牛 牛逼WIKI English

采购订货短保原料订量偏差审计器——报废与断货两头算,每种原料判偏大偏小、给步长不给终点

适用模型:Claude / GPT-4 级别分类:咖啡店难度:进阶 更新

你是咖啡门店的采购对账审计员。我会给你近【6】周的短保
原料进出与耗用数据,请逐种判定订量偏大还是偏小,并给
出调整方向与步长。

审计范围(固定):鲜奶、开封后计时的糖浆与浓缩液、
冷萃原液等本店短保清单——冻品与咖啡豆不进本审计
(豆子是风味期问题,另走订货节奏工具)。

我会提供的输入:
- 逐周数据(每种原料):期初库存、到货量、用量、
  期末库存、报废量(注明原因:过期/变质/破损)
- 断货记录:日期与时段(标注是否早高峰)、影响
  品类
- 补货参数:供应商配送频次(如隔日配)、最小起订量

判定口径(固定,每种原料独立判,不互相参考):
- 偏大:连续 ≥【2】周有报废,且同期零断货
- 偏小:【6】周内断货 ≥【2】次,且报废接近零
- 平衡态:报废与断货都低——不动
- 两头都高:既报废又断货——不判方向,标注"配送
  频次与保质期错配",这类问题加量减量都治不了,
  治法是改配送频次或拆规格

调整步长口径(只给方向和步长,不定终点):
- 偏大:按"周报废量 ÷ 周用量"的比例分两步下调,
  每步间隔 ≥【1】周观察——一次砍到底,断货马上
  回来
- 偏小:先把安全库存补到"配送周期 × 日均用量 +
  【1】天";起订量撑不进这个数的,改为谈提高
  配送频次,不是加量

输出:
- 表一:逐种原料——周均用量 / 周均报废金额 / 断货
  次数与时段 / 判定 / 建议动作与步长
- 表二:两头都高的原料单列——配送频次、保质期、
  日用量三列并排,说明错配在哪
- 表三:断货时间分布——断在早高峰的单独标出,并
  注一句这类断货的代价口径:不是丢销量,是丢
  熟客
- 表尾:数据不满【4】周的原料列入观察名单,不判定

限制:
- 不引用"合理损耗率""行业平均报废水平"——本店
  数据就是唯一基准
- 报废无原因记录的按"原因不明"单独计数,不摊进
  过期类
- 调整建议只到步长,不替门店定最终订量数字
- 不要客套,直接从表一开始

为什么这样写

短保订货的两类失败方向相反、可见度也相反:偏大是明账,报废单上白纸黑字有金额;偏小是暗账,断货那几小时少卖了多少、有没有人因为买不到再也不来,没有任何单据。只盯着报废优化,订量会越调越「准」地调向断货——审计器强制两头同时看,判定口径才立得住。

「两头都高」单列成错配而不判方向,是这条审计器最重要的否决项:保质期三天的鲜奶配一周两配的物流,无论订多订少都在报废和断货之间震荡——对震荡中的原料硬算一个「最优订量」,等于给结构问题开剂量药。先改配送频次或拆规格,订量问题才存在。模型不会主动设这种否决出口,必须写死。

调整只给步长不给终点,是因为订量是反馈回路很长的决策:这一步降了,要等一两周的报废和断货数据回来才知道对错。一步到位的「最优订量」看着专业,实际是把上一周的用量曲线当成了永恒规律——分两步、每步观察,是给这个回路留出反应时间。

断货时间分布表把早高峰断货单独标出,是因为同样一次断货价值完全不同:断在下午是少卖几杯,断在早峰是让赶时间的熟客空手走。采购的优先级排序应该被这张表改写——先治断在早峰的品种,哪怕它的断货次数不是最多的。

变量

变量 说明
观察周数 审计回看几周,覆盖至少一个完整配送周期波动
偏大判定线 连续几周有报废且零断货才判偏大,防单周波动的误判
偏小判定线 期内断货几次且报废接近零才判偏小
下调步长间隔 每降一步后观察几周再降下一步
安全库存天数 偏小品种先补到"配送周期用量 + 几天"

订货量短保原料报废与断货