皮皮工时计算

要解决什么问题

连锁门店排班往往卡在「卖多少该排多少工时」：同一套规则很难覆盖 15 个城市的销量结构差异，人工拍脑袋又容易在淡季排过头、旺季排不足。本技能把历史日销、杯量与实排工时沉淀成城市级双变量回归，你在对话里给出城市、预计日销售额和工时差异上限，即可得到标准工时和建议排班区间。

技能如何工作

模型分两步估算：

1. 预估销售数量 = qty_slope × 销售额 + qty_intercept
2. 标准工时 = hour_sales_coef × 销售额 + hour_qty_coef × 预估销售数量 + hour_intercept

解析输入时会做城市模糊匹配（如「圳」→ 深圳、「饼房」优先匹配带饼房的城市名），销售额按元/店/日理解，差异上限默认 15%，「20%」「百分之20」等写法都会归一化。

结果侧有三条硬规则：

• 计算值低于 22h 时自动 max(结果, 22)，并可能附带触底提示
• 差异率只向上取：排班范围 = 标准工时 ~ 标准工时 + 差异上限，不下调
• 若输入销售额超出该城历史训练区间，会提示结果仅供参考

各城模型在 2026-07-20 版本上做过多策略选型（全量、扣底、纯杯数、加权杯数等），表里附有 R²、MAE 与样本量，便于判断可信度。

适用边界与注意点

• 覆盖资料中列出的 15 城（含部分「XX饼房」子模型），未建模城市无法给出系数。
• 极端大单（如远超该城 p99 的批发/B 端日销）在模型更新流程里会被当离群值剔除；日常推理若仍输入超高销售额，外推误差会明显放大。
• 部分城市（如东莞、海口）历史样本大量落在 22h 底线附近，R² 偏低或策略特殊，解读时应结合表格备注，必要时把差异上限留宽一点。
• SKILL 内还描述了用新 Excel 重训全城市模型的完整流程（清洗、22h 诊断、四策略 MAE 对比），那是维护侧能力，不是每次排班都要走一遍。