4. 预警阈值分级方法

保质期预警的核心不是“设一个天数”，而是把剩余保质期映射到一组有业务含义的状态上，并让不同品类、不同客户、不同仓储类型走不同的映射规则。阈值分级方法要解决三个问题：状态怎么划分、边界怎么定、差异怎么落地。本节围绕这三点展开，并给出可直接参考的配置样例。

一、状态划分：从剩余保质期到业务动作

仓储场景中，最常用的分级是四态：正常、临期、超期、禁售。四态不是按“过期与否”简单二分，而是把风险前移，让库内操作有提前量。判断依据统一采用剩余保质期天数 R，定义为：

R = 保质期截止日期 − 当前业务日期（按自然日计，不含当天则减 1）

约定 R 以“天”为单位、向下取整，且以仓库所在时区的业务日期为准，避免跨时区仓库出现边界漂移。四态的典型含义如下：

• 正常：R 大于临期阈值，可正常出库、正常补货。
• 临期：R 落在临期区间内，需触发促销、优先出库、调拨或客户协商。
• 超期：R 小于等于 0 但尚未进入禁售判定，属于已过保质期、需隔离待处理。
• 禁售：R 低于禁售阈值（通常为负值或 0），系统锁定库存，禁止销售出库，只能走报损、退货或销毁流程。

这里有一个容易混淆的点：超期与禁售不是同一件事。超期是“事实状态”，禁售是“处置状态”。有些品类（如部分冷冻食品）允许在超期后极短时间内走特殊审批，因此把两者拆开，才能让审批流和库存锁定解耦。

二、阈值边界：用“比例 + 绝对值”双约束

只按固定天数设阈值，会遇到长保质期品和短保质期品无法共用一套规则的问题。推荐采用比例阈值为主、绝对天数为兜底的双约束：

临期阈值天数 T_临期 = max(保质期总天数 × 临期比例, 临期最小天数)
禁售阈值天数 T_禁售 = min(保质期总天数 × 禁售比例, 禁售最大天数)  （通常取负值或 0）

举例（示例参数，非实测）：某乳制品保质期 21 天，临期比例 30%、临期最小天数 3 天，则 T_临期 = max(21×0.3, 3) = 6.3，取整为 6 天；禁售比例 0%、禁售最大天数 0 天，则 T_禁售 = 0。于是 R≥7 为正常，1≤R≤6 为临期，R=0 为超期，R<0 为禁售。这样短保品不会被“最小天数”误伤，长保品也不会因为比例过大而提前太久预警。

三、差异化设置：三个维度决定阈值

同一套阈值不可能适配所有库存。差异化主要来自三个维度，且优先级建议为客户 > 品类 > 仓储类型，即客户协议优先覆盖品类默认值，仓储类型作为环境修正项。

按品类：短保（烘焙、鲜奶、生鲜）临期比例高、最小天数小；长保（罐头、冻干）临期比例低、绝对天数可放大。品类阈值应作为基础模板，由质量或商品部门维护。

按客户：连锁商超常要求“到货时剩余保质期不低于 2/3”，而电商仓可能接受更低比例但要求更早预警。客户维度应支持在品类模板上做覆盖，例如某客户要求乳制品临期阈值从 6 天提前到 9 天。

按仓储类型：常温库、冷藏库、冷冻库的环境稳定性不同。冷冻库温度波动小，可适当放宽临期天数；常温库夏季风险高，可收紧。仓储类型通常以“修正系数”方式叠加，而不是完全重写阈值。

四、配置落地：一条阈值记录长什么样

把上述规则落到系统里，最小配置单元应是“SKU × 客户 × 仓库”的一条阈值记录，而不是全局一个数字。建议字段包括：品类编码、客户编码、仓储类型、保质期总天数、临期比例、临期最小天数、禁售比例、禁售最大天数、生效优先级、生效日期。系统按优先级从高到低匹配，命中即停，未命中则回落到品类默认模板。

下面是一段可直接参考的配置样例（示例参数，非实测）：

{
  "rule_id": "TH-RULE-0042",
  "scope": { "category": "DAIRY", "customer": "C-1007", "warehouse_type": "FROZEN" },
  "shelf_life_days": 21,
  "near_expiry": { "ratio": 0.30, "min_days": 3 },
  "ban_sale":    { "ratio": 0.00, "max_days": 0 },
  "priority": 20,
  "effective_from": "2025-06-01"
}

计算时先按比例与绝对值取边界，再叠加仓储修正系数，最后得到该记录下的 T_临期 与 T_禁售。注意：修正系数只作用于临期阈值，不改变禁售边界，因为禁售涉及合规，不能被环境系数放宽。

五、结果判读与常见问题

配置完成后，用一批真实库存做回放验证：取近 30 天出库记录，统计各状态占比与误报率。若临期占比长期高于 15%，说明阈值过宽或品类模板不适配；若禁售库存突然增多，优先检查客户覆盖规则是否把禁售边界写成了正值。另一个高频问题是“同一 SKU 在不同仓库状态不一致”，这通常不是 bug，而是仓储类型修正生效的正常结果，需要在报表中按仓库维度拆分展示，避免误判。

总结来说，阈值分级的关键在于：用 R 统一度量、用比例加绝对值定边界、用客户/品类/仓储三层优先级做差异化，并让每条阈值记录可追溯、可回放。这样预警才既有业务含义，又能在不同库存之间稳定复用。