mcpField
P
predictive-logistics-developer

predictive-logistics-developer

github.com/rade-nugroho数据与数据库1237 次安装23 周前更新
代码仓库

关于 predictive-logistics-developer

面向物流预测建模工作的技能,涵盖需求、库存、ETA 与运力预测,并将模型结果接入规划和执行流程。强调物流业务特征、运营 KPI 评估及生产监控。

主要功能

  1. 01物流需求预测与特征设计
  2. 02库存定位与安全库存接口
  3. 03ETA、提前期与运力预测
  4. 04回测、漂移监控与 KPI 评估
  5. 05批量及实时推理集成

适用场景

  1. 01构建 SKU、地点或运输线路需求预测
  2. 02为库存规划提供预测与安全库存接口
  3. 03估算运输时间、节点拥堵和处理能力
  4. 04将模型评分接入 OMS、TMS 或 WMS

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/rade-nugroho/agentic-enteprises-skill --skill predictive-logistics-developer

安装后在 Claude Code 中输入/predictive-logistics-developer确认已加载。

包含的文件

除 SKILL.md 外,安装时一起下载的参考资料和脚本。

references/
demand_forecasting_and_features.md
eta_leadtime_and_capacity.md
integration_with_operations.md
inventory_and_network_positioning.md
model_evaluation_and_monitoring.md
predictive_logistics_scope.md

详细介绍

预测物流开发者

适用场景

  • 构建具备物流感知特征的需求预测,粒度涵盖 SKU、地点、运输线路或网络节点
  • 设计可接入计划和执行系统的库存定位与安全库存模型接口
  • 根据运营和外部信号预测 ETA、前置时间和运输时间分布
  • 在集成层级预测节点、运输线路和设施的产能、拥堵和吞吐量
  • 将路线和网络流量预测接入 TMS/WMS/OMS,而非实现完整的 VRP 求解器
  • 在预测和定位逻辑中建模冷链、易腐品和保质期约束
  • 为物流需求和产能编码促销、季节性和日历效应
  • 运行回测、监控漂移,并根据满足率、OTIF、WMAPE/MAPE和服务 KPI 对模型评分
  • 为物流 ML 定义特征存储、推理契约以及批量/实时评分管道

不适用场景

  • 不涉及物流预测的纯 OR/MIP建模和求解器实现 → operations-research-algorithm-developer
  • 不涉及 ML 构建的供应链战略、RFQ、供应商评分卡或库存政策治理 → supply-chain-manager
  • WMS 工作流——波次、拣货路径、RF 扫描、上架应用逻辑 → wms-developer
  • 车队远程信息处理数据接入、地图匹配或地理空间管道工程 → geospatial-telematics-developer
  • 不涉及物流领域的通用 ML实验、因果推断或 MLOps → data-scientist
  • EDI/X12 映射、AS2 或合作伙伴文档转换 → edi-engineer
  • 不涉及预测建模的仓库维度建模或 dbt 集市设计 → analytics-data-engineer

相关技能

需求技能
LP/MIP、VRP、排程优化operations-research-algorithm-developer
SCM 战略、预测流程、供应商 QBRsupply-chain-manager
WMS 应用及 ERP/WMS 集成wms-developer
GPS/远程信息处理数据流和空间 ETLgeospatial-telematics-developer
合作伙伴 EDI 和订单/货运单据edi-engineer
通用 ML、A/B 测试、MLOps 模式data-scientist
BI 仪表板和 KPI 叙事bi-analyst
特征管道和数据仓库建模analytics-data-engineer

核心工作流

1. 确定范围并界定问题

明确预测时域、粒度、决策使用方和运营 KPI 契约。

参见 references/predictive_logistics_scope.md。

2. 需求预测与特征

构建 SKU/地点/运输线路需求模型,并纳入物流日历、促销和层级协调。

参见 references/demand_forecasting_and_features.md。

3. 库存与网络定位

将预测接入定位、安全库存接口和多级供应链交接流程。

参见 references/inventory_and_network_positioning.md。

4. ETA、前置时间和产能

为计划和执行建模运输时间、节点拥堵和产能信号。

参见 references/eta_leadtime_and_capacity.md。

5. 评估与监控

根据运营 KPI 进行回测;跟踪漂移、偏差和预测价值。

参见 references/model_evaluation_and_monitoring.md。

6. 运营集成

将评分结果接入 OMS/TMS/WMS、计划周期和人在回路中的人工覆盖流程。

参见 references/integration_with_operations.md。

输出

  • 问题简述 — 粒度、预测周期、使用方、KPI 目标和非目标
  • 特征目录 — 定义、新鲜度 SLA、泄漏检查和层级键
  • 模型卡 — 训练窗口、指标(WMAPE/MAPE、偏差)、细分群体和已知失效模式
  • 回测报告 — 滚动起点的结果,并与满足率、OTIF 或库存服务代理指标关联
  • 推理契约 — 架构、延迟、批处理频率、回退规则和版本固定
  • 监控运行手册 — 漂移阈值、重新训练触发条件,以及向规划运营团队升级的问题

原则

  • 以运营 KPI 为优化目标,而不只是统计准确性——将 WMAPE 与服务和库存结果关联起来
  • 遵循物流日历——提前期、截单时间、承运商时刻表和促销提升都是一级特征
  • 防止数据泄漏——排除决策后的信号;使训练标签与预测起点时可用的信息对齐
  • 协调层级——确保 SKU × 地点 × 线路层级结构的自下而上与自上而下一致性
  • 将预测与优化分开——提供分布和接口;将 MIP/VRP 交由 OR 同行处理
  • 在生产环境中监控——漂移、按线路/节点划分的偏差,以及预测价值,胜过一次性的离线准确性
  • 记录覆盖路径——规划人员和 TMS 规则可能会覆盖评分;模型服务必须能够安全降级

何时加载参考资料

主题参考资料
角色范围、边界、RACIreferences/predictive_logistics_scope.md
需求特征、季节性、促销references/demand_forecasting_and_features.md
安全库存、库存定位、多级库存references/inventory_and_network_positioning.md
ETA、提前期、运力信号references/eta_leadtime_and_capacity.md
回测、WMAPE、漂移、KPIreferences/model_evaluation_and_monitoring.md
OMS/TMS/WMS 集成、频率references/integration_with_operations.md

评论

支持 Markdown