网站导航

地区颜色尺码与测款追单贯通

全文共 3019 字,阅读约需 7 分钟

地区颜色尺码与测款追单贯通:这里补齐生鲜基地到门店、鞋服地域颜色尺码、延迟制造、促销透支、活动类比、制造备件及医药聚合预测之间原来未展开的步骤。所有企业、商品、事件、数据、时间和参数均为明确构造的模拟。没有真实业务数据,没有连接采购、生产、财务、配送或医疗系统。本课中

← 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。

R2独立验收的行业教学扩展。下载行业9课实验包。所有数据均模拟;固定场景离线建议,不是全流程快反系统,预售保留率给定。

共同阅读约定

行业多层级预测与决策补课

这里补齐生鲜基地到门店、鞋服地域颜色尺码、延迟制造、促销透支、活动类比、制造备件及医药聚合预测之间原来未展开的步骤。所有企业、商品、事件、数据、时间和参数均为明确构造的模拟。没有真实业务数据,没有连接采购、生产、财务、配送或医疗系统。本课中的“订单”“分录”“锁产”均为离线建议或教学账,不代表已经执行。

R2补强了输入校验:重复主键、矛盾的组级份额、超出固定需求模板会报错;时间序列按时间键计算,不依赖CSV行顺序。默认手算答案不变。

先完成百分比、加权平均、库存收支和训练集/验证集的基础课,再按本课顺序学习。每课建议60到90分钟:读业务问题、逐项手算、跑代码、修改一个输入、写边界。数学只用高一可读的代数与概率;需要最小二乘时会解释其含义,代码负责重复算术,不把“调用了一个函数”当作理解。

项目包 forecast-industry-gap-labs.zip 只需 Python 3.10 或更新版本的标准库。解压并进入目录后执行:

python run_all.py
python -m unittest -v test_industry
python manufacture_pharma.py self-test

首次解压已含模拟CSV。run_all.py仅重算,不覆盖输入。要另建一份原始输入,运行 python generate_all.py --data fresh_data,随后用 python run_all.py --data fresh_data --out fresh_outputs 重算。生成器拒绝覆盖非空目录;先复制目录再改参。生成数据与运行模型是两步,脚本输出由CSV计算,不从教材答案回填。统一参考结果在 outputs/,子项目结果在 outputs/manufacture_pharma/。仅运行上面第一条不等于跑过测试。

行业补课二 地区颜色尺码与测款追单贯通

课程ID:industry-apparel-region-chain。对应范围:B02、C10。输入:apparel_regions.csv、apparel_config.json。输出:apparel_sku_orders.csv、apparel_scenarios.csv。

先定义本例一件衣服从哪里来

这是一个模拟SPU,含黑白两色、S/M/L三尺码、南北两地区,共12个地区SKU。第1至3天测款,第3天末决定追单,第7天到货,第15天结束审美销售窗口。短补货交期4天是本例给定条件,不可套用下一课的12天染裁缝流程。未到货的追单不能补回第4至6天已经流失的销售。

测款会话1000次,80次购买,每次最多1件,且用于计算的测款窗有货。采用Beta(2,18)先验,可把2理解成先验成功次数、18理解成先验失败次数;它们是强度参数,不是虚构真实订单。后验购买概率均值:

p=(2+80)÷(2+18+1000)=82÷1020=0.08039216。

第7至15天北部预计1400会话、南部1000会话,所以到货后零售需求均值=2400×p=192.941176件。它是连续期望数,不承诺一定出现193个真实订单。

尺码不能全国只用一个固定比例

北部黑色的历史完整有货窗S/M/L次数是10/30/60,近期共同有货窗是20/40/40。共同有货窗指三个尺码都正常有货的同一批小时,避免拿有货十天的小码和只有货两天的大码比。

旧廓形占比p_old=旧次数÷旧合计。让旧廓形提供强度k=100的平滑信息,近期三尺码总次数n=100:

新尺码占比=(近期该尺码次数+k×旧占比)÷(n+k)。

k是同地区同颜色三个尺码共享的参数,修改时必须同时改三行;不能只把S的k改0、M/L保留100。颜色份额同样在该地区该颜色三行一致,再检查两个不同颜色之和为1。地区曝光必须在该地区全部六行一致。程序在计算前验证这些重复字段,并在计算后核对尺码和为1及地区需求加总。

北部黑色S=(20+100×0.10)÷200=0.15;M=(40+100×0.30)÷200=0.35;L=0.50。南部黑色则为0.45/0.35/0.20。这是本地近期证据与本地历史先验的平滑,不是把北部大码偏好强加给南部。

原始recent_all_window_count列包含不同比较窗口,只供观察偏差,计算绝不使用。输入的common_window_id要求同组一致。共同有货筛选可能偏向低需求时段,因此它降低一种偏差,不等于识别全部潜在需求;完整断码恢复须接前课的支持范围判断。

按地区再按颜色尺码分解

北部黑白份额60%/40%,南部40%/60%,来自题设的可比有货历史。先算地区会话×p,再乘该地区颜色份额,再乘该地区颜色的尺码占比。每一层份额都要加到1。

北部黑色M到货后零售=1400×82/1020×0.6×0.35=23.635294件。

第4至6天北部会话350,是到货后1400的四分之一;因此同SKU到货前需求=350×p×0.6×0.35=5.908824。现货8件,到货日另有已确认在途2件:

到货日可用=max(0,现货−到货前需求)+确认在途=4.091176件。

不能写成max(0,现货+在途−到货前需求),因为第7天的在途不能满足第4天需求。北部黑色L会出现0.441176件的到货前期望流失,单独记录,不被后来追单抹掉。

预售不能和零售会话重复相加

本例预售来自另一个不进入上述零售会话的渠道。北部黑色M有20件待履约预售,预计保留概率0.8,则净预售=16件。该概率只是给定情景;真正取消概率训练见预售专项。净缺口=max(0,到货后零售+净预售−到货可用)=35.544118。

包装5件一包,MOQ为10件:若缺口为0,不下追单;否则取max(10,5×ceil(缺口÷5))。ceil表示向上取整。该SKU追40件。12行追单依序为北部黑色10/40/35、北部白色10/25/10、南部黑色10/10/0、南部白色15/25/10,总数200。

每件净耗1.5米面料,出品率90%,毛面料=200×1.5÷0.9=333.333333米。面料准备只是这200件建议的一项物料约束,还须独立检查产能、到货、颜色冻结、预售截止。项目的产能300件,故这个情景可容纳;调为150时仍输出需求建议200并标 infeasible,不能把需求截成150后假称已满足。

多地区不确定性不是一个全国上下限

项目保留五个后续曝光情景:基准;北热南冷1.2/0.8;北冷南热0.8/1.2;都低0.8;都高1.2。它们重新计算每行净缺与整包追单。冻结到货前的估计,只改变到货后曝光,便于隔离一次敏感性。情景没有给概率,因此不是80%或95%置信区间,也不能拿最差值冒充最优库存。

作业与验收

  1. 复算北部黑色M的23.635294、4.091176、35.544118和40。四个数代表不同阶段,不可混叫预测销量。
  2. 复算北部黑色L的到货前流失0.441176。说明为什么它不会被追单35件消除。
  3. 把北部黑色三行的k同时设为0,近期廓形直接变20/40/40;只改其中一行必须报错。设为很大时趋向旧10/30/60。比较哪些SKU多追或少追,而非只看SPU总和。
  4. 修改all_window_count为999999,结果应不变。修改recent_common_count则应变化。
  5. 比较北热南冷与北冷南热的整数追单,解释相同全局乘数为什么不能保证相同地区SKU风险。

通过标准:12行颜色尺码完整、分解和总量一致、到货前后分开、零售与预售不重叠、整包MOQ与面料可复算。该链是有条件的离线示例,不是完整快反生产系统,也不证明Beta概率已在真实新品上校准。

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。