R5 明天备多少珍珠:短保成本与厨房容量同时约束
全文共 2448 字,阅读约需 5 分钟
R5 明天备多少珍珠:短保成本与厨房容量同时约束:来源定位:已实际阅读《供应链预测与计划全景白皮书(1)》第二部分六行业矩阵、第三部分3.3与3.4。F1—F3对应基线/促销/节后透支/风险池化,R1、R3、R4对应配方订货与相似活动映射;F4、F5、R2、R5是为把这些业务链条讲完整而增
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。
餐饮茶饮 · 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
快消电商与餐饮茶饮:10个可完成、可验收的预测项目
来源定位:已实际阅读《供应链预测与计划全景白皮书(1)》第二部分六行业矩阵、第三部分3.3与3.4。F1—F3对应基线/促销/节后透支/风险池化,R1、R3、R4对应配方订货与相似活动映射;F4、F5、R2、R5是为把这些业务链条讲完整而增加的教学扩展,不冒充原文。原文中的实际收益百分比及品牌案例不作为本教程证据。
以下企业、销量、配方、库存、价格、成本、系数、场景概率均为教学模拟,不构成实店经营建议。禾味是虚构品牌。案例的预测目标、时间点、数据单位各自独立;不能把杯、件、千克汇总为一个误差指标。每个案例可以独立完成,不能只换行业名称重复同一道题。
共同学习约定
先用本章完整小样本手算,再实现同样计算,最后扩大数据。教学小表是单元测试,不是“模型已经验证有效”的证据。涉及模型比较的扩展实验使用独立的180天模拟面板:第1—112天训练,第113—140天验证,第141—180天测试。预测起点为已知数据的最后一天;只使用该时点已得到的信息。5天评价窗口必须完整落在同一分块内。验证后冻结参数,才打开测试结果;不要调完测试再声称盲测。
课程完整面板的目标范围为禾味2家门店、8个食材SKU,入门14天,预测实验扩展180天;本包仅交付下列十个独立手算截面,不包含完整面板。八种原料为椰浆、牛奶、咖啡豆、红茶叶、糖浆、柠檬、珍珠、燕麦奶。杯、盖、吸管及联名包材另设包材表,不偷换为食材SKU。某案例只展示其中两种原料时,须注明这是完整面板的截面,不声称2×8面板已被完整展示。
所有项目输出至少包括:输入CSV、计算脚本或带公式表格、结果CSV、一张业务图、150字结论与局限。缺货标记、活动安排、天气预报的可用时间必须保留。预测是需求判断,订单是受库存、交期、规格和容量限制后的决策,两者不得画等号。
第一组:快消零售与标品电商
R5 明天备多少珍珠:短保成本与厨房容量同时约束
场景与阶段:禾味A店珍珠当天现制、当日用完;需求预测给出情景而不是唯一数。中阶离散概率与决策项目,解决“预测均值不是最佳备制量”。
目标与数据:前一晚估计次日需求,单位为“标准份珍珠”,模拟需求三情景80/100/120份,概率0.25/0.50/0.25,和为1。每缺一份代价Cu=6元;每剩一份代价Co=2元。这些是教学成本假设,且缺货代价不能再重复加一遍销售损失。厨房可制上限110份,候选量为80、100、110、120。
公式与逐步手算:情景D是需求,Q是备制量。缺货=max(D−Q,0),剩余=max(Q−D,0)。成本C(Q,D)=6×缺货+2×剩余。期望成本E[C]=各情景概率×该情景成本之和。Q=100时:D=80剩20,成本40;D=100成本0;D=120缺20,成本120。加权0.25×40+0.50×0+0.25×120=10+0+30=40元。Q=110时:三个成本60、20、60,加权15+10+15=40元。Q=80的三个成本0、120、240,期望120元;Q=120三个成本80、40、0,期望40元。均值需求0.25×80+0.5×100+0.25×120=100份。
可完成项目:30分钟填完整4×3成本表,30分钟画备制量与期望成本,30分钟加入110份容量并删不可行候选,30分钟写同成本时选择规则。输入r5_demand_scenarios.csv与r5_constraints.csv;输出r5_expected_cost.csv及r5_cost_curve.png,另交“成本、数量、概率单位检查”。
验收与答案:①四个期望成本120/40/40/40元;②容量110下120不可行,100与110都达到本例候选最小成本40;③若预先规定同成本选更少备制,选择100,而不是宣称最优解唯一。可补充临界比例Cu/(Cu+Co)=6/8=0.75,累计概率到100恰为0.75,离散分布可能产生多个同成本量,不能只背一个分位数答案。
边界与反例:所有需求情景概率来自教学设定,不是三条历史数据就自动等概率。容量上限是生产约束,不是把需求“修正”为110。原料保质期、食安和工艺要求独立遵守,模型无权延长效期。加入二次补做、等候损失、加班固定成本后,当前成本表须重建,不能照搬单周期结论。
行业差异与结业检查
快消五案分别改变了促销、跨期透支、区域相关性、层级一致性、交叉价格机制;餐饮五案分别改变了配方转换、气象/日历、无历史活动与包材、日内信息/共享供给、短保成本/产能机制。每组不是同一公式换五个商品名。
扩展结业时可任选每行业一例另行生成180天数据(本小样本包不包含),并让另一位学习者根据输入文件独立复现结果。必须同时交:预测时点图、数据字典、手算小表、程序断言、业务限制、失败案例。复现结果应与本章数字在1e−6内一致(表内已显示舍入的小数可允许1e−3);整箱数、整数配额和守恒要求完全一致。不要将这些模拟作业的收益写成真实企业案例。
本包输入清单与运行
使用同目录 README.md 的字段/行数清单。运行
python run_cases.py 会真正读取CSV和
model_parameters.json,生成 results_from_csv.json,再与
expected_answers.json 比较;不是只检查硬编码公式。运行
python run_cases.py --self-test
另检验天气发布时间泄漏和输入扰动响应。输出JSON是机器核对结果;作业要求的图表和业务说明仍由学习者完成。
执行边界补充:run_cases.py现会拒绝F4负全国/分仓预测、R4不在(0,1]的分时比例、R1不在[0,1)的损耗率。R5输出R5_decision,实际按capacity筛选候选;容量110选100,容量90仅能选80,容量70时报告无可行候选,不返回伪最优。上述故障注入测试均纳入--self-test。
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。