1. 供应链计划系统概述：补货计划在供应链中的位置、系统架构概览、课程目标与学习路径
1.1 补货计划在供应链中的战略位置
补货计划是供应链计划体系中的执行层核心环节，直接衔接需求预测、库存策略与采购/生产执行。在端到端供应链计划流程中，补货计划承担着将需求信号转化为供应指令的关键桥梁作用。
| 计划层级 | 典型时间跨度 | 核心输出 | 补货计划的角色 |
|---|---|---|---|
| 战略计划 | 3~5年 | 网络布局、产能规划 | 提供补货网络约束 |
| 产销协同（S&OP） | 12~18个月 | 需求共识、供应策略 | 设定补货目标库存水位 |
| 主计划（MPS） | 3~6个月 | 生产计划、采购计划 | 驱动补货批量与节奏 |
| 补货计划 | 日/周~月 | 补货建议、调拨指令 | 执行层核心 |
| 执行排程 | 小时~天 | 拣货单、运输单 | 接收补货指令并落地 |
关键认知：补货计划不是孤立的库存计算，而是需求、供应、库存、物流四维约束下的动态平衡过程。系统化补货计划可降低库存持有成本 15%~30%，同时提升订单满足率 5~10 个百分点。
1.2 供应链计划系统架构概览
现代供应链计划系统通常采用分层解耦的微服务架构，补货计划模块位于计划引擎层，与上下游服务通过事件驱动或 API 网关集成。
1.3 补货计划系统的核心功能模块
一个企业级补货计划系统通常包含以下功能域，这些模块在工程落地时需通过配置化方式实现灵活编排：
- 参数配置中心：安全库存策略（SS）、订货点（ROP）、最大库存（Max）、补货批量规则（FOQ/LFL/POQ）
- 需求输入接口：对接需求预测系统，支持独立需求与从属需求混合输入
- 库存状态管理：实时库存快照、在途库存、预留库存、可用库存计算
- 补货计算引擎：基于 DRP（Distribution Requirements Planning）逻辑，逐级展开净需求
- 约束求解器：考虑供应商产能、运输能力、仓库容量等硬约束
- 补货建议输出：生成补货订单建议、调拨建议、紧急补货标识
- 模拟与场景分析：支持 What-if 模拟，对比不同参数组合下的补货效果
工程落地提示：补货计划系统的配置化程度直接影响业务响应速度。建议将补货策略参数（如安全库存天数、补货频率、批量规则）设计为可热加载的配置项，避免每次策略调整都走完整发布流程。
1.4 课程目标与学习路径
本课程面向具备供应链基础知识的系统架构师、DevOps 工程师和计划工程师，旨在帮助学员掌握补货计划系统从环境搭建到工程落地的完整技能栈。
| 课程模块 | 核心内容 | 工程产出 |
|---|---|---|
| 模块一：基础与环境 | 补货计划原理、系统架构、开发环境搭建 | 本地可运行的补货计划原型环境 |
| 模块二：数据工程 | 主数据建模、库存数据管道、实时快照设计 | 数据模型与 ETL 脚本 |
| 模块三：策略配置 | 补货参数配置中心、策略热加载、版本管理 | 配置中心微服务 |
| 模块四：计算引擎 | DRP 算法实现、约束求解、性能优化 | 补货计算引擎核心代码 |
| 模块五：集成与部署 | API 设计、事件驱动集成、CI/CD 流水线 | 生产级部署方案 |
| 模块六：监控与运维 | KPI 监控、异常检测、模型反馈闭环 | 监控告警系统 |
1.5 补货计划系统的关键工程挑战
在将补货计划理论落地为生产系统时，工程团队通常面临以下核心挑战，本课程将逐一给出解决方案：
- 数据质量与一致性：多源数据（ERP、WMS、TMS）的时延、缺失、重复问题
- 计算性能：全量 SKU 补货计算在百万级 SKU 场景下的响应时间要求
- 策略灵活性与可配置性：不同品类、不同供应商、不同仓库需要差异化补货策略
- 约束建模复杂度：供应商产能、运输窗口、仓库容量等约束的数学建模
- 系统集成与事件一致性：补货建议生成后如何可靠地推送到执行系统
- 可观测性与反馈闭环：补货执行效果如何反哺参数优化
常见误区：很多团队在初期过度追求算法复杂度，而忽视了数据管道和配置中心的建设。实际上，一个稳定、可配置、可观测的补货计划系统，其工程价值往往高于一个黑盒的"最优"算法。本课程将坚持"工程优先、算法服务于工程"的落地理念。