供应链预测与计划 · 离线阅读版 · 教学模拟

从点预测到概率预测与预售取消

供应链预测与计划 · 第04篇

禾味A店的预测表写着“明天鸡腿肉需要20公斤”。采购人员追问:“超过24公斤的可能性有多大?”匿名服装的协同人员也有一个相似的问题:“当前还有80单没取消,等到面料到齐时,预计还剩多少?”

第三篇已经能把特征代入模型,得到一个数量。这一篇继续往前走:数量会变化,订单会退出,决策需要知道哪些变化已被模型描述,哪些仍然没有依据。我们先把一个数扩展成一组可能结果,再学习怎样评价概率,最后把每天的取消风险接成一条条件留存曲线。

读完后,你应当能做三件具体的事:解释P90与“九成把握”的适用条件;从当前仍待发的订单出发计算未来留存,而不重复扣减过去的取消;用独立测试结果判断概率输出是否值得继续使用。这里仍然不生成采购单或排产指令。

**全部企业、数量、订单、日期和实验结果均为教学模拟。**禾味是虚构餐饮连锁,沿用A、B两店及8个食材SKU;服装场景保持匿名。主实验没有真实客户数据,也没有经过真实业务验证的准确率或经营收益。本文的新实验与前三篇各自独立,不把公开模拟测试段称为盲测集。

文章承接第三篇 多特征预测,重新组织预测课堂的概率预测与预售取消内容。阅读只需要四则运算、百分比和函数概念;连乘与分位数会逐步展开。

1 先分清我们究竟在预测什么

下面两句话都含有“预测”,答案却不属于同一种对象。

第一句要描述一个数量的分布。第二句要给一个事件的概率。前者可以输出P10、P50、P90,后者可以输出0.12,但不能把“取消概率0.12”写成“取消0.12件”。只有在明确订单数、每单件数和时间范围以后,概率才能转换成预计数量。

本文用大写D表示还没发生的随机需求,用小写d表示某次实际发生的需求,单位都是公斤。随机并不意味着没有规律,而是站在预测起点时,结果还未确定。p表示事件概率,没有单位,范围为0到1;12%在公式中写成0.12。

预测始终附带信息条件。例如“今天18:00已知的信息下,预测明天全天”,不同于“明天午餐结束后,再预测当天剩余时间”。天气预报版本、促销确认时间、订单当前年龄都必须与这个起点一致。不能在概率模型中补入事后实际气温或最终取消原因。

2 一个均值可以对应很不一样的风险

先做一张与后面的程序数据分开的手算表。假设有以下两个需求情景,每个情景的概率都由我们人为指定。

需求情景 可能需求及概率 均值 P50 P90
平稳情景 20公斤,概率100% 20公斤 20公斤 20公斤
波动情景 10公斤,概率50%;30公斤,概率50% 20公斤 10公斤 30公斤

均值按“每种数量乘相应概率,再相加”计算:波动情景为10×0.5+30×0.5=20公斤。概率合计必须为1,否则这张表还没有完整描述所有可能结果。

P50为什么取10,而不是20?我们采用统一规则:**按需求从小到大累计概率,第一次达到或超过目标比例的位置,就是该分位数。**累计到10公斤已经达到50%,所以按这一定义P50=10;累计到30公斤才达到90%,所以P90=30。离散分布的其他中位数定义可能允许10至30之间的值,本篇统一采用上述“首次达到”的分位数规则,避免软件约定不同而误判对错。

把目标比例写成τ,读作“tau”。例如τ=0.9,对应第90百分位数q₀.₉,即P90。下标0.9是概率水平标签,不是把q乘0.9。q和D的单位都是公斤,τ没有单位。

P90=30的准确含义是:按照这张已指定的分布,需求不超过30公斤的概率至少为90%,而不是恰好90%。这里累计概率从50%直接跳到了100%,因此实际覆盖为100%。如果分布本身只是模型估计,是否接近这个含义,还要拿后来成熟的结果检验。

图1 相同均值的两种离散需求情景

图1中的两种情景均值同为20公斤,尾部位置却不同。它提醒我们:把均值报得更精确,并没有自动回答“高需求可能有多高”。这是教学概率表,不是禾味真实分布。

再看一组10个等权历史误差,已经从小到大排序,单位公斤:

−4,−3,−2,−1,0,1,2,3,4,8。

对n个数且0<τ≤1,本篇的样本分位数取排序后第k个,k=⌈n×τ⌉。n是样本数;⌈ ⌉表示向上取整,例如⌈2.3⌉=3;排序位置从1开始。于是P10取第1个,为−4;P50取第5个,为0;P90取第9个,为4。这里明确了算法,不使用默认插值。n很小时,分位数的位置很粗糙,尾部尤其不稳定;计算器算得出不代表信息足够。

3 把历史误差接到点预测上

假设一个已经冻结的点预测模型,对某天输出20公斤。我们另留一段没有参与点模型拟合的校准数据,逐日计算:

误差rᵢ=实际耗用dᵢ−当时点预测mᵢ。

i是校准记录编号;mᵢ是点预测,dᵢ是后来成熟的实际值,rᵢ三者单位均为公斤。正误差表示点预测偏低。上一节的10个数就可作为一组独立教学误差。

对明天的点预测m=20,加上历史误差的分位数:

qτ=m+误差的τ分位数。

因此P10=20−4=16公斤,P50=20+0=20公斤,P90=20+4=24公斤。这是一个简单的经验误差分布方法。它保留了原点模型,再估计点模型过去会偏到哪里;没有训练神经网络,也没有假定误差一定是正态分布。

这一步真正依赖的是可比性:校准期误差,能否代表预测对象未来的误差?鸡蛋液与大米的波动尺度可能不同;平日与促销日也可能不同。把它们的误差混在一起,虽能得到更多样本,却可能把“小波动商品区间过宽、大波动商品区间过窄”一起平均掉。

P10到P90通常称为名义80%的中心预测区间,因为90%−10%=80%。它描述未来一个实际结果的范围,不是均值估计的置信区间,也不表示“模型有80%的概率正确”。在离散或经过取整的数据中,端点堆积可能使实际覆盖偏离80%。这是预测分布的范围,不是承诺;预测区间的概念可参见FPP3关于分布预测的说明。

还要分清两个动作:用校准段估计区间,与在测试段评价区间。前者已经使用了校准答案;不能再把这段成绩包装成“完全没看过答案”。如果看测试结果后调整误差分组、分位数水平或区间宽度,就需要新的后续数据检验新方案。

4 怎样判定一个概率区间有没有用

区间不是画得越窄越好。我们同时看三个角度。

**第一,覆盖了多少。**对于每条测试记录,若实际d落在P10至P90之间,含两个端点,记1;否则记0。把这些0和1加起来,再除以测试记录数n,就是区间覆盖率。

覆盖率=区间内的记录数÷n。

若100条成熟记录中有79条落在区间内,覆盖率就是79%。这只是这100条的观测频率;它不是未来每一天都有79%的服务保证。相邻日期或同店多个食材可能相关,不能把全部行数当作同样多的独立证据。

**第二,区间有多宽。**每条宽度=P90−P10,单位公斤;再把所有宽度取平均。报[0,100万]很容易覆盖需求,却几乎不给采购人员有用的信息。先看覆盖是否合理,再讨论能否在保持覆盖的同时缩窄范围。

**第三,分位数的位置合不合适。**设误差e=实际d−预测分位数qτ,分位数损失Lτ分两种情况计算:

“≥”读作“大于或等于”;−e在第二种情况下是正的差距。Lτ与e、qτ、d具有相同数量单位,本例都是公斤。L是评价分数,没有自动变成金额。若要解释成缺货与过量成本,必须另外明确成本参数和决策条件。

令τ=0.9,实际100公斤、预测80公斤:e=20,损失0.9×20=18公斤。若预测120公斤,e=−20,损失0.1×20=2公斤。相同20公斤偏差,P90更重罚低估,因此把上尾放高有理由;但无限放高仍会累积损失。τ=0.5时,损失恰好等于绝对误差的一半。定义与例子可核对分位数损失官方说明。

程序会分别报告P10、P50、P90的平均损失,再给三者的等权平均。这里“三者等权”是本篇固定的汇总方式,不是通用业务权重。还会检查P10≤P50≤P90,避免出现上尾反而低于中位数。

整体成绩之外,至少按门店、SKU、平日与周末拆开看。分组后样本更少,需要同时显示分母。覆盖率从79%变成81%,可能只是少数几天变化,不能单凭两个百分点宣布改进已经可靠。

5 用禾味数据跑一次完整的概率预测

本次新增114天独立模拟数据,从2026年1月5日至4月28日,共114×2×8=1,824行,仍是16条序列,不是1,824天历史。8个食材依次为鸡腿肉、大米、小麦粉、食用油、鸡蛋液、土豆、胡萝卜和白菜,单位统一为公斤净耗用。主样本设定每天营业、记录完整且无缺货,因此不需要从受库存限制的销量反推潜在需求。

生成器固定种子20261111。每个SKU有不同基础量与波动尺度,B店有门店差异,周末增加固定量;每天还加入跨商品共同扰动、各自扰动和少数正向冲击。测试期另给B店SKU08增加4公斤的模拟变化,专门观察旧误差分布遇到变化时的表现。所有规则公开,但预测函数不会读取生成器的基础量、波动参数或未来冲击。

**时间按先后切开,标签还要等成熟。**每天的预测起点为前一日北京时间18:00,实际净耗用到目标日次日09:00才可用。

用途 目标日期 天数 行数
点模型训练 1月5日至3月1日 56 896
成熟空档 3月2日 1 16
误差校准 3月3日至3月30日 28 448
成熟空档 3月31日 1 16
后期测试 4月1日至4月28日 28 448

点模型在3月2日18:00冻结,此时3月1日标签已到达;区间参数在3月31日18:00冻结,此时3月30日标签已到达。两个空档的目标值不参与训练、校准或测试评分。测试期间模型不更新,只每天依据提前已知的日历发出次日预测。这样避免了把尚未到达的上一日全天结果塞进当天18:00的模型。

点模型特意保持简单:分别求“门店×SKU×平日/周末”的训练均值,共32个均值。它等价于给每个组合单独一个常数预测,不是重用第三篇已经训练的多特征模型。本文把复杂度留给概率输出的检查。

在同一个点模型上,预先规定三个输出方法:

输出数量下限设为0,即max(0,点预测+偏移量),max表示取两者较大值。这是非负耗用的输出约束,不是校准保证。三个方法使用完全相同的测试目标,不在看过成绩后改选测试日期。

以下是程序实际运行的448条测试结果,表中仅为显示而四舍五入。

方法 P10至P90覆盖 平均区间宽度 kg P50平均损失 kg 三分位平均损失 kg
零宽诊断对照 0.00% 0.000 1.4831 1.4831
统一误差分布 75.45% 8.633 1.4809 1.0242
按SKU误差分布 79.02% 8.893 1.5203 0.9713

按SKU区间覆盖了354÷448=79.02%的记录,统一区间覆盖338÷448=75.45%。前者区间稍宽,三分位平均损失较小,但P50损失反而更大。两者的点模型本来相同,点均值的MAE都为2.9663公斤;区间方法没有改善这个点预测。

还不能把79.02%写成“已经保证80%”。按SKU方法的P90单边覆盖只有87.28%,低于名义90%;P10单边覆盖为8.26%。这里单边覆盖的分母也是448,计算的是实际值≤该分位数的比例。边界是否包含等号须保持一致,尤其不能在有重复值时用两项单边覆盖简单相减,代替直接计算双边覆盖。

最差门店商品组合恰好是A店SKU07,不是人为加入漂移的B店SKU08。A店SKU07的28天中,统一区间仅覆盖11天,即39.29%;按SKU后覆盖17天,即60.71%。这说明失败不一定只发生在我们预先标记的压力场景。共同扰动、少量尾部样本、门店差异与有限样本都可能影响结果,不能从这28天唯一归因。

图2 两种误差分组在16条序列上的测试覆盖

图2展示全部16条序列,每条28个测试日。虚线是名义80%,不是统计显著性门槛。图表与outputs/hewei_metrics.csv使用同一批结果;文件还保留SKU、门店、平日/周末分组和每个分位数的损失,不只保留平均值。

平日320条中,按SKU区间覆盖80.31%;周末128条中只覆盖75.78%。分母和条件不同,整体79.02%仍然会掩盖这种差异。

这套方法可以作为概率预测的起点,但没有给出任意时间序列的有限样本覆盖保证,也没有估计参数不确定性或多日联合分布。看到失败后,可以提出分组、滚动更新或加入新特征的改进,但需要另留后续数据,不能在这448条上反复调整后仍称其为独立测试。

6 订单概率应该怎样打分

需求量有很多种可能值,单个订单的取消结果只有0或1。假设我们对四张订单给出“下一等待日取消”的概率,并且四张都已经完整观察到该日结束:

订单 取消概率p 实际结果z 平方误差(p−z)²
A 0.8 1 0.04
B 0.2 0 0.04
C 0.6 0 0.36
D 0.4 1 0.36

这里z=1表示在规定窗口取消,z=0表示在整个规定窗口内未取消;窗口尚未结束的订单不能先填0。Brier评分就是四个平方误差的平均:

Brier=[(0.8−1)²+(0.2−0)²+(0.6−0)²+(0.4−1)²]÷4=0.20。

平方表示一个数乘自己,例如(−0.2)²=0.04。一般写为Brier=Σ(pᵢ−zᵢ)²÷n,其中Σ表示逐条相加,n是可评分记录数且必须大于0;这个二分类评分没有单位,越小越好。若四条全报0.5,每条平方误差0.25,平均也是0.25。这个四行例子只帮助理解运算,不是模型有效性的验证。Brier官方定义也强调需要使用概率,而不只是0/1分类。

概率还要检查校准。把相近预测概率放在一组,同时列出样本数、平均预测概率、实际取消比例。例如平均报0.20的一组有100单,其中18单取消,我们就比较20%与18%。一个订单的实际结果不可能等于0.20,所以不能拿一张单判断概率是否校准。

Brier变小并不等于每个分组都校准好了。它同时受多种因素影响;始终报总体取消率的模型,有可能在整体上不偏,却无法区分不同风险订单。应在同一批可评分样本上比较基线,并查看分组校准图,不能只保留一项平均成绩。相关区分见概率校准说明。

至于“超过某个取消概率就催单或改排产”,那是另一个决策。它需要动作成本、错误干预损失与真实行动效果。本文没有估计催单能降低多少取消,也没有执行任何订单动作。

7 预售取消的分母每天都会变

继续使用匿名服装的独立手算批次:初始100单,每单1件;第1天取消10单,剩余订单中20单于日末发货;第2天取消7单,没有新增、部分取消、退货或强制关单。

等待日 日初仍待发R 当天取消C 当天日末发货H 日末仍待发 当天取消比例
第1天 100 10 20 70 10÷100=10%
第2天 70 7 0 63 7÷70=10%

R叫风险集,是当天开始仍处于我们定义的取消风险中的订单数。C、H、R的单位都是单。同一张订单不能既算取消又算发货;本表明确按先取消、再在日末发货的顺序处理。

下一天风险集=今天风险集−今天取消−今天发货。

第2天分母是70。用7÷100得到7%,回答的是“第二天取消占初始100单多少”,没有回答“当前仍待发订单今天的取消概率”。若当天风险集为0,C÷R没有定义,不能填0来表示以后肯定没人取消。

把等待年龄记为t,第t天的条件取消概率写成hₜ。下标t只表示第几天,hₜ没有单位。用历史计数估计时,写作ĥₜ=Cₜ÷Rₜ;帽子表示估计,不是已知真概率。本文使用按天的条件事件概率,英文常称discrete hazard,不能直接当作连续时间瞬时风险率,也没有拟合Cox模型。

再换到没有发货、没有观察中断的独立手算情景,并人为假定前两天h都为0.1。令S(t)表示从创建时起一直未取消至第t天末的概率,规定S(0)=1:

S(1)=1−0.1=0.9。

S(2)=(1−0.1)×(1−0.1)=0.81。

一般地,S(t)=(1−h₁)×(1−h₂)×…×(1−hₜ)。省略号表示把中间各天都接着乘。每个h都是“此前还没取消的条件下,今天取消”的概率,所以连乘来自条件概率,不需要再假设每天取消事件彼此独立。每天都可能发生取消,但一张单取消后就退出,不能再次取消。

S是概率,不是订单数量。100单乘0.81得到81单期望,属于这个无发货情景;前面的手算事件账的日末待发是63单,不能用81替换63。

8 已经等过的日子不要再扣一次

协同人员现在看到80张有效待发订单,它们都已等到第a天末。我们要估计继续等到第b天末还会留下多少,且b≥a。

假设对这批条件相同的订单,适用的无发货留存曲线给出S(a)=0.72,S(b)=0.54。这两个值是独立手算假设,不是上一节100单批次的观测结果。撑过b天的订单一定已经撑过a天,因此从a到b的条件留存概率是:

p=S(b)÷S(a)=0.54÷0.72=0.75。

要求S(a)>0,不能除以0。当前80单已经通过前a天的筛选,不应再次承担那一段已发生的取消。这里另外假定,给定当前已知信息后,这80单每单未来留存概率都适用0.75,因此模型预计为:

E(N_b|N_a=80)=80×0.75=60单。

E表示期望,即相同条件重复出现时的平均数量;N_a、N_b分别表示a、b两时点的留存数量;竖线表示“已知当前条件”。若误算80×0.54=43.2,就是把前a天风险重复扣了一遍。

图3 从创建时留存转为当前订单的条件留存

这条计算还要求当前订单和用于估计曲线的历史订单,在使用的分组及信息条件下可比。当前已经得知工厂延期,旧曲线却没有这种状态,不能只因分母写对就相信预测有效。

若订单年龄、品类或承诺时间不同,应分别算概率再相加。第i单仍需vᵢ件,条件留存概率为pᵢ,则预计保留件数=Σvᵢpᵢ。例如10单各1件、p=0.8,另外5单各2件、p=0.6,合计10×1×0.8+5×2×0.6=14件期望。不能只数15单再随手乘一个取消率。

期望相加不要求订单彼此独立,但总件数的分布和P90需要订单间的相关结构。一次共同延期可能让许多订单同时取消;只掌握每单p,还不够算批次尾部。每日P90、各SKU的P90也不能一般性地直接相加成合计P90。

本篇只计算指定情景下的期望。剩下60单,不等于今天就该裁剪60件:已裁片、共用面料、最小批量、尺码组合、交期和允许追加的时点,都属于后续计划层。

9 发货以后观察不到的取消不能凭空补回来

我们真正关心的可能是两个不同问题:

  1. 按照实际发货安排,未来某日还有多少订单仍在等待?
  2. 假如先不发货,这些订单还会有多少没有取消?

第一个问题需要同时描述取消、发货以及其他退出事件;第二个问题是一个无发货情景。在真实订单中,一旦发货,这张单通常不再暴露于同一种“发货前取消”风险;后来的退货属于另一个事件。

把观察结束前尚未发生目标事件的情况称为右删失。发货若作为无发货取消过程的删失处理,需要额外的识别前提:在所用信息条件下,提前发货不能继续挑走隐藏的高风险或低风险订单。例如客服优先给快要取消的人发货,剩余等待池就会被筛选;简单连乘剩余人的取消比例,并不能还原“如果大家都不发货”的曲线。

“把发货行删掉再训练”不能解决这个问题。按已知特征分组也不能证明没有遗漏的差异。删失记录可以贡献仍被观察期间的风险信息,但不能被标成“整个未来都不会取消”。生存分析的观察边界可参考NIST关于风险集与删失的说明。

因此本篇的服装主实验主动缩小范围:每单只观察创建后14个完整等待日,期间不发货,未取消者到14日终才统一结束观察。超过14天的自然取消风险没有被估计。另附的发货小账只验算事件守恒,不借它证明真实删失可忽略。

规定第60天强制关闭订单,也是规则事件,不等同于消费者自然取消。不能把强关写进自然风险曲线,然后解释为“用户到第60天全部失去耐心”。模型没有数据支持的年龄,应返回不可估计,而不是继续画出光滑尾巴。

10 在模拟订单上估计风险再检查留存

服装主实验固定种子20261112,生成71个日创建批次,每批80单,合计5,680单。每单1至3件,整单取消,不拆单;每个订单从创建时起观察14个完整24小时等待日,所以“第1日末”是创建后24小时,不必对应自然日午夜。分组G1、G2是下单时已知的匿名业务类别,没有真实品牌与个人属性。

生成规则人为让G2的取消风险更高,且不同等待年龄的概率不同。这个差异是教学设定,不是从真实服装业务发现的规律。两组都有完整观察,没有依据模型预测提前发货。

每个训练订单的14日结局成熟以后,模型才在2月12日18:00冻结;所有测试结局等到3月28日18:00再统一评价。当前年龄状态在评分时可见,最终取消年龄只用于构造历史风险表和事后标签,不能作为预测特征。

先按年龄统计训练风险集和取消数,得到总体年龄概率h₀。再计算G1、G2各自的分龄概率。小组样本少时,直接用C÷R容易很不稳定,本篇采用一个固定的收缩规则:

分组估计h=(C+m×h₀)÷(R+m)。

C是该组该等待日的取消单数,R是风险单数,h₀是同年龄总体估计概率;m表示参考总体的等效样本强度,单位按“单”理解,不是真实增加的订单。分子也是等效取消单数,分子除以分母才得到无单位概率。本实验预先固定m=20,不通过验证或测试结果选择m,因此不声称20是最优值。

另做一组独立手算:若小组R=2、C=1,总体h₀=0.1,暂取m=8,则h=(1+8×0.1)÷(2+8)=0.18。它介于小组50%与总体10%之间。m越大越靠近总体,但若总体本来不适合该组,多借信息也可能更差。m=8只属于手算,不能与程序的20混用。

程序比较两个预先确定的方法:所有组共用总体年龄风险;分组年龄风险向总体收缩。两者都从训练计数估计,都是离散风险表,没有训练logistic回归或Cox。某组某年龄没有风险样本时,本包选择拒绝给出该处及后续概率,即使公式中m大于0也不自动借总体掩盖缺乏支持;这个保守规则与收缩公式的数学可计算性是两件事。

本篇重点评价“已等过7天,继续等到第14天”的预测。测试批次中,2,240单有1,680单活过第7日末。这1,680单组成两模型共同的评分集合,不把已取消的560单重新放回分母。它们分别在各自创建后第7日评分,跨不同创建日汇总,不是一张同日实时待发清单。

方法 当前有效订单 预测随后取消的Brier 预计第14日仍留存 实际第14日留存
总体年龄风险 1,680单 0.178065 1,310.28单 1,291单
分组年龄收缩 1,680单 0.169143 1,304.00单 1,291单

1,304.00仍然是期望,不是执行后必然出现的整数。它由各组当前单量乘各自S(14)÷S(7)后相加得到。总体模型预测随后取消比例22.01%,实际为389÷1,680=23.15%;分组模型平均预测22.38%。这个模拟测试中,分组模型Brier较小,但这不证明其在新业务中可迁移,更不证明改用它能减少389单取消中的任何一单。

校准不能只检查总计。对同一第7日有效队列,G1有1,098单,分组模型平均预测随后取消15.73%,实际16.30%;G2有582单,平均预测34.92%,实际36.08%。两组仍都有差距。分组只是两个固定概率群,在本例中还不能说明对每个订单都实现了细粒度个性化。

图4 当前年龄7日订单的分组概率与实际取消比例

图4在同一1,680单队列上比较两模型。总体年龄模型给两组相同概率,整体接近不代表各组接近;虚线仅表示预测比例与观测频率相等,不是误差容忍带。

包内另报告创建时至14日的评分,以及每日仍在风险订单日的评分。后者同一订单会贡献多个日记录,不能把24,124个风险订单日当作24,124个独立订单。每日Brier与7日至14日的Brier预测窗口、发生率、样本都不同,不宜横向比较大小来宣布哪个任务更好。

outputs/apparel_training_risk_table.csv保留各年龄分母,apparel_survival.csv保留风险与留存,apparel_horizon_predictions.csv保留逐单概率和事后标签,apparel_conditional_counts.csv保留期望与实际数量。当前1,680单对应3,425件;分组模型预计第14日保留2,656.43件,实际保留2,628件。配套数量表同时保留单数和件数,分别核对,不与物理可用库存混账。

11 把结果交给协同时还要带上哪些说明

技术输出只写“60”会丢失最重要的条件。一个最小交接记录至少应当包含下面的信息。

字段 禾味示例口径 匿名服装示例口径
预测对象与单位 门店×食材,公斤净耗用 当前有效待发订单,单或件
信息起点 前一日18:00,保留版本 当前年龄与该时点可见状态
预测窗口 指定下一营业日 当前日末至指定未来日末
输出含义 P10、P50、P90及点预测 条件留存概率与预计件数
关键假设 耗用完整可见,校准误差可迁移 当前订单可比,14日内无发货
验证范围 后期测试及SKU分组结果 同一风险集的Brier及分组校准
不能直接推出 采购量、满足率、真实节省 ATP承诺、裁剪量、真实催单效果

采购与生产同事可以据此追问:什么时候还允许追加?现有库存是否已经分配给别的单?交期是否稳定?一张单取消后,裁片能否用于其他尺码?问题需要继续向计划层展开,而不是把概率表直接改名成采购表。

同样地,P90不是“满足90%的需求量”。“有多少个周期不缺货”与“满足多少单位需求”是不同分母;库存政策、提前期和缺货处理没有进入模型时,二者都没有被测量。本篇到此只把不确定性与订单状态说清,为下一步库存和约束决策准备输入。

12 自己复算一次再交卷

配套练习包使用Python 3.10或更高版本,核心实验与测试只用标准库,不连接网站、不访问生产系统。解压后先阅读README,再运行:

python3 run.py
python3 -m unittest discover -s tests -v

Windows可把python3换成py。运行结果写入包内outputs;重新生成输入的命令和覆盖范围见README。改动前复制练习包,避免覆盖自己的练习结果。

先不看答案,完成以下六项:

  1. 将波动需求改为10公斤概率80%、60公斤概率20%,算均值、P50和P90。为什么均值仍可能与P50不同?
  2. 对排序误差[−4,−3,−2,−1,0,1,2,3,4,8],手算P20、P80,再接到点预测20公斤上。写出使用的排序位置规则。
  3. 实际100公斤,分别预测90与110公斤,计算P90损失。解释为什么差距相同,分数却不同。
  4. 把四张订单的概率全改成0.5,复核Brier。若只预测“取消或不取消”,会丢掉什么信息?
  5. 当前40单已撑过第5天,S(5)=0.8,S(10)=0.6。计算第10天预计留存。说明为什么不能直接用40×0.6。
  6. 找出实验中一个分组表现不佳的地方,写下分母和可能原因。提出一个需要下一批数据验证的修改,不把已经看过的测试段再次当作新验收。

参考答案:第1题均值20公斤、P50=10、P90=60;第2题P20误差−3、P80误差3,对应17与23公斤;第3题损失分别9与1公斤;第4题Brier=0.25,分类标签丢掉判断强度;第5题40×0.6÷0.8=30单。第6题没有唯一答案,但必须保留失败与限制,不能只挑好看的组。

验收时,除了脚本退出成功,还要能回答:概率的事件与时间窗口是什么,分位数采用什么约定,分母由谁组成,标签何时成熟,以及哪些数量只是期望、还不能执行。计算正确与业务可用之间,就隔着这些需要逐项说明的条件。

资料与复现边界

本篇配套提供文章源文件、离线阅读页、黑白图及可编辑SVG、CSV输入与输出、生成代码和自动测试。前文的手算概率表与大样本实验分别标注,所有程序成绩均取自本次运行,没有替换成理想值。

本文没有完成多步联合需求分布、真正的时间序列覆盖保证、竞争风险估计、信息性删失校正、Cox或离散logit训练,也没有库存优化、真实协同系统连接和收益评价。模型名称应当按实际代码能力填写,不能把“计划以后实现”计入当前成果。

继续阅读时可返回专题目录,或查看教程的概率训练与校准及预售取消完整工程与边界。教程工程覆盖更长年龄与发货情景,本篇采用更小的独立实验,便于读者把每一项计算检查到底。