本数据集源于广东何氏模具有限公司的产品销售出库订单，为按产品“规格型号”维度聚合的汇总分析数据集。原始数据囊括了各类产品规格在一定周期内的单据数量、应发数量及实际发货数量。为深化分析价值，本次加工在原始聚合数据的基础上，通过规则映射与数值计算，衍生出“产品大类”分类、“是否为关键部件”业务标识以及“平均每单发货量”运营效率指标。该数据集旨在从产品结构视角，为评估发货执行效率、识别核心部件供应瓶颈、以及优化仓储与生产资源配置提供量化依据，支撑精细化运营决策。

本数据集的主要数据处理规则如下： 1.产品维度分类与关键性标识加工。基于“规格型号”字段的文本特征，通过关键词匹配与规则映射模型进行了深度加工。首先，对规格型号字符串进行模式识别，根据其是否包含上冲、下冲、上型、下型、母型、中棒等核心语义，将其归入上冲类、下冲类、模具类、设备类等预先定义的产品大类。同时，依据一套由业务知识定义的关键部件清单规则，对每一规格型号进行二值化判断：若其文本内容与上型、下型、母型、上冲、下冲、中棒、产品、成型机等核心生产元素相匹配，则标记为“关键部件”，否则标记为“非关键部件”。 2.运营效率指标计算。在基础数量字段之上，通过数学运算构建了衡量发货稳定性的效率指标。“平均每单发货量”字段由“数量”除以“单据数量”计算得出，用以量化每个规格型号在平均每笔订单中的发货体量，反映了该物料的订单集中度与发货模式。所有计算过程均包含对除零错误的防御性处理。 3.数据脱敏处理说明。本数据集不涉及敏感数据，无需进行数据脱敏处理。

1.产品维度的发货执行分析与运营优化。运营与计划部门可利用此数据集，横向对比不同产品大类或具体规格的发货准确性与订单处理效率。通过聚焦“关键部件”的发货满足情况，可快速定位可能影响生产连续性的供应短板。同时，分析高单据数量但平均发货量低的品类，有助于识别零散、高频的订单模式，为优化仓储拣货路径与打包策略提供数据支持。 2.库存策略制定与生产资源规划支持。供应链与生产管理部门可基于此聚合分析数据，制定差异化的库存策略。针对“关键部件”且发货差异率高的品类，可考虑设立安全库存或优化采购周期；针对发货稳定且平均单量大的品类，则可研究批量备货或经济订货批量模型。此外，数据中反映出的各类产品需求频次与规模，能够为产能规划、设备调配及原材料采购提供前瞻性的需求洞察。

规格型号 单据数量 应发数量 数量 产品大类 是否为关键部件 平均每单发货量 凹模 8 13 11 模具类 非关键部件 1.38 边顶杆 3 6 5 杆件类 非关键部件 1.67 边柱 1 8 8 其他类 非关键部件 8.00

序号 字段名称 字段类型 字段示例值 1 规格型号 VARCHAR(100) 产品 2 单据数量 INT 6 3 应发数量 INT 29885 4 数量 INT 12527 5 产品大类 VARCHAR(50) 其他类 6 是否为关键部件 VARCHAR(20) 关键部件 7 平均每单发货量 DECIMAL(10,2) 2087.83