InfiniSynapse
什么是安全库存公式？
通用安全库存公式为：安全库存 = Z × σLT，其中 Z 是服务系数，σLT 是补货提前期内需求量的标准差。σLT 的具体算法取决于不确定性来自需求波动、提前期波动，还是二者同时存在。
安全库存不是平均需求、周转库存或再订货点，而是在补货风险暴露期预期需求量之上增加的不确定性缓冲。在连续检查政策下，常见关系是再订货点 = 平均提前期需求量 + 安全库存；订货量则是另一项独立决策。
只有当定义、单位、服务指标、数据窗口、复核频率和取整规则都明确时，公式才有意义。结果只是库存政策输入，并不能保证杜绝所有缺货。促销、中断、销量受缺货压制、替代、最小起订量、保质期及多级库存依赖可能需要更复杂的模型。
根据不确定性选择安全库存公式
不要因为某个公式熟悉或容易放进表格就直接采用。应先明确物料如何被检查与补货，再识别哪些输入会波动。所有时间相关输入必须使用相同单位，例如日需求必须搭配以天计的提前期。
| 情形 | 公式 | 适用条件 | 主要限制 |
|---|---|---|---|
| 已直接测量提前期需求 | Z × σLT | 已有完整风险暴露期的历史预测误差或需求总量 | 历史暴露期必须能代表未来政策 |
| 需求波动、提前期固定 | Z × σD × √L | 各期需求近似独立且 L 稳定 | 自相关或季节性可能使平方根缩放失效 |
| 需求固定、提前期波动 | Z × D̄ × σL | 用量稳定，但供应商或运输时间波动 | 忽略了需求波动 |
| 需求与提前期均波动 | Z × √(LσD² + D̄²σL²) | 两类波动都重要，且独立性近似合理 | 协方差、检查周期和非正态尾部需另行处理 |
关于“最大值减平均值”法：（最大用量 × 最大提前期）−（平均用量 × 平均提前期）是偏保守的历史启发式方法，不是服务水平模型。单个异常值就可能主导结果，而且它不对应明确的缺货概率，因此只能在有治理和回测的情况下使用。
计算安全库存前定义所有输入
统一时间单位下的平均需求及其标准差。优先使用未受约束需求或修正历史；被缺货压制的销量会低估真实需求。
相同时间单位下的平均补货提前期及其标准差。需定义起止事件、日历、分批收货和异常延迟。
在正态模型假设适用时，与目标周期服务水平对应的标准正态分位数。它不是直接把服务百分比代入公式。
连续检查通常使用提前期；定期检查可能需要使用提前期加检查间隔。遗漏检查周期会显著低估缓冲。
| 周期服务水平 | Z | 解释 |
|---|---|---|
| 90% | 1.28 | 模型下约 90% 的补货周期不发生缺货 |
| 95% | 1.65 | 常见示例值，但不是通用目标 |
| 98% | 2.05 | 需要更多缓冲并增加持有风险 |
| 99% | 2.33 | 在假设分布下提供较高保护 |
周期服务水平与满足率不同。周期服务水平是一个补货周期内不发生缺货的概率，满足率是从现货即时满足的需求比例。同一个 Z 分数不会机械地产生相同比例的满足率。应先选择运营目标，再使用与之匹配并校准的模型。
需求与提前期均波动的安全库存计算器
本计算器采用需求与提前期相互独立的近似模型。请按同一期间单位输入需求和提前期。结果仅为教学估算，投入运营前必须结合补货政策与历史结果验证。
安全库存完整计算示例
假设示例：某物料日均需求 120 件，日需求标准差 30 件，平均提前期 8 天，提前期标准差 1.5 天，选定周期服务水平对应的 Z 分数为 1.65。输入单位一致：需求按天统计，提前期也以天计。
- 需求波动项L × σD² = 8 × 30² = 7,200。
- 提前期波动项D̄² × σL² = 120² × 1.5² = 32,400。
- 提前期需求标准差√(7,200 + 32,400) = √39,600 ≈ 199 件。
- 缓冲与再订货点安全库存 = 1.65 × 199 ≈ 328.35，向上取整为 329 件；提前期预期需求为 120 × 8 = 960，因此再订货点约为 1,289 件。
在此示例中，提前期波动贡献了大部分方差。这一诊断很重要：提升供应商可靠性可能比调整服务系数更有效地降低所需缓冲。如果提前期确实固定，需求波动公式的结果为 1.65 × 30 × √8 ≈ 140 件；巨大差异说明公式必须匹配实际不确定性。
正确准备需求与提前期数据
应建立有文档说明的 SKU-地点数据集，而不是只用一个汇总数字计算。数据应包括请求需求或未受约束需求、履约数量、缺货标记、下单与收货时间、承诺及实际日期、分批收货、取消、退货、替代、促销、产品状态、供应商、地点和日历。如果缓冲基于预测误差而非原始需求波动，还要保留预测快照。
- 修正受压制需求：缺货期间零销量或低销量不代表需求很低。
- 按运营口径定义提前期：采购订单释放到可用入库不同于供应商运输时间。
- 区分不同状态：新品、退市品、促销、罢工和一次性加急不应悄然决定常规政策。
- 选择代表性窗口：过短会产生噪声，过长会混入过时行为；必须记录窗口与刷新规则。
在受治理的表格或数据模型中实施公式
- 冻结定义记录 SKU-地点粒度、需求口径、提前期起止、检查政策、服务指标、时间单位、排除规则和取整方式。
- 数据剖析与核对检查缺失日期、重复、负数数量、单位换算、缺货压制、收货匹配，并与源系统总量核对。
- 细分政策按价值、关键性、需求形态、保质期、供应灵活性和缺货后果分组，不要为所有 SKU 设置同一目标。
- 透明计算将原始输入、转换后输入、公式版本、结果、上下限、调整原因、批准人和生效日期放在独立可审计字段中。
- 发布前回测在无未来信息泄漏的情况下重放历史期间，比较缺货、满足率或周期服务、平均库存、过时库存和加急行为。
应保护公式单元格、验证范围、管理假设版本并指定负责人。对于小而受控的范围，表格可以适用；真正的风险来自静默修改、版本不一致、过时数据提取和无记录调整，而不只是文件格式本身。
标准安全库存公式何时不够用
大量零需求期间和块状订单不符合平滑正态近似，可考虑经验提前期需求、离散分布、模拟或差异化备货政策。
原始历史标准差可能把可预测变化误当成不确定性，应按预测期使用预测误差，并单独保留未来季节性基线。
受生产计划驱动的零件，以及在需求高峰时延迟加剧的供应商，会破坏独立性假设，应建模协方差、产能与共同原因风险。
当保质期、降价、工程变更或退市风险高于缺货成本时，数学上更高的缓冲可能在经济上错误。
多级网络还带来另一复杂性：每个节点独立备货可能重复缓冲，并掩盖上游服务失败。例如 SAP 多级库存文档区分分销网络中的需求波动与服务波动。因此，单级公式应被视为局部近似，而不是自动化的网络优化。
结合服务与库存结果回测安全库存
即使等式正确，输入或假设错误仍会产生糟糕政策。应采用滚动起点回测：在每个历史决策日，只使用当时可获得的信息计算并应用补货规则，再衡量后续结果；在相同 SKU-地点期间，将候选政策与当前政策及简单基线比较。
上线后，应按分群监控实际服务与目标的差异、调整频率与幅度、输入漂移、提前期变化、预测误差变化和缺货压制。设置触发复核的阈值，而不是自动改变每个参数。商品组合、供应商、线路、生产或服务政策发生结构变化后，应重新计算。
把安全库存连接到再订货点与库存政策
安全库存本身并不决定何时订货。在连续检查系统中，再订货点通常由提前期预期需求加安全库存构成；在定期检查系统中，保护期往往覆盖下一次检查间隔加补货提前期。订货量可能由经济订货量、最小起订量、包装规格、产能、运输经济性或目标最高库存决定。
相关指标应结合审查。InfiniSynapse 的库存周转率指南和库存持有天数指南用于评估库存流动速度和资金占用，并不能替代服务政策分析；需求计划指南关注跨部门计划、评审与治理，不同于本页的公式计算目的。
决策规则：不要孤立地庆祝安全库存下降。合理变更应在计入缺货、加急、浪费和营运资金后，改善既定的服务与成本权衡。
跨关联数据分析安全库存输入与结果
请准备 SKU-地点需求历史、缺货标记、预测快照、采购订单、收货、提前期事件、库存余额、服务结果和当前政策表。InfiniSynapse 可作为分析层，用于探索关联数据、比较分群、调查输入变化，并审查现有库存流程周边的实际结果。
能力边界：InfiniSynapse 可关联需求、提前期、库存与服务数据，帮助检验安全库存假设和政策影响。政策审批、采购订单、库存分配、仓储、运输与 ERP 回写仍由相应运营系统和负责人完成。
打开 InfiniSynapse 在线分析工作区安全库存公式常见问题
标准安全库存公式是什么？
常见服务水平形式为 SS = Z × σLT。提前期需求标准差的具体表达取决于需求、提前期或二者是否波动。
应该使用哪个 Z 分数？
当模型假设适用时，根据目标周期服务水平选择 Z：90% 约为 1.28、95% 约为 1.65、98% 约为 2.05、99% 约为 2.33。不要混淆周期服务与满足率。
提前期变化如何影响安全库存？
更长的平均提前期会增加需求波动暴露，提前期自身波动还会增加额外不确定性。保持单位一致，并在供应商或物流发生结构变化后重新计算。
安全库存可以为负数吗？
常规结果不应为负。负值通常意味着启发式方法不适用、单位错误、数据问题或政策逻辑需调查；查明原因后才能应用有记录的下限。
InfiniSynapse 是补货系统吗？
不是。InfiniSynapse 可用于分析需求、提前期、库存与服务数据，但不会下单、执行补货、运营仓库或回写 ERP 交易。
权威来源与延伸阅读
安全库存公式的适用性取决于需求分布、补货政策、变量相关性、缺货处理方式和业务成本；本页用于解释分析方法，不替代统计、财务、采购或库存控制建议。以下指南和资料可用于继续学习与核对本文方法：