• Доставка до клиента организована на уровне магазинов (не склада).

• Товарная матрица жёстко фиксирована: перемещение ассортимента между точками возможно только в рамках допустимых категорий (например, нельзя заменить «Телефоны» на «Хлеб» при перераспределении).

• Доступны фактические данные по:

  • продажам (с доставкой / без),

  • остаткам на точках,

  • SKU-уровню заказов с доставкой (включая адреса и объёмы).

На основе этих данных можно реализовать следующие аналитические и управленческие модули:

1. Определение зон покрытия магазинов
   По адресам доставок (без привязки к квартирам) и частоте заказов за период (например, за год) строится геопространственная область — зоны ответственности каждого магазина. Границы определяются экстремальными точками доставок.

2. ABC-анализ по SKU на уровне точки
   На основе фактических продаж формируется структура ассортимента: приоритетные, средние и низколиквидные SKU — с учётом оборачиваемости и вклада в выручку.

3. Моделирование альтернативного размещения при закрытии точки
   Сопоставление товарных матриц, зон покрытия и ABC-профилей позволяет идентифицировать подходящие точки-реципиенты для перераспределения остатков — с минимальными логистическими и коммерческими потерями.

4. Планирование перераспределения
   Комбинируя:

   • текущие остатки (на отправляющей точке),

   • лимиты хранения и нормативы по категориям (на принимающих точках),

   • совместимость товарных матриц,

   • пересечения зон покрытия и клиентской базы,
     формируется оптимальный план перемещения запасов — как при частичной реорганизации сети, так и при полном закрытии объекта.

Пример конфигурации:
Объект А характеризуется своей зоной покрытия и текущими остатками. Объекты Б, В, Г и др. — собственными остатками, ограничениями хранения по категориям, продажной динамикой и клиентскими зонами. Система оценивает все взаимодействия и предлагает планы по перераспределению товаров (Зон ожидается в будущем)

Компания Х решила закрыть объект А. Теперь нужно оценить, как это повлияет на:

- остатки товаров в других магазинах и на складе;

- зоны доставки других магазинов;

- среднее время доставки клиентам и стоимость перераспределения товарных остатков.

На основе этого анализа мы составим техническое задание для программы. Вот его основные пункты:

1. Определить регион, в котором находится объект А.

2. Выяснить фактические остатки товаров на этом объекте.

3. Найти ближайшие объекты с аналогичной товарной матрицей.

4. Провести ABC-анализ товаров на всех объектах за последний год.

5. Разработать план перераспределения товаров. Учитывать информацию из пунктов 1–3, а также средние затраты на перевозку одного кубического метра (задается при создании региона). Рассчитать оптимальное перераспределение.

Предложенная логика в целом корректна, однако в текущей реализации не учитывается стоимость доставки как функция пройденного расстояния или объёма груза.

Например, можно оперировать не стоимостью за километр, а средней себестоимостью перевозки на единицу объёма — скажем, при известных затратах в 1,5 млн ₽ на перевозку 160 м³ получаем удельную стоимость ~9,4 тыс. ₽/м³. (Цифра условная и приведена для иллюстрации.)

Более гибкий и масштабируемый подход — задать набор типов транспорта («траков») с атрибутами: тип маршрута, грузоподъёмность, объём и соответствующая средняя стоимость перевозки. Это позволит учитывать различия в логистике более точно.

С учётом этого, скорректирую модель и вернусь к дальнейшей проработке.

Программа, следуя установленным правилам, рассчитывает оптимальное размещение товаров. Если отключить АВС-анализ, она будет учитывать только остатки, местоположение и матрицу.

Ниже приведу пример работы данного функционала, данные заглушка и программа не может правильно разместить товары, поэтому все = 0.

P.S. Сейчас создание достоверных данных не является приоритетом.

Да, так как и писал - данные тестовые и в самом деле в регионе нет аналогичных матриц

Аналогично скрину выше, не нашли куда перевозить, доставка = 0.

И теперь основной вопрос "А что будет с доставкой? Как сильно закрытие повлияет на SLA по скорости?". Данный расчет сейчас является приоритетной доработкой которой я занимаюсь.
Логика которая мною вкладывает в анализ - следующая:

1. Смотреть на расстояние различных точек на карте

2. Делить действующую зону на кластеры

3. Определить оптимальные объекты по времени которые находятся рядом

4. Сделать ренден всех 3-ех пунктов и показывать изменения в зонировании доставки с отчетом об изменении среднего времени и какие районы слишком далеко.

Для инфраструктуры это очень важный фактор, от которого зависит многое. Так же этот фактор должен работать и при открытии нового объекта. Но сейчас такой функционал не реализован

Функция выбора источника данных для программы и совместная работа с одним исполняемым файлом.

В параллели с влиянием на регион, мне удалось внести не большую доработку в систему. Теперь пользователи могут выбирать исполняемый файл.

2 пользователя работают с одним исполняемым файлом, вносят корректировки, строят дашборды, удаляют или дополняют данными программу. Но как копии приложения узнать что внесены изменения в хранилище? Для этого было реализовано metadata таблица. исполняемое приложение запускается, запоминает метаданные времени БД и проверяет обновления, в случае изменения метаданных моментально сигнализирует о том что необходимо обновить данные.

В рамках подготовки программы к первому тестированию на живых данных в нашей компании была реализована функция "Отправить отчет об ошибке".

После отправки - логи приходят ко мне в ТГ через бота. Все логи запаковываются в zip архив, параллельно запускает процесс удаления логов из папки.

Почему я быстрее реализовал совместный доступ и отправку логов, вместо того что бы наполнить данными и показать на примере где все логично? Наверное потому что лень тратить много времени на создание данных, а потом их дополнять и править. Программа не окончательная, система хранения меняется. Например сейчас я понял что стоимость доставки и распределения товара можно завязать на типы траков - буду реализовывать и менять хранение. Менее затратно по времени дописать скрипт, чем создавать новую логику в 1000 строк данных.

Всем спасибо за то что дочитали.

Если есть желание предоставить тестовые данные с логикой - буду очень рад, поможет при тестировании. Шаблон данных могу предоставить.

Технический дефолт

Я напомню, 4 декабря компаний АО «Монополия» допустила технический дефолт по одному из своих облигационных выпусков серии 001Р-02. В тот день должно было состояться две выплаты: последний купон и возврат номинальной стоимости, т.е. гашение облигации. Купон выплатили, а вот гашение произвести не смогли. Случился технический дефолт. Что же это такое?

Это временная ситуация, когда эмитент пропускает платёж. Причин может быть много. И в них надо разбираться. К примеру, может быть элементарный технический сбой. Или человеческая ошибка. Поздно отправили платёж. Может быть причина более глобальная, но терпимая и понятная. Так, в наше новое время случались техдефолты у логистических компаний, в виду сложностей с получением переводов от вэдовских клиентов. Понятно, что переводы придут, но произошла техническая задержка.

Именно поэтому на техдефолт обычно даётся 10 дней. Ну а дальше уже обычно два варианта: реструктуризация задолженности или банкротство.

Иногда, техдефолт – это неплохая возможность для быстрого заработка. Сразу определимся, я тут не призываю к конкретным действиям. Я просто рассказываю. Надо иметь в виду, что банкротству всегда предшествует стадия техдефолта (если мы про облигации). Т.е. с техдефолта можно вырулить в разные стороны. Так вот. Облигация – это ценная бумага. Она имеет свою цену. Обычно, при гашении облигации возвращается её полный номинал. И процент купона считается от номинала. Во время техдефолта цена может сильно упасть. Но возвратить-то вам должны номинал. К примеру, облигации стала стоить 50% от номинала. А при гашении возвращается 100% номинала. Т.е. тут есть вероятность (если ситуация разрешится положительно) получить доход в 100%.

Плюс, если купонная доходность облигации установлена, к примеру, 25% годовых, то при покупке бумаги за 50% от номинала, купонная доходность уже составит 50%. Ну это просто, смотрите: номинальная стоимость 1000 рублей, годовой купон 250 рублей (доходность 25%). Если же цена опустилась до 500 рублей, купон всё равно остается равным 250 рублям, но 250 от 500 – это уже 50%.

А теперь давайте посмотрим, как техдефолт может резко повлиять на стоимость облигаций. На картинке долговые ценные бумаги той самой АО «Монополия». Их осталось 6 серий. Два последних дня – это четверг и пятница на прошлой неделе. Пост пишется до старта торгов в понедельник. Все они рухнули в район 50-60% от номинала. Во что превратились купонные доходы, написал на графиках. Вместе с датой гашения.

А теперь дружно ждём 10 дней. Очень интересно развитие ситуации.

***

Еще больше интересного на моих каналах:

Экономико-познавательный канал — MarketScreen
Трейдинг — StockGamblers
МАХ: https://max.ru/marketscreen
Дзен - StockGambler | Дзен

Средне-Невском судостроительном заводе состоялась торжественная церемония спуска на воду новейшего морского тральщика «Дмитрий Лысов» проекта 12700. Тральщики проекта 12700 разработаны по заказу ВМФ специально для борьбы с морскими минами. Они относятся к новому поколению минно-тральных сил и способны, не входя в опасную зону, обнаруживать подводные мины в воде акваторий и в морском грунте.

На Литейном заводе «Петрозаводскмаш» в столице Карелии запустили новый участок предварительной механической обработки подвесок и крышек для блоков двигателей. Его мощности позволяют обрабатывать до 13,8 тыс. крышек цилиндров и до 7 тыс. подвесок в год. Инвестиции в развитие промышленного комплекса составляют 3,8 млрд рублей.

«КАМАЗ» и «Завод ГРАЗ» представили топливозаправщик объёмом 17 тыс. литров на шасси новейшего поколения К5. Автомобиль оснащён комфортабельной кабиной со спальным местом и хорошей обзорностью, экономичным двигателем КАМАЗ мощностью 390 л.с., а также роботизированной двенадцатиступенчатой коробкой передач. Снаряжённая масса топливозаправщика составляет 11 080 кг.

Компания «ВИННЕРЪ» представила мощный каналокопатель для быстрого и точного формирования дренажных канав и траншей, а также для осушения территорий, сельхозугодий и инженерных проектов. Каналокопатель отбрасывает почву до 19 м влево, достигает 1,5-4,7 м от центра трактора и до 2,74 м глубины. Круглое копающее колесо бережёт стенки канавы и сохраняет дерн.

Тверской завод коммунального машиностроения начал серийное производство вакуумного экскаватора ТКМ 727S. Экскаватор способен обеспечить глубину выемки до 50 м и максимальное удаление по горизонтали от точки извлечения 150 м. Машина оснащена дизельным двигателем мощностью 480 л.с. и турбиной мощностью 42 тыс. м3/ч, гидравлической управляемой стрелой с максимальным вылетом 6 метров от оси поворота и рабочей зоной 180 градусов.

Wildberries & Russ запустила первую очередь логоцентра в Кузбассе. В рамках первой очереди запущено 40 тыс. кв. м складских мощностей, при полном вводе в эксплуатацию площадь комплекса составит 100 тыс. кв. м, а вместимость — более 23 млн единиц товара. Планируется установка двух вертикальных автоматических сортировщиков с суммарной производительностью до 570 тыс. товаров в сутки.

В ОЭЗ «Технополис Москва» создан российский аппарат искусственной почки. Аппарат очищает кровь пациента при острой и хронической почечной недостаточности. Мощности производства — от 500 до тысячи систем в год. Проект также предусматривает начало выпуска расходных материалов. В год планируется выпускать от четырех до восьми миллионов штук вспомогательных медицинских изделий.

О новых злоключениях промышленности-невидимки расскажем ровно через неделю. Пойдём пока грустно покатаем державу скипетром.

#поравалить #всепропало

[Орда] – родная, злобная, твоя

P.S. Такие случаи встречаются довольно часто, особенно когда компании чрезмерно увеличивают штат сотрудников.

Как упростить эту модель? Программа не является WebView, она десктопная, не имеет серверов и хранит данные локально. "Решение есть!" — скажу я вам. Виджет панель с сохранением состояний в JSON. Получаем универсальную настройку программа у каждого пользователя, но работающего с одной системой.

Включая правую панель с виджетами, мы можем выбрать преднастроенные карточки, либо добавлять свои карточки на дашборды.

Что бы добавить новый виджет или выключить существующий необходимо просто прожать чекбокс.

А состояние мы просто сохраним в JSON формате.

Нажатие на "Добавить ссылку на дашборд" запускает процесс получения данных из системы. Получается компонент опрашивает БД через отдельное ядро "Есть ли у нас созданные дашборды? Да? Верни название страницы, я создам список для пользователя"

Код ответил "Да, у нас есть страница с названием (Тестовый шаблон)", далее дроп окно нам показывает название и имеет возможность выбора из нескольких вариантов.
Для удобства настройки - предоставлена возможность выбор иконки для виджета и создания названия виджета.

Вот мы добавили новый тип виджета "Ссылка на дашборды".

При нажатии на элемент виджета программа перенаправит нас на страницу с настроенными графиками и информацией, которые так же настроил пользователь.

Если сравнить с предыдущим постом, видно, что окно с графиком изменилось. Это правильно, ведь для настройки через аналитический куб доступно меню редактирования. В этом режиме пользователь может добавить страницу, новый график или фильтр. Также можно настроить DAX-поле и провести расчеты по нему.

Я уже говорил, что программа имеет декомпозированную структуру. Создание нового виджета не требует больших усилий. Чтобы разработать виджет на заказ или под конкретные требования, нужно добавить новый файл в список, описать его пользовательский интерфейс и логику.

Ах, да. Говоря о возможностях правой панели, я потерял нить: "Как же это улучшит работу?".

Программа использует переменную, позволяющую выбрать между локальным хранилищем SQLite3 и сетевым. Это обеспечивает совместную работу всех пользователей с одними данными и возможность добавления новых. Человек ИКС настроил скрипты для получения данных, подходящих под программу. Другие пользователи могут не только просматривать наборы кириллицы и латиницы, но и визуализировать данные на карте с интерактивным просмотром. Они также могут создавать свои собственные графики и дашборды.

Хотя я не претендую на замену BI-систем, я понимаю, что не у всех есть средства для внедрения полноценных аналитических систем. JSON структура позволяет настроить уникальный формат панели в соответствии с предпочтениями пользователя.

Чрезмерно благодарен за уделенное время прочтения статьи. Впереди третья часть в следующую среду)

P.S. Местами есть разногласия в теме дизайна, активно перевожу на централизованный QSS стиль темы. Это позволит изменять один файл и менять тему везде. Сейчас частично стили интегрированы в код