分类 市场 下的文章

分析一下仓储费用的最优化问题

假设我的半年总销量是500件货物,每次找厂家订货大约需要80元订货手续费用(包括电话、出差、合同等),仓库费用0.4元/件/月,假设我的日销售数量是平均的,如果设单次进货量为X的话,总费用包括订货手续费用和仓储费用,总费用的变化趋势是怎样的?X的值多少最合适?
微信图片_20250926110730_4964_28.png

一、先明确核心参数与总费用公式

首先统一时间、成本单位,避免计算偏差:

核心参数具体数值与说明
半年总需求量(D)500件(日销量平均,即半年内均匀消耗,日销量=500÷180≈2.78件/天,无需精确到日,按半年维度计算即可)
单次订货成本(S)80元/次(固定成本,与进货量X无关,包括手续、差旅等)
单位仓储成本(H)0.4元/件/月 → 半年仓储成本=0.4×6=2.4元/件(仓储成本与库存持有时间、数量正相关,需换算为半年单位)
单次进货量(决策变量X)每次向厂家订X件,半年内订货次数=总需求量÷进货量=D/X=500/X次

总费用(TC)的构成公式

总费用=订货成本+仓储成本,两者此消彼长,需找到平衡点:

  1. 订货成本:半年内订货次数×单次订货成本 = (D/X)×S = (500/X)×80 = 40000/X
    (逻辑:进货量X越小,订货次数越多,订货成本越高;反之则越低)
  2. 仓储成本:平均库存量×单位半年仓储成本 = (X/2)×H = (X/2)×2.4 = 1.2X
    (关键逻辑:货物均匀消耗——进货时库存为X,逐渐卖到0,再订下一批,因此平均库存始终是X/2,而非X;仓储成本与平均库存正相关,X越大,平均库存越高,仓储成本越高)

最终总费用公式:
TC = 40000/X + 1.2X

基于此得出以下脚本

import tkinter as tk
from tkinter import ttk, messagebox
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.backends.backend_tkagg import FigureCanvasTkAgg
import math
from matplotlib.figure import Figure

class InventoryOptimizer:
    def __init__(self, root):
        # 设置中文字体支持
        plt.rcParams["font.family"] = ["SimHei", "WenQuanYi Micro Hei", "Heiti TC"]
        
        self.root = root
        self.root.title("仓储费用优化计算器")
        self.root.geometry("900x700")
        self.root.resizable(True, True)
        
        # 创建主框架
        main_frame = ttk.Frame(root, padding="10")
        main_frame.pack(fill=tk.BOTH, expand=True)
        
        # 创建输入框架
        input_frame = ttk.LabelFrame(main_frame, text="输入参数", padding="10")
        input_frame.pack(fill=tk.X, pady=(0, 10))
        
        # 输入字段配置
        input_fields = [
            ("总销售数量(件):", "total_quantity", "500"),
            ("销售周期(月):", "sales_months", "6"),
            ("单次订货手续费(元):", "order_cost", "80"),
            ("单件单月库存费用(元):", "storage_cost", "0.4")
        ]
        
        # 存储输入变量
        self.vars = {}
        
        # 创建输入控件
        for i, (label_text, var_name, default) in enumerate(input_fields):
            ttk.Label(input_frame, text=label_text).grid(
                row=i, column=0, padx=5, pady=5, sticky=tk.W
            )
            self.vars[var_name] = tk.StringVar(value=default)
            ttk.Entry(input_frame, textvariable=self.vars[var_name], width=20).grid(
                row=i, column=1, padx=5, pady=5, sticky=tk.W
            )
        
        # 计算按钮
        btn_frame = ttk.Frame(input_frame)
        btn_frame.grid(row=len(input_fields), column=0, columnspan=2, pady=10)
        ttk.Button(btn_frame, text="计算最优方案", command=self.calculate).pack(side=tk.LEFT, padx=5)
        ttk.Button(btn_frame, text="重置", command=self.reset).pack(side=tk.LEFT, padx=5)
        
        # 创建结果框架
        result_frame = ttk.LabelFrame(main_frame, text="计算结果", padding="10")
        result_frame.pack(fill=tk.BOTH, expand=True)
        
        # 结果面板
        result_paned = ttk.PanedWindow(result_frame, orient=tk.VERTICAL)
        result_paned.pack(fill=tk.BOTH, expand=True)
        
        # 文本结果区域
        text_frame = ttk.Frame(result_paned, height=150)
        result_paned.add(text_frame, weight=1)
        
        self.result_text = tk.Text(text_frame, wrap=tk.WORD, padx=5, pady=5)
        self.result_text.pack(fill=tk.BOTH, expand=True)
        self.result_text.config(state=tk.DISABLED)
        
        # 图表区域
        chart_frame = ttk.Frame(result_paned)
        result_paned.add(chart_frame, weight=3)
        
        # 创建图表
        self.fig = Figure(figsize=(8, 4), dpi=100)
        self.ax = self.fig.add_subplot(111)
        self.canvas = FigureCanvasTkAgg(self.fig, master=chart_frame)
        self.canvas.get_tk_widget().pack(fill=tk.BOTH, expand=True)
        
    def calculate(self):
        """计算最优订货量并显示结果"""
        try:
            # 获取输入参数
            D = float(self.vars["total_quantity"].get())  # 总需求量
            T = float(self.vars["sales_months"].get())   # 销售月数
            S = float(self.vars["order_cost"].get())     # 单次订货成本
            H_monthly = float(self.vars["storage_cost"].get())  # 单件单月库存成本
            H = H_monthly * T  # 单件总周期库存成本
            
            # 计算最优订货量 (EOQ模型)
            eoq = math.sqrt((2 * D * S) / H)
            optimal_order_quantity = round(eoq)
            
            # 计算相关成本
            order_count = D / eoq  # 订货次数
            optimal_order_cost = order_count * S  # 最优订货成本
            optimal_storage_cost = (eoq / 2) * H  # 最优库存成本
            total_cost = optimal_order_cost + optimal_storage_cost  # 总成本
            
            # 生成图表数据
            x_min = max(1, int(eoq * 0.3))  # 避免x值过小
            x_max = int(eoq * 2)
            x_values = np.linspace(x_min, x_max, 100)  # 生成X值范围
            
            # 计算不同订货量下的成本
            order_costs = (D / x_values) * S  # 订货成本
            storage_costs = (x_values / 2) * H  # 库存成本
            total_costs = order_costs + storage_costs  # 总成本
            
            # 清空之前的图表
            self.ax.clear()
            
            # 绘制成本曲线
            self.ax.plot(x_values, order_costs, label='订货成本', color='blue', linewidth=2)
            self.ax.plot(x_values, storage_costs, label='库存成本', color='green', linewidth=2)
            self.ax.plot(x_values, total_costs, label='总成本', color='red', linewidth=2)
            
            # 标记最优订货量
            self.ax.axvline(x=eoq, color='purple', linestyle='--', 
                           label=f'最优订货量: {optimal_order_quantity}件')
            
            # 图表设置
            self.ax.set_xlabel('单次订货量 (件)')
            self.ax.set_ylabel('成本 (元)')
            self.ax.set_title('库存成本优化分析')
            self.ax.legend()
            self.ax.grid(True, linestyle='--', alpha=0.7)
            self.fig.tight_layout()
            
            # 更新画布
            self.canvas.draw()
            
            # 显示文本结果
            self.result_text.config(state=tk.NORMAL)
            self.result_text.delete(1.0, tk.END)
            
            result = "仓储费用优化分析结果:\n\n"
            result += f"1. 最优单次订货量:{optimal_order_quantity} 件\n"
            result += f"2. 预计订货次数:{order_count:.1f} 次\n"
            result += f"3. 订货总成本:{optimal_order_cost:.2f} 元\n"
            result += f"4. 库存总成本:{optimal_storage_cost:.2f} 元\n"
            result += f"5. 总费用:{total_cost:.2f} 元\n\n"
            result += "分析:\n"
            result += "- 当订货量小于最优值时,订货成本占主导,总费用随订货量增加而降低\n"
            result += "- 当订货量大于最优值时,库存成本占主导,总费用随订货量增加而上升\n"
            result += "- 最优订货量处,订货成本与库存成本基本相等,总费用最低"
            
            self.result_text.insert(tk.END, result)
            self.result_text.config(state=tk.DISABLED)
            
        except ValueError:
            messagebox.showerror("输入错误", "请确保所有输入都是有效的数字")
        except Exception as e:
            messagebox.showerror("计算错误", f"计算过程中出现错误: {str(e)}")
    
    def reset(self):
        """重置输入和结果"""
        for var in self.vars.values():
            var.set("")
        
        self.result_text.config(state=tk.NORMAL)
        self.result_text.delete(1.0, tk.END)
        self.result_text.config(state=tk.DISABLED)
        
        self.ax.clear()
        self.canvas.draw()

if __name__ == "__main__":
    root = tk.Tk()
    app = InventoryOptimizer(root)
    root.mainloop()

分享一个Python自动化案例

背景

  • 渠道正在开展一系列共性的市场活动
  • 我们需要总结上一阶段的活动
  • 统计结果以及结算费用
  • 事先通过销售总监安排了每场活动的小结,
  • 计划写一个脚本自动汇总小结生成月度报告
import pandas as pd
import os
import fnmatch


def extract_summary_info(excel_path):
    try:
        # 读取文件
        excel_file = pd.ExcelFile(excel_path)
        # 获取所有表名
        sheet_names = excel_file.sheet_names
        if not sheet_names:
            raise ValueError(f"文件 {excel_path} 中没有工作表")

        # 获取指定工作表中的数据
        df = excel_file.parse(sheet_names[0])

        # 提取所需内容
        activity_topic = df.loc[1, '嘉智联渠道市场推广活动报告']
        jzl_person_in_charge = df.loc[1, 'Unnamed: 8']
        activity_location = df.loc[4, '嘉智联渠道市场推广活动报告']
        activity_time = df.loc[4, 'Unnamed: 5']
        organizer = df.loc[7, '嘉智联渠道市场推广活动报告']
        contact_person = df.loc[7, 'Unnamed: 7']
        contact_number = df.loc[8, 'Unnamed: 8']

        # 活动议程部分,从第 12 行(index=11)到第 15 行(index=14)获取时间和议程信息
        agenda_rows = df.loc[11:14, ['嘉智联渠道市场推广活动报告', 'Unnamed: 2', 'Unnamed: 7']]
        agenda_rows.columns = ['开始时间', '议程', '负责担当']
        activity_agenda = ';'.join([
            f"{row['开始时间']} - {row['议程']}({row['负责担当']})" if pd.notna(row['负责担当']) 
            else f"{row['开始时间']} - {row['议程']}" for _, row in agenda_rows.iterrows()
        ])
        activity_summary = df.loc[35, '嘉智联渠道市场推广活动报告']

        # 创建汇总数据的 DataFrame
        data = {
            '活动主题': [activity_topic],
            '嘉智联担当': [jzl_person_in_charge],
            '活动地点': [activity_location],
            '活动时间': [activity_time],
            '主办单位': [organizer],
            '联系人': [contact_person],
            '联系电话': [contact_number],
            '活动议程': [activity_agenda],
            '活动小结': [activity_summary]
        }

        result_df = pd.DataFrame(data)
        return result_df
    except Exception as e:
        print(f"处理文件 {excel_path} 时出现错误: {e}")
        return pd.DataFrame()


def find_excel_files(root_folder):
    excel_files = []
    for root, dirs, files in os.walk(root_folder):
        for file in files:
            if fnmatch.fnmatch(file, '*.xlsx') or fnmatch.fnmatch(file, '*.xls'):
                excel_files.append(os.path.join(root, file))
    return excel_files


def main(file_list, result_file_path):
    dfs = []
    excel_files = file_list
    for excel_file in excel_files:
        result_df = extract_summary_info(excel_file)
        dfs.append(result_df)

    # 循环结束后一次性合并 DataFrame
    if dfs:
        result = pd.concat(dfs, ignore_index=True)
        result.to_excel(result_file_path, index=False)
        print(result)
    else:
        print("没有找到有效的数据")


if __name__ == '__main__':
    path = r".\会议资料2507"
    main(find_excel_files(path), r".\会议汇总2507.xlsx")

完美,俺又可以愉快的喝茶了~

7月15日,嘉智联经销商沙龙会议圆满举行。来自邯郸市、区县经销商共谋区域发展。邯郸雨鑫的刘总发表讲话:外部市场环境正在发生巨大变化,打印行业同时面临着巨大的机遇与挑战,从实际出发,去拥抱变化,从产品、市场、销售和服务各模块做好与各级用户、客户的联接,把握趋势,共赢未来。

https://mp.weixin.qq.com/s/8LeR5Q_GVV5GmETS56EqjA

邯郸.png

2025年7月17日,湖南盛拓电子科技发展有限公司与嘉智联信息技术股份有限公司在张家界慈利县联合举办“柯尼卡美能达湖南嘉智联产品渠道沙龙”。本次沙龙旨在与当地合作伙伴共同探讨行业发展脉络,发掘未来商机,交流业务经营策略,实现合作共赢。
https://mp.weixin.qq.com/s/BTIlucMh-hwNpJ0Z86v3Vw

mmexport1754311991048.jpg