仓库里最危险的安全库存，不一定是设得太低的那一个，而可能是一个看起来“覆盖了 30 天需求”、实际却把促销峰值、供应商延期和不可用库存一起算进去的数字。处理库存异常时，我更愿意先追问：这批货在什么情况下会断、断货会造成什么损失、补货信号能否及时触发？只有把这三个问题连起来，安全库存才不是一条静态红线，而是可以随需求和供应变化而调整的风险缓冲。
安全库存回答的是：在补货周期内，需求或供应出现不确定性时，企业愿意用多少额外库存承受波动。它不等于仓库里所有能发货的数量，也不等于“库存覆盖天数”。库存覆盖天数只是一个观察结果；安全库存则是补货策略中的一个参数。
实际盘点时，我会把“账面库存”拆成可用库存、已分配库存、质检冻结库存、待退供应商库存和在途库存。若把冻结品也算成可用量，系统显示库存充足，客户订单却仍然无法履约；若把未确认的在途订单当成确定到货，补货建议就会被人为压低。
我的判断是：安全库存管理的第一步不是算公式，而是确定分子和分母分别代表什么。分子是可用于履约的真实供给，分母是同一口径下的实际需求。口径不统一，公式再精细也只会精确地算错。
很多企业把动态库存理解为“每天更新一次安全库存”。这不够。需求每天更新，但供应提前期可能每周才有可靠确认；库存状态则可能在收货、质检、调拨或售后判定时才发生变化。动态调整应该是不同变量按各自可靠的节奏更新，而不是所有数字一起频繁跳动。
我的实务判断框架可以压缩为四个问题：需求波动是否改变、补货提前期是否改变、库存可用性是否改变、策略参数是否经过审批。前两项决定缓冲需求，第三项决定实际供给，第四项决定变更能否被追溯。
降低库存占用固然重要，但安全库存管理不是越少越好。对缺货会直接造成停线、违约或关键客户流失的物料，低库存的财务收益可能远小于断供损失；对生命周期短、易过期或替代性强的商品，库存过多又可能迅速变成呆滞损失。
最优策略不是“库存最少”，而是在服务水平、资金成本、损耗风险和管理能力之间，选择企业能稳定执行的平衡点。如果数据质量、供应商协同和异常处理能力还没有建立，先把风险看清楚，通常比立即把缓冲压低更重要。
仓库月度总出库量稳定，并不说明每个 SKU 的需求稳定。某个主力型号可能销量下滑，新替代型号迅速增长；某地区的需求可能增加，却被其他地区的下降抵消；促销活动把出库提前，也可能让活动后的销量短暂回落。只看仓库总量，容易把结构变化误判为平稳。
我会先把需求至少拆到 SKU、仓库和时间粒度，再判断汇总是否掩盖了局部波动。对于日常高频商品，可以观察日销量；对于低频备件，日数据通常大量为零，应该改用周或月需求、需求间隔和单次需求量，不宜直接套用高频消费品的计算方法。
采购单上写“交期 14 天”，实际过程可能包括排产、出厂、运输、到货预约、卸货和质检。采购周期还可能受到节假日、运力、供应商配额和进口通关影响。把合同交期直接当成实际补货提前期，会系统性低估供应端风险。
建议区分“下单到到货”“到货到可用”两个时间段。前者用于判断供应商交付，后者用于判断仓库收货与质检是否形成瓶颈。如果货物已经到门口，但质检积压五天，这五天对可用库存而言仍是补货周期的一部分。
动态业务中的异常往往是暂时的。促销会带来需求峰值，极端天气会拖延运输，供应商停线可能造成短期交期突增。如果每次异常都直接写入长期安全库存，参数会越来越高；若完全忽略异常，又可能让企业在相同场景再次断货。
更稳妥的办法是为异常设定有效期和适用范围。例如促销缓冲只对指定 SKU、指定仓库和指定日期生效；供应延期缓冲则等待供应商恢复稳定后复核。动态不是“任何异常都实时改参数”，而是能区分结构变化与一次性噪声。
| 业务场景 | 容易被误读的信号 | 应补充核查的证据 | 可能的库存动作 |
|---|---|---|---|
| 促销前备货 | 近几日销量突然翻倍 | 活动日期、折扣力度、历史相似活动、活动后回落幅度 | 建立临时活动缓冲，明确开始和结束日期 |
| 供应商延期 | 某张采购单延迟到货 | 近 6 至 12 次到货记录、延期原因、是否影响其他订单 | 先分辨偶发延迟与交期结构性恶化 |
| 新品导入 | 历史需求为零或销量快速上升 | 试销计划、替代关系、首批客户订单、补货周期 | 用阶段性目标和人工复核，不照搬老品参数 |
| 库存冻结 | 账面数量高于安全线 | 质检状态、批次状态、订单占用、退货判定 | 以可用库存重新计算补货缺口 |
“所有商品备 15 天”很容易沟通，也很容易失真。高价值、低频需求商品可能因此积压；低毛利、长交期商品则可能仍然不够。即使两个 SKU 的月均销量相同，只要需求波动和供应提前期不同，所需缓冲也可能完全不同。
固定天数可以作为异常筛查的粗略基线，不能直接代替补货策略。若企业当前没有数据能力，可先按价值、需求规律、缺货影响和供应风险分组，再为每组设不同规则，并定期复核。
平均需求乘以平均交期，可以估算补货周期内的基础需求，却无法表达需求和交期的波动。两种商品平均每天都卖 10 件，A 的日销量稳定在 9 至 11 件，B 则经常在 0 与 30 件之间跳动；平均数相同，不代表断货风险相同。
同样，平均交期 14 天也可能来自“多数订单 10 天到、少数订单 30 天到”。平均数会掩盖长尾风险。对于关键商品，应同时看交期分位数、准时交付率和延期原因，不能只看平均值。
在途订单是否可以抵扣补货需求，要看状态是否可信。已确认出货、物流可追踪、预计到货明确的订单，与刚下单、供应商尚未确认排产的订单不是同一种供给。若系统将两者统统纳入在途量，采购建议容易偏低。
我建议为在途库存建立状态分层，例如“待确认、已确认、已发运、已到仓待检”。每一层可以设置不同的可计入比例，或者只让达到指定状态的订单进入确定供给。比例不应凭经验永久固定，而应根据历史到货兑现率校准。
安全库存低于某个数量，并不代表此刻就能补足。采购还涉及审批、供应商最小起订量、整箱倍数、预算、运输频次和收货能力。若补货只在固定周期运行，例如每周一次，那么触发点还必须覆盖下次复核前的需求。
在定期盘点或定期下单场景中，保护期不是单纯的供应提前期，而通常是“下次复核间隔加补货提前期”。如果每周一才下单，供应周期为两周，周二库存跌破阈值后，企业可能需要覆盖接近三周的需求，而不是两周。
缺货期间的销售记录不是完整需求。如果商品有 7 天无货，系统显示这 7 天销量为零，直接用 30 天均值计算需求，反而会因为缺货而调低安全库存。于是库存不足造成需求低估，需求低估又进一步压低补货参数，形成循环。
缺货期间应尽可能补充未满足订单、取消订单、客户询问、替代品销量或销售预测等信息。数据不全时，要标记缺货日期并从正常需求样本中隔离，不能把“没有卖出去”简单解释为“没人要”。
常见的库存位置可以表示为：可用库存加可信在途与已确认补货，再减去已分配需求和欠交订单。不同企业的字段定义略有差异，但必须保证同一数量不会重复计入，也不能把冻结库存当作可用库存。
一个常见的补货触发判断是：当库存位置低于再订货点时，启动补货评估。再订货点通常由补货周期内的预期需求和安全库存组成。它与安全库存不是同一个概念：再订货点覆盖正常消耗，安全库存用于承接不确定性。
若库存位置不可信，调整安全库存只会把状态错误包装成参数问题。所以我通常先抽查一批 SKU 的账面可用量、实物状态、在途订单状态和欠交数量，确认数据能够闭环，再进行参数计算。
在需求和供应较独立、数据分布相对稳定时，可以用需求波动、平均需求和提前期波动来估算安全库存。一个常见的教学表达式是：安全库存约等于目标服务水平系数乘以补货周期内需求标准差。若仅需求波动显著，可近似为服务水平系数 × 日需求标准差 × 补货提前期平方根。
若需求稳定而提前期波动明显，缓冲可按平均需求乘以提前期标准差，再乘以服务水平系数估算。两类波动都明显时，常用近似形式为：服务水平系数 × 平方根〔平均提前期 × 日需求方差，加上平均日需求平方 × 提前期方差〕。
这些公式有边界：需求间歇、促销集中、供应中断、数据量太少或分布严重偏态时，正态近似未必适用。此时应按历史情景回放、分位数法或补货模拟比较方案，而不是把公式算出的数字当成精确真值。
服务水平通常描述补货周期内不发生缺货的概率，但它不等于订单满足率，也不等于客户体验。若 SKU 缺货会导致整条生产线停工，较高的服务水平可能有必要；若商品替代容易、补货快且滞销成本高，则较低缓冲可能更经济。
我会把商品按“缺货后果”和“需求/供应不确定性”分层，而不是单纯按销售额排序。高销售额不等于高断供损失，低销售额也不等于不重要。一个价值不高的专用密封件，可能决定高价值设备能否交付。
| 分层判断 | 需求特征 | 供应特征 | 建议的管理重点 |
|---|---|---|---|
| 关键且不稳定 | 需求波动明显或项目驱动 | 长交期、交付不稳定或单一来源 | 提高复核频率，建立供应替代和异常预警 |
| 关键且较稳定 | 消耗规律清晰 | 交期可靠但补货周期较长 | 公式化补货，重点监控交期偏差 |
| 非关键且不稳定 | 低频、间歇或生命周期短 | 采购灵活或有替代品 | 控制最大库存，人工审批例外备货 |
| 非关键且较稳定 | 需求平稳、容易预测 | 交期短、供应来源较多 | 采用简单规则，减少不必要的管理成本 |
并非所有 SKU 都需要每天重算。参数复核频率应与风险、数据新鲜度和人工处理能力匹配。高风险关键品可以每日监控信号、每周复核参数；一般商品可以每月评估；低价值且稳定的商品，则可按季度或触发事件检查。
频繁变更会导致采购建议来回波动，采购员难以判断哪次调整可靠；过久不变又会让模型落后于业务。可以设定变化阈值，例如新参数相对旧参数变化超过 20%，或库存位置跌破特定覆盖线时才触发人工复核。阈值要通过历史回放校准，不宜照搬示例。
下面用一个虚构的家电配件仓库做方法演示，数据为情景模拟，不代表任何企业的真实经营结果，也不能作为行业基准。仓库有 1,200 个 SKU，主力商品补货周期约 12 至 25 天。分析发现，某个滤芯 SKU 近 8 周出现两次缺货，但月末账面库存仍高于原安全库存。
这类“缺过货，月底又不低”的现象并不矛盾。可能是缺货发生在促销期间，后续补货已到；也可能是库存总量高但有一部分冻结；还可能是仓库库存与销售渠道库存分布不匹配。分析时我不会先把安全库存上调，而是先按时间顺序还原库存位置。
模拟数据中，该 SKU 常态日均需求约 24 件，需求标准差约 8 件，供应平均提前期 16 天，提前期标准差约 4 天。近两次缺货分别出现在活动周和供应商延期周。原系统只记录实际出库，没有标注活动预测，也没有把缺货期间未满足的订单纳入需求评估。
仓库账面库存为 420 件，其中 250 件可用、90 件已分配、50 件质检冻结、30 件待处理。另有 160 件在途，但只有 100 件已经发运，剩余 60 件仍等待供应商确认。若直接用“账面库存加全部在途”判断，数字看起来很宽裕；若按可用状态和订单占用重算，风险就清楚得多。
为了演示，假设企业选择 95% 的周期服务水平，常用正态近似系数约为 1.645。将平均日需求、需求标准差、平均提前期和提前期标准差代入含两类波动的近似公式，可得安全库存约 110 件。这个结果只是基准，不代表参数自动应该改成 110 件。
原因是样本中有促销和缺货删失。活动周需求不能简单视为常态；缺货周的销量又低估了真实需求。下一步应分别回放“常态周”“活动周”和“延期周”，比较在不同缓冲下的缺货次数、平均库存、急单成本和过期风险。
模拟回放中，若把全部期间统一采用 110 件缓冲，常态库存会上升，促销周仍可能因为活动需求集中而缺货。若为活动建立临时缓冲，并把供应商已发运与待确认订单区分，常态库存可以保持较低，同时对活动窗口和延期窗口增加针对性防护。
因此，案例的结论不是“安全库存提高 30 件”，而是把问题拆为三项：常态安全库存由需求与交期波动决定；促销需求由活动计划和历史相似活动决定；在途抵扣由订单确认状态决定。三项分别处理，才不会让一个长期参数替所有异常背锅。
| 场景 | 补货前可用库存 | 可信在途 | 已分配需求 | 建议排查重点 |
|---|---|---|---|---|
| 常态周 | 250 件 | 100 件已发运 | 90 件 | 用正常需求和交期分布校准基础缓冲 |
| 促销周前 | 250 件 | 100 件已发运 | 90 件 | 增加活动预测，设定临时参数有效期 |
| 供应延期周 | 250 件 | 100 件已发运，60 件待确认不全额抵扣 | 90 件 | 检查延期分布、确认状态和替代供应方案 |
在这类分析中，我会先把 SKU、仓库、日期、订单状态、采购订单状态、质检状态和活动标记整理到同一分析口径，再用趋势图看缺货前后的需求和供给变化，用明细表追到具体单据。图表负责暴露关系，业务人员负责核实异常原因；如果源数据把冻结库存混在可用库存里，再漂亮的仪表盘也不能给出可靠结论。
如果团队使用九数云进行经营数据分析，可以把它作为搭建库存分析看板和汇总业务数据的一个例子，具体数据连接方式、字段能力和适配范围应以官网当前说明与企业实际数据环境为准。可优先呈现 SKU 库存位置、缺货天数、需求波动、供应提前期、在途兑现率和参数变更记录。工具解决的是数据整合与观察效率，不会自动替企业定义服务水平、缺货成本或促销策略。
看板上我不建议只放“库存金额”和“库存周转率”。至少要能从异常指标下钻到 SKU、仓库、日期和单据状态，否则管理者看到红色预警后仍不知道该找采购、仓库还是销售。更重要的是，每个数字都要有口径说明：例如在途是否含未确认订单，库存覆盖是否按预测需求计算。
如果销量连续数周上升，并且增长来自稳定渠道、新客户或替代品迁移，需求变化可能是结构性的，应重新估计常态需求。若增长只集中在促销日期或一次性项目，则更适合设置临时缓冲，并记录生效范围和退出时间。
操作时可以先做三步：核对销售订单与出库日期是否一致；将促销订单从常态样本中标记出来；比较活动后需求是否回到原水平。若活动结束后仍持续高于基线，再把变化纳入常态预测，而不是活动开始前就把长期安全库存永久上调。
先抽取一段足以覆盖多个采购周期的到货记录，区分下单、确认、发运、到仓和质检可用时间。样本很少时，不宜因为单次延期就大幅修改长期参数；但如果关键物料只有单一来源，也不能等到样本充分才做保护，应先增加人工预警、供应商沟通和替代方案。
当延迟来自运输而非生产，应评估运输方案、发运频次和安全到货日；当延迟来自供应商排产，应考虑锁定产能、滚动预测或双来源；当延迟来自仓内质检，则继续增加采购缓冲可能只会让更多货物堆在待检区。
新品没有可靠历史样本，低频备件则常出现长时间零需求、偶发大单。此时用平均日需求标准差套公式，往往会产生不稳定参数。可以用产品替代关系、设备装机量、售后故障率、首批订单和工程计划构建初始需求，再用固定周期复核。
对于高价值、低频且可紧急调货的备件，可以比较本地备货、区域共享库存和供应商寄售的总成本；对于维修停机影响极大的专用件，则要把停机损失纳入评估。没有历史销量，不代表没有需求；但预测不确定，也不意味着必须无限备货。
若一个仓库库存金额很高，却仍然缺货，先按 SKU 和库位拆分，而不是立刻全仓减库存或增库存。常见原因包括慢销品占款、热销品缺货，区域库存错配，批次冻结，促销品备错，以及商品替代关系没有维护。
下一步应把“高库存 SKU”与“缺货 SKU”分开看，核对是否可调拨、是否有替代料号、是否存在最小起订量导致的结构性过量。只有确认过量库存能够替代缺货库存，或可通过调拨及时到达需求地点，才能把它算作风险缓冲。
如果在途状态、缺货日期或订单分配记录不准确，可以先把系统建议作为预警而非自动下单依据。高风险 SKU 由采购和仓库共同复核；稳定、低价值商品先采用规则化自动建议；数据成熟后再逐步扩大自动化范围。
落地时至少需要记录旧参数、新参数、调整原因、证据日期、批准人和复核日期。没有变更日志，几个月后就很难解释为什么某个 SKU 的安全库存突然变高，也难以判断这次调整到底减少了缺货，还是只增加了占用。
增加安全库存适合缺货损失较大、供应周期长、交付不稳定且替代方案少的商品。它的优点是容易执行，对供应异常有直接缓冲；缺点是资金占用、仓储空间、损耗和生命周期过时风险随之上升。
如果只看缺货次数，增加库存通常显得有效；若同时看平均库存、库存周转、临期损失和现金占用，结论可能不同。因此，任何提高缓冲的提案都应带上“预期避免的缺货成本”和“新增持有成本”，至少在试行期结束后复盘一次。
更高频的小批量补货，可能降低单次库存暴露，但会增加运输、采购处理和收货频次，也可能与供应商最小起订量冲突。对于本地供应、交期稳定、订单处理自动化程度较高的商品，缩短周期往往比单纯堆高库存更有吸引力。
对于远距离运输、单次发运成本高或供应商排产固定的商品，频繁下单未必更经济。应把订货成本、运输成本、批量折扣、仓库接收能力与缺货损失放在一起比较，而不是把“多下几次单”当成通用解法。
服务水平越高，通常需要更大的缓冲，尤其当需求波动显著时，安全库存可能非线性增加。对客户分层、合同承诺和停线风险不同的企业，不应把所有 SKU 都设成同一个目标水平。
我会优先给关键客户订单、停线物料、法规要求品和不可替代商品明确服务目标；对可替代、可延期、清仓或生命周期末期商品，则采用不同目标。目标必须能解释为什么值得投入，而不只是因为“看起来更安全”。
多个仓库各自备货能缩短本地履约距离，却容易形成区域间的库存不均；集中库存可以共享缓冲，但运输和调拨时间会拉长响应。不同需求区域如果相互独立，集中库存有机会降低总缓冲；若交付时效严格、调拨困难，分布库存可能更适合。
决策时应比较总库存、各区域缺货概率、跨仓调拨时间、干线运输成本和调拨成功率。只看集团总库存，会掩盖一个仓库压货、另一个仓库断货的情况。库存共享是否有效，取决于商品能否调拨以及调拨能否赶在客户需求之前完成。
自动重算适合规则清晰、数据稳定、异常可识别的商品；人工复核适合新品、关键物料、供应中断和促销异常。完全依靠人工，容易响应慢且标准不一；过早全自动，则可能把错误数据快速扩散到采购建议。
比较务实的做法是“规则自动计算、风险例外人工审批”。例如系统自动计算常态参数，但需求变动超过设定阈值、交期样本不足、库存状态异常或供应商延期时，转入复核队列。这样既保留效率，也能把人的注意力集中到真正的例外上。
第一周不要急着全量重算。先选一批有代表性的 SKU：高价值品、近期缺货品、滞销品、长交期品、新品和促销品。逐一核对可用库存、冻结库存、已分配量、在途状态、欠交订单和缺货日期，确认报表口径与现场操作一致。
随后按缺货影响、需求规律、供应不确定性和商品生命周期分层。分层不是为了做复杂矩阵，而是为了找出哪些商品必须精细管理、哪些商品可以使用简单规则。若所有 SKU 都需要人工精算，策略很难持续。
对需求较稳定、供应记录完整的 SKU，计算常态需求和交期分布，形成基准安全库存与再订货点。对促销、新品和间歇需求品，分别写明采用的估算方式、适用范围和复核日期。
触发条件要写成可观察的规则，例如“实际交期连续三次超过承诺交期”“需求预测连续两周高于基线 25%”“库存位置低于预计补货周期需求”。阈值可先通过历史回放定一个试运行值，再根据误报和漏报调整。
从历史数据中选取常态期、促销期、供应延期和缺货期，把不同策略放进同一条时间线上模拟。至少比较缺货次数、缺货天数、平均库存、峰值库存、急单采购次数和滞销金额。只用某一个月份评估，容易被季节和促销结构误导。
如果历史数据存在缺失，先把限制写出来。比如历史缺货期间的潜在需求无法还原，那么回放只能评估已记录需求下的风险，不能宣称是真实服务水平。方法的透明度比给出一个看似精确的百分数更重要。
选择一组有代表性的 SKU 试运行 4 至 8 周。采购建议可先进入待审核，不直接自动下单；每次参数变更都记录依据和预期效果。试运行期间关注预警命中率、参数变化频次、人工复核耗时，以及异常是否能追溯到具体业务事件。
复盘时分别处理两类结果：若缺货减少但库存显著上升，检查缓冲是否过宽、是否可以改用加急供应或区域共享；若库存下降但缺货增加，检查需求样本、在途兑现率和目标服务水平。不要仅凭“结果不理想”就整体推翻规则。
库存参数涉及销售、采购、仓库、计划和财务。销售负责提供活动与需求变化，采购负责供应承诺和交期异常，仓库负责库存状态与收货可用时间，计划或数据团队负责计算口径和回放，管理者负责服务目标与资金边界。
建议每次调整至少保留：SKU 与仓库、旧参数、新参数、变更原因、采用数据区间、异常事件、批准人、生效日期和复核日期。这样既能追责，也能积累经验；遇到相似事件时，团队不必从头猜测。
安全库存只是需求和供应不确定性的一个结果。促销导致的需求峰值，不应与供应商延期混成一个长期缓冲；库存冻结不应靠提高安全库存来掩盖；在途订单是否可靠，也不应由一个未经验证的固定折扣决定。把原因拆开，才能知道应该调整预测、采购周期、库存状态，还是服务目标。
我认为，最有价值的库存看板不是“告诉我还剩多少件”，而是能解释“为什么库存位置改变、哪个风险正在扩大、哪个动作可以在断货前完成”。如果团队只能看到红黄绿，却不能追到日期、单据和责任环节，那么预警颜色再醒目也只是装饰。
可以从近期发生过缺货、数据相对完整且业务影响明确的 SKU 开始，核验库存口径和实际交期，再做历史回放。先区分常态需求、促销需求、缺货删失和供应异常，随后才决定是否调整安全库存。
动态安全库存管理的成熟标志，不是参数每天都在变化，而是每次变化都有证据、有边界、有责任人，也有恢复或复核条件。下一步就选出 20 至 50 个代表性 SKU，记录一个补货周期的数据，先把断货是如何发生的还原清楚；这比立刻把全仓安全库存统一调高，更能减少下一次同类风险。
我在做补货规则时最困惑的是，日销量会变，供应商交期也会变，直接用“平均销量×固定天数”感觉总是偏乐观。有没有一种能把这两类波动都考虑进去、又能用现有数据复核的算法？
先把“平均交期内会卖多少”和“为了覆盖波动要多留多少”分开。稳定需求、交期固定时，安全库存可按“服务水平系数 × 日需求标准差 × √交期天数”估算；需求和交期都波动时，可用近似公式：安全库存 = z × √（平均交期 × 日需求方差 + 日均需求² × 交期方差）。
例如，某零件日均需求为40件，日需求标准差为8件，平均交期5天，交期标准差1.2天。若目标服务水平约为95%，取 z=1.65，则安全库存约为1.65 × √（5×8² + 40²×1.2²）≈85件；再加上交期内平均需求200件，补货点约为285件。
这个例子假设需求与交期相互独立，且数据没有明显趋势或促销冲击。容易踩的坑是把缺货期间的销量当成真实需求：系统只记录卖出去的数量，未满足的需求会被“抹掉”，标准差因此偏低。计算前应标记缺货日、促销日和异常大单；波动特别强或交期分布明显偏斜的物料，建议用历史模拟或分位数法校验，不要只依赖正态分布公式。
我担心库存规则一旦跟着每天的销量更新，补货点就会不停上下跳，采购计划也跟着反复调整。可如果只按月复盘，又怕新品放量或客户订单变化已经发生了，规则还没跟上。
不建议所有物料每天重算并立即生效。更稳妥的做法是“定期复核、事件触发”：常规物料每周或每两周计算一次，先用较长窗口估计基线，再用近期数据识别变化；只有变化持续或达到明确阈值，才更新参数。
例如，可用过去28天估算基线需求，同时观察最近7天：若近期日均需求较基线偏离超过20%，且连续两个复核周期仍成立，再检查是否由促销、一次性大单、缺货恢复或客户结构变化造成。这里的20%只是可测试的起点，不是通用标准；需求量小、单笔订单大的物料，应以订单事件和业务确认优先，不能被短窗口的百分比误导。
还要给参数设置变更边界，例如单次安全库存调整不超过原值的25%，超出时要求计划员复核；若已经确认需求结构改变，则允许人工越过边界并记录原因。这样既能避免噪声触发频繁改数，也不会把“参数稳定”误当成“风险稳定”。
我遇到过供应商口头说交期没问题，但实际到货连续延迟，仓库系统里的补货点仍按旧交期计算。遇到这种情况，我应该先加库存，还是先确认延迟是偶发、运输问题，还是供应能力已经变了？
先不要只把交期天数手动加大。应拆查最近到货记录，区分供应商生产、发货、运输和收货入库各阶段，并分别计算承诺交期与实际交期的偏差。若只是单批运输异常，直接永久抬高安全库存可能造成长期积压；若连续多批生产或发货延期，则旧交期参数已经失效。
可以用近8至12次到货记录作初筛，并按物料的重要性和替代难度设置处置： 观察到的情况优先排查临时动作 单次晚到，其他批次正常运输、预约或收货异常跟踪在途批次，不立即永久改参数 连续多批晚到且偏差扩大产能、排产、原料或供应商履约重算交期波动，确认加急或替代来源 交期延长但需求也在回落供需变化及在途库存按净需求评估，避免盲目加安全库存 调整前要把可用库存、已分配库存、在途量和未交订单放在同一张风险清单中。
示例公式里的交期均值和标准差应按实际到货记录重估；如果数据样本很少，先采用有截止日期的临时缓冲，并设复核时间，避免应急措施变成永久库存。
我看到安全库存提高后，缺货告警确实少了，但仓库里慢动和临期库存也增加了。我不确定这算不算改善，也不知道应该看哪些指标，才能分清风险被控制了还是成本被转移了。
不要用“库存总额增加”或“缺货次数减少”单独判定成效。至少同时看服务、库存和规则质量：订单满足率或缺货率反映供货结果，库存周转天数与临期金额反映资金和报废风险，预警准确率则检查规则是否把大量无效波动当成风险。建议先选一组物料做4至8周试运行，并与调整前的同类周期比较。
记录每次预警时的库存、实际交期、需求变化、采取动作以及最终是否缺货；促销季与普通周分开看，避免季节变化让前后对比失真。对保质期短的物料，还应统计临期库存占比，而不只看账面库存。如果缺货下降，但库存天数和临期金额显著上升，通常说明补偿措施过于粗放；
应进一步按需求波动、供应波动、缺货损失和替代可能性拆分物料，优先调整高缺货损失且供应不稳定的品项。每次改动都保留旧值、原因和生效日期，才能在效果变差时回滚并定位问题。
读者评论
把质检冻结和已分配库存从账面数里拆出来，这点很实用。我们之前也遇到过系统显示库存够，实际能发的货不够，问题不一定是安全库存设低了。
促销缓冲要有结束日期这个提醒挺关键。临时加库存容易，活动后没人复核就会一直留着，最后变成呆滞库存。
缺货期间销量为零不能直接当成需求下降，确实容易让补货参数越调越低。低频备件可能还得结合未满足订单和需求间隔看，光用日均销量不太合适。