一、项目背景

某农产品供应链企业手里握着几个产地仓，但模式还是老一套：地头采收后走多级批发，一层层倒手，等菜到社区已经不新鲜，损耗高得吓人。团长那边更乱，各团各自找车、各自谈价，履约成本下不来，到货时间还飘。我们进场摸底盘的时候，对方最头疼的不是卖不动，是"明明产地好货，到了小区成了残次品"，客诉和损耗两头吃。他们此前也试过把团购接到一套通用电商系统，但农产品特有的预售集单、冷链温控、到货差异这些环节根本套不进去，系统里没有"波次"和"温区"的概念，最后又退回微信群接龙，数据回到Excel 手工统计，错漏百出。

二、落地场景

我们基于 XpShop 新普MALL 的商城与履约能力，把链路重构成三段：产地仓做预冷和分级，按品质分 A/B 档定价；社区侧做团购集单，按波次合并需求；统仓统配到团长，到货核销加售后。关键是集单波次和分车逻辑绑在一起，哪几个团同方向就合并一车，避免空跑。团长端能看见预计到达时间和件数，到货差异直接在手机上拍照登记，不用再拉群对账。总部能看到每个产地仓的出库品质分布和每条线路的装载率，履约成本第一次摊得开。

三、关键技术挑战与解决思路

损耗治理的第一道关是产地预冷，这一步省了后面全白搭。我们给产地仓上了预冷时长强制校验，没达到温区阈值的不允许出库，系统直接卡单。集单波次合并是个动态规划问题，简单按地理就近会忽略品类混装，叶菜和水果压一起又是一轮损耗。我们改用"方向优先、品类隔离"的双约束，同车不同温区的用隔板物理分隔，逻辑上再标记。冷链温控最怕断链说不清，我们在车厢和周转箱都布了温度回传，超阈值立刻告警并记点，责任划分清楚。到货差异则是用核销件数反推，少一件自动进赔付流程，不让团长自己扯皮。预售集单还踩过一次波次切分太细的坑，车跑得太碎，后来把最小装载率兜底才稳住成本。

温区物理隔离有成本边界，这点我们一开始没算清。理论上每类温区独立车厢最稳，但中小线路养不起多车，我们用可移动隔板做同车分区，逻辑上标记温区、物理上隔断，代价是装载率随温区数下降。我们给每条线路定了温区上限，超过就拆波次，避免为了隔离把车装得太碎。这个权衡踩过一次实坑：某线路硬塞三个温区，装载率掉到七成，油耗没省还亏了，后来回归双温区加隔板才稳住成本。这也是为什么我们后来把波次合并和温区约束绑死在一条规则里，而不是让调度各自为政。农产品履约的每一次"更优"，都得拿装载率和油耗一起算账，单看损耗会误导决策。

案例片段（已脱敏）： 某次叶菜集单覆盖六个社区团，原方案按就近分两车的装载率只有六成。改为方向加品类双约束后分车片段如下：wave_merge:  max_radius_km: 15  temp_zones: [ "cold:0~4C", "cool:8~12C" ]  forbid_mix: [ "leafy", "fruit" ]  min_load_rate: 0.85运行后单车装载率提到约八成八，跨团混装损耗从百分之四降到百分之一点二，团长到货差异件数周均从十一件降到三件，赔付成本明显下降。

四、效果数据

链路跑顺后，整体损耗率从约百分之七降到百分之三左右，其中产地预冷一环就贡献了大部分降幅。履约时效从原来的隔日达缩到当日或次晨，团长准时收货率从约七成提到九成以上。到货差异引发的售后赔付率下降近一半，团长端对账时间从每人每天近一小时降到十分钟以内。统仓统配后单车装载率从六成提到八成以上，单位履约成本肉眼可见地往下走。产地仓出库品质分布第一次可量化，A 档货占比的提升直接反映到客诉下降，产地端的品控有了抓手。

我们后来把产地仓的预冷时长数据回灌到品控看板，A 档货占比和预冷达标率强相关这件事被坐实，产地主管从此不敢省预冷。团长侧也多了个变化：到货差异拍照登记积累一段时间后，哪些团长期准、哪些团常漏件一目了然，总部据此调整了团长分级和佣金，履约质量好的团拿到更高激励。冷链温控的回传数据还顺带帮我们抓出过一次车厢制冷机组故障，温度曲线异常比人工报修早了半天，避免了整车的货损。这套链路最让客户满意的不只是损耗降了，而是终于有人为每一环负责，责任划分清楚后扯皮少了。

五、可复用经验总结

农产品履约这事，我后来反复跟团队讲，先控损耗再谈成本，顺序反了全白费。我们最早也想过直接优化配送路线省油钱，但一算账，损耗降一个点抵得过路线优化省的全部。产地仓预冷这种"不起眼"的强制校验，比任何花哨算法都保值。集单波次别只盯着地理就近，品类温区隔离才是农产品特有的坑，踩过一次混装损耗就知道多疼。到货差异一定要系统自动进赔付，别让团长和司机私了，否则数据永远失真。这个项目的波次切分太细那次返工，也让我们此后默认带最小装载率兜底，宁可少发车也不空跑。这套模式目前在三个产地仓跑通，往更多品类扩的时候，温区矩阵和波次参数得按品类重新标定，不能直接照搬。