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。
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、w | PO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40 | 0.2 | 186+40=226 | 0 | 258−226=32 | 32×2=64 | 593+64=657 |
| 中留存70 | 0.5 | 186+70=256 | 0 | 258−256=2 | 2×2=4 | 593+4=597 |
| 高留存90 | 0.3 | 186+90=276 | 276−258=18 | 0 | 18×8=144 | 593+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:
| PO | STO | WO | 合计 | 期望总成本 |
|---|---|---|---|---|
| 102 | 60 | 90 | 252 | 651 |
| 108 | 54 | 90 | 252 | 657 |
| 96 | 60 | 90 | 246 | 659 |
| 108 | 60 | 84 | 252 | 660 |
| 114 | 48 | 90 | 252 | 663 |
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 | 102/60/90 | 252 | 651 | 共同最优 |
| 硬服务 | 120/60/90 | 270 | 687 | 三个情景都满足 |
| 收货能力210,软服务 | 60/60/90 | 210 | 787 | 容量少,缺货损失高 |
| 收货能力240,软服务 | 90/60/90 | 240 | 677 | 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 | 120/0/90 | 210 | 835 | 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10m | 120/60/36 | 216 | 838 | 生产量受膜约束,整箱最多36 |
| PO单价3升为5元/瓶 | 96/60/90 | 246 | 851 | 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0.1/0.2 | 120/60/90 | 270 | 665 | 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:
- 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。 - 把
config.json的film_m改10。答案:WO≤36,最优120/60/36,总成本838。 - 把STO到货日改3。答案:STO取0;不能仍用旧的60瓶调拨结果。
- 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。
- 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。
- 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。
- 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。
- 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。