【供应链】MDS 需求宽表和ASCP需求宽表的差异

第一部分:关于 MDS 需求宽表(主需求计划)

1. 为什么有原始版、评审版、确认版、参考版?它是"真"需求吗?

在 ERP 和供应链管理中,MDS(Master Demand Schedule,主需求计划)本质上是一个 S&OP(销售与运营计划)的博弈和拉齐过程。需求不是一成不变的,这些版本代表了需求在不同阶段的"生命周期":

  • 原始版 (Original):纯粹来自销售端(预测 Forecast 或 客户订单 PO)。它是原汁原味的"市场想要什么"。但它通常是盲目乐观的,不考虑工厂产能和物料。
  • 评审版 (Reviewed):PMC(生产计划控制)和采购部门拿到原始版后,结合现有的产能约束、长交期物料情况,给出的"我们能做多少"的评估版本。
  • 确认版 (Confirmed) :销售、计划、制造各方开会(S&OP会议)妥协后,最终拍板的"基线(Baseline)"。只有这个版本,才是真正投喂给 ASCP 引擎去跑排程的"真需求"
  • 参考版R (Reference):通常是历史快照,留存在数仓里,专门给 BI 做"预测准确率(Forecast Accuracy)"或"需求变动率"的基准比对。
2. MDS 是工厂所有的物料需求,还是客户需求?

MDS 绝大多数情况下,只是"客户需求(顶层需求)",也就是成品(Finished Goods)或直接对外销售的备品备件。

MDS 的范畴:它只管"造整车",不管"造轮胎"和"买螺丝"。在供应链专业术语中,这叫 "独立需求(Independent Demand)",是由外部市场决定的。


第二部分:关于 ASCP 需求宽表

如果 MDS 是源头的"发动机",那 ASCP 就是整个复杂的"齿轮传动网络"。ASCP 的需求宽表,才是真正包含了工厂制造所需的所有物料(成品、半成品、原材料)的全局需求。这就是为什么它的供应类型和 MDS 完全不一样。

1. 为什么 ASCP 需求宽表里有这四种特殊的类型?

在 ASCP 引擎中,系统会拿着"MDS(成品需求)",通过BOM(物料清单)逐层向下展开(BOM Explosion) ,这就产生了所谓的 "相关需求(Dependent Demand)"

  • 工作单 (Work Order Demand)
    • 业务含义:车间已经下达了制造"半成品 A"的正式工单。为了把 A 做出来,就需要去仓库领用"原材料 B"和"原材料 C"。
    • 数据逻辑:对于物料 B 和 C 来说,它们的需求来源就是"半成品 A 的工作单"。这已经是板上钉钉的、正在执行中的硬需求。
  • 计划单需求 (Planned Order Demand)
    • 业务含义 :这是 ASCP 系统算出来的虚拟需求。比如系统建议明天要生产 100 个成品(生成了计划单),那么这个计划单就会向下引发 400 个轮子的"计划单需求"。
    • 数据逻辑:这是最动态的底层需求,只要改一下顶层 MDS,或者改一下 BOM 比例,ASCP 重新跑一次,这些"计划单需求"就会全部重算洗牌。
  • 非标准任务需求 (Non-standard Job Demand)
    • 业务含义:工厂里不按常规 BOM 生产的动作。比如返修一台坏机器、研发打样、或者把一个大组件拆成小零件。这些特殊任务同样需要消耗物料,就会产生非标需求。
  • 人工 MDS (Manual MDS)
    • 业务含义 :绕过正常的"销售预测-S&OP评审"流程,由计划员直接在后台强行插单
    • 数据逻辑:比如为了应对国庆长假,计划员想提前囤一批通用件,这部分需求既没有销售订单支撑,也没有工单支撑,就是纯人工录入的独立需求。

第三部分:MDS 需求与 ASCP 需求的本质区别(ETL架构视角)

以大数据开发工程师的视角,这两张宽表在数据仓库中的定位是完全不同的层级:

维度 MDS 需求宽表 (pmc_mds_demand_n) ASCP 需求宽表 (ASCP_DEMAND_FACT)
数据源头 销售系统、CRM、S&OP手工台账 ASCP 排程引擎的输出快照 (MSC模块)
物料层级 几乎只有顶层(产成品/备件) BOM 的所有层级(成品、半成品、原材料)
业务性质 输入条件:告诉系统"我们要交付什么" 运算结果:告诉各部门"我们要采购、领料、制造什么"
数据粒度 物料 + 客户 + 时间 + 版本(无上下级关系) 物料 + 时间 + Pegging(追溯树:谁引发了这个需求)

总结:

在数仓架构中,MDS 宽表是用来给老板和销售看"接了多少单、砍了多少单"的(所以需要多版本堆叠);而 ASCP 需求宽表是用来给 PMC 和采购算"齐套率、呆滞库存、未来几天要缺什么料"的(所以包含了极其复杂的中间表工作单、计划单展开逻辑)。

相关推荐
商业模式源码开发4 小时前
实体门店低获客成本增长案例:3 人转介绍模型 + 消费返还机制落地分析
大数据·商业模式·私域流量
元拓数智6 小时前
智能分析落地卡壳?先补好「数据关系+语义治理」这层技术基建
大数据·分布式·ai·spark·数据关系·语义治理
TDengine (老段)7 小时前
TDengine Tag 设计哲学与 Schema 变更机制
大数据·数据库·物联网·时序数据库·iot·tdengine·涛思数据
sxgzzn7 小时前
新能源场站数智化转型:基于数字孪生与AI的智慧运维管理平台解析
大数据·运维·人工智能
清平乐的技术专栏9 小时前
【Flink学习】(二)Flink 本地环境搭建,运行第一个入门程序
大数据·flink
这是程序猿9 小时前
Spring Boot自动配置详解
java·大数据·前端
ws2019079 小时前
AUTO TECH China 2026广州汽车零部件展:从整机集成迈向核心部件的产业跃升
大数据·人工智能·科技·汽车
humors2219 小时前
从数据到决策:汽车使用成本的精细计算指南
大数据·程序人生
大大大大晴天9 小时前
Flink技术实践:RocksDB 状态后端技术解密
大数据·flink
1892280486110 小时前
NY382固态MT29F32T08GSLBHL8-24QM:B
大数据·服务器·人工智能·科技·缓存