先來說下番茄的供應流程，從育苗、種植、采摘、運輸、清洗包裝到售賣交付。四種半成品1/2/3/4，最終變成成品。

     整個產品的形態是從苗株—>番茄樹/番茄地——>番茄逐步演化。

番茄的銷售市場多種多樣，從中餐用，水果用，番茄果汁，番茄醬，番茄罐頭各類。

    不同用途對番茄要求不同，因此作為農產品有大量指標參數在不同形態階段進行描述。

  1  SKU對參數的簡單化，抹除了個性特征

    如果用傳統的SKU方法來做供應鏈計劃，需要挑選對應參數進行標準化設計，組合后變成SKU。此外，單SKU內視為無差異，抹去供應商、原產地等差異影響，全部落到SKU維度。

     舉例如圖，按SKU表達在尺寸、顏色、含水量上的組合關系。大概如下是整個供應鏈計劃中按BOM進行物料分配到的料號層級。

      然而，SKU的定義如之前所說，通過BOM或者替代料邏輯定義了非常明確且固定的pegging邏輯，抹除了很多個性化特征，有些行業通過Batch批次來管理記錄特性，但是依然面臨之前ABP文1說的組合爆炸問題，最終很多行業變成不得不用SN序列號來一物一碼記錄個性化屬性。

        我們來看下番茄供需的原始業務邏輯上，從需求到資源供應上，其實在思考問題方式上完全不一樣...........客戶不太關心整個生產鏈路維度的復雜特征，其實只關注最終交付產品能體現的屬性......

大概是這樣

  2  基于維度對參數逐步定義細化，并基于維度進行供需平衡

       而ABP從維度出發，先定義清晰每個層級的Attribute參數，并建立參數之間的規則邏輯。如下圖

    確定需要匹配的維度，建立從育苗種植開始整個價值鏈過程中，維度逐步明確的流程，ABP2一文在倉庫案例中有詳細case。

    此外，每一層都是有嚴格的映射邏輯，對應關系，轉譯規則，或者說呈現出高度相關性。市場用途，定義了參數范圍，品種對應了甜度、酸度、風味、顏色，而品種本身在產品更客觀技術參數上定義了各類別的特性范圍，除了品種，在種植和產地屬性上也對參數有著非常復雜的影響

     農業在品種、種植育苗技術，土地上定義了最終產品的特性，而制造業也是類似，在產品的研發技術、生產工藝、原材料上定義了對于產品特征的各方面指標與規則。

  3  按維度計劃優化供需匹配

     在基于維度進行供需匹配時，供應與需求之間的關聯通過映射、轉譯、對應規則后，有較大的解范圍。例如每一層產品形態，所明確的維度不同，按維度匹配時每往下一層就可以將其他維度進行匯聚，從而實現更高通用性。

       其中，無法匹配的是紅色部分違反規則的維度組合。（例如：番茄醬需求甜度3酸度2番茄，因此檸檬酸>5 or 果糖量>8 or 采摘期<堅熟期 不可行！）

     其他的組合選擇，也要考慮庫存量，

——如針對庫存量較高的中等大小番茄進行匹配則成本較低 Min Cost（需求未定義尺寸）

——如針對交期按現貨成品庫存優先匹配（大番茄）則滿足交付Max Fulfillment

——如平衡成本與交期，優先匹配成品庫  排除高價值大番茄、高糖度產品最后使得cost與Fulfillment都不會太糟糕

    此外，在SKU的復雜度管理上，是一方面優化SKU數量，一方面增加通用性較高的料件實現更多的替代關系，從而改善需求與供應的命中率。

    在維度計劃的復雜度優化，是按維度枚舉值進行，減少一個維度枚舉值則優化呈指數的復雜度，因為增加一個維度也意味著復雜度的增加，需求上的特別維度要求是可以很容易評估出量化的復雜度提升，并針對新增維度要求增加費用，因為新維度即是給客戶創造的新價值！  

   本文介紹了一套按維度的供需匹配實踐，有優于SKU的部分，當然也有很多問題在摸索中解決，即 【碎片化】問題，針對單一需求做維度供需匹配，每一次也許是優化決策，但無形中維度組合的碎片會越來越多，剩余數量少無法匹配批量需求，容易造成呆滯，此外屬性之間的約束規則導致大量種出的番茄難以匹配需求。