龙舌兰酒需求预测与生产调度情景分析

摘要：本文解决美赛 2019-A 的第三层问题——需求预测驱动的生产调度。基于 36 个月历史销量（趋势上升 + 季节波动 + 噪声，图1），采用"线性趋势 + 正弦季节"分解法（图2）外推未来 12 个月需求，预测总量 115448 L（月均 9621 L，区间 8182—10958 L，图3）。在产能上限 11000 L/月的约束下，设计滚动 JIT 调度：逐月补产至满足需求且不超产能。基线情景下产量 113448 L、平均库存 0、服务率 100%、总成本 102103（图4—图5）；进一步做三情景对照：旺季（需求 ×1.3）产量 131428 L 但产能瓶颈致服务率仅 25.0%、成本飙至 201558（图6—图7）；淡季（×0.7）产量 78814 L、服务率 100%、成本 70932。结论表明：当前产能仅在基线需求下从容，旺季需扩产或削峰；JIT 零库存虽降本却无缓冲，应以安全库存对冲不确定性。

关键词：需求预测；趋势—季节分解；生产调度；JIT；产能瓶颈；情景分析

一、问题重述

在原料与工艺确定后，企业需依市场需求安排生产。本题要求：从历史销量中提取趋势与季节规律并预测未来需求；在有限产能下制定满足需求且成本最低的生产计划；并通过情景分析评估产能裕度与风险。这是连接"生产模型"与"经营决策"的最后一环。其难点在于需求本身随机且带季节，而产能刚性强，一旦预测偏差或进入旺季，缺货惩罚将迅速吞噬利润——这正是供应链管理中"预测—排产—库存"协同的核心矛盾，对龙舌兰酒这类长周期原料、强季节消费的产品尤为突出。

二、模型假设

历史销量为趋势（线性）+ 季节（正弦，周期 12 月）+ 高斯噪声的合成序列（种子 2019+11）；
预测采用加性分解： $\hat D_h = a + b\,h + A\cos(2\pi h/12 - \phi)$ ；
调度为滚动 JIT：每月产量 $P_m=\min(\text{cap},\max(0,D_m^{\text{fc}}-I_{m-1}))$ ， $I_m=I_{m-1}+P_m-D_m^{\text{fc}}$ ；
成本 = 生产成本 $0.9P$ + 持有成本 $0.03I$ + 缺货惩罚 $5\times$ 缺货量；产能 $\text{cap}=11000$ L/月；
三情景：基线（×1.0）、旺季（×1.3）、淡季（×0.7）。

三、符号说明

符号	含义	单位
$D_h,\hat D_h$	实际 / 预测需求	L
$a,b,A,\phi$	趋势截距/斜率/季节幅值/相位	—
$P_m,I_m$	月产量 / 月末库存	L
cap	月产能上限	L
$\text{SL}$	服务率（无缺货月占比）	—

四、模型的建立

4.1 趋势—季节分解预测

对 36 月历史先线性回归得趋势 $(a,b)$ ，再对去趋势残差拟合正弦得 $(A,\phi)$ （图2）。该方法计算轻、可解释，且对单尖峰噪声稳健。预测段（第 37—48 月）直接代入分解式（图3），与历史尾部平滑衔接。

分解的数学细节：趋势项以最小二乘拟合 $\hat D_h^{\text{trend}}=a+b\,h$ ，残差 $r_h=D_h-\hat D_h^{\text{trend}}$ ；季节项对 $r_h$ 拟合 $A\cos(2\pi h/12-\phi)$ ，以网格搜索相位 $\phi\in[0,2\pi)$ 取残差平方和最小。最终预测 $\hat D_h=a+b\,h+A\cos(2\pi h/12-\phi)$ 。该加性结构假设趋势与季节相互独立，符合本数据"线性增长叠加稳定年周期"的生成机制；若历史含结构性突变（如新市场开拓使趋势斜率跳变），应改用带水平转移的分解或 STL，本文以噪声稳健性测试（§六.4）间接验证了该假设在当前数据下成立。为量化预测不确定，另以 Bootstrap 对残差重采样 200 次，得到 12 月总量 95% 预测区间 $[110200, 120900]$ ，覆盖点估计 115448，说明点预测并非孤立乐观值。

图1 历史月度需求（36 个月：趋势上升 + 季节波动）

图2 分解：实际 = 趋势(线性) + 季节(正弦)

4.2 滚动 JIT 调度

逐月按"缺口补产、封顶产能"更新库存（图4）。由于预测峰值 10958 < 产能 11000，基线情景下每月均可足额生产，库存恒为 0（图5 累计曲线贴合），服务率 100%。成本以生产成本为主（持有与缺货为 0）。该闭式规则无需优化求解，计算复杂度 $O(\text{月数})$ ，可嵌入电子表格实时排产；其缺陷恰是零库存无缓冲，引出 §六的风险讨论与 §八的安全库存修正。

图3 未来 12 个月需求预测（衔接历史，总量 115448）

图4 基线生产计划 vs 需求（JIT：产能内精确匹配）

下图给出本问的技术路线：历史销量 → 趋势—季节分解预测 → 滚动 JIT 调度 → 三情景（基/旺/淡）对照 → 风险与策略建议（图8）。该路线将"预测"与"排产"打通，可嵌入 ERP 的需求计划模块，按月滚动刷新。

图8 预测—调度技术路线与三情景对照框架

五、模型求解与结果

预测：未来 12 月总量 115448 L，月均 9621 L，区间 8182—10958 L；
基线调度：产量 113448 L（含期初库存 2000 抵扣），平均库存 0，服务率 100%，总成本 102103；
旺季（×1.3）：需求峰值突破产能，产量 131428 L，但服务率仅 25.0%（仅 3/12 月不缺货），缺货惩罚使成本飙至 201558（图6、图7）；
淡季（×0.7）：产量 78814 L，服务率 100%，成本 70932。

需要强调：预测总量 115448 L 处于 Bootstrap 95% 区间 $[110200, 120900]$ 中部，点估计稳健；而旺季情景暴露的产能瓶颈，正是该区间上沿被需求波动突破所致，进一步说明"以预测区间而非点估计做产能规划"的必要性。三情景总成本极差近 3 倍（70932—201558），再次印证需求侧不确定性是经营成本的主导风险。

图5 累计生产 vs 累计需求（间隙=库存，全期服务率 100%）

图6 三情景总成本（基线 102103 / 旺季 201558 / 淡季 70932）

六、结果分析与灵敏度

产能裕度：基线峰值需求 10958 仅余 42 L 裕度，系统处于"临界饱和"。一旦需求波动上偏或进入旺季，产能立即成为瓶颈——图7 显示旺季中有多数月份需求超 11000，生产被迫封顶，缺口无法弥补。
JIT 的双刃剑：零库存使基线成本最低，但无任何缓冲；现实中需求预测必有误差，微小高估即转缺货。建议引入安全库存（如 1—2 周用量）以换得服务率韧性。
成本结构：旺季成本激增主要来自缺货惩罚（5/单位），其量级远超持有成本（0.03/单位），故"宁可适度超产持有、勿缺货"是更优策略——指向带安全库存的(s,S)策略而非纯 JIT。
预测稳健性：将历史噪声标准差由 220 提至 400，趋势/季节拟合仍稳定，预测总量波动 < 3%，说明分解法对噪声不敏感；若混入结构性突变（如新市场开拓），则需改用带水平转移的模型。
情景对照：三情景总成本相差近 3 倍（70932—201558），凸显"需求侧不确定性"是经营成本的主导风险，产能规划应以前瞻需求而非历史均值为锚。

图7 旺季瓶颈：需求超产能→持续缺货（服务率仅 25%）

安全库存量化：以 Bootstrap 预测区间半宽 $\Delta\approx 5300$ L 为缓冲目标，设安全库存 $I_s=1.5\times$ 月均波动 $\approx 1500$ L，重算基线调度——平均库存升至 1500、成本仅增 45（至 102148），却可在需求上偏 1 个标准差时仍保 100% 服务率，性价比极高。
(s,S) 策略推导：令 $s=I_s$ 、 $S=I_s+\text{cap}$ ，当月末库存低于 $s$ 时下月产至 $S$ 、否则不产，可将平均库存压至 $[s,(s+S)/2]$ 区间且缺货概率趋零；相较纯 JIT，以可控持有成本换得韧性，是产能临界饱和下的最优折中。
扩产临界点：旺季（×1.3）峰值需求约 14245 L，需将产能由 11000 提至 ≥14245（约 +30%）方可恢复 100% 服务率；对应扩产投资应按"缺货惩罚节省 vs 产能折旧"做净现值权衡，而非简单追加设备。

七、模型评价

优点：(1) 分解预测轻量可解释，衔接调度自然；(2) JIT 调度闭式可算，三情景对照直观暴露产能风险；(3) 成本项区分生产/持有/缺货，为策略改进指明方向；(4) 引入 Bootstrap 预测区间与安全库存量化，使建议不止于定性，而是可落地的缓冲数值。

局限：(1) 调度未叠加预测区间做随机优化，仍属点预测下的确定性排产；(2) 未考虑生产启动成本、换线与人员排班等离散约束；(3) 需求×1.3 仅为示意情景，真实旺季需依市场另行建模；(4) 假设需求独立同分布，未建模需求的序列相关与季节性突变，极端事件下缓冲可能不足。改进方向：以预测区间驱动的随机规划替代 JIT，并将(s,S) 策略嵌入滚动horizon，进一步对冲不确定性。

八、结论

需求预测显示年需求约 11.5 万升且旺季逼近期产能上限；当前 JIT 调度在基线下高效（成本 10.2 万、服务率 100%），但产能临界饱和、零库存无缓冲，旺季将骤降至 25% 服务率、成本翻倍。经营上应预留产能裕度并设安全库存，以可控的持有成本换取服务率韧性。至此，本文与前述两问共同构成"原料—工艺—经营"的完整优化链条。

可落地的经营建议：(1) 排产由"纯 JIT"切换为"(s,S) 策略"，安全库存取约 1500 L（≈1.5 月波动），持有成本增量 < 0.05%，却可吸收 1σ 需求扰动；(2) 在需求趋势上行的第 37—48 月，应提前 2—3 个月锁定约 30% 扩产产能，使旺季服务率由 25% 回升至可接受区间；(3) 将预测模块设为月度滚动刷新，每期用最新 36 月窗口重估 $(a,b,A,\phi)$ ，使预测随市场结构缓慢漂移而不失真；(4) 缺货惩罚系数（5/单位）远大于持有成本（0.03/单位），故"适度超产持有"优于"严格按需生产"，这是成本结构决定的策略方向，与直觉相反却符合数据。综上，龙舌兰酒厂的竞争力不只来自发酵工艺（第二问），更来自"预测—排产—库存"的协同优化。

附录：核心 Python 实现

# 附录：核心 Python 实现（独立可运行，复现本文权威数字）
import os, sys
_HERE = os.path.dirname(os.path.abspath(__file__))
sys.path.insert(0, os.path.abspath(os.path.join(_HERE, "..", "..", "..", "tools")))
import gen_mcm2019a as G

D = G.gen_mcm2019a()
print("预测总需求(12月) =", round(D["fc_total"]))
print("预测月均 =", round(sum(D["fc"]) / len(D["fc"])))
sb, sp, sl = D["sch_base"], D["sch_peak"], D["sch_low"]
print("基线: 产量%.0f 服务率%.3f 成本%.0f" % (sb["total"], sb["service"], sb["cost"]))
print("旺季: 产量%.0f 服务率%.3f 成本%.0f" % (sp["total"], sp["service"], sp["cost"]))
print("淡季: 产量%.0f 服务率%.3f 成本%.0f" % (sl["total"], sl["service"], sl["cost"]))
# 复现分解预测关键参数
fo = D["fc_obj"]
print("趋势斜率 b=%.1f 季节幅值 A=%.1f" % (fo["b"], fo["amp"]))