2 温度积分与动态货架期的可识别限制
全文共 3428 字,阅读约需 7 分钟
2 温度积分与动态货架期的可识别限制:本课把白皮书中的温度动态货架期、鞋服贝叶斯测款与生命周期追单、VMI协同、生鲜小时缺货和联名首二配补成完整小实验。读者只需会百分比、乘除、比较大小和按时间记账。先用本文数字手算,再运行同目录项目包,最后故意修改输入,看结论是否随约束改变。
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模拟教学实验,16份CSV/149行。下载行业机制扩展 R3。温度风险不授权延长标签效期;缺货需求不可直接观测;VMI实物账与当时可见信息分开。程序结果不是自动补货、食品放行或实际收益证据。
共同运行与验收方法
行业缺口补课与五个可复算实验
本课把白皮书中的温度动态货架期、鞋服贝叶斯测款与生命周期追单、VMI协同、生鲜小时缺货和联名首二配补成完整小实验。读者只需会百分比、乘除、比较大小和按时间记账。先用本文数字手算,再运行同目录项目包,最后故意修改输入,看结论是否随约束改变。
所有企业、日期、温度、数量、参数和历史活动均为独立模拟。它们不是食品安全验证数据、真实商业预测或收益证据。脚本仅在本地读写CSV/JSON,不登录业务系统、不发采购单、不改标签效期、不放行食品、不调价或配送。
阅读顺序:小时销量与不可观测需求 → 温度累计与批次 → 测款概率与生命周期 → VMI物理账 → 联名分配。每节约60—90分钟:15分钟读题,20分钟手算,25分钟运行与改参,15分钟写清边界。不要先背模型名。
配套包为 forecast-industry-expanded-r3.zip。第三版补强小时完整性、实物与信息分账、主键/外键与活动时钟校验。解压后在包内依次执行:
python generate_data.py
python run_labs.py
python -m unittest -v test_labs仅需Python
3.10或更新版本的标准库。生成器会重建data中的原始模拟输入,因此想保留改参实验时先复制目录。run_labs.py始终从CSV重新算,数值不从固定答案抄回。参考结果在outputs/results.json,异常测试记录在outputs/test_report.txt。建议把原始版与改参版分别输出到不同目录:python run_labs.py --data data --out outputs/my_run。
本课覆盖白皮书§3.1的小时断货/清仓与温度轨迹、§3.2的测款/生命周期/返单、第二部分制造业VMI、§3.4的联名首二配。它不替代多级库存优化、两阶段面料、尺码纠偏、多层BOM、完整APS等其他课程,也不把这五个项目宣称为整本白皮书所有内容都已验收。
6 完成标准与如何使用项目包
每节都要交四件东西:原始输入、逐符号手算、程序结果、假设和失败情景。脚本跑通不代表理解;会手算也不代表已验证模型有真实预测能力。
data内有16个CSV与config.json;输入记录共149行,不计表头和JSON。精确文件行数/字段见包内DATA_DICTIONARY.md与MANIFEST.json。outputs包含完整JSON、两份VMI逐事件账、小时估计、联名分配和测试记录。模拟真值文件只用于评分/回放,绝不能作为决策时点已知特征。
第三版55项正常路径和异常路径均由test_labs.py执行,包含独立审查发现问题的回归:温度缺测/晚到/标签截止;漏斗分母/无数据/季末到货;VMI延误/晚通知/守恒/待检;小时样本缺失/PV误用;联名晚到核销/重复事件/运力改变/非法时段份额。还共同拒绝NaN和无穷大。
课程采用的是可解释的最小模型,不要求每个领域都训练复杂网络。以后增加树模型、温度非线性模型或联合优化,仍必须保留这里的时点、单位、口径与库存账。任何“精度提高”“更安全”“利润改善”都需要另外设计真实数据验证或授权试验;本包不给这类外推结论。
概念出处:用户上传《供应链预测与计划全景白皮书》的行业场景。原文未核实的收益比例没有转写为事实。Beta—二项共轭、区间累计和库存收支式是本课明确给定模型的数学推导;所有具体参数及数值由本包模拟生成。范围索引:C01/C02小时缺货与清仓、C04温度累计、B02/C08测款到返单、B05的VMI子机制、C14联名首二配。
2 温度积分与动态货架期的可识别限制
2.1 业务问题和安全边界
三批模拟商品从采摘到判断时点共12小时,每批分成6个连续2小时温度段。要生成品质风险情景,并说明哪些批次需要人工复核。这里没有任何真实食品检测、微生物实验或法律标准。
本节不能判断食物是否可食用,不能放行、自动报废或延长标签效期。“品质分数”只是人为定义的教学刻度,与病原菌风险不等价。
温度表如下。每个温度假设在整段内恒定,并非拿一段均温冒充段内所有变化。
| 批次 | 0—2小时 | 2—4小时 | 4—6小时 | 6—8小时 | 8—10小时 | 10—12小时 | 判断时剩余标签小时 |
|---|---|---|---|---|---|---|---|
| A | 4℃ | 4℃ | 8℃ | 8℃ | 4℃ | 4℃ | 60 |
| B | 4℃ | 4℃ | 4℃ | 4℃ | 4℃ | 4℃ | 36 |
| C | 4℃ | 缺测 | 10℃ | 4℃ | 4℃ | 4℃ | 60 |
所有批次初始品质Q₀=100分,模拟提醒阈值Q警=70分。参数是为了手算而设,不是从白皮书推导或用食品实测拟合的。
2.2 从每段矩形面积理解积分
设T为温度,单位℃;r(T)为每小时消耗的品质分,单位分/小时。教学模型:
r(T)=0.5+0.125×max(T−4,0)。
max(a,0)表示a小于0就取0。因此4℃每小时消耗0.5分,8℃每小时消耗0.5+0.125×4=1分,10℃每小时消耗1.25分。模型只在0—12℃的教学范围使用;30℃输入会拒绝计算,不外推安全结论。
第j段时长记作Δtⱼ,单位小时;第j段消耗eⱼ=r(Tⱼ)×Δtⱼ,单位分。总消耗E=Σeⱼ,Σ就是把每段加起来。更密集地采样时,人们写成E=∫r(T(t))dt;积分在这里就是沿时间累计面积,先掌握“高度×宽度再相加”即可。
剩余品质Q=max(100−E,0)。
A有4个4℃段、2个8℃段:E_A=4×0.5×2+2×1×2=4+4=8分,Q_A=92分。
B全程4℃:E_B=6×0.5×2=6分,Q_B=94分。
不要使用“最高8℃持续12小时”替代整条轨迹,那会把A算成消耗12分。也不能先把温度平均后随便套非线性模型;分段跨过阈值时,平均温度的降解率未必等于平均降解率。
2.3 还剩多少小时取决于未来温度假设
假设未来一直4℃,每小时再消耗0.5分。达到教学阈值的时间R模型=(Q−70)÷0.5,若已低于70则取0。
- A:(92−70)÷0.5=44小时。
- B:(94−70)÷0.5=48小时。
这不是实际到期时间。计划用的情景截止只能取模型提醒与标签硬截止较早者:R计划=min(R模型,R标签)。于是A为min(44,60)=44,B为min(48,36)=36。按本例风险情景,B更早需要处理。
若未来改为8℃,消耗率为1分/小时:A为22小时,B为24小时,情景顺序翻成A在前。结论改变来自未来储运条件假设,不是算法知道未来。脚本scenario_priority只作教学风险排序,不自动替换企业必须遵守的标签FEFO或质量流程。
温度轨迹 → 累计消耗 → 模拟品质 → 未来储存情景 → 风险提示 → 人工质量审核。
标签已到期时,模型算出再多小时也不能恢复可售状态。脚本返回label_expired,planning_hours为空。
2.4 缺测不能补成安全温度
C缺一段2小时。已知5段累计消耗:4个4℃段消耗4分,1个10℃段消耗2.5分,合计6.5分。
只有在额外假设“缺测段温度确实落在0—12℃”时,未知段消耗才在2×0.5=1到2×1.5=3分之间。因此:
- 总消耗E在7.5—9.5分。
- 剩余品质Q在90.5—92.5分。
- 未来4℃的阈值时间在(90.5−70)÷0.5=41到(92.5−70)÷0.5=45小时。
这仍不是安全保证。程序输出unknown_temperature_review,不给C单一计划小时或自动排序资格。若0—12℃这一边界也没有依据,连这个条件范围都不能当可靠边界。
晚到读数同样处理:即使文件里能看见数值,available_at晚于判断时点,就当当时未知。缺段、重叠段、结束早于开始、缺时区和超出有效温度范围均不能静默通过。
2.5 为什么光有温度还不够
温度历史能提供暴露特征,却不能单独识别真实品质变化函数。仍缺少:初始品质、品种/成熟度/包装、温度传感器校准、湿度和气体条件、按批次采集的品质/安全检测标签、模型验证范围、漏报与误报代价,以及适用质量规范。
即使两种模型都能拟合现有少量温度,它们可能预测不同的剩余时长;没有相应质量结果就无法区分。某一品质阈值也不等于食品安全阈值。训练/验证时要按批次和时间切分,不能把同批相邻小时随机拆到两边,再宣称可推广。
作业:复算A/B/C,画温度阶梯图与累计消耗图;把未来温度改8℃,核对22/24与排序反转;把A标签截止改到判断前1小时,核对不可恢复;删掉一个温度段,核对程序报错。验收必须保留安全边界,不得把本节命名为“已验证保鲜模型”。
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。