制造案例 M3:同样卖出一万台设备,为什么备件需求不一样?
全文共 1906 字,阅读约需 4 分钟
制造案例 M3:同样卖出一万台设备,为什么备件需求不一样?:本补充教材基于《供应链预测与计划全景白皮书(1).md》第二部分行业矩阵、第三部分3.5、第四部分专项四、第五部分实施路线及第六部分指标。白皮书提供方向,不是这些数值的来源。以下企业、物料、日期、订单、参数和结果全部为教学模拟,不代表真实项
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。
制造与备件 · 第3个独立案例。数据、参数及结果均为教学模拟;本例小样本演算不是大规模模型训练或真实业务效果。
下载本行业案例输入、说明与可运行计算器
共同阅读与提交约定
制造与医药流通预测教学案例:10个不同业务问题
阅读与实施约定
本补充教材基于《供应链预测与计划全景白皮书(1).md》第二部分行业矩阵、第三部分3.5、第四部分专项四、第五部分实施路线及第六部分指标。白皮书提供方向,不是这些数值的来源。以下企业、物料、日期、订单、参数和结果全部为教学模拟,不代表真实项目收益。医药仅讲仓储、配送与需求计划,不给诊断、治疗、用药、处方替代建议,也不处理患者明细。
十个案例不是“换商品名称重算平均数”:制造分别解决成品需求与齐套约束、零需求更新、保有设备分龄、供应交期、跨周期VMI;医药分别解决批次可售时间、聚合复购漏斗、先行指标、政策断点、冷链质量状态。预测提供不确定估计,计划把预测转换为受约束建议,执行必须另行获得业务授权。
统一零基础数学约定
×是乘,/是除;max(0,x)在0与x中取较大值,防止出现负采购量;min(a,b)取较小值,例如库存只能卖到可用数量为止。floor(x)向下取整数:floor(3.8)=3,表示不够一整套就不能算完整成品。ceil(x)向上取整数:ceil(3.1)=4,表示整箱订货至少要4箱。- 带帽子如
D_hat表示预测,普通D表示实际。百分数是无单位比例:20%=0.20。平均数=总和÷个数。这里用“单位/一个预测周期”解释预测速率;一天、一周、一个月绝不混用。 - 单个小例用于学会计算,不足以证明模型有效。扩展作业至少使用180天模拟数据,按时间顺序划为训练112天、验证28天、封存测试40天。5天评价窗口不得跨分块;周/月级模型按完整周期聚合,不为凑行数拆开一个业务周期。调参只能用训练/验证,测试不得反复挑最好参数。
- 每例都保存
origin_time(当时发出预测的时间)和available_at(数据当时可获得时间)。只允许available_at≤origin_time的输入。下文“次周实际”只用于事后评分,不能回填为预测特征。 - WMAPE=绝对误差之和÷实际数量之和;本教材Bias=(预测数量之和−实际数量之和)÷实际数量之和,正号为高估。分母为0时不输出百分比,改报绝对误差。不同SKU若计量单位不同,应分组评价或先经过有记录的标准化,不能把盒、毫升、台直接相加。
每例都有两层作业:先完成下列小数据手算和边界测试,再做阶段项目的时间回测。小例通过不等于上线;模型收益须在独立回测和业务实验后判断。
制造案例 M3:同样卖出一万台设备,为什么备件需求不一样?
阶段:多类别特征→保有量与年龄分组。 匿名设备厂预测下个月某备件需求。用历史出货总数会忽略报废、退出服务、使用年龄和实际维修覆盖范围。
输入与预测合同
月末23:00发出下月预测,粒度“服务区域×备件型号×月”。下列为截止月末仍活跃且在本服务网络覆盖范围的设备。故障概率只是模拟训练参数,不声称适用于任何真实产品。
| 设备组 | 活跃设备数N(台) | 下月相关故障概率r | 发生故障后由本网络使用该备件的比例u | 每次件数b |
|---|---|---|---|---|
| 使用不足一年 | 1000 | 0.01 | 0.80 | 1 |
| 使用满一年 | 500 | 0.04 | 0.75 | 1 |
公式拆解与逐步演算
每组期望备件量E=N×r×u×b。N单位台,r单位“每台在未来一个月发生相关故障的概率”,u无单位,b单位件/次。这里假设每台下月至多一次相关故障,故N×r为期望故障次数。年轻设备:1000×0.01=10次,再×0.8×1=8件;较老设备:500×0.04=20次,再×0.75=15件;合计预测23件/下月。
若从老组移出100台且其余条件不变,则新预测8+400×0.04×0.75=20件,下降3件。不能在没有退出设备记录时随意删除设备,也不能同时用“仍活跃设备数”和再次扣除的留存率重复折损。
项目操作与答案
输入两行设备组和参数版本;输出m3_installed_base_forecast.csv,包括每组贡献8、15与合计23,画分组贡献图。扩展项目生成设备入网、退网和分龄快照,只在月末当时可知状态预测;与不分年龄的基线比较。若只有180天,可只做粗粒度月预测演示,不声称样本足以识别真实失效率曲线。
验收:两组和为23件;老设备退出100台后为20;u全部改成0时为0。另提交一条重复计数检查:同一设备在同一快照最多属于一个年龄组。
边界: 这是分组期望,不是个体故障诊断;多次故障需改成事件率模型而非一次概率。置信区间、批次质量、使用强度等尚未考虑,不能由23直接推出某个服务水平的库存。所谓“浴盆曲线”是可能形状,不是对所有产品都成立的已知事实。
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。