上篇介紹了ABP基于維度計劃的基本思想，通過維度值取代SKU，則實現了

物料復雜度的大幅下降。昨天很多朋友反饋在ATO模式下Planning BOM，或者汽車的配置組合很類似......等等，為了方便理解昨天的維度是物理維度，今天實踐篇會增加更多虛擬維度，就完全沒法相比了。。。

    本篇重點以倉庫建設為例談，在沒有SKU與BOM前提下，供應鏈規劃是如何開展的。由于BT君所處行業的特殊性，為了方便理解,還是選擇大家比較熟悉的倉庫視角。

 1     倉庫的無SKU下多維度數據模型

    假設你是一家集團內的建筑公司，為了滿足集團內存放貨物需求，專門生產“倉庫”（沒錯！是生產倉庫，你可以理解是蓋房子蓋出倉庫來，現場施工安裝貨架與相關倉庫自動化設備）。大致整個產品的生產流程如下（如果稱得上是生產的話，哈哈）

     你可以把整個施工建設過程拆成這么三個階段，這樣就形成了從原材料（一片空地）到半成品1有了房子，半成品2房子里水電照明和外框，到成品倉位全部建設齊全。最終交付的產品維度是【倉位】！

       由于是無SKU嘛，........

      倉位也沒法用SKU表示，畢竟每個位置不太一樣，如果用SKU區分，會忽略了位置屬性。所以整個數據模型我們大概建立如下：

       定義到唯一的倉位采用 倉庫+庫區+列+架，....倉位可以有組合編碼，有沒有其實無所謂，按倉庫+庫區+列+架生成，感覺像item的SN序列號？

也許吧，但這個編號可不會出現在需求上，因此后續供應鏈計劃供需匹配都不在意這玩意，重要還是【維度】【維度】【維度】就是上表那20個維度

     再往后的屬性包括各類物理層屬性，還有。。。對還有虛擬屬性！

——需求方：這個倉位是留給哪些業務需求方

——倉庫需求類型：倉位所在倉庫分配的需求類型，只能接哪些貨物存放需求（比如服裝、藥品、豬肉、電腦需要的存放環境不一樣，倉庫會定義好需求類型）這里開始，傳統的SKU是很少會容納這張屬性了。。。

 2   基于維度的供應鏈計劃/規劃

      ok，接下來談下整個計劃模式，假設供應鏈計劃要做預測，作為倉庫建筑公司，需要預測哪些地方有集團的貨物存放需求，就要提前建好倉庫，以滿足特地交期的貨物存放需求。全國各城市都可以建，每個城市也可以建多個，要滿足多種不同存放貨物的需求類型（服裝、藥品、生鮮）.....

    需求會落到【城市】，比如：

上海+2021/8/1+200箱+衣服+1噸+VIP客戶+每箱1立方米+無新舊貨位要求+無溫度要求 

    需求也是按維度來定義，每次需求用到的維度可以不一樣（例如藥品可能有溫度要求，會跟倉位的控溫維度有關），當然收到需求的時候再建是來不及的！蓋房子再快也得幾個月吧，所以得預測

   根據歷史數據也好，宏觀形勢也罷，人工提報預測也可以.......總之很快發現，沒有SKU和product family，預測落在什么顆粒度上，訂單落在那些維度上，如下是訂單與預測所確定的維度信息。

     大概就是如上圖（需要放大看），可以看到灰色是未確定的信息，無法直接匹配到對應貨位。淺紫色是粗略規劃或可能存在的信息，深紫色是實際發生明確的具體枚舉的信息。（規劃到實際會發生變化）

   從半成品開始，逐步通過對attribute的規劃或實際指定體現確定性。規劃基于預測顆粒度進行半成品1與2的排產建設，所謂的MTS類型。最終成品按實際order進行建設MTO模式。

     有了需求與供應之后，進行供需平衡計算，也就是供應鏈計劃，可以坐在不同的層級。傳統方式的匹配是按照SKU，如果需求與供應SKU相同則視為可以匹配，邏輯簡單死板，也就是說訂單如果是紅色電腦大陸版，絕對不能發紅色電腦香港版！因為SKU不一樣無法匹配（其實客戶是能接受的。。。。）

     如果是根據Attribute來做，可以看到下圖，需求與供應的字段其實有的可以匹配，有的沒法匹配，這里是可以由供應鏈計劃自主決策！

      供應鏈規劃的power更強了，可以決策更多參數，

                     而不只是  數量 和 時間 ！

     舉例來說，按預測規劃時會考慮最大化利用倉庫的面積，最大化利用載重與空間設計，這類是按預測進行排產的范疇。需求上未明確的字段，全部可以通過供應鏈計劃來確定，基于Attribute維度的Constraint約束規則進行針對優化目標的求解。。。。得到最優的匹配成品、半成品2、半成品1！（當前可以有供應優先級，也可以交給計劃自我決策優先級）

        如此一來，發現并非SKU一一對應的匹配，而是計劃根據成本、交付、利潤的自主決策建議！

       換言之，不需要預定義的替代料邏輯，而是計劃基于維度值自主決定替代關系并建議替代方式！

      此外針對Constraint約束規則，因為有了維度，更容易去定義！SKU本身提供不了任何約束的條件，而基于維度就可以千變萬化，以及根據枚舉值的先后替代關系！例如需求在上海，其實供應鏈計劃也可以決策改到昆山（畢竟距離差不多），載重與材質的關系，控溫與商品類型的關系，出庫方式與商品類型的關系，........

 3   最后的ABP基于維度計劃

      這兩天偶然從這家供應鏈軟件的白皮書里了解到很多，所以跟各位介紹下這家軟件商 adexa雅賽德，始于90年代的供應鏈計劃軟件公司，在Gartner S&OP象限上處于領導者地位，采用 AI、ML進行S&OP與S&OE計劃，在高科技制造，電子，半導體紡織上有著數十年的研究。

https://www.adexa.com/zh-CN/