本地订单达成率与FDC仓网覆盖KPI — 本地发货率/跨仓调拨成本/仓网优化决策

"""
本地订单达成率与 FDC 仓网覆盖 KPI 体系
功能：本地率计算 / 仓网覆盖分析 / 跨仓成本量化 / 仓网优化建议
输入：订单地理分布 + 仓库位置 + 库存数据
输出：本地率KPI + 跨仓成本 + 仓网优化方案
"""
import numpy as np
import pandas as pd
import warnings
warnings.filterwarnings('ignore')


def generate_order_warehouse_data(n_orders=2000, seed=42):
    """生成含地理信息的订单-仓库数据"""
    np.random.seed(seed)
    
    # 区域分布（模拟订单地理分布）
    regions = {
        '华东（上海/苏州/杭州）': 0.30,
        '华北（北京/天津）': 0.20,
        '华南（广州/深圳）': 0.18,
        '华中（武汉/郑州）': 0.12,
        '华西（成都/重庆）': 0.10,
        '东北（沈阳/哈尔滨）': 0.05,
        '西北（西安/兰州）': 0.05,
    }
    
    # 仓库位置（FDC/RDC）
    warehouses = {
        'WH-上海（FDC）': '华东（上海/苏州/杭州）',
        'WH-北京（FDC）': '华北（北京/天津）',
        'WH-广州（FDC）': '华南（广州/深圳）',
        'WH-武汉（RDC）': '华中（武汉/郑州）',
    }
    # 华西/东北/西北 无本地FDC，需跨仓
    
    records = []
    region_list = list(regions.keys())
    region_probs = list(regions.values())
    
    for i in range(n_orders):
        order_region = np.random.choice(region_list, p=region_probs)
        
        # 找是否有本地仓库
        local_wh = None
        for wh, wh_region in warehouses.items():
            if wh_region == order_region:
                local_wh = wh
                break
        
        if local_wh:
            # 有本地仓：80%从本地发（20%因库存不足跨仓）
            is_local = np.random.random() < 0.80
            fulfillment_wh = local_wh if is_local else np.random.choice(list(warehouses.keys()))
        else:
            # 无本地仓：必须跨仓
            is_local = False
            fulfillment_wh = np.random.choice(['WH-上海（FDC）', 'WH-广州（FDC）'])
        
        # 配送成本（本地便宜，跨仓贵）