预测之后,究竟该订多少:从分位数到受约束的补货建议
供应链预测与计划 · 第05篇
上一篇把“明天大概用多少”扩展成了需求分布,也算过待发订单的条件留存。接下来,采购人员仍会问:“所以,这次到底订多少?”
这个问题不能把预测表抄一遍就回答。仓库里还有货,在途货可能晚到,旧批次可能先过期,供应商按整箱卖,冷柜也未必放得下。服装企业更要往后看:布够了,生产线能按时做完吗?
这一篇只做一件事:**把一个有条件的需求判断,转成带有库存账、约束检查和未解决缺口的建议。**先用简单模型理解取舍,再故意给它增加会使公式失效的条件。计算得到一个数,与这个数能执行,是两次不同的验收。
**全文企业、订单、日期、成本与结果均为教学模拟。**禾味沿用虚构两店、8食材SKU的背景,本篇实际回放仅为A店鸡腿肉SKU01,不声称已验证16条序列。服装只取一个匿名款码。它们都是独立小实验,不是前三篇或第四篇数据的延长,不训练新预测模型,不评价真实收益,也不是盲测。后面的需求路径是提前指定的情景,不是程序偷读到的未来答案。
本文承接第四篇:概率预测与预售取消,衔接预测课堂的概率与库存决策、批次效期和物料计划练习。只需四则运算、百分比和简单不等式。每个公式都先说明它回答什么,再代入数字。
1 先决定要保护哪几天
如果今天下单,明天到货,为什么不能只预测明天?因为今天到下一批货真正可用之前,都可能消耗库存。需要同时知道两个时间。
- **L:补货提前期。**从本次下单,到这批货可以使用,隔多久。
- **R:检查间隔。**隔多久才有下一次常规下单机会。
在固定提前期、定期检查并补至目标的简化设置里,保护期H=L+R。H是本次库存计划需查看的时间窗口,不是货物保质期。连续检查的订货点通常着眼于提前期L,不能把两种策略的公式任意互换。
禾味本篇在11月12日08:00、第1日开门前完成盘点并下单。L=1个完整日,新单第2日08:00到。R=2日,下次常规检查在第3日08:00,那次订单第4日08:00才到。因此本次要查看第1、2、3日,H=1+2=3日。没有第1日可用的临时加急渠道。
这套日界线很重要。如果供应商午后才送到,而午餐前就要用完,把它记成“当天有到货”仍会算错。真实数据应精确到业务需要的时刻,本例为便于手算,统一为开门前到货、当天耗用、闭店处理到期批次。
设D₁、D₂、D₃是这三天尚未发生的需求量,单位公斤;下标只是第几天。保护期累计需求为D(H)=D₁+D₂+D₃。要决定风险缓冲,需要的是这三个量相加后的分布,而不只是三个各自的P90。
2 每天的P90不能直接相加
下面另造10条等权三日路径,每条概率10%。路径不是10个真实营业周期,而是我们完整指定的10种未来。
| 路径 | 第1日 kg | 第2日 kg | 第3日 kg | 三日合计 kg |
|---|---|---|---|---|
| 1 | 30 | 10 | 10 | 50 |
| 2 | 10 | 30 | 10 | 50 |
| 3 | 10 | 10 | 30 | 50 |
| 4—10,各一条 | 10 | 10 | 10 | 每条30 |
沿用第四篇的定义:把数量从小到大排列,累计概率第一次达到或超过90%的数量,叫P90。
每一天都有9条路径需求10公斤,1条需求30公斤。累计到10已经是90%,所以三天各自的P90都是10。直接相加得到30公斤。
但先逐条相加,三日合计只有7条为30、3条为50。累计到30只有70%,到50才达到100%,因此累计需求P90=50公斤。两个操作的先后顺序不能交换:先相加再取分位数,不等于先取分位数再相加。
本例高峰互斥,依赖关系已写在同一行的三个数里。相反,其他依赖结构下,逐日分位数相加也可能过高。因此不能把“直接相加”一概称作保守做法。实践中需要保留同一情景内的日期关系;只有各天的P90,没有联合信息,就不能据此唯一恢复累计P90。
均值另当别论。每天均值为0.9×10+0.1×30=12公斤,三日均值为36公斤,也等于0.7×30+0.3×50。均值可以这样相加,不要求三天独立;但均值36并不能代替累计P90的50。
3 选P50、P75还是P90,要先说清取舍
“越保险越好”不是完整目标。若少备会失去订单,多备又会报损,两种后果都要计算。我们先离开多日补货,单独建立一个能完全手算的单周期报童模型。
这个模型只有一次准备机会,全部准备量在需求发生前可用;没有中途补货、箱规、容量和提前期变化。只考虑数量导致的线性少备与多备损失,风险中性,即比较平均成本。它不是稍后禾味多日场景的通用最优解。
设Q是准备量,D是本周期需求,单位件。少备一件的增量损失Cᵤ=6元/件,多备一件的净损失Cₒ=2元/件。u与o分别标记少备和多备,不是乘号。它们是教学成本,不能直接拿售价当缺货损失,再把毛利和采购成本重复加进去。
先定义两个容易算的量:
- 少备量=max(D−Q,0)。max取较大者,实际需求少于准备量时,少备为0,不能为负。
- 多备量=max(Q−D,0)。只计算超过需求的部分。
于是一次情景的成本为:
成本=Cᵤ×少备量+Cₒ×多备量。
件乘元/件,结果是元。准备120、需求140时,少20,成本6×20=120元;准备120、需求80时,多40,成本2×40=80元。两个误差大小不同,即使一样大,两侧成本也不相同。
这时对应的目标概率τ=Cᵤ÷(Cᵤ+Cₒ)=6÷8=0.75。τ没有单位,τ=0.75对应P75。
为什么是这个比例?不妨比较“再多准备一件”。当需求已经被Q覆盖时,多这一件损失2元;当需求还没被覆盖时,多这一件避免6元损失。若F(Q)表示需求不超过Q的概率,增加一件的平均成本变化就是2×F(Q)−6×[1−F(Q)]。两边恰好平衡时,8×F(Q)=6,即F(Q)=0.75。对于整数需求,这个边际比较可直接用于Q到Q+1;连续需求则是相同的边际思想。
因此,取累计概率第一次达到75%的最小数量,可以得到一个最优准备量。这里说的是“一个”,并不保证唯一。单周期成本假设与临界比例可对照MIT供应链课程的报童模型讲义;下面独立算表,不依赖复杂证明。
4 算出一个最优量,还要看是否有并列
给需求四种可能:80、100、120、140件,每种25%。累计概率依次25%、50%、75%、100%,所以按前述规则P75=120件。
| 准备量Q | 需求80成本 | 需求100成本 | 需求120成本 | 需求140成本 | 平均成本,元 |
|---|---|---|---|---|---|
| 80 | 0 | 120 | 240 | 360 | 180 |
| 100 | 40 | 0 | 120 | 240 | 100 |
| 120 | 80 | 40 | 0 | 120 | 60 |
| 140 | 120 | 80 | 40 | 0 | 60 |
| 160 | 160 | 120 | 80 | 40 | 100 |
因为四种情景等权,平均成本就是四格加起来除以4。例如Q=120时,(80+40+0+120)÷4=60元。Q=140也为60元。这不是程序精度造成的并列。
更完整地说,120到140之间的准备量都有相同的平均成本60元;若只允许整数件,就是120、121直到140件。原因是在120≤Q<140时,F(Q)=0.75,增加一件的平均成本变化为0。我们的候选表只展示其中两个端点,不能把它误写成“只有120、140两个解”。
并列时可以另定规则,例如选较少的准备量,以减少资金占用。但这是额外偏好,应记录下来,不能说原模型已经算出了唯一答案。若再增加箱规、固定订货费用或容量,便要对真正允许的候选重新计分,不能只把连续解四舍五入。
还要区分两个“服务”指标。Q=120时,四种情景中三种完全不缺,故不缺货情景概率为75%。平均少备量只有(0+0+0+20)÷4=5件,平均需求110件;按“期望满足量÷期望需求量”的汇总口径,数量满足率为105÷110≈95.45%。75%与95.45%都正确,分母不同。
这说明P75既不是“只满足75%的数量”,也不是采购动作的无条件保证。上面的概率表、及时到货与库存规则同时成立,才可得到这些数。真实预测分布还要经过后续校准和业务验证。
5 把目标库存与新增采购分开
分位数给出的通常是需要准备的目标,不自动等于新买数量。先看一个没有日期冲突的简化账。
设S是补至目标,单位件;OH是可用现货;OO是能按约定参与这次计划的在途;B是已欠交但尚未被需求目标计入的数量。库存位置IP=OH+OO−B。对应未受约束的新增量q₀=max(0,S−IP)。
例:S=120,现货30,及时在途20,欠交5,则IP=30+20−5=45件,q₀=120−45=75件。S是目标120,q₀才是新买75,两列不能同名。
这里有两个条件必须写在表头旁边。第一,S描述的未来需求不含那5件旧欠交;若已含,IP就不能再减5,否则重复准备。第二,现货必须真的可用,在途必须按时间进入可用量。已过期、质检隔离、已承诺给别的需求的货不能默认为自由库存;“扣掉承诺量”与“预测已包含这些订单”也要先对账,不能双扣。
传统库存位置把未到货订单一起登记,是一种账面状态。面对迟到货和效期,不能只看一个总数。接下来禾味就会出现:总量公式看上去够,但每天不一定接得上。
箱规也需要单列。若每箱c公斤,q₀>0且MOQ为最小订购公斤数,满足两者的候选是:
箱规候选q=c×⌈max(q₀,MOQ)÷c⌉。
⌈ ⌉表示向上取整,如⌈3.2⌉=4。如果q₀=0,通常允许不下单,即q=0,而不是被MOQ强迫订货。这个计算只处理数量规格,还没核对容量、到期和费用。采购量不必总是向上取整后的那个数,也可以在可行数量中比较并保留剩余缺口。
6 禾味:三日总量够,第一天仍然会缺
现在回到第1节的三日时钟。为把库存约束看清,冻结一条确定性需求情景:第1至3日分别12、14、10公斤。**它不是第2节的10条概率路径,也不声称是训练模型输出。**两个实验分开存文件。
起点已知信息如下:
| 项目 | 本篇设定 |
|---|---|
| 起点现货 | 10公斤,批次A,允许使用到第1日闭店,之后剩余报废 |
| 旧在途 | 8公斤,第3日开门前到,批次B,允许使用到第3日闭店 |
| 本次新单 | q公斤,第2日开门前到,批次C,允许使用到第3日闭店 |
| 采购规格 | 每箱5公斤;不订为0,订货至少10公斤 |
| 容量 | 每次到货后、耗用前,SKU01可占用的容量最多18公斤 |
| 供需规则 | 按最早可售截止日优先耗用,即FEFO;缺口为丢失需求,不滚成次日欠单 |
到期日当天可用,是本教学数据明确给定的可售规则,不是食品安全建议。真实业务必须使用合规的可用截止时间,不能为让方案可行而推迟下架。容量18公斤是分配给这个SKU的容量,不冒充整间冷库的总容量。
只算总量会得到:三日需求36,现货加在途18,净差18,按5公斤一箱取整为20公斤。然而20公斤第2日一到货,就超过18公斤容量。这张采购建议连“放得下”都没有通过。
更根本的问题是第1日。当天需求12,只有现货10,而新单第2日才来。**不管今天订15、20还是30,第1日都有2公斤缺口。**程序必须把它留下来,而不是拿明天到货倒填今天库存。
再只看新单能帮助的第2、3日,需求合计24,旧在途第3日有8,因此至少需要16公斤新货才可覆盖这两天。这比总量净差18少2,正是因为本例第1日未满足需求已流失,不会继续等货。如果改为欠单制度,账本与所需数量都要重算。
16公斤放得下,但不满足整箱;向上到20又超容量。程序按5公斤步长枚举0至30公斤。本例超过18公斤的候选都无法通过到货容量检查,当前满足采购规格与容量的数量只有0、10、15公斤。若教学规则为“先让总缺口最小,再比较报废量,仍并列时少订”,就选择15公斤,同时明确仍有缺口。这不是宣称15在所有利润、服务和保鲜目标下都最优。
下面逐日核对15公斤候选:
| 日期 | 承接库存 | 本日到货 | 需求 | 实际可满足 | 缺口 | 日末报废 | 期末可用 |
|---|---|---|---|---|---|---|---|
| 第1日 | 10 | 0 | 12 | 10 | 2 | 0 | 0 |
| 第2日 | 0 | 15 | 14 | 14 | 0 | 0 | 1 |
| 第3日 | 1 | 8 | 10 | 9 | 1 | 0 | 0 |
每行单位都是公斤。需求守恒:需求=实际可满足+缺口;库存守恒:期末可用=承接库存+到货−实际可满足−报废。总账为初始10+新货15+旧在途8=满足33+报废0+期末0,需求36=满足33+缺口3。
缺口3公斤分成两部分:2公斤是已经错过可达时间,另1公斤来自箱规和容量共同限制。把它们分开,才能讨论真正有用的下一步:是否有合法且实际存在的临时供应、能否分批送货、能否调整菜单或容量。本文没有取得这些条件,也不会把“可以商量”写成已执行。
**再造一个效期反例。**只把第1日需求从12改为6,其余不动。原10公斤中用6,剩4在第1日闭店报废,不能带到第2日。订15时仍会在第3日缺1公斤,总账变为33=满足29+报废4+期末0。若错误地忽略过期,把4留到以后,就会掩盖这个缺口。配套练习要求读者亲手修改输入,验证这一变化。
7 匿名服装:算出面料采购量,不等于算出交付能力
服装沿用第四篇的条件留存思想,但不直接复用其估计结果。另设当前100张待发订单,每单1件;给定当前状态,到计划交付窗口的条件留存概率为0.8。没有部分取消,不同订单先用同一个概率,仅作教学情景。
预计留存=100×0.8=80件。另有未来新增且不属于这100单的需求情景20件,合计100件。新增20已经按同一交付窗口、最终待履约的净需求口径定义,不能再混入创建单量。因为没有联合分布,这个100只作为计划情景,不是P90,也不是保证交付数量。
如果输入的“未来总需求100”原本已经含现有订单,就不能再把80加一次。预测表要保留“现有订单留存”和“未来新增”两列,并说明是否相互重叠。
现在给定15件成衣可用,且没有分配给其他客户,也没有再次包含在物料可用量中。待生产数量N=max(100−15,0)=85件。每件净耗布b=2米/件,裁剪利用率u=95%=0.95。
净耗布=N×b=85×2=170米;毛布需求G=170÷0.95≈178.947368米。
为什么是除以0.95,而不是乘1.05?利用率95%表示投入100米,能形成95米有效裁片。反求能形成170米有效裁片的投入,就要满足G×0.95=170,故G=170÷0.95。直接乘1.05得到178.5米,乘回0.95只有169.575米,仍少0.425米有效裁片。
这里仅表示裁剪材料利用率,不再额外加一次同名损耗。成衣合格率、检验返工和其他辅料未建模,不能把这个公式当作完整BOM计划。
在需要开始裁剪之前,已有可用布50米、能及时到的布30米。另25米虽在途,却在用料日期之后到,不计入本次及时供给。于是材料净缺口≈178.947368−50−30=98.947368米。
供应商每卷20米,最小2卷即40米。新购卷数=⌈max(98.947368,40)÷20⌉=5卷,采购100米。届时及时毛布共50+30+100=180米,比材料需要多约1.052632米。程序保留精确有理数直到采购取整,只在显示时转为小数,不能先把每件耗布粗糙取整后再乘85。
但这个窗口最多只能生产70件。85>70,还差15件产能。已有成衣15+产能70=85件,只能覆盖100件情景中的85件,**即使买到100米新布,也不能据此承诺100件全部按时交付。**这15件是该情景下的计划能力缺口,不是已发生的客户迟交实绩。
如果计划负责人决定以当前70件产能为边界重做材料计划,净耗布140米,毛布140÷0.95≈147.368421米,扣及时80米后,需67.368421米,整卷采购80米即可。但这是另一份生产方案,仍留下15件未覆盖,不是悄悄把市场需求改成85件。
这两份结果应并排保存:面向完整85件待产目标的材料候选100米,以及只支持70件产能方案的材料候选80米。前者整体计划不可行,后者只是产能内方案,并未解决全部需求。没有成本、追加产能和交付优先级信息,程序不替负责人选一个商业最优方案,更不直接发采购单。
8 一张合格的建议表必须留下什么
通过上面两例,可以把输出整理为四层。
- **需求层。**对象、单位、起点、目标窗口、均值或分位数或情景、预测版本,以及现有订单是否已包含。
- **供给层。**可用库存、批次截止时间、已分配数量、每笔在途的可用日期。原始库存状态和按本次窗口筛选的量分开保存。
- **候选层。**未受约束量、箱规或卷数、MOQ、容量、到货日、产能,以及每项约束是否通过。
- **异常与审核层。**仍未覆盖的日期和数量、不可行原因、可供人判断的替代方案、选择规则与待确认事项。
禾味这次的结论不是“订15公斤就行”,而是“15公斤是在已设规格和容量下、按最小缺口规则选择的候选;第1日缺2,第3日缺1,仍待处理”。服装也不是“买100米就交完”,而是“材料候选100米,但当前85件待产超过70件产能,整体不可行”。
这些句子比一个绿色的“成功”更有用。尤其不要让系统在失败时自动放松容量、延后效期、修改需求、把晚到货移到早一天,再输出一张看似可行的建议。
成本与概率也应分层保留。第4节的平均成本,是所声明单周期损失函数下的数学结果;第6节的3公斤缺口,是确定性三日情景回放;第7节的15件能力缺口,是产能筛查。三者不是同一评估,不应混成“模型整体提升多少”。
9 动手复现:先算原题,再故意破坏一个条件
完整包中的practice目录包含UTF-8 CSV输入、Python标准库代码、逐行输出、测试、数据字典和说明。需要Python 3.10或更高版本,无须安装第三方库。进入practice目录运行:
python3 run.py --output my-results
python3 -m unittest discover -s tests -v
Windows可用py替代python3。输出目录应选择新的目录,保护自己已有结果;输入不会在运行时重建覆盖。详细文件名和可修改字段以包内README及DATA_DICTIONARY为准。文章配图另外由绘图脚本生成,阅读和复算数值不需要绘图库。
建议分两次完成,每次约60分钟。
第一次,把原题算完整。
- 15分钟:标出第1日下单、第2日到货、下一检查与下一到货,解释为何看3日。
- 20分钟:复算10条路径的逐日P90与累计P90;算出报童Q=120、140的成本。
- 25分钟:运行程序,选一条禾味库存账和一条服装材料账,用计算器重新核对。
**第二次,只改一个条件,再看后果。**先复制整个练习文件夹,保留原始版本与结果。
- 报童少备成本从6改为2,多备仍为2。新的τ是多少?哪些Q并列最优?
- 禾味容量从18改为20,其他不变。新的最小缺口候选是多少?为什么第1日仍缺2公斤?
- 禾味第1日需求从12改为6,其他不变。订15时应报废多少,后两天还有没有缺口?
- 将服装晚到25米改为能及时到,重新算完整85件待产目标的卷数。产能问题是否随之消失?
- 把服装利用率输入为0、1.05或空白。程序应报错,不能返回一个采购量。把需求改成负数、添加重复批次键,也应拒绝。
- 写一张自己的决策卡,只写一个店–SKU或一个款码。列出已知、假设、尚未知三类输入,最后写明谁需要处理尚未覆盖的需求。
**参考答案。**第1题τ=0.5,100至120件都可达到平均成本40元。第2题新单20公斤,第1日仍缺2,后两日无缺口,第3日末有4公斤到期报废;多买不等于所有指标都改善。第3题报废4,第3日缺1。第4题及时供给105米,缺口约73.947368米,需4卷80米;产能仍差15件。第5题是数据拒绝测试,不能用默认值掩盖错误。第6题没有唯一答案,但窗口、单位与未覆盖量必须明确。
10 从会算数量,到知道何时不能执行
预测给出未来需求的判断,计划把判断放进库存和资源条件里。每往下走一步,都要多核对一层:保护哪几天,概率描述什么,成本少算或重复了什么,库存何时可用,箱规能不能满足,仓库放不放得下,生产来不来得及。
本篇没有构建真实需求分布估计、随机提前期模型、多周期最优库存策略、完整MRP或有限产能排程,也没有真实下单。它交付的是可以逐行复算的建议原型。下一步若要比较两个预测模型或两个补货策略,必须让它们面对相同需求路径、初始状态和事件顺序,再分别检查缺口、报废、库存及费用,不能仅凭预测误差降低就宣布经营改善。
如果最后只记住一条:一个好的建议不仅告诉你可以准备多少,还必须告诉你哪些需求仍然无法满足,以及为什么。
资料与配套说明
- 专题前四篇及目录:数学、数据、回归和概率的前置脉络。
- 预测课堂:概率预测与库存决策:保护期、累计需求与成本分位数的课程依据。
- 预测课堂:批次效期与FEFO:本篇效期回放的概念来源,本文三日数据为独立新增。
- 预测课堂:共用面料与延迟制造:材料利用率、卷规与产能边界的课程依据。
- MIT供应链报童模型讲义:单周期少备/多备权衡;本文四点成本表为教程指定分布的独立复算。
配套含全文Markdown、内嵌图片的独立HTML阅读版、1张900×383封面和4张黑白正文图及可编辑源文件、模拟数据、Python代码、逐行结果与自动测试。下载完整包后从README开始。所有结果只适用于声明的教学输入、可用时点及决策规则,不构成真实业务效果或实际采购建议。