从感知到模拟反馈的四层合同
全文共 2866 字,阅读约需 6 分钟
从感知到模拟反馈的四层合同:这套补课把同一瓶合成的柠檬茶,从销售记录、订单、仓库、工厂、物料清单一直追到预测、建议单、审批和模拟反馈。读者只需会四则运算、百分数和平方根。每章先手算,再运行程序,最后故意破坏一个输入,看系统有没有拒绝错误。
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。
新增离线教学实验,非生产流程。下载核心12章实验包。core-13已新增有限预售/PO/STO/WO联合实验;通用跨期联合优化未实现,审批、回写和执行仅在本地模拟。
共同运行方法与边界
从数据到离线决策的十二个补充实验
这套补课把同一瓶合成的柠檬茶,从销售记录、订单、仓库、工厂、物料清单一直追到预测、建议单、审批和模拟反馈。读者只需会四则运算、百分数和平方根。每章先手算,再运行程序,最后故意破坏一个输入,看系统有没有拒绝错误。
所有商品、销量、价格、人物角色和指标都是合成数据。所有订单、价格、曝光与反馈都只写入本地模拟账本。没有真实采购、调拨、制造、营销、食品放行或对外发送。 这些实验展示机制,不能作为生产就绪、真实收益、质量安全认证或完整企业系统的证明。
主商品是 SPU TEA 下的 SKU T-L(500 ml
柠檬茶一瓶)。另一 SKU T-P 只在流量实验作为桃茶对照。SKU
是可独立计数的商品,SPU 是产品家族。这里“一瓶”记作 ea;6
瓶为一箱。原料有糖浆 R-SYRUP、包装膜 R-FILM
和空瓶 R-BOTTLE。
统一决策时点为 2026-06-15 08:00 UTC,主要计划到货日为
06-17。event_date 是业务发生日期;target_date
是记录适用的预测/计划日期;known_at
是我们最早能使用这条记录的时间。三个字段不能互换。
阅读与运行
解压 forecast-core-gap-labs.zip,进入包目录,用 Python
3.10 或更高版本运行:
python core_lab.py --self-test只依赖 Python 标准库,不需要联网、账号、密钥或安装第三方包。程序读取
data/ 下的 CSV/JSON,输出
output/report.json、policy_daily.csv、orders.csv、approval_audit.csv
和 four_dimensions.csv。正常运行不会重建输入,所以修改 CSV
后能观察结果变化。--generate-fixtures
会明确重建合成输入,只在想恢复初始数据时使用。非法选项退出码为
2,不能当作实验通过。
所有练习修改都应在复制出来的实验目录做。--self-test
包含初始数据的标准答案断言,修改数据后这些断言可能失败,这正是需要解释的差异。想只计算修改后的输入,用
python core_lab.py --output-dir output_changed。不要为了得到“全部通过”而把错误答案写进断言。
预期阅读顺序:业务限制 → 主数据 → 可得时点 → 四层链路 → 补货算式 → 预售与来源分配 → 状态机 → 库存差异 → 采纳 → 三指标 → 流量 → 事件联动。每章的需求编号用于追溯原范围,不代表该范围已由独立审查判定完整。
core-04 从感知到模拟反馈的四层合同
覆盖 A02。目标是能沿着一张建议单找回全部输入,不把预测当作已下单。
1 四层分别回答什么
|层|输入|输出|不允许混淆的边界| |感知|POS事件、OMS订单、WMS盘点/在途、MES产能、BOM及外部快照|统一单位且带cutoff的数据包|实盘数量不等于可售数量| |预测|可得POS历史、星期系数、已知情景|F08:未来三天117、117、156瓶|预测销量不等于采购量| |计划|预测、SS、库存位置、箱规、来源/材料/产能|补210瓶;候选PO60、STO60、WO90|成本最低候选不等于批准| |模拟执行与反馈|版本锁定且批准的候选|MOCK_ACCEPTED、部分到货、完成、本地守恒账|模拟回执不等于真实系统执行|
完整 asof_bundle
汇集POS、OMS、WMS、MES、天气、竞价、IoT及BOM,摘要只覆盖此数据包;pipeline.input_hash
还覆盖配置参数(含z、箱规与MOQ)和可见快照;plan_input_hash
再覆盖BOM、MES产能、库存及主数据,并进入单据批准详情。input_file_hashes
保存所有CSV/JSON的文件哈希。每一层的真实接口至少应保存:sku、位置、基础单位、目标日期、cutoff、版本、来源业务键、数量、状态、计算方法和输入哈希。上一层升级版本时,下一层不能继续声称自己基于“最新数据”,必须明确采用哪个版本。
2 从需求到物料的具体数值
- POS只预测散客渠道三天390瓶,不含OMS独立渠道的30瓶。
- WMS可售180瓶,确定在途60瓶。先为OMS保留30瓶,剩余库存位置180+60−30=210瓶。
- 加入POS误差缓冲28.5788瓶,目标为390+28.5788=418.5788瓶。
- 净缺418.5788−210=208.5788瓶,按6瓶/箱向上取整得到210瓶。
- 三来源小规模枚举选PO60、STO60、WO90。WO90对应糖浆18kg、膜22.5m、空瓶90个。
- 日级可行性另外检查:原在途60瓶约定06-16开门前可用,新210瓶约定06-17开门前可用,OMS30瓶约定06-17交付。06-15结余180−117=63;06-16结余63+60−117=6;06-17结余6+210−156−30=30。三个日末都非负。若把原在途推迟到06-17,06-16会缺54瓶,程序输出BLOCKED_DAILY_SHORTAGE且不模拟派发。
- 本地收货账只演示新单的增量、尚未扣除未来销量,它使本仓可售从180增加到390瓶;这是新三张单的210瓶到齐。原有在途60瓶仍单列,不能因发送建议就提前入库。若它也按约到齐,预计实物450瓶;保留OMS30瓶后420瓶,略高于POS目标418.5788。
日级投影见
calendar_check,到货/预留日偏移见config;它只验证这三天给定计划,并未求解一般多期排程。这里每次相加都在“瓶”这一单位下。18kg糖浆不能直接加进成品390瓶中。
3 审批与回写怎样追溯
orders.csv
的三条单据都有cutoff=08:00、forecast_version=F08、bom_version=B1。模拟适配器收到批准单时只登记
MOCK_ACCEPTED_NO_PHYSICAL_ACTION。真正改变模拟库存的是之后的唯一反馈事件。PO60先收到36,状态为部分到货,再收到24,才完成。
回写不是修改原始预测,而是在单据、反馈和库存之间建立引用:哪条建议、哪次审批、哪个回执、多少瓶发生了变化。重放同一个回执,不得再加一遍库存。
4 项目和答案
运行 python core_lab.py --self-test,打开
orders.csv 与
approval_audit.csv。用计算器验算:180+60+60+90=390;远仓84−60=24;糖浆20−18=2kg;膜24−22.5=1.5m;空瓶100−90=10个。三类单数量合计210,来源成本467元。
练习:有人说“程序运行后库存450,所以确实采购成功了”。答案:错误。390是本地新单的模拟入库,450还假设原在途60按约到达;没有任何真实系统被调用。
故障注入:删除某张单的批准,尝试发送,应失败;重复反馈36瓶,应仍只增加36而不是72;把F11的新数量塞进F08的批准,哈希不匹配,应重新审批。
边界: 已建立一条离线端到端证据链。没有POS/ERP/WMS/MES真实连接器、正式凭证、真实账户权限或分布式事务保障。日级投影假定按期到货,不保证随机延迟下仍可行。
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。