Пишу алгоритм

Здравствуйте!

Имеются данные о поставках в магазин и продажи по дням. Необходимо рассчитать предполагаемый возврат и предполагаемый остаток по дням.

Прежде чем написать код, мне нужно разобраться с алгоритмом.

Во вложенном Excel-ом файле подробно описана логика.

Для решения данной задачи я немного запутался с промежуточными полями. А именно:
1. Делать привязку с не проданной продукции из определенной поставки и со сроком годности.
2. Распознавать случай как 18 июня и делать перерасчет. А также последующие примеры.
3. Учесть логику "Отгрузка меньше либо равно дате продажи".

Вопросы:
1. Подскажите, какие именно промежуточные поля нужны и какие там должны быть формулы?
2. Возможно ли написать алгоритм, который ведет основной расчет как LIFO, а в некоторых местах - FIFO, как описано здесь с учетом разных случаев? То есть реально ли распознавать случай 18 июня и на нужных отрезках дат (еще определить эти нужные отрезки) вести расчет по другому способу?
3. Есть еще то, что не учтено в данном описании логики?

Ты в задании не написал самого главного. А именно. Что нужно расчитать?

Пока есть только странные поэтические метафоры о "привязках" и "распознаваниях". Но это не есть форма подачи задания.

mayton
Ты в задании не написал самого главного. А именно. Что нужно расчитать?

Задача такая - определить предполагаемый остаток на конец анализируемого периода. Это нужно для того, чтобы при планируемом объеме заказа на следующую поставку в магазин учесть сколько на полке осталось не просроченной продукции.

Поскольку в исходных данных нет в принципе логики приобретающей стороны (клиента), прогнозировать можно только закупку без учёта текущего наличия. А при указанных объёмах и частоте закупки и срока годности товара построение вменяемого прогноза мне вообще кажется фантастикой - максимум, что можно выжать из такого рода "данных", это некие весьма расплывчатые тенденции. Да и то - весьма неточно, и исключительно при наличии достаточно "длинной" статистики.

Akina
максимум, что можно выжать из такого рода "данных", это некие весьма расплывчатые тенденции. Да и то - весьма неточно, и исключительно при наличии достаточно "длинной" статистики.

Повысить точность возможно, если:
1. Присутствуют перерасчеты, если присутствуют подобные случаи.
2. Анализируемый период обычно 28 дней. Этого достаточно чтобы данные были менее расплывчатые.

Все таки присутствует информация: отгрузки в магазин и продажи в магазине по дням. Исходя из таких исторических данных определяются какая продажа и из какой поставки (учитывая основной способ LIFO и в некоторых случаях - FIFO, так как в основном клиент старается покупать более свежую продукцию), потом расчет промежуточных мер такие как предполагаемых возвратов и предполагаемый остаток по дням. И в конце получаем остаток на конец анализируемого периода.

ferzmikk
Задача такая - определить предполагаемый остаток на конец анализируемого периода.

Эта задача зовётся "экстраполяцией". Сначала по имеющимся данным строишь аппроксимирующую функцию, потом экстраполируешь её вперёд. Вот и весь алгоритм.