网站导航

双供应商分单:便宜、快和已经承诺的订单一起算

全文共 2577 字,阅读约需 6 分钟

双供应商分单:便宜、快和已经承诺的订单一起算: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。

← 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。

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。

PR04|双供应商分单:便宜、快和已经承诺的订单一起算

1. 输入和决策变量

在第6日需要100件。已经向A订了20件,不能假装这20件不存在或任意转给B。现在追加80件,两家都按10件一批订,最小起订量MOQ仅对本次新增订单为正时生效。

项目A供应商B供应商
新增采购单价/元811
本次下单固定费/元3050
本次MOQ/件2010
总供货容量/件100,含已承诺2060
正常情景到达日第4日第3日
A延期情景到达日第7日第5日

正常情景概率0.7,A延期情景概率0.3;两家的到货日通过同一行联合情景给出。不要分别取两家的P90再相加,然后称“联合P90”。

本课缺货罚成本为20元/件;迟到货并没有消失,只是不满足第6日的承诺。模型不计第6日以后的持有/处置成本,也没有允许变更原已承诺20件的下单日期。

设q_A为本次加给A的件数,q_B为加给B的件数:

  • q_A+q_B=80。
  • q_A、q_B必须是10的整数倍。
  • q_A=0或q_A≥20;q_B=0或q_B≥10。
  • q_A+20≤100;q_B≤60。

“整数倍”不是“取整后就一定合法”。例如A10/B70同时违反A的MOQ和B的容量,应直接排除。

2. 手算A20/B60

采购与固定费:20×8+60×11+30+50=160+660+80=900元。

正常情景:已订A20+新订A20+新订B60=100件按时到,缺0。

延期情景:A两批共40件均第7日到,截止第6日只有B60件,因此缺40件。不能只计算新增A20的迟交,而忘记旧A20。

期望缺货=0.7×0+0.3×40=12件。

期望罚成本=12×20=240元。

总期望相关成本=900+240=1140元。已承诺20件的采购款是所有候选相同的既定成本,本表不重复加;若要计算整个订单完整财务成本,应把它统一加回所有候选。

3. 七种合法候选全部比较

新增A新增B采购+固定费/元期望缺货/件总期望成本/元
2060900121140
3050870151170
4040840181200
5030810211230
6020780241260
7010750271290
800670301270

A80/B0只需670元采购及固定费,但期望迟交成本600元,总1270,反而比A20/B60高130元。注意70/10切换到80/0时,不再产生B固定费50元,所以表不是严格线性递增。

本例最佳分单20/60仍只有70%的概率全量按时到。最低期望成本不代表100%准时,更不代表风险已解决。若业务要求95%以上全量准时,这7个候选全不合格,应报告“当前供应与已承诺订单下无满足该条件的方案”,再讨论提前订货或新供应商,而不是把70%写成95%。

4. 最优性和参数敏感性

因为所有合法候选都被列出、逐一计算,1140是这个有限模型的最小值;不是调用商业求解器得到的通用全球最优。若允许提前下单、拆成多个到货批次或改变供应商集合,候选集就变了,必须重算。

练习:把缺货罚成本20改成0。最佳变A80/B0,成本670。程序真的读取输入并改答案,不是硬编码“永远20/60”。这不等于建议业务忽略缺货,而是说明目标函数决定选择。

输入sourcing.json;结果sourcing_candidates.csv;详细情景见results.json。验收MOQ、批量、两家容量、已承诺量、情景概率之和为1;没有合法解时抛出明确错误,不输出假的最优分单。

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。