根据历史需求建议数量

对于直接的推式补货策略，Suggest（建议）功能会根据历史需求在报价请求（RFQ）时推荐订购数量。

  • 补货周期：未来的覆盖窗口（天）。
  • 依据：定义历史需求的时间段：最近 7 天、30 天、3 个月、12 个月，或上一年的同月或同季。
  • 因子：增长或下降系数（默认 100%）。在得到该周期的总量后，将历史需求乘以该百分比，以确定应补货的需求量。（例如，若预计销售比上一周期增长 20%，则输入 120%）

为了估算需求，Odoo 会在 依据 时间段内，对 已验证的交付、制造订单中消耗的组件（MOs）或用于 向分包商补货 的出库进行求和，这些出库必须来自 RFQ 中指定的仓库。日均需求 = 该期间出库总和 ÷ 天数 × 因子。估计需求 = 日均需求 × 补货周期 天数。

$$ \begin{aligned} \text{日均需求} &= \frac{\text{已交付或已消耗的商品}}{\text{依据天数}} \times \text{因子} \ \ \text{估计需求} &= \text{日均需求} \times \text{补货天数} \end{aligned} $$

:::: note ::: title 注意 :::

仅计算 已分配（Assigned） 或 已确认（Confirmed） 的移动，草稿（Draft） 状态的销售报价或制造订单在验证之前不计入 日均需求。 ::::

:::: tip ::: title 提示 :::

在多仓库配置下，内部交付同样计入需求估算。若为中心仓库向各门店发货，则中心仓库的 日均需求 将包括向各门店的内部转移。 ::::

要得到建议数量，Odoo 用 估计需求 减去 当前可用库存 与 所有在途入库 的总和。

$$ \text{推荐数量} = \text{估计需求} - (\text{可用库存} + \text{在途入库}) $$

::: example 在 example 1 <purchase/advanced/example-suggestion> 中，Odoo 根据上月交付的 40 件商品，推荐 19 件用于 14 天的 补货周期。 :::

  1. 必须 安装 Purchase（采购） 与 Inventory（库存） 应用。
  2. 为每个产品 验证至少一个交付单 <inventory/delivery/one-step>，确保系统有历史交付记录以计算日均需求。
  3. 为每个产品在 供应商价目表 <purchase/manage_deals/vendor-pricelist> 中添加对应的采购价。Suggest 功能是针对供应商的，需为每个产品匹配相应的供应商。
  4. 将 产品类型 设置为 Goods（货物），并确保产品 按数量追踪 <inventory/product_management/manufacture>，以便系统能够管理库存并计算推荐补货量。

要基于过去的销售数据提出建议数量，进入 Purchase（采购） 应用，新建或打开已有的 RFQ（Request for Quotation）。

在 RFQ 中，将 供应商 字段设为目标供应商。随后在 Products（产品） 选项卡点击 Catalog（目录） 按钮查看该供应商的商品。

:::: important ::: title 重要 :::

确认目录中的每个商品均已配置为所选供应商，并且采购单处于 RFQ（Request for Quotation） 阶段。 ::::

:::: tip ::: title 提示 :::

默认情况下，产品目录会按供应商过滤。可在搜索栏中去除过滤，以查看全部商品，或使用内置的 oi-group Group By（分组） 按 Product Category（产品类别） 进行分组。 ::::

在 Catalog（目录） 左侧边栏打开 Suggest（建议） 开关，填写以下字段：

  • 补货周期（Replenish for）：计划库存的天数。
  • 依据（Based on）：包含两项输入
    1. 期间：选择代表历史需求的时间范围（如 Last 30 Days、April 2024）。
    2. 增长因子 %：对需求进行放大或缩小（如 120% 表示增长 20%，30% 表示下降 70%）。

底部会显示订单总额，系统将供应商的 单价 与建议数量相乘得出。

确认参数后，点击 Add All（全部添加） 将所有建议加入订单。必要时可手动调整数量，随后点击 Back to Quotation（返回报价） 完成最终确认。

公司需为 14 天 补货兰花，参考最近 30 天 的历史数据，假设本月收入增长与上月持平（100%）。

期间交付/消耗：

  • 15 天前通过 [WH/OUT] 操作交付 20 件。
  • 1 天前交付 20 件。
  • 合计：最近 30 天共交付 40 件。
  • 补货周期：14 天
  • 依据：30 天
    • 期间交付/消耗总计：40 件
  • 因子：100%

$$ \text{日均需求} = \frac{40}{30} \approx 1.33 \text{ 件/天} $$

$$ \text{建议数量} = 1.33 \times 14 \approx 18.67 ;\text{（四舍五入为 19 件）} $$

{alt=“建议采购 19 件。”}

为更好规划即将到来的母亲节周，公司将 依据 改为去年同月（2024 年 5 月），并使用 120% 的增长因子。

  • 补货周期：7 天
  • 依据：2024 年 5 月（整月）
    • 该月交付/消耗总计：361 件
  • 因子：120%

$$ \text{日均需求} = \frac{361}{30} \times 1.20 \approx 14.44 \text{ 件/天} $$

$$ \text{建议数量} = 14.44 \times 7 \approx 101.08 ;\text{（向上取整为 102 件）} $$

{alt=“建议采购 102 件。”}

  1. 验证历史数据
    预测基于已验证的交付单、制造单以及其他消耗库存的操作。对于交付单，系统以 Effective Date（生效日期） 作为实际消耗时间。

  2. 维护准确的供应商价目表
    定期审查并更新供应商价目表，以确保建议的准确性。

  3. 根据季节性测试销售预测
    参考前几个月或季节的历史数据，使用增长/下降因子模拟季节波动。

  4. 批判性审视建议
    虽然工具提供基线推荐，但仍需结合业务判断。市场变化、促销活动及即将到来的事件都会影响实际需求。