医药案例 P5:冷链隔离库存如何进入未来可用量预测?
全文共 2865 字,阅读约需 6 分钟
医药案例 P5:冷链隔离库存如何进入未来可用量预测?: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。
医药流通 · 第5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。
医药案例 P5:冷链隔离库存如何进入未来可用量预测?
阶段:状态机→概率供应→硬承诺边界。 匿名冷链配送仓某批次被质量人员隔离,计划团队需做补货情景,但不能让预测模型解除隔离或批准放行。
输入与预测合同
D0闭库发出D1—D3预测,粒度“仓×SKU×日期×质量状态”。当前合格可用12箱;隔离库存10箱;D2开库前有已确认合格补货6箱。D1、D2、D3需求预测6、8、5箱。根据纯模拟历史、在D2开库前隔离批次由有权人员最终放行的概率为0.6,若不放行则D3结束前均不可用。这里只做二情景,假设需求固定、放行不改变需求。
公式拆解与逐步演算
不放行情景:D1从12发6,余6;D2先收6变12,再发8余4;D3需5但只发4,缺1,期末0。放行情景:D1余6;D2收正常6和正式放行10,合计22,再发8余14;D3发5余9,缺货0。
期望期末库存E[I]=p×I_yes+(1−p)×I_no=0.6×9+0.4×0=5.4箱。p为放行概率(无单位),I_yes、I_no为两种情景的期末箱数。期望缺货E[U]=0.6×0+0.4×1=0.4箱。这不表示现实可以缺0.4箱,而是重复很多次同类模拟的平均。
特别注意:把隔离10箱先乘0.6得“6箱预计可用”,再将6当硬库存加入,会算出没有缺货,错误地把不确定性抹平。库存计划里的min等非线性运算,通常不能用“先平均输入”代替“逐情景算结果再平均”。对客户硬承诺仍只计已批准合格库存及满足确认条件的供给。
项目操作与答案
输入状态库存、正常到货和三日需求;输出p5_scenario_ledger.csv两情景逐日账与p5_expected_outcomes.csv,图中用两条曲线而非一条虚构确定轨迹。程序要求明确的质量放行事件才能把隔离库存转为合格;不读取或自动变更任何真实质量系统。
验收:不放行缺1/期末0,放行缺0/期末9,期望缺0.4/期末5.4;在未提供放行事件的任何路径中,隔离库存出库必须为0;p=0时回到缺1,p=1时回到缺0。扩展项目比较冷链事件造成的供给不确定性,不根据温度模型自行延长药品有效期或替代质量批准。
边界: 0.6为模拟参数,无医学或质量判定意义。温度异常不能仅凭数学概率认定质量合格;回温、传感器数据和隔离处理均须服从既有授权流程。预计供给与承诺可用库存必须分栏。
阶段项目:把10个小例变成可检验作品
每例先用本文数据通过答案测试,再扩展为一个小项目,不要求一次完成10个。建议按M1/P1→M2/P2→M3/P3→M4/P4→M5/P5分五阶段,每阶段一制造一流通场景。
每阶段提交:1)数据字典与模拟生成说明;2)原始CSV和冻结参数;3)带预测时点的结果CSV;4)一张有单位、时间轴和“模拟”标识的图;5)至少三个自动测试;6)200—400字解释:业务目标、公式、失败情景、不能用于什么。公式中每出现一个新符号,都在该式旁写单位并展示一行代入算术。
评分100分:数据与时点20,公式与手算20,业务约束20,边界测试20,复现与表达20;总分至少80且无未来泄漏、无负库存隐瞒、无隔离批次非法出库这三类硬失败,才进入下一阶段。分数是教学标准,不是行业认证。
随附manufacturing-pharma-labs/提供小例CSV、标准库Python验算脚本及说明。运行python verify_cases.py会只读加载CSV与parameters.csv,计算到独立outputs目录;验证上文关键数字、使用--self-test时验证10个输入扰动及13个非法输入拒绝,并检查原CSV的SHA256前后不变。它是单元测试夹具,不是生产预测引擎,也不是已经完成的180天回测。扩展数据和模型选择须由学习者按项目要求完成。
来源与修正说明
- 已完整读取用户白皮书285行。M1/M2/M3对应3.5;M4对应专项四;M5对应1.1第三层与第五部分;P1—P5扩展第二部分医药矩阵,采用物流教学范围;指标来自第六部分并明确了方向。
- 白皮书的“TSB同时预测需求间隔”表述在M2中纠正为“发生概率与正需求大小”。
- 白皮书的医药180天预警仅可视为示例政策,不可当普遍法规。本文不采用无来源的行业收益比例、品牌案例、临床参数或温度质量阈值。
- 以上公式为明确假设下的教学计算。书中一般行业建议不构成对实际采购、医疗质量处置或系统执行的授权。
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。