ABP基于维度计划3-番茄的复杂度

    先来说下番茄的供应流程，从育苗、种植、采摘、运输、清洗包装到售卖交付。四种半成品1/2/3/4，最终变成成品。

     整个产品的形态是从苗株—>番茄树/番茄地——>番茄逐步演化。

番茄的销售市场多种多样，从中餐用，水果用，番茄果汁，番茄酱，番茄罐头各类。

    不同用途对番茄要求不同，因此作为农产品有大量指标参数在不同形态阶段进行描述。

  1  SKU对参数的简单化，抹除了个性特征

    如果用传统的SKU方法来做供应链计划，需要挑选对应参数进行标准化设计，组合后变成SKU。此外，单SKU内视为无差异，抹去供应商、原产地等差异影响，全部落到SKU维度。

     举例如图，按SKU表达在尺寸、颜色、含水量上的组合关系。大概如下是整个供应链计划中按BOM进行物料分配到的料号层级。

      然而，SKU的定义如之前所说，通过BOM或者替代料逻辑定义了非常明确且固定的pegging逻辑，抹除了很多个性化特征，有些行业通过Batch批次来管理记录特性，但是依然面临之前ABP文1说的组合爆炸问题，最终很多行业变成不得不用SN序列号来一物一码记录个性化属性。

        我们来看下番茄供需的原始业务逻辑上，从需求到资源供应上，其实在思考问题方式上完全不一样...........客户不太关心整个生产链路维度的复杂特征，其实只关注最终交付产品能体现的属性......

大概是这样

  2  基于维度对参数逐步定义细化，并基于维度进行供需平衡

       而ABP从维度出发，先定义清晰每个层级的Attribute参数，并建立参数之间的规则逻辑。如下图

    确定需要匹配的维度，建立从育苗种植开始整个价值链过程中，维度逐步明确的流程，ABP2一文在仓库案例中有详细case。

    此外，每一层都是有严格的映射逻辑，对应关系，转译规则，或者说呈现出高度相关性。市场用途，定义了参数范围，品种对应了甜度、酸度、风味、颜色，而品种本身在产品更客观技术参数上定义了各类别的特性范围，除了品种，在种植和产地属性上也对参数有着非常复杂的影响

     农业在品种、种植育苗技术，土地上定义了最终产品的特性，而制造业也是类似，在产品的研发技术、生产工艺、原材料上定义了对于产品特征的各方面指标与规则。

  3  按维度计划优化供需匹配

     在基于维度进行供需匹配时，供应与需求之间的关联通过映射、转译、对应规则后，有较大的解范围。例如每一层产品形态，所明确的维度不同，按维度匹配时每往下一层就可以将其他维度进行汇聚，从而实现更高通用性。

       其中，无法匹配的是红色部分违反规则的维度组合。（例如：番茄酱需求甜度3酸度2番茄，因此柠檬酸>5 or 果糖量>8 or 采摘期<坚熟期 不可行！）

     其他的组合选择，也要考虑库存量，

——如针对库存量较高的中等大小番茄进行匹配则成本较低 Min Cost（需求未定义尺寸）

——如针对交期按现货成品库存优先匹配（大番茄）则满足交付Max Fulfillment

——如平衡成本与交期，优先匹配成品库  排除高价值大番茄、高糖度产品最后使得cost与Fulfillment都不会太糟糕

    此外，在SKU的复杂度管理上，是一方面优化SKU数量，一方面增加通用性较高的料件实现更多的替代关系，从而改善需求与供应的命中率。

    在维度计划的复杂度优化，是按维度枚举值进行，减少一个维度枚举值则优化呈指数的复杂度，因为增加一个维度也意味着复杂度的增加，需求上的特别维度要求是可以很容易评估出量化的复杂度提升，并针对新增维度要求增加费用，因为新维度即是给客户创造的新价值！  

   本文介绍了一套按维度的供需匹配实践，有优于SKU的部分，当然也有很多问题在摸索中解决，即 【碎片化】问题，针对单一需求做维度供需匹配，每一次也许是优化决策，但无形中维度组合的碎片会越来越多，剩余数量少无法匹配批量需求，容易造成呆滞，此外属性之间的约束规则导致大量种出的番茄难以匹配需求。