试点中 · POC

Planforce 供应链计划

把总仓 → 分仓补货做简单:自动算安全库存、按日给建议、人一键确认、拼车发运。轻量、快、可解释——当前为试点(POC)阶段。

你现在的问题

补货靠 Excel + 人工经验逐 SKU 拍安全库存;每天翻表算净需求;凑整车省运费靠拍脑袋。

总仓到分仓补货,做成一个闭环

把”逐 SKU 拍安全库存、每天翻表算净需求”的活儿,变成一键算、按日给建议、人一键确认的补货闭环。

01
算安全库存
从 12 个月历史,按需求形态 + ABC-XYZ + 公式(SS=z·σ·√LT)一键算每个 SKU 的水位。
02
按日给建议
逐日 MRP 算该补多少,建议量可编辑(改大 / 改小 / 改 0)。
03
人一键确认
确认即建调拨单并自动算 ETA——决策权在人。
04
拼车发运
按托盘 First-Fit-Decreasing 凑整车,拖滑块看车次 ↔ 装载率权衡。
从"逐 SKU 拍脑袋"变成"一键算、按日建议、人确认"的补货闭环
一键算安全库存
口径统一、可解释——某宠物食品企业 POC 中 198 个 SKU 一键算完。
按日给建议、人一键确认
逐日 MRP 给补货建议,可编辑、可改 0;确认即下调拨单、自动算 ETA。
拼车凑整车
按托盘凑整车,直观看到车次与装载率的权衡,省运费不靠拍脑袋。

POC 跑出来的结果

198 SKU
一键算完安全库存与补货水位(口径统一、可解释)
79.04% → 87.78%
订单级满足率(仿真口径)
注:以上为某宠物食品企业 POC 数据——仿真口径、单客户场景、NDA 数据,作为试点结果展示,非通用产品承诺。

核心能力(当前均为 POC / demo)

能力成熟度说明
安全库存 & 补货参数引擎demo需求形态(6 类) + ABC-XYZ + 公式法;单客户口径
补货仿真 & 满足率分析demo仿真口径,评估补货策略对满足率的影响
逐日补货 + 可编辑下达 + ETAdemo逐日 MRP 给建议,可编辑、确认下调拨单、自动算 ETA
日补货闭环(决策存档 / 实时库存 / 滚动预测)demo · 桥接决策存档、库存随单据滚动、滚动预测(桥接实现)
拼车装载demo按托盘 First-Fit-Decreasing 凑整车,车次 ↔ 装载率权衡
当前能力均为 POC / demo 口径——定位是轻量、快、可解释的补货决策。

AI 边界(诚实表述)

  • 销售预测 = 统计 / ML 时序模型择优(非 LLM
  • 安全库存 / 补货量 = 规则公式
  • AI(LLM)当前只生成"解释文字",不决定补多少货、不写决策数据
——此场景 AI 根本不碰决策数据,天然没有"AI 乱改数据"的风险

路线图(方向 / 即将)

多级调拨网络优化(最小成本流)
实时数据集成(WMS / ERP / OMS,Jedox Integrator 可承接)
多 RDC 库存分配
运费 FTL / LTL 分段成本与体积 / 重量装载
定位:轻量、快、可解释的补货决策——不对标 o9 / SAP IBP 的多级供应链计划深度
一起把你的补货场景做成一个 POC,几周看到结果
标杆场景:某宠物食品企业 POC——总仓(CDC)→ 分仓(RDC)补货 / 调拨决策。〔单客户、NDA 数据、仿真口径〕
背靠服务 200+ 企业、深耕 15 年的财务与运营数字化团队。

常见问题

当前为试点(POC)阶段,能力均为 POC / demo 口径;定位是轻量、快、可解释的补货决策,不对标 o9 / SAP IBP 的多级供应链计划深度。

不会。此场景 AI(LLM)只生成解释文字,不决定补多少货、不写决策数据;补货量由规则公式算、人一键确认。

不是。销售预测用统计 / ML 时序模型择优(非 LLM),安全库存与补货量用规则公式。