网站导航

把预售与三来源一起优化

全文共 6674 字,阅读约需 14 分钟

把预售与三来源一起优化:本章补上 A07 剩余的一步:在同一个成本目标中,同时决定预售风险要覆盖到什么程度,以及PO采购、STO调拨、WO生产分别做多少。三种来源、BOM材料、产能、库存、每天的到货时间和三种预售情景一起参与求解,不能先把两个单独最优答案拼起来。

← 学习路线
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。

有限联合教学模型:单SKU、三天、三个预售净留存情景,联合PO/STO/WO整数决策。下载联合预售实验。不连接生产,未实现通用多SKU、多工序、随机交期、多阶段APS/MRP/MEIO。

预售留存与采购 调拨 生产的共同决策

本章补上 A07 剩余的一步:在同一个成本目标中,同时决定预售风险要覆盖到什么程度,以及PO采购、STO调拨、WO生产分别做多少。三种来源、BOM材料、产能、库存、每天的到货时间和三种预售情景一起参与求解,不能先把两个单独最优答案拼起来。

面向已会四则运算、百分数和简单不等式的高中读者。完成本章后,你应能手算最优方案的一条情景、解释为何另一方案更贵,并用程序验证全部有限候选。

全部数据为合成数据;没有真实订单、采购、调拨、生产、营销或外部执行。 “最优”只指本章明示的一个商品、三天、三种情景、固定到货日、整箱数量的有限模型,不是通用或生产就绪MRP/APS/MEIO求解器。真实销售、食品质量及企业收益均未由此验证。

1 运行与文件

解压 forecast-joint-presale-lab.zip,进入目录,使用Python 3.10以上版本:

python joint_lab.py --self-test

只用Python标准库,无需联网或账号。joint_lab.py是本章入口;base_core.py保留前章的输入规范化、as-of、WMA、BOM等函数,作为依赖,不需要另运行它。新入口直接读取当前 data/ 文件,不重新生成输入。

  • output/report.json:输入合同、共同最优、硬服务、分开求解对照、九个扰动情景、输入哈希。
  • output/all_candidates.csv:默认模型全部3520个有限可行候选及其成本,按成本排序。
  • output/scenario_calendar.csv:最优方案在三个情景下的九条逐日库存记录。
  • data/joint_sources.csv:三个来源的数量上限、每瓶成本、固定启用费、MOQ、到货日、单位、可得时间。
  • data/joint_config.json:日收货容量、仓容、成本系数、预售交付日及模型范围。

改输入前复制一份目录;用 python joint_lab.py --output-dir changed_output计算修改后的方案。基础答案测试是为了确认初始数据,修改数据后不必强求它仍通过。非法选项退出2,不能当作成功。

2 沿用什么 明确改变什么

仍为SPU TEA下的柠檬茶SKU T-L,1瓶=1 ea,6瓶为一箱。08:00决策只使用2026-06-15 08:00 UTC以前可得的数据:

  • POS去星期WMA基准130瓶/日,未来三天散客需求117、117、156瓶。
  • OMS独立渠道30瓶,06-17交付;它不在POS预测中。
  • WMS当前可售180瓶;另有60瓶确定在途,于06-16开门前到。
  • 远仓84瓶,至少保留24瓶,最多调60瓶。
  • 截至本计划交付的MES制造上限90瓶。
  • B1每瓶耗糖浆0.2kg、膜0.25m、空瓶1个;可用材料20kg、24m、100个。
  • 新增预售100瓶,低、中、高三情景最后分别留存40、70、90瓶,概率0.2、0.5、0.3,全部06-17交付。

本章把三天POS预测暂时当成确定数,只研究预售留存这一项不确定性。因此共同模型的额外安全库存设为0,不再把前章28.5788瓶POS误差缓冲重复叠加到同一成本优化中。真实POS也有误差,但本章没有同时为它建情景,不能据此取消实际业务的安全库存政策。若在本模型输入非零 minimum_terminal_reserve,程序明确拒绝,不能默默忽略。

为看清共同选择,本章主实验假设06-17收货能力为300瓶,而前章是210瓶。这是明示的新合成场景参数,不是对真实仓库的批准。我们也实际求解容量仍为210和240的对照,不能只挑宽松场景报告。

默认每日收货容量为0、60、300瓶,仓容为300瓶。现有库存不算当天新收货,但占仓容。所有当日到货都假设开门前可用,所有销售都在当天到货后发生。

3 为什么要共同求

先看新增预售:预期留存为

0.2×40 + 0.5×70 + 0.3×90 = 70瓶。

若只考虑缺货每瓶8元、余货每瓶2元,单独为预售选择的对冲量是90瓶。可是备这90瓶也要采购、运输或制造,不能把来源成本当成0。

本章确定基础需求=117+117+156+30=420瓶。现有和确定在途=180+60=240瓶。因此不含新预售的确定性净缺为420−240=180瓶。

分开做法会先取180+90=270瓶,再找最便宜的来源组合。共同做法直接比较所有来源组合在三个留存情景下的全部成本。结果分别是270瓶、687元与252瓶、651元。差36元是在同一套合成输入、同一成本口径下的算法比较,不是实际节约承诺。

4 所有符号和单位

符号意思单位
t天的编号,0=06-15,1=06-16,2=06-17无单位
s预售情景,低/中/高无单位
π_s情景发生概率,0.2/0.5/0.3无单位
N_s情景最终预售留存,40/70/90瓶
p、r、wPO采购量、STO调拨量、WO生产量瓶
c箱规,本例6瓶/箱
Q三个来源合计p+r+w瓶
D_t当日散客预测117/117/156瓶
F_t独立已确认订单0/0/30瓶
B_t现有订单到货0/60/0瓶
A_t现有到货加新计划当日到货瓶
I_(t,s)该情景当天销售后的库存瓶
O_(t,s)该情景当天到货后、销售前库存瓶
U_(t,s)该情景当天未满足需求,视为流失而非欠交瓶
K_t当日收货能力0/60/300瓶/日
V仓库最大容纳量300瓶
Cu、Co每缺一瓶损失8、期末每余一瓶损失2元/瓶
C_source新来源费用,不含初始/既有在途的沉没成本元
J一个共同方案的期望总成本元

π读作“派”,在这里只是概率的符号。期望就是把各情景结果乘概率再相加,不等于某一天必然发生的数量。

5 先写硬约束

5.1 箱规 MOQ和来源上限

p、r、w都是非负的6的整数倍。p要么为0,要么至少12瓶;r、w有启用时至少6瓶。

  • 0 ≤ p ≤ 120。
  • 0 ≤ r ≤ 84−24 = 60,不能把远仓保留量调走。
  • 0 ≤ w ≤ 90,同时受MES与来源参数上界限制。

因此p有0、12、18……120共20种,r有0、6……60共11种,w有0、6……90共16种。总共20×11×16=3520个三元组合。程序实际逐个比较,不是按固定优先级分配后称其最优。

如果某来源的到货日超出这三天,它在本题可选数量只能为0。模型不购买观察窗口以外的未来在途库存,也不给它编造期末残值。修改这种范围需要新的模型,不是把迟到货算成按时到货。

5.2 BOM与材料

0.2w ≤ 20,左边是kg/瓶×瓶=kg。

0.25w ≤ 24,左边是m/瓶×瓶=m。

1w ≤ 100,左边是个/瓶×瓶=个。

生产90瓶耗18kg、22.5m、90个,均可满足。这些材料在决策时点已可用;没有后续原料采购或替代料。MES上限是本有限任务的制造总量约束,不是逐工序排程。

5.3 到货和容量

默认三个新来源均在第2天开门前到:

A_0=0;A_1=60;A_2=p+r+w。

必须满足 A_t ≤ K_t。例如容量240时,Q=252的方案直接不允许进入候选,不能通过事后多记12瓶仓容来修复。

每天到货后还要检查 O_(t,s) ≤ V。收货能力限制“当天能处理多少”,仓容限制“当时能放多少”,是不同的约束。

6 在每个情景逐天守恒

期初 I_(-1,s)=180,所有情景相同。每天依次算:

O_(t,s) = I_(t−1,s) + A_t。

需求_(t,s) = D_t + F_t + N_s×1(t=2)。

销售_(t,s) = min(O_(t,s), 需求_(t,s))。

U_(t,s) = 需求_(t,s) − 销售_(t,s)。

I_(t,s) = O_(t,s) − 销售_(t,s)。

1(t=2)表示“若是第2天取1,否则取0”,所以预售只在其交付日出现。每一天都能反验:到货后库存=当日销售+日末库存。缺货视为当日流失,不会在下一天偷偷再交一次。

前两天还没到预售交付日,所有情景相同:第0天180−117=63;第1天63+60−117=6。若60瓶现有在途改为第2天才到,第1天就有117−63=54瓶缺口。再多订第2天到的货也不能倒流回第1天,因此硬服务模式必定不可行。

7 把来源成本与情景损失写成同一目标

来源成本为:

C_source = 3p + 2r + 12×1(r>0) + 1.5w + 20×1(w>0)。

3、2、1.5的单位是元/瓶;12、20是启用一次的固定费用,单位元。PO本例无额外固定费。已有180瓶和既有在途60瓶的成本对所有新方案相同,此处作为沉没成本不再加,不能在一种方案加、另一种不加。

情景s的损失为:

L_s = 8×Σ_t U_(t,s) + 2×I_(2,s)。

Σ表示把三天相加。缺货损失按三天累计计算;余货损失只对最后一天仍剩的货计算一次。每天都对同一瓶再收2元,会变成另一种模型。

共同目标:

J(p,r,w) = C_source + Σ_s π_s×L_s。

选择满足全部数量、物料、时间和容量约束的同一个(p,r,w),使J最小。三个情景必须共用同一个决策。 08:00不知道最终留存在哪个情景,所以不能“低情景订222,中情景订252,高情景订270”再把它们的成本平均,冒充当天能做的方案。

软服务模式允许U>0,但计入8元/瓶损失;硬服务模式额外要求每个有正概率情景、每一天U=0。两种模式不能混淆,软服务最优不代表保证无缺货。

8 手算共同最优的全部情景

实际枚举得唯一最优:p=102、r=60、w=90,Q=252瓶。

来源费用:

  • PO:102×3=306元。
  • STO:60×2+12=132元。
  • WO:90×1.5+20=155元。
  • 合计306+132+155=593元。

第2天销售前库存=前一天剩6+当日新到252=258瓶。当天基础需求156+30=186瓶。

预售情景概率当天总需求当天缺货期末余量情景损失加来源费后的总成本
低留存400.2186+40=2260258−226=3232×2=64593+64=657
中留存700.5186+70=2560258−256=22×2=4593+4=597
高留存900.3186+90=276276−258=18018×8=144593+144=737

期望损失=0.2×64+0.5×4+0.3×144=12.8+2+43.2=58元。

期望总成本J=593+58=651元。也可直接算0.2×657+0.5×597+0.3×737=651,两个算法必须一致。

期望缺货=0.3×18=5.4瓶;期望期末余量=0.2×32+0.5×2=7.4瓶。这些小数是多次同类情景的平均量,不是实际交付“0.4瓶”。

确定性基础净缺180瓶,所以252−180=72瓶是这个方案额外覆盖预售的数量。预售均值仍然70瓶,不能把预测改成72;多出的2瓶与整箱约束有关。

9 与分开求解及硬服务比较

单独只最小化预售缺货/余货损失得到90瓶对冲,加基础180,Q=270。配最便宜来源为p120、r60、w90:

来源费用=120×3+60×2+12+90×1.5+20=647元。

期末三个情景余量50、20、0,无缺货。期望损失=0.2×50×2+0.5×20×2=40元;期望总成本=647+40=687元。

相比共同方案,多买18瓶使来源费用多54元,只把期望损失从58降到40,少18元。因此净多花54−18=36元。它没有算错单独的对冲题,只是单独目标遗漏了边际来源成本。

硬服务模式要求每个情景都不缺货,必须Q≥180+90=270;所有来源合计最多270,所以只有p120/r60/w90这一个方案可行,成本687。为“保证这三个指定情景都满足”付出的成本差为36元;不能从三个情景推导现实服务率100%。

完全偷看未来的下界会给低/中/高情景分别选222/252/270,成本507/597/647,概率加权594元。651−594=57元是此模型对完美信息价值的上界诊断,不是允许用未来信息的策略,也不是现实中一定愿意支付的费用。

10 完整枚举与最优证据

all_candidates.csv记录每个可行(p,r,w)的来源成本、期望损失和总成本。默认3520个组合全部满足物料/容量条件,没有丢掉中间候选。最便宜的几个方案是:

POSTOWO合计期望总成本
1026090252651
1085490252657
966090246659
1086084252660
1144890252663

可见同样252瓶,也会因来源成本不同而贵;只对总量找最优、忽略来源,仍不完整。独立验收应重写计算并逐行比较3520个成本,而不只是检查第一页恰好出现651。

程序每次输出候选总数、可行数和按原因统计的拒绝数,满足“枚举数=可行数+拒绝数”。某候选可能同时违反多个约束,拒绝统计记录检查到的第一个原因,不是互相独立的所有根因总数。

11 不可行与参数扰动

程序实际求解以下变化,默认数据其余不变:

情景最优PO/STO/WO总量期望成本解释
主场景软服务102/60/90252651共同最优
硬服务120/60/90270687三个情景都满足
收货能力210,软服务60/60/90210787容量少,缺货损失高
收货能力240,软服务90/60/90240677接受一定缺货
收货能力240,硬服务不可行无无最高情景需要270,最多收240
STO延迟到第3天,软服务120/0/90210835迟到调拨不得提前使用
STO延迟到第3天,硬服务不可行无无只剩PO+WO最多210
可用膜24m降为10m120/60/36216838生产量受膜约束,整箱最多36
PO单价3升为5元/瓶96/60/90246851共同最优数量也会改变
现有60瓶在途延迟到第2天,硬服务不可行无无第1天已缺54,后来货不能补过去
高留存概率变0.7,低/中为0.1/0.2120/60/90270665高需求风险更重,最优覆盖更多

不可行时,best为null,状态为 INFEASIBLE_IN_FINITE_GRID,没有“成功下单”或负库存。软服务模式通常仍可找到支付缺货代价的方案,这与硬服务不可行不矛盾。

膜10m的算例:每瓶0.25m,理论最多10÷0.25=40瓶;数量必须为6的倍数,所以最多36。材料够40瓶并不允许开40瓶的工单。

PO变贵的算例:方案96/60/90的来源费用96×5+132+155=767元。三情景期末26、0、0,缺货0、4、24;期望损失0.2×52+0.5×32+0.3×192=84;总计851元。

12 时点 单位与错误注入

  • POS只用cutoff前可得的修订;未来纠正记录不能用于08:00。
  • MES和WMS按目标日期及cutoff选快照。盘点可售必须和WMS一致;错误SKU不能冒充T-L。
  • BOM按生产/交付目标日期选生效版本,糖浆必须是质量单位、膜必须是长度单位,且用量严格为正。
  • 预售情景只能使用cutoff前可得版本,概率必须和为1,净留存不能大于毛订单数。
  • 来源条件及共同配置也有known_at。还未知道的容量或成本不能先用。
  • 来源表单位必须为ea,金额口径固定CNY。箱数需要先按主数据换成瓶,不能把一箱当一瓶。
  • 所有资源、成本、概率和数量必须有限、非负。NaN不是“缺失按0处理”,会被拒绝。
  • 现有在途日、预留交付日必须是0至2的整数。Python的−1代表数组末尾,但业务里−1不表示第2天,程序会在索引前拒绝。

练习与答案:

  1. 把 joint_config.json 第2天收货容量从300改240。答案:正常软服务677元、240瓶;硬服务不可行。
  2. 把 config.json 的film_m改10。答案:WO≤36,最优120/60/36,总成本838。
  3. 把STO到货日改3。答案:STO取0;不能仍用旧的60瓶调拨结果。
  4. 把预售高情景概率改0.9而不改另两项。答案:概率和不是1,退出失败,不输出新成功结果。
  5. 把资源film_m写为NaN,或把po_cap改−1。答案:非法输入错误,不应包装成业务不可行。
  6. 把库存行SKU全部改OTHER。答案:T-L库存合同不完整,应报错,不能继续按180瓶求解。
  7. 把现有在途日偏移写−1。答案:非法偏移错误,不能偷偷当第2天。
  8. 为什么不为高情景单独发270、低情景单独发222?答案:决策时不知道将来情景,真实可做的三个来源数量必须相同。

13 定量验收与交付范围

最低验收要求:

  • 实际枚举3520个默认候选,唯一最优102/60/90、651元;全表不存在更小成本。
  • 逐情景期末32/2/0,缺货0/0/18;材料18kg、22.5m、90个。
  • 三天逐行守恒;前两天结余63/6;到货容量、仓容及远仓保留均满足。
  • 独立对冲后配来源270瓶、687元;同口径差36,不用不同安全库存政策制造比较优势。
  • 硬服务容量240不可行;迟到STO、材料减少、采购变贵、概率改变能实际改变结果。
  • 修改磁盘输入真实进入计算,输入哈希随相关变化改变;错误输入与业务不可行区分。
  • 所有情景共用同一数量决策;禁止未来信息下界混进可执行答案。

本章已经将预售留存情景与三来源成本、物料、产能、逐日库存及到货约束放入同一个有限求解问题,补上旧版“分开求解”的教学缺口。仍未实现多SKU、共享工序、随机交期、多次滚动决策、跨日原料采购、复杂网络MEIO、替代料、真实质量/产权财务、在线执行、实时审批和生产系统容错。它不能被介绍成通用生产求解器。

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。