如何基于生产/交付日期及库存自动分配订单批次？寻求技术方案

可以实现，以下分三种方案说明，适配不同业务场景：

Power Query（首推方案，适合批量自动化） #

针对每周导入CSV订单的场景，Power Query的批量数据转换能力最适配，核心逻辑是通过分组排序+累计值匹配实现批次分配：

1. 预处理表B：按Item code分组，每组内按生产日期升序（旧批次优先）排序，计算批次累计库存；
2. 预处理表A：按Item code分组，每组内按订单号/交付日期升序（旧订单优先）排序，计算订单累计需求；
3. 批次匹配：对每个Item code组，将累计需求与累计库存做区间匹配，自动分配对应批次（含跨批次分配场景）；
4. 合并回写：将分配结果合并到原表A，填充Batch no.列。

关键M代码片段（表B预处理）：

let
    Source = Excel.CurrentWorkbook(){[Name="表B"]}[Content],
    按Item分组 = Table.Group(Source, {"Item code"}, {{"批次明细", each Table.Sort(_,{{"生产日期", Order.Ascending}}), type table}}),
    添加累计库存 = Table.TransformColumns(按Item分组, {{"批次明细", each Table.AddColumn(_, "累计库存", (x) => List.Sum(List.Range([可用库存],0,Table.PositionOf(_,x)+1)))}})
in
    添加累计库存

完成配置后，每周只需导入新的CSV订单，点击刷新即可自动完成批次分配。

DAX（适合Power BI动态分析场景） #

如果是在Power BI中做动态库存分配分析，可通过DAX计算列/度量值实现：

1. 先在表B中计算按Item code+生产日期排序的累计库存列；
2. 对表A的每一行，计算当前Item code下的累计需求（当前订单及之前的总需求）；
3. 通过区间匹配找到覆盖累计需求的批次，跨批次场景用CONCATENATEX合并批次号。

示例DAX计算列：

Batch no. = 
VAR CurrentItem = '表A'[Item code]
VAR CurrentDemand = '表A'[需求数量]
VAR CumulativeDemand = 
    CALCULATE(
        SUM('表A'[需求数量]),
        ALLEXCEPT('表A', '表A'[Item code]),
        '表A'[订单号] <= EARLIER('表A'[订单号])
    )
VAR PreviousCumulativeDemand = CumulativeDemand - CurrentDemand
VAR TargetBatches = 
    FILTER(
        '表B',
        '表B'[Item code] = CurrentItem &&
        '表B'[累计库存] > PreviousCumulativeDemand &&
        '表B'[累计库存] <= CumulativeDemand
    )
// 处理跨多个批次的情况
VAR CrossBatches = IF(COUNTROWS(TargetBatches)=0, FILTER('表B', '表B'[Item code]=CurrentItem && '表B'[累计库存]>PreviousCumulativeDemand), TargetBatches)
RETURN
    CONCATENATEX(CrossBatches, '表B'[Batch no.], ", ")

Excel公式（适合小数据量场景） #

数据量较小时，可通过Excel函数组合快速实现，需提前对表B按Item code+生产日期排序并计算累计库存：

1. 用SUMIF计算表A中当前Item code的累计需求；
2. 用FILTER筛选出覆盖累计需求区间的批次；
3. 用TEXTJOIN合并跨批次的结果。

示例公式（假设表B累计库存列在E列，表AItem code在F列，需求数量在H列）：

=TEXTJOIN(", ", TRUE, 
    FILTER($D$2:$D$100, 
        $B$2:$B$100=F2 && 
        $E$2:$E$100>=(SUMIF($F$2:F2, F2, $H$2:H2)-H2) && 
        $E$2:$E$100<=SUMIF($F$2:F2, F2, $H$2:H2)
    )
)

内容的提问来源于stack exchange，提问作者Michael Molnár