一、项目背景

我们当时服务的是某头部连锁餐饮品牌，门店数量在数百家量级，分布在华东和华南多个城市。找我们之前，他们的供应链是典型的"散装"状态：每家门店自己跟本地供应商要货，同一种西红柿在不同城市进价能差出两三成；中央厨房每天排什么、做多少，基本靠老师傅拍脑门，旺季损耗高得吓人。

这个项目里最头疼的是数据断层。门店要货在微信群里发，总部看不到汇总；集采比价靠采购员 Excel 里手动拉，供应商报价散在邮件里；中央厨房排产后怎么配送、冷链车怎么排程，又是一套独立经验。结果就是三个问题叠加：采购成本压不下来、食材损耗居高不下、门店动不动就缺料停工。

他们的诉求听起来很朴素："能不能让所有门店在同一个地方要货，总部统一去谈价，厨房按计划做。"但真要落地，要货预测、汇聚、集采比价、排产、冷链排程这一整条链路，每一步都有工程上的硬骨头。

二、落地场景

在这个项目里，我们基于自研的供应链协同能力搭了三层流水线。第一层是门店要货汇聚：所有门店在统一入口提交次日要货申请，系统按品类和城市自动汇总成总部集采单。第二层是总部集采与比价：把汇聚后的需求量发给多家供应商，系统做价格、起订量、到货时效的三维比价，生成推荐采购方案并走审批流。第三层是中央厨房排产与配送调度：排产引擎根据当日要货量和现有库存，按损耗最小、准时最高的双目标拆解生产任务，再把成品匹配到冷链车的配送路线。

落到日常，门店店长晚上十点前在平板上下完单，总部采购第二天早上就能看到一份按城市聚合的集采清单，点一下就能发起比价。中央厨房的排产大屏上，每一锅的产量、对应哪些门店、几点出车，都排得清清楚楚。

三、关键技术挑战与解决思路

1. 门店要货预测与汇聚。 门店要货最大的问题是"报不准"——周末爆单、工作日清淡，新店更没历史可参考。我们当时没有一上来就堆复杂模型，而是先用"历史同店同日 + 节假日系数 + 近期趋势"做基线预测，给店长一个参考值，店长在此基础上微调。汇聚层的关键是把数百家门店的原子要货合并成按城市、按品类的集采需求，同时标记紧急单和常规单。下面是汇聚查询的简化片段：

案例片段（已脱敏）：门店要货汇聚查询的简化实现（城市/品类编码已脱敏）：

-- 按城市 + 品类汇聚次日要货量
SELECT
  city_code,
  category_code,
  SUM(req_qty)           AS total_req,
  COUNT(DISTINCT store_id) AS store_cnt,
  SUM(CASE WHEN urgent = 1 THEN req_qty ELSE 0 END) AS urgent_qty
FROM t_store_requisition
WHERE req_date = CURRENT_DATE + INTERVAL '1 day'
  AND status   = 'SUBMITTED'
GROUP BY city_code, category_code;

2. 集采价格与供应商比价。 汇聚出需求后，怎么选供应商直接决定成本。我们当时给每家供应商建了画像：历史到货准时率、质量退货率、报价波动。比价不是单纯挑最低价，而是用"到货价 + 隐性成本（退货、迟到的损耗）"做综合评分。引擎把多家报价拉平到"可比到货成本"后排序，默认推荐前三，采购员可一键采纳或人工覆盖。上线后我们抓了一组数据：同类生鲜通过系统比价，平均到货成本比人工谈价时期下降了约 11%。

3. 中央厨房排产与冷链配送排程。 排产是损耗和准时的博弈。我们当时把目标定为双目标：一是把易损耗品类（叶菜、鲜肉）的当日生产量尽量贴合真实需求，减少尾货报废；二是让成品在最佳温区窗口内送达门店。排产引擎用"需求拆解 + 批次约束"生成生产工单，配送侧则把订单按地理聚类和出车时间窗做车辆路径初排，再用禁忌搜索做局部优化。压测时跑过 300 家门店、约 40 台冷链车的组合，排程耗时从人工的一天压缩到约 8 分钟，且准时率明显优于纯经验排法。

四、效果数据

以下均为脱敏示意值，用于说明改造量级，非审计数字：

从经营视角看，损耗率砍掉一半意味着中央厨房每天少扔掉一车货；门店缺料工单的下降则直接反映在门店出餐稳定和客诉减少上。这几个数字叠加起来，供应链从"成本黑洞"变成可被总部精细调控的环节。

五、可复用经验总结

这个项目沉淀下来两条经验，后来在另外两个连锁业态也验证过。其一，要货必须先汇聚再集采。门店各自要货看似灵活，实则总部失去议价规模；先汇聚成城市级集采单，规模和比价空间才出得来。其二，排产别只盯一个目标，损耗和准时要双目标一起优化。单追准时容易过量生产堆损耗，单追损耗又容易门店缺料，双目标建模才能让中央厨房和门店都满意。工程上还有一个隐性经验：预测先上基线、再迭代，比一上来追求高精度模型更务实。

结语

连锁餐饮供应链的改造，本质是把"人脑经验"翻译成"可复用的数据链路"。要货汇聚、集采比价、排产调度这三步一旦跑通，总部手里就不再是微信群里的碎片，而是能持续优化的完整闭环。