24小时静默与受约束的裁剪和超卖
全文共 3529 字,阅读约需 8 分钟
24小时静默与受约束的裁剪和超卖:这组补课回答五个具体问题:未发货订单今天还会取消多少;等满24小时以后该裁多少;退货预测为什么不能直接拿去向客户承诺;COD高风险单如何进入有限人审;有部分到货的PO还要等多久。读者只需会比例、乘方、平方根、坐标图和简单方程。先用小数手算,
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。
R3离线模拟专项补课。下载五模块专项实验包。PO测试P50校准警戒未通过;最终分位仅21/131张有支持,下一批7日99/131张有支持,其余留空。此处真实拟合仅限模拟数据,不是生产认证或实时业务服务。
共同运行方法与时间规则
八项专项缺口的分阶段教程与模拟项目
这组补课回答五个具体问题:未发货订单今天还会取消多少;等满24小时以后该裁多少;退货预测为什么不能直接拿去向客户承诺;COD高风险单如何进入有限人审;有部分到货的PO还要等多久。读者只需会比例、乘方、平方根、坐标图和简单方程。先用小数手算,再看模型,再运行项目。每处“最优”都只针对写出的玩具成本、容量和概率假设。
所有商品、订单、顾客、供应商、仓库和事件均为虚构模拟。项目不连生产系统,不给真实订单挂起,不联系客户,不下采购单或裁剪工单。模拟数据上的拟合、流程通过和业务效果是三种不同证据,不能混称“上线验证”。本补课对应P14、P15、R01、R04、D01、D02、L02、L03;不改写其他白皮书条目的覆盖结论。
开始之前 运行顺序与共同时间规则
项目目录是 forecast-specialty-gap-labs。需要Python、numpy、pandas、scipy和scikit-learn;确切实跑版本在包内requirements.txt。这里确实训练了scikit-learn逻辑回归与GBDT,没有安装或运行LightGBM、lifelines、AFT、深度网络或实时服务。缺依赖时程序会报缺少哪个包,不能把“给了源码”说成“在你的电脑上跑过”。无需联网取数据。
运行顺序:
python run_all.py
python -m unittest discover -s tests -v第一条生成原始CSV,再从这些CSV读取数据、建标签、训练和写结果;会覆盖包内同名数据和结果。第二条测试时间边界、计数守恒和流程。修改原始输入后运行以下命令才会保留修改:
python run_all.py --reuse-inputs六个受保护的原始输入为hazard_orders.csv、hazard_events.csv、return_order_cohorts.csv、cod_orders.csv、po_release_features.csv、po_receipt_events.csv。其余person-day、快照和输出是重建结果,手改会被覆盖。--reuse-inputs不是生产数据适配器:它仍要求本项目字段、事件类型、数值范围和完整模拟历史。空类别、单一标签、全无成熟样本等会失败,应报告不足并停止,不可补造标签。对真实未完成PO,不能强行提供未来完成事件满足模拟输入契约。
所有day都是各项目自己的整数日历。day=10表示项目起点后第10天,不是统一业务日期。as-of表示“站在那个时刻,仅允许看到当时已经发生或已公布的东西”。训练、选参数、最终评估用不同时间块;验证集只选参数,测试集不负责选参数。同一订单的多行必须留在同一块。行数多不等于独立订单多。
学习可分三遍:第一遍完成每章手算;第二遍运行并核对CSV;第三遍做改参数/破坏边界练习。模型表现不好也是结果,不能为了通过验收更换测试集。
模块 SG02 24小时静默 交期混合与受约束的裁剪和超卖
对应P15。目标是把上一章的概率变成可以检查的建议,而不是把“预计净需求”直接当裁剪量或允许卖出的件数。任何真的锁单、裁剪、采购、超卖都不在本项目执行范围内。
第一步 先画出决策时刻
在订单年龄小于24小时期间,静默闸门只输出不进入不可逆裁剪建议;等于24小时才通过。23.999小时不通过,24小时通过。闸门测试不代表实际系统已拦住工单。
本例站在T+24h:现在已知仍等待80张同质、每张1件的订单。此前到底下了多少单不参与再次扣减。比较“现在裁固定q件”与“等到较晚时段裁固定q件”;两种政策都在此刻决定q,等待政策没有偷看未来真实需求。因此本题不是等待获得信息的价值,也没有声称找到了最优动态排产。
第二步 交期不确定时不能只看平均天数
交期L取3、5、8天,概率w分别为0.3、0.5、0.2,加起来恰为1。每种交期从第1天开始用条件留存pₗ=S(1+L)÷S(1)。对于80单,交期情景的期望净需求为80pₗ。
总期望净需求 = 0.3×80p₃ + 0.5×80p₅ + 0.2×80p₈。
“期望”是按可能性加权平均,不是保证到时恰好这个数。本次三个p来自实际拟合模型,约为0.86373、0.81292、0.75476,对应69.10、65.03、60.38件,加权约65.32件。平均交期=0.3×3+0.5×5+0.2×8=5天,但p在交期上不一定是直线,所以80p₅不一定等于65.32。
如果订单条件独立且同质,留下的订单数D服从二项分布:D~Binomial(N,pₗ)。N是当前活跃承诺数,D取0到N的整数。比如N=2且p=0.8,则D=0概率0.2²=0.04,D=1概率2×0.8×0.2=0.32,D=2概率0.8²=0.64。三种交期分别有一套分布,再按w混合。共同舆情或统一延期可能让订单一起取消,此时独立二项假设会低估尾部风险。
第三步 BOM与产能先限定可选动作
每件成衣要2米布和1套辅料,现有布160米、辅料90套、缝制容量85件。三种上限分别是160÷2=80、90÷1=90、85,因此最多min(80,90,85)=80件。min表示取最小值。不能因为辅料够90件就按90件裁剪,也不能先取65.32件再忽略整数和材料。
现在裁每件成本10元;晚裁每件12元,晚班只能做55件。多做一件承担8元净余货成本,少一件承担45元缺货成本。这里的余货成本是已扣除可回收价值的额外处理负担,10或12元加工材料成本仍单独计算,避免模糊地把同一笔成本算两次。
对于给定q和真实需求D:
成本 C(q,D) = c×q + 8×max(q−D,0) + 45×max(D−q,0)。
c是本政策每件成本,q是提前决定的数量;max(x,0)把负数改成0。例如现在裁q=68,最终D=65:成本=10×68+8×3+45×0=704元。若D=72,成本=680+0+45×4=860元。
期望成本把每个D的成本乘以其概率再相加。程序对现在裁q=0至80、晚裁q=0至55逐个枚举,不靠高深求解器。presale_hedge_cost_grid.csv包含每个候选的成本、容量、缺货概率。无服务约束的成本最低是现在裁68件,约740.51元;晚裁55件,约1126.26元。这里只是在给定例子里现在裁较便宜,不能推断所有预售都该立即裁。
第四步 低成本与可靠履约是两道门
不能把上面裁68件的低成本结果与另一套78件供应保证拼接成同一个“最优方案”。本项目为每个q同时算缺货风险。交期3、5、8天时可按期交付容量分别为78、76、72件;实际可交付为min(q,该情景容量)。
约束写作:每种交期情景下,P[D>min(q,容量)]≤0.05。P表示概率;“≤0.05”表示缺货概率不能超过5%。这不是“最多少5%件数”,两者不同。
在80单基础上裁68件,最坏情景缺货概率约59.21%,所以虽然成本最低,根本不满足5%服务约束。为当前80单挑最低成本且满足每种情景约束的q,得到74件,期望成本约810.20元、最坏情景缺货概率约3.045%。晚裁最大55件,当前假设下没有可行解,应显示不可行,不可悄悄放宽阈值或补上未授权加班。
动态超卖再枚举活跃承诺N=80至120,并要求找到不超过80件材料容量的供应承诺q。输出给出每个N所需的最小q。默认最多可支持85张活跃承诺,并必须承诺78件供应;它不是“裁68件却卖85件”。新增加的订单在此例中被假定与现有订单有同样年龄、特征和留存概率。现实新单刚创建,不能套用已经过24小时的老单留存,必须按各自年龄重新建分布。
第五步 验收与扩展
检查presale_silent_gate.csv四个边界;检查BOM容量80;检查成本最低与服务约束最佳分开;检查所有风险概率在0至1;增加N时缺货风险不下降;检查被选超卖量对应供应q在容量以内。把5%改成1%、布从160米降为140米,重新生成自己的场景,不沿用默认答案。planning(h, fabric_meters=140)得到容量70,现有80单已经没有满足5%约束的方案,必须返回无解、空供应承诺和空最大订单数,不能把仅通过交付容量的订单数标成可行,更不能转换空值导致程序崩溃。0米场景连晚裁也只能做0件。
本题给出的是单SKU、单层BOM、离散交期、固定数量的完整教学链;没有替代料、跨车间共享产能、加急、客户分层、等待后再优化或通用MRP/APS。概率校准错了,风险约束的5%也会错。生产推广必须另做数据审查、离线回放和人工审批。
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。