如何匹配MRP需求与库存报表提取库存耗尽对应到期日

核心计算规则 #

• 数据预处理：所有需求行先按物料编码（ITEM）分组，组内按需求交期（Due-Date）升序排列（交期更早的需求优先扣减库存）
• 触发判定：逐行累加对应交期的需求数量（QTY-REQ），找到*累计需求值首次严格大于在手库存（OHQ）*的行，该行的Due-Date即为该物料的库存耗尽日
• 异常兜底：如果某物料所有可统计需求加总后，累计值始终未超过OHQ，对应INV. RUNOUT标注为「需求覆盖范围内无库存耗尽」

规则匹配示例验证：对应物料B的OHQ为5，首笔需求交期4/29/21的数量为5，累计值等于OHQ、未触发超过条件，因此不计入耗尽节点；次笔4/30/21的需求数量为1，累计值达到6、首次超过5的OHQ，最终取4/30/21为耗尽日，和预期结果完全匹配。

两类源报表的固定字段结构 #

• 需求明细表：每行对应一笔独立销售订单，包含字段Due-Date（需求交期）、QTY-REQ（需求数量）、ITEM（物料编码），同一物料可对应多行需求
• 现有库存表：每行对应唯一物料，包含字段OHQ（在手可用库存）、ITEM（物料编码）、INV. RUNOUT（待计算填充的库存耗尽日字段）

可落地实现路径 #

路径1：Excel/WPS 零代码实现（适配日常手动导出报表的处理场景） #

• 第一步：将导出的需求明细表导入表格工具，新增「累计需求数」辅助列
• 第二步：对需求明细表做双条件排序，优先按ITEM列升序、同ITEM下按Due-Date列升序排列
• 第三步：在累计需求数列逐行写入公式，按物料分组计算截止当前行的累计需求（以数据从第2行开始、ITEM在C列、QTY-REQ在B列为例，D2单元格公式为=SUMIFS($B$2:B2,$C$2:C2,C2)，下拉填充整列即可自动计算）
• 第四步：将计算结果匹配到现有库存表，使用XLOOKUP函数直接提取首次超库存的交期（以库存表OHQ在A列、ITEM在B列、INV. RUNOUT列在C列为例，C2单元格公式为=XLOOKUP(1,(需求明细!C:C=库存表!B2)*(需求明细!D:D>库存表!A2),需求明细!A:A,"无库存耗尽",0)，下拉即可批量生成结果）

路径2：Python 轻量脚本实现（适配固定周期批量跑数的场景） #

核心可直接运行的计算逻辑如下，无需依赖外部付费服务：

import pandas as pd

# 读取MRP系统导出的两类报表
demand_df = pd.read_excel("需求明细表.xlsx")
stock_df = pd.read_excel("现有库存表.xlsx")

# 需求表按物料、交期排序，逐行计算同物料的累计需求
demand_df = demand_df.sort_values(by=["ITEM", "Due-Date"], ascending=[True, True])
demand_df["cum_qty"] = demand_df.groupby("ITEM")["QTY-REQ"].cumsum()

# 定义单物料的耗尽日查找逻辑
def get_runout_date(material_demand, ohq_val):
    exceed_row = material_demand[material_demand["cum_qty"] > ohq_val].head(1)
    if len(exceed_row) == 0:
        return "无库存耗尽"
    return exceed_row["Due-Date"].iloc[0]

# 匹配库存表逐行计算结果
stock_df["INV. RUNOUT"] = stock_df.apply(
    lambda row: get_runout_date(
        demand_df[demand_df["ITEM"] == row["ITEM"]],
        row["OHQ"]
    ),
    axis=1
)

# 导出带耗尽日的最终库存报表
stock_df.to_excel("带耗尽日计算结果的库存表.xlsx", index=False)

边界场景特殊处理 #

• 同物料同交期多笔需求：需先将同一交期下的多笔需求数量合并求和，再参与累计对比，避免拆分计算的误差
• 负库存物料：若物料本身OHQ为负，直接取该物料最早的需求交期作为INV. RUNOUT即可
• 交期时区统一：所有系统导出的交期统一转换为本地业务时区，避免时间错位导致的日期取值错误

内容的提问来源于stack exchange，提问作者Machinist