网站导航

制造主计划计数分布与产权责任

全文共 5465 字,阅读约需 11 分钟

制造主计划计数分布与产权责任: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;给定VMI产权合同、固定单位价值、无财税/法务认证,非通用APS。

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。

行业补课七 冻结主生产计划 计数分布与 VMI 责任账

稳定 slug:industry-mps-count-vmi。来源:B05,第二部分 L65–67。建议学习时间:三段各 35 分钟,作业 30 分钟。

1 这节课解决什么问题

制造企业会同时遇到三种问题:下一季至明年每周安排多少产出,某网点下个月会领几件备件,以及供应商放在厂里的货到底是谁的。三者时间、单位和责任不同,不能拿一张日销量预测表替代。

完成本课后,你应该能够:

  1. 编制同一起点的 13 周和 52 周主生产计划,保持前四周冻结,并把缺口显示出来。
  2. 用相同的训练期、测试期比较 Poisson 与负二项分布,而不只比较平均数。
  3. 按发运、收货、产权转移、领用、报废、退回、付款逐笔核对数量、价值和责任。

2 主生产计划 MPS 的期限与冻结区

MPS 是 Master Production Schedule,即主生产计划。本课以一个成品为单位,输出每周预计完成并可用的成品数量。它不是采购订单,也没有把这些成品进一步展开成多层 BOM。

本例在第 0 周编计划:

  • 13 周版看未来约一季;52 周版看未来约一年。52 周远期数字仍需修订,不能把“看得远”理解为“承诺得更确定”。
  • 两版从同一周开始,前四周使用已批准计划,冻结区外允许重算。
  • 周产能最多 100 件,每批 10 件,期初库存 40 件,希望周末至少留 20 件。
  • 原需求按 60、70、80、90 四周循环。原计划前四周产出为 40、70、80、90。
  • 第 0 周收到新信息:第 2 周需求由 70 增到 170。新信息已知,但前四周产出不因此自动改变。

“冻结”表示不能由算法擅改已批准数量。遇到严重缺口,程序提出变更请求,交给业务流程处理;本项目不模拟审批通过,不偷偷解冻。

2.1 每个符号只代表一件事

设某周编号为 t:

  • D_t:本周需求,单位件。
  • Q_t:本周计划可用的成品数量,单位件。
  • N_(t−1):上周末净库存,单位件;正数是现货,负数表示欠交。
  • N_t:本周末净库存。
  • S:期望保留的安全库存,本例 20 件。
  • C:周产能上限,本例 100 件。
  • L:批量大小,本例 10 件。
  • F:冻结周数,本例 4;Q_old,t 是旧批准数量。
  • max(a,b) 取较大值,min(a,b) 取较小值;ceil(x) 向上取整,例如 ceil(2.3)=3。

先算不考虑冻结的产出建议:

需要量 = max(0, D_t + S − N_(t−1))

产出建议 = min(C, L × ceil(需要量 / L))

再执行冻结规则:前 F 周用 Q_old,t,其余周用产出建议。然后逐周递推:

N_t = N_(t−1) + Q_t − D_t

现货 = max(0, N_t);欠交 = max(0, −N_t)。

例如 N_t=−80 表示现货 0、欠交 80,不是货架上存在“负 80 件”。下一周先弥补欠交,再满足新增需求。程序的安全库存目标是软目标,产能不足时允许达不到,但把结果列出。

2.2 手算前八周

周新需求 D旧计划是否冻结本次产出 Q期末净库存 N期末欠交
16040是40200
217070是70−8080
38080是80−8080
49090是90−8080
56060否100−4040
67070否100−1010
78080否100100
89090否100200

第 2 周:20+70−170=−80。若允许改变计划,算法最多也只能建议 100 件,而不是不顾产能安排 170 件。由于本周冻结,保留 70,另输出变更请求。

第 5 周:需要量=60+20−(−80)=160,产能只允许 100,净库存=−80+100−60=−40。第 7 周欠交消除,第 8 周安全库存回到 20。13 周与 52 周版的前 13 周一致,因为本例使用同样的输入和逐周规则,没有远期全局优化。

2.3 数据与输出

  • mps_parameters.csv:每行一个计划期限。horizon_weeks 为 13 或 52;opening_units、safety_units、capacity_units、lot_units 的单位都是成品件;freeze_weeks 是冻结周数;planning_as_of_week=0 为信息截止周。
  • mps_demand.csv:一周一行,共 52 行。base_demand_units 是用于生成旧计划的原始需求留痕;重算实际使用 revised_demand_units 与 prior_receipt_units。known_at_week 必须不晚于计划截止周。
  • mps_13.csv 和 mps_52.csv:保留旧数量、建议数量、实际采用数量、冻结标志、净库存、现货、欠交、冻结变更请求。

本例假设本周 Q 可用于本周需求,已经把前置投料安排折合进完成量;没有显式计算工序提前期、共享物料、换线或跨工厂产能。它是小型离线 MPS 机制练习,不是 APS 最优排程。

3 为什么平均每月两件仍然可能需要不同模型

设 K 是某网点某个月领用备件的件数,它只能取 0、1、2……。两条序列平均都等于 2,不代表风险一样。

  • regular:每六个月为 0、1、2、2、3、4。
  • bursty:训练期每六个月为 0、0、1、1、2、8。

每种模式重复四次,形成 24 个月训练期。随后保留 12 个月作为测试:regular 延续原模式,bursty 改为 0、0、0、1、3、8,重复两次。测试期不参与拟合。全部都是人为构造,不能据此推断真实备件需求分布。

3.1 均值与样本方差

记训练观测为 k_1 到 k_n,n 是月份数。μ(读作 mu)是均值:

μ = (k_1 + ... + k_n) / n

样本方差记为 s²:

s² = [(k_1−μ)² + ... + (k_n−μ)²] / (n−1)

平方是为了让正负偏差不会相互抵消。本课使用 n−1 作分母,不要与除以 n 的“总体方差”混用。

bursty 的一组总和为 12,均值=12/6=2。一组偏差平方和为 4+4+1+1+0+36=46,四组为 184,所以 24 个月的 s²=184/23=8。它的方差比均值大,称为过度离散。

3.2 Poisson 分布的概率

Poisson 常译作泊松。假设每月事件发生率相近、事件之间没有强烈聚集等因素,其均值与方差都为 μ。它给每个整数 k 一个概率:

P(K=k) = e^(−μ) × μ^k / k!

P 表示概率;e 约为 2.71828;k! 是 1×2×…×k,约定 0!=1;μ^k 是 μ 连乘 k 次。μ=2 时:

  • P(K=0)=e^(−2)≈0.135335,即零需求月约占 13.53%。
  • P(K=2)=e^(−2)×2²/2≈0.270671。

这不是说下一月一定有两件,而是对所有可能件数分配概率。

3.3 负二项分布增加一个分散参数

本课采用 NB2 参数化:均值仍为 μ,额外参数 r>0 控制分散程度:

方差 = μ + μ²/r

r 越小,在相同均值下允许的波动越大。用训练样本的均值和方差代入,可解得:

r = μ² / (s²−μ)

这叫矩估计,用样本的均值、方差去匹配分布,不是最大似然估计。本例 μ=2、s²=8,因此 r=4/(8−2)=2/3。

记 p=r/(r+μ),则零需求的概率是 p^r。这里 p=(2/3)/(2/3+2)=1/4,因此 P(K=0)=(1/4)^(2/3)≈0.396850。它能同时给零需求月和大需求月更高的概率。

如果想不借助高等函数算任意 k,可以从 P(K=0) 出发递推:

P(K=k+1) = P(K=k) × (k+r)/(k+1) × μ/(r+μ)

右边所有符号都已定义。代码采用等价的对数 Gamma 形式避免中间数太大,理解上述递推即可,不要求先学 Gamma 函数。

若 s²≤μ,这个矩估计不能产生合法的有限正 r。程序明确回退 Poisson,effective_model 写 Poisson,dispersion_r 留空。regular 的 s²=1.739130<2,所以不能硬造一个负 r。若训练全为零,模型把零的概率设为 1;测试突然出现正数,负对数损失为无穷,结果写 infinity,而不是静默抹平错误。

3.4 用相同测试月份比较概率

对测试月实际出现的 k,查模型分配的概率 p_k。负对数损失为 −ln(p_k),ln 为自然对数;概率越小,损失越大。测试 n_test 个月的平均值叫平均 NLL,越小越好。例如实际为 0,Poisson 给概率 0.135335,对应损失 2;负二项给 0.396850,对应损失约 0.924196。

默认数据的实际运行结果:

序列与模型均值方差估计P(K=0)P(K≥6)测试平均 NLL
bursty Poisson280.1353350.0165642.679766
bursty 负二项280.3968500.1014031.853080
regular Poisson21.7391300.1353350.0165641.673057
regular 负二项候选回退 Poisson21.7391300.1353350.0165641.673057

P(K≥6) 是“6 件及以上”的概率,等于 1 减去 0 至 5 件的概率之和。bursty 测试期零需求月占 50%,两种拟合都没有精确达到 50%;负二项损失较低,也不代表概率已完美校准。

输入 branch_month_counts.csv 一行是一网点一月,known_at_month=period_month+1。第 25 月时拟合,已能获得第 24 月记录;测试为第 25 至 36 月。参数在 count_parameters.csv。输出 count_model_comparison.csv。月度备件件数不与周度成品 MPS 相加。

4 VMI 中保管货物与拥有货物不同

VMI 是供应商管理库存的协作方式,不自动决定产权。买断货也可能由供应商管理。本课特别约定“寄售式 VMI”:供应商保留远端仓、在途和厂内寄售区的货权;厂方领用时才转移产权。

这只是例题合同假设。真实业务应依据合同、会计政策和适用法律确认。本账用于数量与价值责任核对,不是法定会计分录模板。

4.1 先写清口径

供应商期初有 100 件,每件教学价值 10 元。供应商账面成本和转移给厂方的价格都设为 10 元,忽略毛利、税费、汇率和减值,因而可以做简明的价值守恒。

  • 位置分为供应商远端、在途、厂内供应商货、厂内厂方货。
  • 产权分为供应商与厂方。所有在途货在本例都由供应商持有产权,承运人保管不代表承运人拥有。
  • 已消耗和已报废另列,不再计入实物库存。
  • 领用产生厂方耗用责任;供应商质量问题报废由供应商承担。
  • 厂方应付与供应商应收在产权转移时同时增加;付款时同时减少。

4.2 逐笔手算

事件实物库存供应商持有数量厂方持有数量厂方应付累计厂方耗用价值累计供应商报废责任
期初1001000000
发出 40 件1001000000
厂内收到 40 件1001000000
领用触发产权转移 25 件100752525000
同日实际消耗 25 件757502502500
供应商质量报废 5 件7070025025050
剩余 10 件退运并收回7070025025050
厂方付款 100 元7070015025050

产权转移与使用在输入中是相邻、同日、同数量的两笔子记录,便于看清两个账的变化;完整业务处理要求它们匹配。第一笔只换所有者,第二笔才减少实物。程序拒绝缺少匹配使用、日期不匹配或数量不匹配的输入。

供应商最终远端库存=100−40+10=70,厂内寄售区=40−25−5−10=0,在途为 0。厂方应付=25×10−100=150;供应商应收也为 150。付款是模拟记录,不是实际转账。

4.3 三条守恒必须同时成立

设 I_s、I_f 为供应商和厂方拥有的实物件数;U 为累计耗用件数;W 为累计报废件数;v 为每件价值:

期初100 = I_s + I_f + U + W

期初价值1000 = I_s×v + I_f×v + 厂方累计耗用价值 + 供应商累计报废责任

厂方应付 = 供应商应收

期末代入:100=70+0+25+5;1000=700+0+250+50;应付=应收=150。不要把现金付款再加进库存价值式,它结算往来,没有再消耗 10 件货。

vmi_parameters.csv 给期初数量和单位价值;vmi_events.csv 给有序事件、发生日、已知日、数量及付款金额。输出 vmi_responsibility_ledger.csv 逐行保留所有位置、产权、耗用、报废、应收、应付与两个守恒残差。残差应始终为 0。

5 本课作业与精确验收

每次实验先复制默认 data/ 到新目录,编辑副本,然后用 run 计算。输入文件应保留模拟标签。

  1. 原样复现。 13 与 52 周分别有 13、52 行;前四周产出都为 40、70、80、90;最大欠交 80;冻结变更请求 3 次;期末现货 20、欠交 0。两份计划前 13 周逐行相同。
  2. 撤销需求冲击。 把 mps_demand.csv 第 2 周的 revised_demand_units 从 170 改回 70。重算后欠交峰值为 0、冻结变更请求为 0,前四周产出仍为 40、70、80、90。只改 base_demand_units 不会改变本次重排,这是留痕字段与实际输入字段的区别。
  3. 检查分布。 手算 bursty 的 μ=2、s²=8、r=2/3;程序结果允许绝对误差 0.000001。解释为何 regular 不应得到负的 r。两类序列均为训练 24 月、测试 12 月,不允许把测试行混进均值和方差。
  4. 改变付款。 将 VMI 最后一笔付款 100 改成 150。最终应付与应收均变为 100 元;库存仍为 70 件,耗用价值仍为 250,报废责任仍为 50;所有守恒残差仍为 0。
  5. 故意破坏领用。 将 USE 的 25 改成 99,必须报错。程序不能产生负库存后继续声称账平。
  6. 解释业务边界。 写出至少三点:冻结异常需要业务处理;月度计数不是周排产;VMI 不必然寄售;本账不替代法定会计;任意三点正确即通过。

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。