无所从来 亦无所去

EOQ = (2ca/h)^1/2

其中：
a = 以单位计的年度使用量
c = 每个订单的获取性成本
h = 每个单位持有成本(h是一个单位产品一年的持有成本)

example：
若产品持有成本是5%，产品单价是8.00USD，那么用货币表示的持有成本为：

 h= 8.00USD×5%   = 0.40USD

那么如果订单数量为每年6000个，下订单成本为15USD，则EOQ为：

        EOQ = (2×15USD×6000个/0.40USD) ^1/2  = 670.82

那么当仓库每次定购671个时候是最优的定购数量。而且当持有成本和下订单成本相等的时候，总成本最低。



1．某礼品店销售一种叫做“小扁豆“的玩具——一种用干扁豆填充的可爱的动物玩具——销售量非常稳定，一年310天，每天10个。这种玩具的批发价是每个5元，礼品店按年利率20%来计算库存成本。
A． 如果礼品店希望每年下20个订单，那订购量应该为多少？
B. 如果礼品店每单定购100个玩具，那么隐含的固定订购成本为多少？
C. 如果礼品店估计发出一个订单需要10元成本，最优订购量为多少？

2． 某工厂以每周60个的稳定需求消耗一种¼英寸不锈钢螺栓，长1.5英寸。 每个螺栓成本价2分。每发一个订单需12元，库存成本按年利率25%计算。
a. 确定工厂购买螺栓的最优购买量，以及发出订单的时间间隔。
b. 该螺栓的年库存和准备成本是多少？
c. 假定我们考虑不是细小的螺栓，而是更为巨大笨重的产品，如包装材料等。那么我们的分析存在什么问题？

3． 重新考虑螺栓例子。假定尽管我们估计需求量是每周60个，实际情况是每周120个（如：预测误差为100%）
a. 如果我们采用上题计算的订购量（如：采用错误的需求量估计），在实际需求率下，准备成本和库存成本是多少？
b. 如果采用最优订购量，成本又是多少？
c. 100%的需求预测误差导致成本增加多少个百分比？由此你了解到EOQ模型对于数据误差的敏感度如何？

4．YB运动服装公司设计销售一些新潮的Ｔ恤以纪念重大体育赛事（如橄榄球超级碗，棒球联赛，西北大学赢得NCAA篮球联赛等）。Ｔ恤的成本为５元，销售价为２０。公司策略是：赛事过后折扣８０％清空所有Ｔ恤库存，即销售价为４元。１９９４年，ＹＢ公司为芝加哥举行的超级碗橄榄球赛制作Ｔ恤。预计需求量为１２，０００件，但需求的不确定因素诸多。考虑到这些不定因素，YB决定只制作１０，０００件。你觉得这个决定如何？如果你是决策人员，你建议制作多少件？

扬州慢      【宋】姜夔

　　淳熙丙申正日,予过维扬。夜雪初霁,荠麦弥望。入其城则四壁萧条，寒水自碧，暮色渐起，戍角悲吟。予怀怆然，感慨今昔,因自度此曲。千岩老人以为有《黍离》之悲也。

　　淮左名都，竹西佳处，解鞍少驻初程。过春风十里，尽荠麦青青。自胡马窥江去后，废池乔木，犹厌言兵。渐黄昏、清角吹寒，都在空城。

　　杜郎俊赏，算而今、重到须惊。纵豆蔻词工，青楼梦好，难赋深情。二十四桥仍在,波心荡冷月无声。念桥边红药，年年知为谁生。

1、学习能力
    辨识、记忆、归纳、分析及理解，获取事物的关键特征及规律。
2、判断能力
    依据经验总结规律，对过程、结果、未来作出预测。
3、执行能力
    根据给定的目标，调动可用资源达成目标。
4、自然能力
    感官，肢体，生存，自我保护，繁殖。
5、联想能力
    通过特定线索在记忆库、经验库里获取相关类比的信息，并依照类比的规律产生超越现有记忆及经验的想象。
6、创造能力
    通过不断地实践、分析、判断来创造出想象的事物。
7、分析能力
    将事物分解成可以确定的片断或步骤，发现、推断并总结其中的特征及规律。
8、模糊处理能力
    获取事物的主要特征，对事物的主要特征的匹配程度进行归纳，并依照匹配度进行相关的分析。


记忆：
    记忆在人脑中是依照对事物的关键特征保存的，例如对静态的物体来说，通常包括物体的大小、颜色、质地、形状、特定标志、用途、行为、好恶等。对于动态的情景，我们会记忆时间、顺序、地点、角色、情绪、语言及特定的场景，通常动态的情景是被分解成若干片断来记忆的，不重要的中间环节，在记忆中会用“插帧法”自动填充。

规律：
    规律包含了对事物之间的相关性的总结。相关性包括特征的相关性，互相作用的相关性，同时出现的相关性，顺序的相关性，以及产生相关性所需要的前提等。

经验：
    经验是事物特征及规律的集合。依据经验可作出判断或推断。经验来源于记忆和规律，是对记忆和规律的提炼和总结。

      偶尔翻出来当年的《枣花2》，往事浮上心头，二十年前那个稚嫩的我，依然可以打动二十年后历经沧桑的我。作为一份心情，将1，2两部在此记录下来。2曾经名为《楼兰新娘》。
 
 
枣花 (一)
 
如果我是你
绝不因初绽的羞涩
开在濛濛晨雾
 
如果我是你
绝不因花瓣的纤小
胆怯地徘徊
 
你是未沾唇便可令人酩酊的酒
你呀你
却躲在寂寞的戈壁
贮藏你终被风儿携走的芳香
 
 
 
枣花 (二)
你若不知，谁人知晓？
 
楼兰的城已废了
梧桐的心也枯了
年年岁岁的曝日
日日夜夜的黄沙
 
循古道
一问昔日繁华
那千年的美女
姓甚名谁

推荐网站：http://www.ralphkimball.com   http://www.inmoncif.com   http://www.inmongif.com

Ralph Kimball可以说是数据仓库方面的元老了，全球数以万计的精英设计者都跟随他的方案进行数据仓库的设计。Kimball主张，数据仓库是构成它的数据集市的联合体。在这个前提下，可以通过共享的维来对不同的数据集市进行分析，由于不必在数据仓库建立的初期就进行全面的设计，对于发展中的企业数据仓库而言，这个方法可以很好的满足那些迫切需要数据的企业。

与Kimball持不同意见的Bill Inmon，同样也是受到众多精英追随的数据仓库专家，Inmon认为，数据仓库的设计是面向主题的（例如，客户、销售、产品），每次对数据仓库增加一个主题后，再建立相应的数据集市提供给用户。很明显，Inmon的方法对建立一个体系完整的数据仓库是非常有价值的，并且，因为数据集市的数据是来源于数据仓库的，很大程度上减少了对原始数据的访问。

Paul  Rosenberg 建议我走Kimball的路线，其实我别无选择。我认为Kimball之所以让人无法拒绝，实在是因为有太多人面临我所面临的问题，在数据仓库建立的初期，根本没有时间、没有绝对的把握、也没有能力规划一个体系完整的数据仓库，毕竟“半个面包比没有面包好” ，先在有把握的范围内实施一个小范围的数据集市，而后逐步增加不同的集市，逐步完善数据仓库作为企业数据中心的功能。

严正声明：
本文仅代表个人观点，绝无半点拿任何人开涮、也无恶毒诅咒的意思，如有雷同，纯属偶然。

Krone第一生育定律：

if (Father.Gender == Gender.Male && Father.JobType == JobType.RealIT)
Father.FirstChild.Gender = Gender.Female;

解释：
纯正的IT男性，其第一个孩子是女孩。

证据：
1、本人算是搞IT的，本人的孩子是女孩；
2、本人所有认识的搞IT的人里面，有孩子的到目前为止都是女孩；

说明：
1、如有例外，请参照《Krone第一生育定律》核对条件；
2、因《中华人民共和国计划生育法》，此定律暂无法提供对第二个及以后的孩子的性别进行演算；
3、此定律对国籍、种族、年龄等无特殊限定；

胖头鱼作了准爸爸，对其生男生女的问题，或可参照此定律求解。哈哈！

徐家汇，交大门口，与人群邂逅。随着充满激情和愤怒的五颜六色，融入滚滚人潮。
端起相机，想记录下每个场景，却不知自己身处何地。