定你通过测试。建议先保留输出文件和计算过程。
所有数据、系数与业务场景均为教学模拟。预测不等于采购或排产指令。来源与修订说明。