两层BOM与多期APS:先看物料在哪天可用
全文共 4035 字,阅读约需 9 分钟
两层BOM与多期APS:先看物料在哪天可用:本章提供6个可以离线运行的合成实验。其中生产实验又分央厨与制造两个小案例。它们补的是“怎样把预测变成需求、供应、财务与库存账”,不是企业实施方案。所有日期、价格、概率、产能与业务记录均为教学设定,没有客户真实资料。
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。
已独立审查的模拟计划实验。下载计划侧6个实验。固定优先级或有限枚举的结果不是通用MILP/APS全局最优,不代表真实收益。包内pending为冻结时记录,第二版独立审查已通过其注明范围。
共同运行方法与教学边界
计划侧补全课:从预测数字走到能检查的计划
这次真正能完成什么
本章提供6个可以离线运行的合成实验。其中生产实验又分央厨与制造两个小案例。它们补的是“怎样把预测变成需求、供应、财务与库存账”,不是企业实施方案。所有日期、价格、概率、产能与业务记录均为教学设定,没有客户真实资料。
- 已完成:两版各12个月的需求/供应/财务并列表、CPFR协商时点;两层BOM与3周排程;1CDC+2RDC+2FDC的多日库存和在途账;双供应商分单枚举;COD应收与回款日账;30日库存、预测、调整与业务指标重算。
- 已运行:Python标准库程序,6份JSON输入,8份CSV结果,完整JSON结果,71项作者测试。测试覆盖基准答案、守恒、31个非法输入、合法参数变化及零分母。作者测试不等于独立审计。
- 未完成、也不冒充完成:没有训练预测模型,没有调用MILP求解器,没有证明通用APS或MEIO全局最优,没有接企业ERP/WMS,没有下采购单、生产单或调拨单,没有真实业务收益证据。
- 数值上的“最优”只在明确有限候选集合内成立。生产采用先A后B的启发式。网络采用固定补货启发式,再穷举210种起始库存配置。供应商对给定订货日的7种合法分单全部比较,因此只在该小模型中可证明最优。
配套包:planning-remaining-labs.zip。 解压后运行:
python run.py
python test_labs.py需要Python
3.10或更新版,无需安装第三方库。第一次命令从data目录读取输入并生成outputs;第二次命令把计算结果与教学答案、约束和已交付结果比对。成功末行分别显示6个实验已完成和71项检查通过。参数示例:python run.py --data data --out my_results。修改数据后先看my_results,不要把旧答案当新结果;test_labs.py的基准答案有意固定于原始教学输入。
先学会看公式和代码
t是第几期。例如t=2指第二个月,不是乘以2;下标t−1表示上一期。min(a,b)表示取两个数较小者。例如min(12,8)=8。max(a,0)表示负数改为0。例如max(−3,0)=0。floor(a)表示向下取整。例如floor(8÷0.3)=26。只能交付完整一份菜,不能把26.666份写成27份。Σ表示把指定各项相加。Σd_t就是把每期需求d_t加起来,不是另一种神秘运算。p×c表示概率p乘以某情景成本c。它是许多次同类试验的平均成本贡献,不意味着一次一定支付这个金额。- 数量必须带单位。件可以加件,kg可以加kg;不能把100件+20kg写成120。
- 程序里的
=是赋值。例如stock = stock - sold是更新库存。公式中的等号则表示两边数值相同。
每个实验都遵循:先写假设和输入 → 手算一行 → 计算全表 → 验证守恒 → 改一个条件观察变化 → 承认模型边界。
PR02|两层BOM与多期APS:先看物料在哪天可用
1. 两层是什么意思
BOM是物料清单。这里的“两层”指成品先消耗半成品,半成品再消耗原料,而不是把同一损耗乘两遍。
央厨链:A/B菜品 → 酱料半成品 → 番茄与香料。
制造链:A/B成品 → 核心模组 → 芯片与树脂;另有每台一只外壳。两种成品共享芯片,不能各自拿同一份芯片计算一遍可产数量后再相加。
MRP主要回答物料何时需要多少;本课APS小排程还会检查半成品产能和成品产能。它采用固定优先级启发式,不是通用生产优化器。
2. 央厨:由份数走到kg
data/production.json的kitchen部分给出:
- A每份用0.2kg成品酱料,B每份用0.3kg。
- 每1kg合格酱料消耗1.25kg番茄和0.02kg香料。本课番茄系数1.25已包含80%出成率,即1÷0.8=1.25;不能再除0.8。
- 期初酱料2kg、番茄80kg、香料5kg。
- 第1周12月3日生产、4日配送;第2周10日生产、11日配送;第3周17日生产、18日配送。
- 番茄15kg在12月9日到货,25kg在12月18日到货。后者赶不上17日生产,即使能赶上18日配送,也不能拿它倒填生产。
- 本例酱料允许跨周留存,假定已验证覆盖整个实验期的货架期与适当储存。本课不模拟微生物风险和温控,不是食品安全放行指南。
| 周 | A需求/份 | B需求/份 | 酱料产能/kg |
|---|---|---|---|
| 1 | 50 | 40 | 24 |
| 2 | 60 | 40 | 20 |
| 3 | 70 | 40 | 28 |
3. 央厨逐步演算
设q_A、q_B为需求份数;b_A=0.2、b_B=0.3,单位kg/份。酱料毛需求G=q_A×b_A+q_B×b_B。“毛”在这里是未扣库存的需求,不是又一次含损耗。
第一周:
- 酱料需求G=50×0.2+40×0.3=10+12=22kg。
- 有2kg可用酱料,只需新做22−2=20kg。
- 酱料产能24kg,番茄支持80÷1.25=64kg酱料,香料支持5÷0.02=250kg,因此可生产min(20,24,64,250)=20kg。
- 新耗番茄20×1.25=25kg;番茄结存80−25=55kg。香料新耗20×0.02=0.4kg,结存4.6kg。
- 可用酱料2+20=22kg,足够A50份、B40份,期末酱料0。
第二周:
- 番茄55+15=70kg;15kg到货日期早于10日生产,可以使用。
- 酱料需求60×0.2+40×0.3=24kg,产能只有20kg。
- 先给A60份,用12kg;还剩8kg。
- B能做floor(8÷0.3)=26份,使用7.8kg,余酱0.2kg。
- B缺40−26=14份。本例餐饮未满足需求视为流失,不在下一周自动补做旧菜。
第三周:
- 需求70×0.2+40×0.3=26kg;期初有0.2kg,所以新做25.8kg。
- 番茄生产前只有45kg,足够25.8×1.25=32.25kg用量,末尾12.75kg。
- 18日才到的25kg被列为本次生产窗口未使用到货,不是消失,也不能提前扣。
每周盘存是某一时点的“存量”。把周一库存和周二库存相加,不会变成一周需要购买的量。只有每天消耗、到货等“流量”才可按期相加。已消耗的2kg旧酱料无需再次展开成番茄采购需求,因为原料已经在以前生产时投入。
4. 制造:3周到货与共享芯片
期初10颗芯片中有2颗已为外部订单保留,当前可用仅8颗;另有2个现成模组、20kg树脂、20只外壳。每个模组用1颗芯片+0.5kg树脂。每台A用1个模组,每台B用2个模组,二者各用1只外壳。
| 周 | 新A需求/台 | 新B需求/台 | 本周初芯片到货/颗 | 模组产能/个 | 成品产能/台 |
|---|---|---|---|---|---|
| 1 | 4 | 2 | 0 | 8 | 6 |
| 2 | 4 | 3 | 3 | 8 | 6 |
| 3 | 2 | 2 | 5 | 8 | 6 |
本课把表中到货定义为周初已经可用,且先做A,再做B;制造欠交会滚到下一周。树脂、外壳没有额外到货。芯片保留量2颗不属于本实验可消耗资源。
第一周:可用芯片8、已有模组2。
- A4台共需4模组,先用旧2个,再造2个,耗芯片2颗,剩芯片6颗。
- B2台共需4模组,新造4个,耗芯片4颗,剩芯片2颗。
- 一共造6个新模组,没超过模组产能8;完成6台,没超过成品产能6;外壳剩20−6=14只。
第二周:芯片2+3=5颗。
- A4台需要4个模组,造4个后余芯片1颗。
- B每台需2个模组,只有1颗芯片不能拼成一台B,所以B产0台、欠交3台。
- 不能把第三周的5颗提前拿来用;也不能说“A能做4台,B单独能做2台,因此合计6台”,因为那样芯片被重复分配。
第三周:芯片1+5=6颗。
- 先做A2台,用2颗;剩4颗支持B2台。
- B待交是旧3+新2=5台,只完成2,最后仍欠3台。
全部新需求为A(4+4+2)=10台、B(2+3+2)=7台,共17台;实际完成14台。原需求17没有被改写成14。
5. 齐套率必须说清楚分母
第二周有两条待办订单行:A4台、B3台。在A优先分配后,A行完整齐套,B行没有完整一台:
- 订单行齐套率=完整齐套的订单行数÷待办订单行数=1÷2=50%。
- 计划台数可齐套率=可齐套台数÷计划台数=4÷7≈57.14%。
一条大订单与一条小订单在第一种指标中各算一票,在第二种指标中按台数计数。物料齐套与产能可排是不同检验;本例第二周成品产能6台大于物料可做4台,所以这两个瓶颈没有冲突。换数据后不能直接拿实际产量代替物料齐套量。
outputs里的三周期单位完成率14÷17≈82.35%,分母是期间新增需求。另一个4÷6≈66.67%是周内待办SKU任务行完成率,分母只数本周待交量大于0的活动行。此例3周各有A/B两行,因此共6行;零任务行不算,完全无任务时返回null。欠交会在后周再次出现,所以它不是去重后的客户订单行齐套率。不要把三种数互换标签。
6. 非瓶颈采购也要重算,但不能偷偷删掉欠交
实际样例初始外壳20只,本来就足够17台需求,因此没有需要发出的新增外壳采购单。
另做明确的“如果只有10只外壳可用”的采购计划敏感性分析:
- 未考虑芯片约束的17台计划会提出max(17−10,0)=7只净需求。
- 按当前可行14台计划,短期只需max(14−10,0)=4只。
- 差额3只可以建议暂缓释放,不等于取消客户仍欠的3台。它是另一情景下的建议,不是声称实际取消了采购单,也不是把外壳库存改成10后重新证明同一生产计划可行。
本模型没有对“提前多生产是否更好”或“先B后A能否降低总延期成本”进行全局搜索。启发式优点是过程清楚、约束可核;缺点是可能错过更好的跨期安排。
7. 程序与验收
输入production.json;程序函数kitchen、manufacturing;结果kitchen.csv、manufacturing.csv。检查:酱料2+20=22;第二周B26份且余0.2kg;晚到25kg不入17日可用量;制造芯片不重复用;第二周A4/B0;第三周A2/B2;保留2颗芯片不动;最终B欠3台。
练习:把第二周芯片到货从3改为0。答案:第二周只有2颗可用,A也只能产2台,程序将重新计算后续欠交。先算当期,再看后期,不能为了保持旧答案而跳过守恒。
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。