玻璃原片采购优化数据

本数据集适用于玻璃深加工行业及相关供应链上下游企业的生产经营活动，主要面向玻璃加工制造企业（企业用户）、玻璃原片供应商（企业用户）、产业互联网平台运营方（企业用户）及行业研究机构等用户群体。基于数据集中企业的订单规格分布、采购频次、原片品类偏好（如白玻/有色玻）、平均裁切率水平、供应商选择行为等多维特征，运用聚类分析与标签化方法构建玻璃加工企业画像体系。利用数据集中的历史订单数据与原片消耗统计信息，建立"订单需求—原片选型—用量预测"的映射模型。通过对不同规格原片的实际裁切率排名和消耗量分析，结合企业自身订单结构特征，算法可自动推荐最优原片规格组合，并给出各规格的建议采购批量与安全库存水位。帮助用户精准识别高价值客户为差异化营销策略提供数据支撑，可降低原片采购成本，减少因规格不匹配导致的呆滞库存。数据收集：源数据来源于聚玻玻璃SaaS系统（玻璃切割排版专用信息系统），该系统在日常生产经营活动中根据真实订单自动运算产生切割排版方案。 数据预处理：字段提取与结构化，从各源数据系统中提取关键特征字段（原片规格、裁切率、供应商等），进行统一的数据表结构设计，将分散在不同系统、不同格式（.opt二进制格式、JSON版图文件等）中的数据提取并转换为标准化的数据表结构。数据关联与聚合，将同一优化事件中的订单信息、排版方案、原片消耗等分散数据进行关联聚合，以优化事件ID为纽带形成完整的、可直接用于分析建模的结构化数据记录。指标计算，基于原始裁切数据开展二次计算，生成有效裁切率、各规格原片利用率排名、库存周转率、采购频率、供应商绩效评分等一系列具有独立商业价值的指标。 模型构建：基于处理好的数据，采用特征工程构建数据多为特征，在RFM模型基础上构建匹配玻璃原片采购的本地客户画像模型。以 K-Means++ 聚类算法为核心，结合 RFM 模型构建玻璃加工企业多维画像体系。以原片消耗量、订单多样性指数、品类集中度、平均裁切率为四维特征向量，利用轮廓系数 s=(b−a)/max(a,b) 评估聚类质量，实现客户精准分层。在此基础上，建立混合整数线性规划（MILP）原片选型优化模型，目标函数 min C=Σ(cᵢ·xᵢ+hᵢ·Iᵢ)（采购成本与库存持有成本之和），约束含需求满足与安全库存 SS=Z·σ·√L。帮助用户从客户识别、采购优化到供应链协同的完整数据驱动决策链。

搜集汇总

背景与挑战

背景概述

该数据集由杭州聚玻科技有限公司登记，源数据来自聚玻玻璃SaaS系统基于真实订单自动运算产生的切割排版方案，包含原片规格、品类、厚度、使用数量、裁切率、供应商等结构化字段，数据规模168.32MB且每日更新。它面向玻璃深加工行业及供应链上下游企业，通过聚类分析和RFM/K-Means++客户画像及混合整数线性规划原片选型优化模型，支持订单需求—原片选型—用量预测、最优原片组合推荐、采购批量与安全库存建议。其目标是帮助用户识别高价值客户、降低原片采购成本并减少因规格不匹配导致的呆滞库存，形成从客户识别、采购优化到供应链协同的数据驱动决策链。