项目作业与验收手册
全文共 12500 字,阅读约需 25 分钟
项目作业与验收手册:依据《供应链预测与计划全景白皮书》完整285行设计。面向高一数学基础;所有企业、订单、销量、温度、交期与收益均为模拟数据。此文是教程站内容规范与项目说明,不代表代码或学习已完成。教程站独立于12lab博客;文章须由已验证的学习成果二次编辑。
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。
白皮书到可验证教程:阶段项目与数学教学规范
依据《供应链预测与计划全景白皮书》完整285行设计。面向高一数学基础;所有企业、订单、销量、温度、交期与收益均为模拟数据。此文是教程站内容规范与项目说明,不代表代码或学习已完成。教程站独立于12lab博客;文章须由已验证的学习成果二次编辑。
一、教学架构与先修图
建议16阶段、48课,每课核心120分钟;每阶段最后一课完成小项目。阶段1—7是共用基础,阶段8完成六行业迁移实验,阶段9—15完成六大专项所需概率与优化知识,阶段16为综合验收。共96小时核心学习,不设强制自然日截止;未达到阶段验收先回补,不凭签到认定完成。
顺序:数据与算术 → 简单预测 → 可信评价 → 单特征/多特征/类别回归 → 时间序列 → 非线性与跨序列模型 → 概率与库存 → 六行业 → 概率分类 → 预售取消 → 退货回流 → COD → 交期 → 替代连带 → 动态定价 → 综合系统。
“单参数到多参数”先改写为四个轴:输入特征数量、待预测序列数量、输出目标数量、模型可学习参数数量。一个单特征回归也有截距和斜率两个参数;一家门店多个SKU不自动等于多变量时序;同一个全局模型共享样本不自动证明学会跨商品相互影响。
每课120分钟默认:20分钟概念/示意图,20分钟手算,45分钟表格或代码,20分钟测试与错误分析,15分钟证据卡或项目记录。阶段最后一课:15分钟读项目输入,20分钟写口径/预期,50分钟实现,25分钟验收,10分钟记录结论。进阶模型可以用库,不能用库掩盖输入、输出与假设。
二、全课程数据协议
2.1 三档数据,不混用规模
- 手算档:禾味2店、8食材SKU、14天,共224条日记录;每条含日期、门店、SKU、单位、需求、库存、销量、是否缺货。只选1店1SKU的14个数手算,不能把它写成全网络已验证。
- 基础预测档:同16条序列扩展180天,共2,880条;匿名服装企业8款×3尺码×180天=4,320条,单位件。禾味食材单位kg,每一种食材保持同单位;不直接混合kg和件算总误差。14天是引入样本,不是用14天评估复杂预测。
- 专项档:每专项独立生成订单/事件级数据。预售20,000单、退货12,000发货行、COD10,000包裹、交期2,000采购行;使用独立种子并留出完整后期cohort。六行业迁移另有小而完整数据。可选压力测试再用1,000门店、1,000SKU、50城、10中央仓,按真实经营范围稀疏展开,不要求每店卖全部SKU;不要将压力规模作为学习算法必须门槛。
2.2 基础样本与切分
禾味店1食材1的14天净需求kg固定为:[20,22,21,23,30,34,28,22,24,23,25,32,36,30],第1天设为星期一。基线保留此序列供复核。
180天按序号1—112训练、113—140验证、141—180历史测试。验证一步预测28个目标;固定原点5步评价只用原点112—135,共24个窗口,目标不跨分块。相邻窗口重叠,不能当24个独立样本证明显著性。已有公开D9—D13测试结果不能再称盲测;课程终验另留独立40天合成挑战数据,数据生成器协议预先冻结,揭示后只报告,不据此改参。
种子示例20261106;每个数据集交付seed、生成器版本、行数、字段字典、日期边界、哈希、真值机制说明。代码如未制作须写“待实现”,不能说可下载/已运行。
2.3 最小数据文件
- demand_daily.csv:date,series_id,location_id,sku_id,unit,demand,sales,stockout_flag,price,promo_flag,available_at。
- sku_master.csv:sku_id,category,unit,pack_size,shelf_life_days;store_master.csv:location_id,city_id,warehouse_id。
- calendar.csv:date,weekday,holiday_flag;仅使用预测时已知日历。
- forecast_ledger.csv:origin,target_date,series_id,model,forecast,actual,train_end,feature_cutoff,split。
- order_events.csv:order_id,created_at,event_at,available_at,event_type,quantity;一订单可有多事件,但最终量须守恒,拒收/退货/取消不可重复算。
- bom.csv:product_id,ingredient_id,net_qty_per_unit,yield;qty字段说明净料还是毛料。
- inventory_events.csv:timestamp,location_id,sku_id,event_type,quantity,batch_id,expiry_at。
- 每项目都有README、data_dictionary、notebook或脚本、outputs、tests、limitations;仅文档项目也必须附手算答案。
三、16阶段课程与小项目
必修与扩展的明确边界
当前可直接执行的必修输入:handcalc-fixtures目录的手算CSV与校验脚本;project-fixtures目录P01/P03的真实CSV、标准库生成器、答案和README。P03提供16序列×180天完整销量数据,可供阶段2—6重复使用;P01提供精确8项故障注入。阶段8与阶段16使用本文已给出的逐行数字完成手算和规则原型。
专项学习分两步,不能以手算替代工程。 阶段9—13先做小表,再完成四专项可复现包。预售20,000订单、退货12,000发货行、COD10,000包裹、PO2,000行现已随包提供,含生成器、已运行输出与23项测试。实现的是分组hazard/收缩、条件回流路径、COD逻辑回归及截距校准、PO Kaplan–Meier;没有Cox、预售logit hazard、退货GBDT或交期分位数回归。三商品大样本因果实验、树/深度模型训练和完整生产优化仍有未实现范围,不能笼统称已完成。
完整预售数据采用360天创建期与额外60天观察,PO也是360天创建期,退货/COD为180天;这是新包的实际时间协议,不能照搬旧计划中的200天或基础需求的112/28/40分块。结局成熟和精确分块见“四专项时间与标签”。
阶段1:从业务问题到可以计算的数据(3课)
课程:①预测、计划、执行四层区别;②比例、平均、绝对值、单位换算;③数据粒度、事件顺序与数据质量。
项目P01“禾味数据体检”:读取project-fixtures/P01/input,原始224条日记录追加重复后共227条输入,另24条服装订单事件,已实际注入3重复键、2未知SKU、2单位错写、1条发货后又计发货前取消。按主键检查、隔离错误、修复有依据项,写状态机。
交付:clean_demand.csv、quality_report.csv、状态流转图、字段字典。
验收:识别全部8处已注入问题;清洗后(date,store,sku)唯一;缺失不静默填0;数量守恒测试通过。此处是合成数据测试,不宣称实际账实相符98%。
手算:3箱×12瓶/箱=36瓶;15kg净料÷75%出品率=20kg毛料。解释为什么除以0.75,不是乘0.75。
阶段2:最简单的预测也要有参照(3课)
课程:①昨日/均值/季节朴素;②移动平均和窗口超参数;③简单指数平滑与初始化。
项目P02“禾味四种基线”:用14天手算样本,比较昨日、MA7、上周同日;在180天两案例上实现SES,α只在训练/验证比较0.2、0.5、0.8。每个预测只看原点前数据。
交付:baseline_forecasts.csv、actual_vs_forecast.svg、baseline_card.md。
验收:手算第8—14天季节朴素MAE=2kg、WAPE=14/192≈7.29%;昨日MAE=4kg;MA7 MAE约3.84kg。SES α=1必须等于昨日预测,α=0必须保持初始水平。此断言不代表SES优于朴素。
阶段3:先证明没有偷看答案(3课)
课程:①MAE/RMSE/WAPE/Bias;②时间切分与滚动原点;③未来特征、快照与泄漏测试。
项目P03“给好得离谱的模型找作弊点”:读取project-fixtures/P03/input的2,880条数据与故障特征/切分文件,已实际设置centered滚动、target未来销量、全数据归一化、随机切分4类缺陷,逐一修复;并制作单步与固定5步两种预测账本。
交付:evaluation_protocol.md、forecast_ledger.csv、leakage_tests.py、误差分布图。
验收:所有feature.available_at≤origin;训练最大目标日期≤原点可观察时点;验证单步28目标、5步24窗口;4类已注入泄漏均检出;全零实际值时WAPE显示“未定义”而非0或无限大。
阶段4:从一条直线到多特征与类别(3课)
必修/扩展边界:必修只使用本节完整三行(x,y)=(20,10),(25,15),(30,20),x单位℃、y单位kg,按手算公式得到斜率1、截距−10,预测27℃为17kg。类别练习另设门店B哑变量=1时加5kg,则B在27℃预测22kg,A为17kg。温度/促销/尺码的大样本特征尚未提供,正式回归训练为选修,不作必修验收。
课程:①斜率截距与最小平方;②数值、0/1类别、交互项;③相关不等于因果,拟合不等于外推能力。
选修扩展项目P04“温度、促销、门店一起解释需求”:手算x=[20,25,30]、y=[10,15,20]得到y=x−10;再用180天禾味数据建立温度、星期、计划促销、门店类别模型;服装加入价格、品类、尺码。未来温度使用原点可获得天气预报/情景,不用事后真实温度。
扩展交付:coefficients.csv、feature_availability.md、按门店残差图、回归解释卡。
扩展验收(完成必修不要求实现此部分):手算斜率1、截距−10正确;保留截距时K类别仅K−1哑变量;未见类别有处理规则;常数x触发“无法估计斜率”而非除0;模型是否改善如实报告,不设必胜门槛。
阶段5:时间序列的水平、趋势与季节(3课)
必修/扩展边界:必修只使用完整序列[10,13,15]手算差分[3,2];给定未来差分2,从15还原17。另用P03的180天数据画星期季节曲线并复核季节朴素即可通过。三年周数据、ETS/ARIMA拟合与阶数选择为待自建数据的选修,不要求读者下载不存在文件。
课程:①趋势/星期季节与残差;②Holt/ETS与ARIMA差分直觉;③动态回归、Prophet和模型适用边界。
选修扩展项目P05“同样叫季节,证据够不够”:在180天数据比较周季节基线、Holt/ETS、一个限制阶数的ARIMA;另给3年周数据讲年季节。一次只换一个结构,写明初值与模型配置。
扩展交付:model_spec.yaml、分解图、validation_comparison.csv、适用条件卡。
扩展验收(完成必修不要求实现此部分):差分手算[10,13,15]→[3,2],从最后值15与未来差分2还原17;180天样本不得声称验证年季节;5步预测不输入未知未来销量;记录拟合失败和退化方案。
阶段6:树、共享模型与复杂模型的进入条件(3课)
必修/扩展边界:必修给完整小表:门店A温度20℃需求10kg、A30℃20kg、B20℃15kg、B30℃25kg。手工共享树先按温度≤25℃分两组,叶均值为12.5/22.5;四行MAE=2.5kg。再各组按门店分裂,四叶预测10/15/20/25,样本内MAE=0。说明更复杂可记住样本,却没有任何样本外优越性证据。实际树训练、16序列消融、新品与图像模型为选修;上市日期/新品大样本目前未提供,不能作为必修门槛。
课程:①决策树分段规则/梯度提升直觉;②lag、rolling与类别编码;③局部/全局/多变量、深度/多模态的区别。
选修扩展项目P06“共享模型值不值得”:对16条禾味序列用同一套全局树模型,滞后1/7/14与仅历史可用的滚动特征;比较局部季节朴素;服装8款做留新品验证,以属性相似款为冷启动基线。DeepAR/TFT仅作为有明确数据与资源前提的选修,不因名字高级就成为默认冠军。
扩展交付:ablation.csv、per_series_errors.csv、冷启动验证卡、模型复杂度说明。
扩展验收(完成必修不要求实现此部分):删除promo特征做一次消融;分SKU报告,不仅总体;训练不含被留出的新品目标;全局模型最差5序列可定位;无改善也可通过,只要协议正确、结论忠实。
阶段7:从点预测走到概率与补货(3课)
课程:①频率概率、分位数与预测区间;②缺货成本/剩余成本和报童;③库存位置、提前期、箱规与模拟。
项目P07“同一个均值,备货为什么不同”:给需求场景[80,100,120,140]等概率,Cu=6元/件、Co=2元/件,临界分位数0.75,最小满足累计概率的Q=120;对比Q=100/120/140的逐场景成本。再回放禾味净料需求和服装件数的两种策略。
交付:scenario_costs.csv、库存/缺货/报损曲线、decision_contract.md。
验收:P75=120;Q120平均成本(80+40+0+120)/4=60元,Q100=(40+0+120+240)/4=100元,Q140=(120+80+40+0)/4=60元。离散情况下120和140都可最优,禁止将120称唯一最优。库存扣减不得为负;P90不是90%满足率;周期保护期=L+R,连续检查通常=L。
阶段8:六行业不是换一个名字(3课+六个短实验)
课程:①保质期/审美期/提前期/履约确定性;②统一预测接口与不同约束;③六行业迁移综合小项目。
必修项目P08:六行业手算与策略卡。 下载本课的 forecast-industry-project-data.zip,按README逐个打开7个CSV;这些是本阶段完整必修输入。下面六项都能用表格完成,详细推导见本课“追加:六个快速手算实验与答案”。共同参数重复在多行时不要加总。每个实验约20分钟,学习与复查另算,不声称全部只有120分钟。
A 生鲜:fresh_input.csv的四个等概率需求情景8/10/12/14份,售价7、成本4、残值1;枚举采购8至14份,输出逐情景利润及平均值。验收平均利润最大值27元,采购10至12份都可最优,不声称唯一解。 B 鞋服:apparel_input.csv,100件按0.2/0.5/0.3拆为20/50/30件;单件净面料1.5米、出成率0.9,毛面料合计166.6667米。验收总量100件、单位正确,款总量不得每行重复相加。 C 快消:fmcg_input.csv,A/B各有10件、需求15/5件;不可即时调拨时缺货5件,允许当日从B调5件时缺货0。验收区分网络总库存与时间可达的库存,不宣称集中永远最优。 D 餐饮:restaurant_input.csv,两道菜100/50份、净配方0.18/0.12kg;净需求24kg、毛需求30kg,现货8kg、在途4kg、箱规5kg,建议订20kg。验收不重复损耗,不重复加公共库存字段。 E 制造:manufacturing_input.csv,芯片80颗每台用2、屏幕50块每台1,齐套40台,需求仍60台;spares_input.csv作为额外手算扩展。验收计划40不偷换为市场需求40,取整正确。 F 医药:pharma_input.csv,两批20/40盒、效期30/180天、下周需求15盒,按FEFO先取第一批15盒,剩5/40盒。再把首批设不可售,应全从第二批取15,剩第二批25。验收不可售不能出库,效期数字为模拟参数不是法规。
必修交付:six_industry_cards.md、六个可复核结果表、每项一个边界反例。完成上述六个已提供输入的任务即可通过阶段8核心。大规格的180天预测、56天促销、52周备件和26周外部指标训练,以及多门店多批次库存回放,均为选修扩展;需要先补齐相应数据与生成器,不作为核心门槛,也不声称已完成。
阶段9:概率训练与校准(3课与工程项目)
完整项目入口:四专项实验室,下载forecast-specialty-projects.zip,先读README/模型卡,再运行python run_all.py。此命令覆盖包内data/outputs同名生成文件,不改外部文件;修改数据前先保留副本。
步骤:4行Brier手算,再运行10,000包裹逻辑回归、截距校准与阈值选择。
交付:手算复核、运行命令和种子、模型选择与测试结果、一项未来信息检查、一项守恒检查、未实现范围。参考输出已提供,学习者仍需自行完成解释与图表分析。
验收:未完结不记0;阈值只在验证后半段选择;报告校准变差及全部复核,不把假想成本差称模型增量价值。
阶段10:20,000订单的预售风险集(3课与工程项目)
完整项目入口:四专项实验室,下载forecast-specialty-projects.zip,先读README/模型卡,再运行python run_all.py。此命令覆盖包内data/outputs同名生成文件,不改外部文件;修改数据前先保留副本。
步骤:风险集、EB与条件留存手算,再处理同一批订单的两种发货机制、年龄1–59与60日强关。
交付:手算复核、运行命令和种子、模型选择与测试结果、一项未来信息检查、一项守恒检查、未实现范围。参考输出已提供,学习者仍需自行完成解释与图表分析。
验收:终止互斥及数量守恒;无支持尾部留空;信息性删失曲线不称已识别反事实;本包未实现logit hazard或Cox。
阶段11:12,000发货行的回流(3课与工程项目)
完整项目入口:四专项实验室,下载forecast-specialty-projects.zip,先读README/模型卡,再运行python run_all.py。此命令覆盖包内data/outputs同名生成文件,不改外部文件;修改数据前先保留副本。
步骤:复算11.2件,再从成熟事件估退货概率、条件良率/时滞,评价批次与当前状态未来7日回流。
交付:手算复核、运行命令和种子、模型选择与测试结果、一项未来信息检查、一项守恒检查、未实现范围。参考输出已提供,学习者仍需自行完成解释与图表分析。
验收:质检前不入可售;已回流不重复;零实际回流WAPE无定义;食品回流0;当前7日只含起点前已发货批次。
阶段12:10,000COD包裹的两本账(3课与工程项目)
完整项目入口:四专项实验室,下载forecast-specialty-projects.zip,先读README/模型卡,再运行python run_all.py。此命令覆盖包内data/outputs同名生成文件,不改外部文件;修改数据前先保留副本。
步骤:训练评分、验证子块校准与成本阈值,再重算在途、实物库存和预期销售。
交付:手算复核、运行命令和种子、模型选择与测试结果、一项未来信息检查、一项守恒检查、未实现范围。参考输出已提供,学习者仍需自行完成解释与图表分析。
验收:概率合法;出库扣全部发货;复核效率是假设;无复核容量优化或真实取消动作。
阶段13:2,000PO收齐与删失(3课与工程项目)
完整项目入口:四专项实验室,下载forecast-specialty-projects.zip,先读README/模型卡,再运行python run_all.py。此命令覆盖包内data/outputs同名生成文件,不改外部文件;修改数据前先保留副本。
步骤:复算方差;从分批收货和未完成PO比较固定、已完成样本经验分位与KM,报告P50/P90。
交付:手算复核、运行命令和种子、模型选择与测试结果、一项未来信息检查、一项守恒检查、未实现范围。参考输出已提供,学习者仍需自行完成解释与图表分析。
验收:订购=已收+未收;收齐日取补足事件;不可估P90留空;报告覆盖分母/未知数;没有分位数回归和相关需求库存优化。
阶段14:替代、连带与价格到底影响谁(3课)
必修/扩展边界:必修输入为cross_elasticity.csv,复算+0.5/−0.3并解释非因果边界;1,008行实验设计与估计属于选修扩展。
课程:①百分比变化与弹性;②控制变量、促销混杂与随机化;③多商品联合情景与品类守恒检查。
选修扩展项目P14“自己的促销,邻居的变化”:3商品A/B/C×4店×84天,随机分配小幅价格情景,预设A与B替代、A与C互补,记录品类总量;另给非随机价格样本比较偏差。先学两点弹性,再选学log-log模型。
扩展交付:elasticity_matrix.csv、cross_product_scenarios.csv、causal_limits.md。
扩展验收(完成必修不要求实现此部分):A价格涨10%,B销量在随机实验平均涨5%,B对A价格局部交叉弹性≈+0.5;C销量降3%则≈−0.3。说清行是被预测商品、列是价格变动商品;不可从相关系数直接证明替代;自己的促销增量与品类净增量分别报告。
阶段15:动态定价先用枚举学会,再讲动态规划(3课)
必修/扩展边界:必修输入为pricing_paths.csv,枚举四路径并校验库存;多期随机动态规划与不同业务约束属于选修扩展。
课程:①收入/利润/残值与约束;②有限价格组合枚举;③状态、行动、下一状态的动态规划直觉。
选修扩展项目P15“两个时段卖完10件”:库存10件、2时段,价格只能10或8元,确定性需求分别4或7件,每期实际销量=min(需求,期初库存),末期残值0。逐一枚举四组合,再用递推求解;扩展禾味临期食材与服装季末折扣的不同约束。
扩展交付:price_paths.csv、inventory_paths.svg、pricing_policy.md。
扩展验收(完成必修不要求实现此部分):路径(10,10)收入80,(10,8)收入88,(8,10)收入86,(8,8)收入80,最优(10,8);所有时刻库存≥0,需求7但只剩3时卖3。随机需求选修必须以场景/期望价值求解,不能把确定性最优称随机最优;无真实改价或自动发布。
阶段16:组合成一套可复现的计划原型(3课)
课程:①输入输出契约与失败回退;②干净环境复现和回归;③教程证据到文章,不夸收益。
项目P16“预测到人工审核建议”:选匿名服装预售→净留存→交期→材料建议,以及禾味杯量→BOM→保质期→箱规订货两条链;附六行业映射和六专项测试结果。库存只读模拟,建议单需人工批准,不能变成真实采购/排产/短信/改价。
交付:可运行入口、锁定依赖、全部数据manifest、测试报告、模型卡、决策卡、教程站案例页、博客文章素材包。
核心验收:在本机运行已提供两个标准库生成器,并逐项核对手算包和P01/P03,关键数值容差≤1e−6;将规则计算接成两条模拟链。扩展验收:干净环境按README复现全部已实施模型数字;至少24条回归测试(每专项至少3条,额外基础6条);独立挑战集只评价一次、记录冻结时间;六行业约束检查齐全;没有真实品牌/真实个人数据/未核实收益。模型性能未提高不是不合格,泄漏、状态不守恒、未经支持的因果宣称才是不合格。
四、每个公式必须遵循的八步讲解
所有公式在同一课内遵循: 1. 先用一句业务话说要回答什么问题。 2. 给3—5行真实可手算的模拟数字,不先堆字母。 3. 逐符号说明中文意思、单位、取值范围;上标不是乘方时单独说明。 4. 展开求和/连乘:Σ不是新运算,只是“把每项加起来”;Π是“把每项乘起来”。 5. 代入数字写出中间过程与最终单位。 6. 画一张对应图/流程图或给滑块,并说明滑块改变了什么,哪些量保持不变。 7. 写适用条件、边界反例和常见误读。 8. 给一道同结构练习、一道找错题、可展开答案与解释;答错要指向补课点,不只显示红叉。
必须先教的数学桥梁:小数与百分比、比例与单位、加权平均、绝对值、平方与平方根、坐标轴与直线、累加与连乘、频率与条件概率、指数与对数、分位数、平均平方偏差。求导/矩阵不作先修;最小二乘先从候选直线平方误差比较入手,再讲公式。逻辑回归先用分数→概率查表,再解释exp;不要求手推梯度下降。
公式卡1:移动平均
问题:最近三天卖10、12、14kg,若认为短期水平相近,明天估多少?(10+12+14)/3=12kg。一般式ŷ(t+1)=(y(t)+…+y(t−w+1))/w。y是真实需求,帽子表示估计,t是天序号,w是窗口天数,不是模型学习出的系数。窗口大更平滑也更慢;突增前历史均值不能预知事件。
公式卡2:指数平滑
旧水平20kg、今天实际30kg、α=0.3,新水平=.3×30+.7×20=23kg;新估计=旧估计+α×今天误差。α在0到1之间;权重加起来1,单位仍kg。α不是“正确率30%”。初始化需说明;未来多步SES水平相同,不代表现实不变。
公式卡3:线性回归
ŷ=a+bx,a是x=0时的数学截距,b是x每加1单位预测变化多少。温度20/25/30℃,需求10/15/20kg,x均值25,y均值15;b=[(−5)(−5)+0+5×5]/[25+0+25]=1kg/℃,a=15−1×25=−10kg。零度截距无现实支持,不许外推负需求。分类哑变量只取0/1,不把城市编号123当距离顺序。
公式卡4:WAPE与相对预测偏差率
实际[10,20],预测[12,16]:绝对误差2+4=6,总实际30,WAPE=20%;带方向误差2−4=−2,相对预测偏差率=−6.67%代表净低估。本课统一方向为预测−实际,正值表示高估、负值表示低估;若另使用ME=平均(实际−预测),必须全称标明、单位为原始数量且正值表示低估,不能混称同一个Bias。大数可掩盖小SKU,必须分组;总实际0分母为0,报告未定义。不同物理单位不直接相加。
公式卡5:条件概率与留存
100人在等,今天10人取消,条件取消概率10/100=10%。第二天在仍可观察的70人中取消7人,同样10%。假设删失条件可接受,无发货反事实留存率=(1−.1)(1−.1)=.81。两个10%不能直接加成20%,因为第二次作用于上一天留下者。生存乘积不要求每天事件独立,但由观察数据推反事实需要额外可识别假设。
公式卡6:经验贝叶斯/伪样本收缩
2单取消1单太不稳定;全局10%相当于借来8个“参考订单”、其中0.8个“参考取消”,得到(1+.8)/(2+8)=18%。这些不是新增真实订单,只是权重解释。样本多时更信自己,样本少时多信总体;总体分组、m与数据可见时间都需验证,不能偷看未来总体。
公式卡7:卷积
不要先讲积分:画“第7天发货→延迟3天到第10天”,“第8天发货→延迟2天到第10天”,把各条流入相加。一般式E[可售回流T]=Σ历史发货日s<T 发货量s×退货概率s×条件于退货且可售的时滞概率(T−s)×良率s。τ是预测距离,不是能看历史多远;不得只求和k≤τ漏掉更早批次。
公式卡8:分位数与报童
把[80,100,120,140]从小排大,每个占25%;120处累计75%,所以最小P75为120。Cu/(Cu+Co)=6/8=.75。Cu是少一件损失,Co是多一件损失,单位同为元/件,比例无单位。离散需求的最优可为区间;分位数不是满足率,也不是未来必然上界。
公式卡9:逻辑概率与Brier
z为模型打分,p=1/(1+e(−z))把任意实数压到0—1。e约2.718是常数,指数代表重复增长的连续推广;z=0时e0=1,p=1/2,先让读者查表而不强制手算e。Brier是每个“概率−0/1结果”的平方再平均,越小越好;不是准确率,也不能用未成熟事件强当0。
公式卡10:交期安全库存
先算需求波动、再算交期波动,最后开根号把“件²”变回“件”。Var(交期需求)=平均交期×日需求方差+日均需求²×交期方差,来自独立随机和模型,并非一切场景通用。z是选定分布下覆盖概率对应的系数,95%近似1.645来自正态表;它不是95%订单满足率保证。
公式卡11:价格弹性与log
价格涨10%、销量降20%,局部近似弹性=−20%/10%=−2,无单位。百分比参照点不同会改变两点结果,正式项目统一计算法。ln(x)问“e要乘自己多少次到x”,仅x>0可用;在lnQ=a+b lnP中,b是局部比例响应,零销量不能直接取ln,也不要悄悄加1后仍解释为相同弹性。价格内生时回归系数不是已识别因果弹性。
公式卡12:动态规划
状态=还剩几件和几期;行动=这期定哪个候选价;结果=本期收入+以后最佳收入。确定性递推V(t,I)=max价格p {p×min(Dt(p),I)+V(t+1,I−min(Dt(p),I))};max是试完候选选最大,不是自动魔法。终值V(T+1,I)=残值×I。先枚举四条路径,再画合并重复子问题,才介绍DP缩写。
五、原白皮书需要显式校正的内容
- “通常收益提升xx%”“实证Deviance”等无可验证出处,不迁入教程当事实;只能标原文未核验或替换成明确模拟结果。
- 原文“100300件”“37天”“第159天”“第160天”等疑似格式粘连,不擅自宣称原意;教程独立定义100—300件、3—7天等时须写这是教学设置。
- 离散logit hazard是离散时间logistic hazard模型,不应直接称Cox比例风险模型。若教Cox要另讲连续时间/链接函数与比例风险假设。
- 发货既可改变取消行为,也是现实业务的竞争事件。仅把它写删失不能自动识别“完全不发货”的真实世界结果;独立/条件独立删失、足够支持区间、未观测混杂均需说明。
- TSB平滑发生概率与非零需求大小;Croston平滑非零大小和到达间隔,两者不可混同。几何分布/泊松分布分别指等待期/计数,不可互换。
- 退货卷积应覆盖所有能影响目标日的历史发货cohort;未成熟cohort不能当完整分母。
- COD净保留销量适用于需求/财务情景,不替代实物出库记账。未验收退回不能可售。
- 定价实际销量必须≤可用库存;最优价格需要区分收入/利润、随机/确定性、约束与样本外价格支持。
- 外部温度/流感、回流、供应商工作负载均以当时可得值为准,不能以最终实绩代预测时特征。
- “180天效期预警”“风险0.6自动挂单”“库存集中中央仓”等是可配置业务策略,不包装为行业法律、普遍最佳或无需人工审批的自动动作。
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。