仓库里最常见的安全库存争议，不是“公式不会算”，而是同一款物料，采购说要备 30 天，仓库按 15 天发货，财务却发现库存金额持续上涨。问题往往出在需求、交期、服务水平和补货规则使用了不同口径。安全库存不是给公式填几个数字就能得到的固定答案，而是一套需要持续校准的数据和执行制度。本文从计算边界、参数取值、例外处理和复盘机制入手，说明如何把安全库存从一次性计算结果变成可追踪、可调整、能落地的仓库管理规则。
我判断一个安全库存方案是否有效，通常先看它回答了四个问题：要保护哪种需求风险、允许多大缺货风险、供应需要多长时间、参数多久复核一次。四个问题没有统一口径时，计算公式再精确，也只是在精确地计算一组混乱输入。
经典的连续补货思路是：再订货点 = 交期内平均需求 + 安全库存。如果需求和交期都相对稳定，安全库存可以按“日均需求 × 额外缓冲天数”估算；如果需求或交期波动明显，则需要基于波动量和目标服务水平计算。两种方法不是谁绝对正确，而是适用条件不同。
要特别区分再订货点、最高库存和安全库存。再订货点是触发补货的阈值；最高库存是补货后的目标上限；安全库存则是用于吸收不确定性的缓冲。把三者混成一个“库存警戒线”，会导致采购动作不清楚，也很难解释为什么库存不断上升。
在实际仓库管理中，我更看重“参数有来源、规则有负责人、异常有处置、结果能复盘”，而不是模型是否足够复杂。起步阶段用相对简单、可解释的分组规则，通常比所有物料套一个复杂模型更容易执行。
我建议企业把安全库存管理的目标写成一句可以核验的话，例如：“在关键物料的目标服务水平不下降的前提下，减少因参数失真造成的超储。”这比“优化库存”更具体，也能避免团队把单纯压低库存误当成管理成果。
一个仓库的历史出库量，未必等于真实需求。发生过缺货时，系统记录的是实际发出的数量，不是客户原本想要的数量；大促、项目备货、一次性维修或季节性订单，也可能让某几周的需求明显偏离常态。如果直接把这些数据求平均，得到的日均需求看似客观，实则可能把缺货截断或一次性峰值一起当成常态。
供应交期也有类似问题。采购订单日期、供应商确认日期、发货日期、收货日期和质检完成日期代表不同节点。若补货要等质检合格后才能上架，那么对仓库可用库存而言，交期应计算到“可拣货”时点，而不是车辆进厂时点。
还要检查库存数据是否扣除了冻结、待检、已分配和在途数量。仓库账面有货，不等于可用库存充足。若再订货规则拿账面库存与阈值比较，却忽略已经被订单占用的库存，容易出现系统显示库存尚可、现场却无法发货的情况。
场景一：稳定消耗的常用辅料。需求每天都有，供应商交付也比较稳定。此类物料适合用连续补货逻辑，重点是保证数据口径准确，并让采购动作及时触发。
场景二：需求有明显季节性或促销波峰的商品。全年平均数会掩盖旺季风险。安全库存参数需要随季节切换，或者使用按周、按月的预测需求；不能用淡季的均值覆盖即将到来的旺季。
场景三：低频、高价值或项目型物料。过去 12 个月没有需求，不一定代表未来不需要；过去一次需求很大，也不一定意味着今后每月都会持续。此时不能机械套用正态分布公式，应结合项目计划、维修策略、供应商最小起订量和物料替代性作判断。
同一种物料可能同时服务常规订单、售后维修和紧急项目。三类需求的缺货代价不同，交付承诺也不同。如果把它们合并成一条历史序列，常规需求可能被项目峰值抬高；如果完全拆开管理，又可能造成重复备货。
我的做法是先判断是否存在可识别的专用需求。能够提前确认的项目订单，应进入独立计划或预留机制；稳定重复的需求才进入常规安全库存计算；偶发且不可预测的需求则由业务风险策略决定是否备货。安全库存不是吸收所有计划错误和临时插单的“万能池”。
“所有物料备 15 天”便于沟通，却忽略了需求速度、交期和风险差异。一个日均消耗 100 件、交期 3 天的物料，与一个月均消耗 2 件、交期 45 天的备件，不能因为都叫库存就使用同一缓冲天数。
固定天数可以作为数据不足时的临时政策，但要注明适用物料、有效期限和复核日期。例如先对 C 类低风险物料采用统一缓冲，运行一个季度后比较缺货和积压，再决定是否细分。没有退出条件的临时规则，往往会变成长期制度。
日均需求 20 件，可能来自每天稳定出库 20 件，也可能来自多数日子零需求、少数日子一次出库 200 件。两种序列平均数相同，但补货风险完全不同。平均值适合概括总体水平，不足以描述需求发生的节奏。
需求间歇、批量性强或受项目驱动时，应检查需求间隔、单次需求量和缺货截断情况。可以把物料转入间歇需求管理，结合关键性和替代方案设定策略，而不是强行套用“日均需求乘交期”的模型。
目标服务水平越高，通常需要更大的缓冲，也会增加资金占用、仓储压力和过期风险。若把每个物料都设为 99.9%，库存可能快速增加，但企业并不一定因此得到相同比例的业务收益。
服务水平应和缺货后果相匹配。影响安全、停线或关键客户交付的物料，可以接受更高保障；容易替代、缺货影响有限的物料，则应权衡资金成本。高服务水平不是默认正确，而是对缺货代价作出的预算选择。
即使安全库存算得准确，如果供应商要求整箱、整托或达到最低采购金额，补货后的库存仍可能远高于目标。采购批量、包装约束、运输成本和到货频率，都会影响实际库存水平。
因此需要分别分析“风险缓冲”和“循环库存”。前者由需求与供应不确定性驱动，后者主要由采购批量和补货周期驱动。将两者混为一谈，会误以为安全库存算法导致了所有超储，实际上问题可能在采购政策。
历史上一次促销、临时项目或异常补库，不应自动成为未来安全库存的依据。反过来，历史销量受缺货限制时，也不能简单认为需求低。参数更新必须先识别事件，再决定它是可重复规律、一次性异常还是数据错误。
实务上我会给异常需求加事件标签，例如促销、项目、退货冲销、盘点调整、缺货影响。这样复核时可以明确哪些数据进入常态模型，哪些用于特殊计划，哪些需要修正。
我通常先写清楚需求的时间粒度、物料单位和业务范围。以“可用库存需求”为例，可能需要合并销售出库、生产领料和售后发货，但要剔除调拨重复记录、盘点调整和退货冲销。若一个物料存在多种计量单位，应先统一换算，避免箱、件、千克混用。
交期应由企业真正需要的补货链路决定。若采购审批耗时 2 天、供应商生产 10 天、运输 3 天、质检上架 1 天，那么仓库实际保护周期可能是 16 天，而不是供应商宣传的 10 天。审批时间不稳定时，也应纳入流程优化，不能一味把它转化为更高库存。
当日需求较稳定、交期近似固定时，可使用标准差法。若需求波动明显、交期稳定，可把交期内需求波动作为主要风险；若需求稳定而交期变化大，则需要纳入交期标准差。两者都波动时，应同时建模，而不是只挑较大的一个参数代替所有风险。
在需求与交期相互独立、需求日波动近似稳定的简化条件下，可使用以下估算方式：
安全库存 = 服务水平对应系数 × 交期内需求标准差
交期内需求标准差 = √（平均交期 × 日需求方差 + 日均需求² × 交期方差）
再订货点 = 日均需求 × 平均交期 + 安全库存
如果交期固定，上式可简化为“安全库存 = 服务水平系数 × 日需求标准差 × √平均交期”。这类公式有明确假设：数据口径稳定、需求样本具有代表性、异常事件经过处理。若需求严重间歇、促销驱动明显或交期呈长尾分布，公式结果应视为参考值，不能直接当作最终政策。
如果按固定周期检查库存，例如每周集中下单，保护期不只是供应交期，还要包括两个检查日之间的间隔。此时应按“复核周期 + 补货交期”计算保护需求。周期检查和连续检查使用不同的保护范围，不能把连续补货的再订货点原样搬到周度采购规则里。
“服务水平”在企业内部可能指订单满足率、周期不缺货概率、按时交付率或行项目满足率。指标定义不同，计算方式也不同。若只写“服务率目标 98%”而没有说明统计单位和分母，月报之间便无法比较。
我建议将业务目标拆成两层：一层是对客户或生产的服务承诺，另一层是库存模型使用的统计目标。两者有关联，但不能简单画等号。库存模型中的周期服务水平描述某个补货周期内不发生缺货的概率；订单满足率则受订单结构、数量和分配策略影响。
对于关键物料，可以设置更高的目标，但需要同步评估供应替代、应急采购和停线损失。对低价值、可替代物料，则可以接受较低目标，并建立快速补货或替代料机制。目标值最好由业务、采购、仓库和财务共同确认，而不是单由库存岗位决定。
这里的关键不是多一道审批，而是让参数变动可解释。若系统只保存当前安全库存、不保存历史版本，团队就无法判断缺货改善来自模型调整、需求变化还是供应改善，也无法复盘一次错误变更造成的影响。
下面以九数云作为分析载体，示范如何把仓库、采购和需求数据组织成可复核的安全库存分析。为避免把假设误写成客户实绩，案例中的物料、数量、交期和结果均为情景模拟数据，不是九数云官网公布的客户案例，也不是任何企业的实际运营统计。具体产品能力和接入方式，应以实际版本及企业数据环境为准。
情景设定是一家装配型企业，先选择一款常用轴承进行分析。该物料过去 90 个有效需求日的日均领用量为 20 件，日需求标准差为 6 件；补货平均交期为 8 天，交期标准差为 2 天。假设需求与交期相互独立，服务水平暂定 95%，对应正态近似系数约为 1.645。
先计算交期内平均需求：20 件/天 × 8 天 = 160 件。再估算交期内需求标准差：√（8 × 6² + 20² × 2²）= √（288 + 1600）≈ 43.45 件。安全库存约为 1.645 × 43.45 ≈ 71.5 件，实际设置时可根据包装单位和补货规则取整至 72 件。
因此，再订货点约为 160 + 72 = 232 件。这个结果的意义不是“永远要留 72 件”，而是在当前数据、模型假设和 95% 周期服务目标下，得到一个可供验证的起始阈值。如果交期标准差下降、需求波动改变或服务目标调整，参数也需要重新测算。
还要注意，232 件是库存位置的触发参考，不一定等于仓库现场可见库存。库存位置通常需要综合可用库存、在途量和已分配量，并依据企业的库存系统定义计算。若订单已占用 30 件、在途有 50 件，简单看货架上的现存量可能导致错误补货。
| 计算项目 | 情景值 | 解释 | 复核重点 |
|---|---|---|---|
| 日均需求 | 20 件/天 | 有效需求日的平均领用量 | 确认缺货日是否造成需求被低估 |
| 日需求标准差 | 6 件 | 反映日需求围绕均值的离散程度 | 识别促销、项目订单和异常领料 |
| 平均交期 | 8 天 | 从补货触发到可用库存的平均时间 | 是否包含审批、运输和质检 |
| 交期标准差 | 2 天 | 反映实际到货周期的波动 | 供应商承诺与实际收货是否一致 |
| 安全库存 | 约 72 件 | 在上述假设下的风险缓冲估值 | 结合包装、货架容量和缺货代价审批 |
| 再订货点 | 约 232 件 | 交期内平均需求与缓冲之和 | 与库存位置和采购批量规则联动 |
在九数云的示例分析中，我会先按物料编码整合需求记录、采购订单、收货记录和库存状态，确保每张表使用一致的物料主数据。分析时不只展示一个安全库存数字，而是保留日均需求、需求波动、平均交期、交期波动、现有可用库存、在途量和建议再订货点等字段。
实际搭建时，可以按以下思路组织数据与视图。字段名称及实现方式需根据企业现有数据表和平台版本适配，不应假设所有企业的数据结构相同。
仪表板可以按管理问题拆成三块：第一块看缺货与服务表现，第二块看库存金额与超储风险，第三块看参数可信度和待审核事项。管理者从总览发现问题后，应能下钻到物料、订单和具体时间段，而不是只看到一个红色预警数字。
例如，系统提示某物料低于再订货点时，分析页面应能帮助计划人员追问：是需求突然上升、供应商交期延长、在途数据未更新，还是安全库存长期未复核？如果只展示“低于阈值”，人员仍要回到多张表手工拼原因，预警就没有完成决策支持。
在上述假设下，如果交期标准差从 2 天上升至 4 天，交期波动会明显抬高缓冲需求；如果日需求标准差从 6 件升至 10 件，需求风险也会增加。相反，若供应商交期稳定性改善，企业可以通过缩短波动来降低安全库存，而不只是要求仓库少备货。
这也是我用分析平台的主要原因：把库存结果与驱动因素放在同一视图里。单独看安全库存变大，只能知道结果；同时看需求波动和交期分布，才有机会判断该从预测、供应商管理还是库存政策入手。库存参数是供应链协同的结果，不只是仓库的责任。
这类物料通常不宜只按金额高低削减库存。若缺货会导致停产、重大客户违约或安全风险，应把服务目标、替代方案和供应恢复时间放在一起评估。可以采用较频繁的库存监控、明确的责任人和较短的参数复核周期。
同时要检查高服务目标是否可以通过供应商寄售、分批交付、区域共享库存或双供机制实现。若供应风险可以通过协同降低，企业未必需要把全部风险都压在自有库存上。
此类物料适合使用简化政策，避免为了少量库存投入过多建模和审批资源。可按品类制定基础缓冲天数或固定订货规则，再根据缺货记录、包装约束和实际交期定期校正。
简化不等于不管理。应至少监控长期无需求、库存覆盖过高、供应周期突变和批量采购造成的超储。若物料单价低但体积大、易过期或占用关键库位，也不能仅凭采购金额判断风险低。
应使用分时段需求计划，而不是全年平均值。旺季前需要结合促销排期、客户订单、产能和供应交期重新计算保护需求；旺季结束后要设置参数回落机制，避免季节性库存永久留在库内。
如果活动计划变化很频繁，可以将已确认的活动需求单独管理，并设定版本与冻结时间。活动需求变更后，分析其对采购订单、在途库存和仓库容量的影响，再决定是否调整常规安全库存。
低频需求下，均值和标准差可能受到少量事件主导。应优先确认物料是否仍在使用、是否存在替代品、维修时限多长、停机损失多大，并评估供应商退出、停产和质量异常风险。
对于唯一来源且停线代价极高的物料，安全库存可能只是风险方案的一部分。可以同时制定替代料认证、维修件周转、应急采购渠道和生命周期备件计划，避免单纯堆库存却没有清晰的退出或报废策略。
这种情况通常不是简单的“总库存不足”，而是结构性错配：有些物料备多了，另一些关键物料却缺货；或者账面库存不可用、预测偏差集中在少数物料、采购批量与实际需求不匹配。
行动上先按缺货次数、缺货天数和库存金额交叉筛选物料，再检查可用库存、在途库存、需求类型和供应商交期。优先修正物料级问题，不要用统一加库存的方式掩盖结构性缺口。
如果缺货可能导致停线、重大赔偿或关键客户流失，增加缓冲具有经济合理性。但应把增加的库存金额与降低的缺货损失放在同一评估框架里，记录为什么该物料采用更高目标，何时重新评估，以及哪些供应改善可以替代库存。
若缺货损失仅凭主观描述，没有事件记录或业务测算，容易形成“关键物料”不断扩大的局面。可以记录缺货影响类别、停机时长、加急费用、替代成本和客户影响，至少建立有依据的优先级。
资金紧张时，管理者很容易直接降低安全库存目标。这样做可能短期释放库存，却把风险转移成缺货、加急运输和频繁催单。更稳妥的顺序是先消除重复库存、纠正虚高交期、缩短审批等待、调整采购批量，再评估是否可以降低目标服务水平。
如果确实需要降低缓冲，应采用分层试点，并给关键物料保留保护措施。设置观察窗口，监控缺货率、应急采购费用和交付表现；一旦风险指标恶化，触发回滚或专项评审。
历史需求缺失、供应周期记录不全或库存状态混乱时，计算公式输出的小数位并不代表结果可信。可以先用经业务确认的临时区间管理，同时补齐数据，并明确该参数是“临时政策”还是“统计估算”。
数据条件改善后，再从缺货频繁、金额较高、交期波动明显的物料开始细化模型。不要一开始就要求所有物料达到同一精度，这会造成大量维护工作，却未必改善关键决策。
如果某供应商平均交期尚可，但偶尔严重延误，单看平均交期会掩盖长尾风险。此时可分析交期分布、准时交付率、短缺原因和订单变更频率，并讨论供应商承诺、产能锁定、分批交付或备选来源。
增加库存可以争取时间，但不能修复长期供应不稳定。若企业持续为同一供应商波动买单，应将一部分精力投入供应改善和替代方案，而不是每次把不确定性都转换成仓库空间。
规则稳定、数据完整的物料可以自动计算和提醒；涉及特殊项目、停产风险、物料替代或异常订单的情况，应保留人工审核。自动化的价值是减少重复整理和漏看风险，不是替代业务判断。
建议把预警分成行动等级：低于再订货点、参数即将过期、交期显著偏离、需求异常变化、库存长期无动销。每类预警都要指定责任人、处理时限和关闭条件，否则预警数量增加只会制造新的信息噪声。
试点不要只选数据最漂亮的物料。可以选择一组稳定品、一组波动品和一组供应风险较高的物料，验证不同策略能否被系统数据支持。每组都需要明确基准期、参数生效时间和观察指标，避免试点期间同时变更采购政策、供应商和预测口径却无法归因。
试点前先记录当前缺货表现、库存金额、库存覆盖天数、加急采购次数和参数维护工时。试点后用相同口径对比，并说明期间是否有促销、停产、供应中断等外部事件。没有基准，就无法判断改善究竟来自新规则还是业务环境改变。
按月或按季度复核适合做常规检查，但重大变化不应等到下一个周期。可以把需求均值明显变化、交期连续偏离、供应商切换、物料替代、产品停产和重大促销设为触发事件。
不同物料的复核频率可以不同。关键且波动大的物料适合较频繁复核；稳定、低影响物料可以拉长周期。复核的目的不是每次都改参数，而是确认原有规则仍然适用，并记录维持或调整的理由。
缺货、满足率和库存金额是结果指标，能反映过去一段时间的表现，但往往发现问题较晚。供应商准时交付率、需求预测偏差、参数过期比例、异常数据占比和待审核预警，则有助于提前识别风险。
指标不宜越多越好。建议围绕“服务、成本、可靠性、执行”四类建立有限的管理面板，并让每个指标有定义、负责人和行动阈值。若某指标连续几个月只被展示、从不触发行动，就应检查它是否有管理价值。
安全库存参数表至少应保留物料编码、计算口径、需求样本区间、平均需求、波动值、交期均值与波动、服务目标、公式或策略类型、当前参数、建议参数、审批人、生效日期和变更原因。
对人工调整要特别说明原因，例如“未来两个月检修计划增加”“供应商停产风险上升”或“替代料已验证，可降低常规库存”。人工调整不是错误，但不留痕的调整会让模型、业务和审计都失去可信度。
把需求、交期、可用库存和在途库存的定义写下来，找出缺货截断、异常订单、未完成质检和重复记录。口径统一后，历史数据才具备比较意义；否则不同部门拿着同名字段，实际讨论的却不是同一件事。
不必一开始覆盖全部物料。优先从缺货影响大、库存金额高、供应周期长或波动显著的物料开始，按物料特征选择固定缓冲、统计模型、项目计划或间歇需求策略。规则越能解释，越容易得到采购、仓库和业务团队的持续执行。
记录参数变更前后的服务表现、库存占用、加急采购、积压和维护工时。若服务没有改善、库存却增加，应重新检查需求和交期输入；若库存下降但缺货和应急费用上升，则需要重新评估目标或供应方案。
我的核心判断是：安全库存管理的成熟度，不取决于公式有多复杂，而取决于企业能否解释每个关键参数从哪里来、由谁确认、何时失效，以及结果变差时采取什么动作。下一步可以先选 20 至 50 个代表性物料，完成口径检查和参数复算，再用一个完整补货周期验证。先把管理闭环跑通，之后再扩大范围、提高模型精度，通常比一开始追求“全仓一次算准”更稳妥。
我看到有的资料用需求波动乘以提前期，有的用最大需求和最长交期计算，结果差很多。我该按哪个公式设库存，才不会为了防缺货把仓库越堆越满？
先看需求和供货提前期是否波动，不要先挑看起来最简单的公式。若提前期稳定、日需求近似连续且波动可估，可用安全库存＝服务系数×日需求标准差×√提前期；再订货点＝平均日需求×平均提前期＋安全库存。公式的价值是把波动和服务目标说清楚，不是自动给出正确答案。
若供货提前期也明显波动，可在需求与提前期相互独立、近似正态的前提下估算：安全库存＝服务系数×√（平均提前期×日需求方差＋平均日需求²×提前期方差）。若供应商延迟恰好发生在旺季，二者并不独立，这个公式会低估风险，宜按供应商、季节或供货路线分组回测，必要时用历史交期情景模拟。
最大值法可以作为风险上限检查：安全库存＝最大日需求×最长提前期－平均日需求×平均提前期。它容易解释，但对偶发尖峰很敏感；如果把促销、盘点差异或一次性大单当作常态，库存会被推得过高。建议并排看公式结果、缺货记录和库存占用，再决定采用哪个值。
我知道平均日销量和供应商交期，却不确定安全库存到底应该加多少。我担心只按平均交期计算会漏掉晚到货，也担心用最坏情况会压住现金流，能不能给一个可复算的例子？
用一个明确标注为示例的场景：某物料日需求均值为40件、标准差为8件，平均交期5天，交期标准差1天，目标服务水平约95%，取服务系数1.65。假设需求与交期相互独立且分布近似正态，覆盖期需求的标准差为√（5×8²＋40²×1²）≈43.8件，安全库存约为1.65×43.8≈72件。
平均交期内需求为40×5＝200件，因此再订货点约为200＋72＝272件。若错误地把交期当成固定5天，安全库存会算成1.65×8×√5≈30件，再订货点约230件；少出的42件并非计算错误，而是遗漏了交期波动带来的风险。
实际下单时看库存位置，而不是只看货架现货：库存位置＝可用现货＋已下单未到货－已分配未发货－欠交量。还要统一单位、统计周期和交期起止口径；例如供应商承诺日与实际可上架日不同，必须用后者测交期。示例参数不能直接照搬，先用过去一段时间的需求与收货记录回测缺货率和库存金额。
我发现同一类物料在不同仓库用的口径不一样，有人按经验加几箱，有人每月改一次表。我想建立统一规则，但又怕一刀切后特殊物料仍然缺货，流程应该怎么设计？
标准化的重点不是全仓统一一个安全库存天数，而是统一数据口径、计算规则、审批权限和复核节奏。先为每个物料维护日需求序列、实际补货提前期、缺货或欠交记录、采购批量、最小包装量及供应商；退货、促销和一次性项目需求要单独标记，避免混进常态销量。随后分层设规则：稳定高频物料按需求与交期波动计算；
低频间歇物料用逐期需求或情景回测，避免标准差被大量零需求扭曲；关键停线件则单独设风险等级、替代方案和审批人。系统输出的建议量还应按包装倍数和采购约束取整，并记录取整前后的差异。每月检查例外，而不是每月机械重算所有物料：关注服务水平下降、交期突变、预测偏差扩大和呆滞库存上升。
修改记录至少留存旧值、新值、依据、生效日期和责任人。这样遇到断货时，团队能判断是需求异常、数据口径错误还是供应商表现变化，而不是只看到一个被改过的数字。
我仓库里既有天天出库的常用件，也有几周才领一次的备件，还有旺季突然放量的商品。把它们都套进同一个公式后，有的库存太高，有的仍然断货，我该如何区分管理？
先按需求形态和缺货后果分组，而不是只按年用量排序。稳定高频物料适合用常规波动公式；季节性物料应按月份或销售阶段分别计算，不能拿淡季均值覆盖旺季；间歇性备件若零需求很多，常规正态假设往往不成立，应结合单次需求量、需求间隔、维修计划和可替代件评估。关键物料还要把停线或客户影响纳入决策。
比如一件低价值部件若断货会让整条工序停摆，单看金额可能会把它排到很低优先级；这类物料应明确最低保障量、替代来源、紧急采购时长和责任人。相反，价格高且可快速补货的物料，也未必需要盲目设置高库存。
设置后要定义触发复核的信号：旺季前需求预测明显上调、实际交期连续超出承诺、缺货次数增加、产品停产或替代料通过验证，都应触发重新评估。用服务水平、库存金额、呆滞金额和紧急调拨次数一起看效果；只追求零缺货，容易把成本转成积压，只追求低库存，则可能把成本转成停工和加急运输。
读者评论
把交期算到质检上架、再区分账面库存和可用库存，这两点很实用。很多时候补货点看着没问题，现场缺货其实是口径没对齐。
文中提醒服务水平要先定义清楚很关键。周期内不缺货和订单满足率不是一回事，目标值如果没说明分母，月度数据确实很难比较。
低频备件不宜直接套日均需求公式，这个判断比较稳妥。建议复核时也把最小起订量和替代料一起看，否则调低缓冲后，实际库存未必会降。