warehouse-network-analysis（仓库网络分析）

仓配网络规划分析 Skill

完整分析逻辑

流程图

Step 0: 确认约束参数（向用户询问）
    ↓
Step 1: 数据读取与基础统计
    ↓
Step 2: 城市定位与配送距离
    ↓
Step 3: FSL指派（匹配配送基地）
    ↓
Step 4: RDC选择（约束优化） ⭐ 核心
    ↓
Step 5: 构建网络层级（含TC中转）
    ↓
Step 6: 报货周期 & 干线发运

概述

本Skill用于分析企业客户门店分布数据，生成仓配网络规划建议。帮助企业决策：

• 设仓方案 - 在哪里建仓库最合适
• 配送方案 - 怎么分配配送路线
• 调拨方案 - 如何调配库存
• 报货周期 - 各区域报货频率和时效
• 干线发运 - 仓库之间的调拨计划

输入

• Excel文件（.xlsx格式）
• 包含字段：城市、省市区、地址等信息
• 或包含：机构编码、机构名称、省、市、区、详细地址

第一部分：企业实际仓配网络（必须参考）

1.1 现有配送基地（17个基地）

1.2 报货周期规则

各基地报货遵循以下规则：

时效分级：

• 次日达：24小时内到达
• 1-2天：24-48小时
• 2-3天：48-72小时
• 三日达：72小时

1.3 干线发运周期规则

仓库之间的干线运输规则：

运输时效分级：

• 当日达：当日到达
• 次日达：次日到达
• 三日达：2-3天到达
• 四日达及以上：3天以上

第二部分：设仓决策逻辑（核心方法论）

2.1 核心原则

原则一：门店密度驱动的"区域重心法"

• 将库存部署在离需求（门店集群）最近的地方
• 最大化区域覆盖，最小化出库干线运输距离
• 在每个门店密集的区域内寻找"重心"设立RDC（区域中心仓库）

原则二：成本最优的"轴辐式"多级网络结构

• RDC（设仓）：全国设少数几个大仓，集中存储，形成库存规模效应
• FSL（配送基地）：在更靠近终端市场的区域设立前置仓或转运中心，负责区域内的"共配"
• 货物从RDC批量调拨至FSL，再由FSL执行最后一公里配送

原则三：核心与外围分治

• 对于门店密度较低的"长尾"区域，采用外包的代发模式
• 通过委托第三方物流（3PL）进行"代发"，将固定成本转化为可变成本

2.2 计算规则流程

输入分析 
    ↓
FSL指派（预定义服务地图 → 指派FSL）
    ↓
RDC选择（在企业现有基地中，时效最短+成本最优）
    ↓
检查RDC→FSL是否有直达干线
    ↓
    ├─ 有 → 直接调拨
    ↓
    ├─ 无 → 寻找TC中转仓
           ↓
           选择链路最短/成本最低的TC
    ↓
定义例外策略（代发模式标记）

2.3 TC中转仓核心原则

• 必须有干线：FDC→TC、TC→FSL之间必须有企业内部干线调拨线路
• TC数量最少：在满足条件的情况下，中转仓数量尽量少
• 链路最短：整个配送链路综合成本最优、距离最短

第三部分：分析流程

注意：在开始分析前，需要先向用户确认约束参数（见Step 4.1）

Step 0: 确认约束参数（向用户询问）

请提供以下约束参数，以便进行优化分析：

1. 设仓数量上限是多少？（如：6个）
2. 覆盖率目标是多少？（如：80%以上）
3. 时效要求是什么？（如：1-2天）
4. 是否有必须使用的仓库？（如：成都仓）
5. 是否有禁止使用的仓库？（如：不用某仓）

用户输入后，记录约束参数，然后继续Step 1-6。

Step 1: 数据读取与基础统计

import pandas as pd
df = pd.read_excel('数据文件.xlsx')
print('行数:', len(df))
print('列名:', list(df.columns))

# 统计各城市/省份门店数量
city_counts = df['城市'].value_counts()
province_counts = df['省份'].value_counts()

Step 2: 城市定位与配送距离

• 获取各城市经纬度坐标（内置城市坐标库）
• 计算各城市到仓库的距离
• 距离分档：短途(≤300km)/中途(300-600km)/长途(>600km)

Step 3: 匹配配送基地（FSL指派）

基于实际仓配网络，为每个门店城市匹配配送基地（FSL）：

Step 4: 选择RDC（设仓优化）

核心逻辑：基于企业现有仓配网络基地，在客户约束条件下，以"时效最短+成本最优"为目标，选择RDC。

4.1 约束参数（需向用户询问）

注意：以上约束均基于企业当前仓配网络和干线网络进行优化选择。

开始分析前需确认：

请提供以下约束参数：
1. 设仓数量上限是多少？（如6个）
2. 最大中转次数？（如2次）
3. 时效要求是什么？（如1-2天）
4. 是否有必须使用的仓库？（如：成都仓）
5. 是否有禁止使用的仓库？（如：不用某仓）

4.2 覆盖率定义

RDC覆盖门店：门店的配送链路能连接到RDC，包括：

4.3 优化目标

优化目标：min(总成本)
约束条件：
  - 时效满足要求（基于当前干线网络时效）
  - 设仓数量 ≤ 上限
  - 覆盖率 ≥ 目标（如80%）
  - 强制仓库必须使用
  - 禁止仓库不使用
  - 中转次数 ≤ 最大中转次数

约束条件说明：

• 所有约束均基于企业当前仓配网络（17个配送基地）
• 所有约束均基于企业当前干线网络（76条干线线路）
• 选择RDC时需要检查与FSL之间的干线连通性
• 选择TC时需要检查RDC→TC和TC→FSL的干线连接

成本构成：

• 设仓成本：仓储出入库操作成本（装卸、拣货、复核等）
• 干线调拨成本：RDC→FSL 或 RDC→TC→FSL 运输成本
• 配送成本：FSL→门店 最后一公里配送成本

min(总成本) = 设仓成本 + 干线调拨成本 + 配送成本

• 配送成本：FSL→门店配送成本

4.4 选择算法

1. 获取所有配送基地（FSL）
   - 从企业现有配送网络中获取
   
2. 每个FSL都是RDC（都需要设仓）
   - 因为FSL需要库存才能直接配送
   
3. 计算配送链路
   - 检查RDC→FSL是否有直达
   - 如无直达，寻找TC中转
   
4. 输出：
   - RDC列表（=FSL列表）
   - 覆盖率 = 100%（每个门店都被覆盖）
   - 链路类型分布（同仓/直达/中转）

4.5 输出示例

输入：
  - 配送基地列表：21个

输出：
  RDC数量: 21个（每个FSL都设仓）
  
  配送链路分布：
  - 同仓直配（RDC=FSL）: 1789家 (86%)
  - 直达调拨: 0家 (0%)  
  - TC中转调拨: 147家 (7%)
  - 无链路（需新增）: 141家 (7%)
  
  覆盖率: 100%（所有门店都能被配送）

Step 5: 构建网络层级（RDC→FSL，含TC中转）

核心逻辑：将步骤4选定的RDC与步骤3指派的FSL关联，形成完整配送链路。

5.1 链路匹配规则

5.2 TC中转仓选择逻辑

选择条件：

• FDC→TC 之间必须有干线调拨线路
• TC→FSL 之间必须有干线调拨线路
• TC仓数量尽量少
• 链路尽量短（综合成本最优）

选择步骤：

1. 检查RDC→FSL是否有直达干线
   → 有：直接调拨
   → 无：进入步骤2

2. 寻找可用的TC中转仓
   遍历所有仓库，找出同时满足：
   - RDC→TC有干线
   - TC→FSL有干线
   
3. 选择最优TC
   - 优先选择链路最短的组合
   - 次选成本最低的组合

示例：

场景：成都仓 → 泉州仓
分析：无直达干线
方案A：成都 → 长沙 → 泉州 (链路短) ✓
方案B：成都 → 广州 → 泉州
选择：长沙仓

5.3 链路成本权衡

5.4 覆盖率计算

覆盖率 = (RDC覆盖门店数) / (总门店数)
       = (直接调拨 + TC中转) / 总门店数
       
输出：
- 直接调拨门店数
- TC中转门店数
- 代发模式门店数
- 总覆盖率

Step 6: 报货周期规划

根据配送距离和门店数量，确定报货频次：

Step 6: 干线发运规划

对于需要跨仓库调拨的情况，规划干线发运：

第四部分：输出文件

• {原文件名}_分析.xlsx - 包含所有分析结果的Excel文件

Sheet结构

第五部分：适用场景

1. 新客户拓展 - 评估新区域是否值得设仓
2. 仓库选址 - 优化仓库位置
3. 配送优化 - 规划配送路线
4. 成本分析 - 评估物流成本
5. 门店分布分析 - 了解客户分布情况
6. 报货周期设计 - 制定区域报货计划
7. 干线网络规划 - 规划仓库间调拨路线

注意事项

• 必须参考实际网络：本Skill内置了企业实际运营的17个配送基地信息，规划时必须优先考虑现有资源
• 图表使用英文标签避免中文乱码
• 本分析基于直线距离，实际配送路线可能更长
• 建议结合实际交通数据进行修正
• 区域划分需结合业务需求调整
• 代发 vs 共配：低密度区域优先考虑代发模式而非自建网络