安全库存公式写进系统之后，仓库缺货不一定会减少：如果销售预测口径、在途数量和供应商交期没有对齐，自动计算出来的补货点反而可能比人工判断更不可靠。仓库安全库存管理的执行标准，不能只规定“安全库存等于多少”，还要规定数据从哪里来、何时重算、异常由谁处理，以及计算结果怎样变成可追踪的补货动作。
我判断一套安全库存方案是否真正可执行，不先看公式有多复杂，而先看它能不能把四件事连起来：需求和交期数据是否可信，库存位置是否算对，参数变化是否有依据，补货建议是否有人接手。缺少任何一环，系统都可能只是把错误计算得更快。
建议把执行标准写成一条完整链路：数据采集与校验、库存参数计算、补货触发、审批或下单、收货回写、效果复盘。每个环节都要定义责任人、频率、异常阈值和留痕方式。公式只是链路中的计算规则，不是安全库存管理的全部。
安全库存是用于吸收需求或供货不确定性的缓冲量；再订货点是触发补货的库存位置；订货量则是每次补多少。实践中常见的问题，是把三者都叫“库存警戒值”，结果系统只会提示低库存，却不能说明该买多少、什么时候买。
在连续监控的场景中，基础关系通常是：再订货点等于交期内平均需求加安全库存。库存位置降到再订货点附近时触发补货，而实际订货量还要考虑最小起订量、包装倍数、采购批量、在途订单和仓储容量。
对低价值、稳定消耗、供应商交期可靠的物料，可以让系统自动计算并生成补货建议；对高价值、长周期、临近淘汰或需求突变的物料，则应保留人工复核。自动化不是所有物料都用同一公式，而是按风险和数据质量分级授权。
我更看重“系统能否解释为什么触发”这一点。一次补货建议至少应能追溯到需求样本区间、交期样本区间、采用的服务水平、当前库存位置、未交订单、计算版本和审批记录。无法解释的自动化，很难获得采购与仓库团队的持续信任。
很多企业的库存报表显示有货，销售却仍然无法承诺交期。原因可能是库存处于质检冻结、库位锁定、客户预留、待退货或批次不合格状态。如果计算安全库存时把这些数量都算成可用库存，补货触发会被推迟；等业务真正发现短缺时，供应商交期已经来不及补救。
库存位置的口径应在执行标准中明确。常见计算方式是：可用现货加确认在途量，减去已分配量和欠交量；但各企业的欠交、预留和调拨定义不同，不能直接照搬。尤其要规定在途订单只计入已确认且未取消的数量，不能把采购申请或尚未确认的订单当成可靠供给。
安全库存不足，常被简单归因于需求预测不准；但在许多仓库里，供应商交期不稳定同样是重要来源。某零件日均用量稳定，但供应商有时五天到货、有时十二天到货，库存仍会在等待期间被消耗。只用平均交期乘平均需求，容易低估这类风险。
另一种相反情况是，企业把促销尖峰、一次性项目领料和录入错误都当成常态需求，导致安全库存越算越高。库存增加并不一定意味着服务水平提高，也可能只是把数据噪声变成了长期资金占用。
同一仓库中的物料并不适合采用同一套参数。关键设备备件可能需求稀疏但缺货代价很高；包装耗材可能消耗稳定、替代性强；季节性商品在旺季前需求结构会变化；保质期短的产品则必须把过期损耗纳入补货决策。
我通常建议至少把物料分成稳定消耗型、季节波动型、间歇需求型、长交期关键型和淘汰或临近失效型。分类不是为了增加标签，而是为了决定公式、复核频率和自动化权限。分类边界可以依据近几个月的需求频率、金额、缺货影响和交期表现设定，并定期重新评估。
平均需求乘交期得到的是交期内的平均消耗，不是安全库存。它可以用于估算基础再订货点的一部分，却没有表达不确定性。若需求波动或交期波动明显，单纯增加一个固定天数作为缓冲，也可能无法解释不同物料为什么采用不同库存。
固定天数并非一定不能用。对需求稳定、交期稳定且缺货成本较低的物料，按历史经验设置缓冲天数，可能比复杂模型更易执行。但应把它标记为管理参数，规定复核周期和适用条件，而不是把经验值伪装成精确统计结果。
常用的周期服务水平，通常描述一个补货周期内不发生缺货的概率；填充率则关注需求中有多少比例能够被现货满足。两者并不相同。服务水平越高，通常需要更大的安全库存，但增加库存的边际收益会逐渐下降。
因此，服务水平不应由系统管理员为了让预警变少而统一设为最高值。关键备件可以采用较高目标，替代性强且缺货后可延期的物料可以采用较低目标。目标值需要结合缺货损失、资金成本、过期风险和供应商响应能力共同确定。
若采购订单已经下达且供应商确认到货，补货系统还只看现货，可能重复下单；若在途订单已延期、被供应商取消或数量被拆分，系统仍把它全部计入，则可能延迟补货。真正有用的库存位置，必须把现货状态、订单状态和需求承诺放在同一时间截面里。
还要避免重复扣减。比如欠交订单已经从可用库存中扣除，又在计算库存位置时再次扣减，就会把补货触发点人为推高。数据模型的字段定义和计算顺序，应当与业务流程共同确认，不能只靠报表人员猜测。
频繁更新参数不必然提升准确度。如果每天仅因一笔异常领料就重算，安全库存可能持续跳动，采购人员反而会绕开系统。对于稳定消耗物料，可以每日更新库存位置、每周或每月评估统计参数；对于季节品或新品，才需要更密集地监测并由业务复核。
更重要的是区分“运行频率”和“参数发布频率”。系统可以每天运行计算，但只有当变化超过设定阈值，且数据质量检查通过时，才发布新参数。参数变更应保留旧值、新值、变更原因和生效日期，必要时支持回滚。
预警只是通知，不是执行。若每天产生几百条红色提醒，采购人员无法判断先处理哪一条，预警数量本身就会变成噪声。每条异常至少应包含风险等级、预计缺货日期、建议数量、供需缺口、责任岗位和处理期限。
我会把自动化成熟度分成三层：先自动发现并解释问题，再自动生成建议，最后才对满足条件的低风险物料自动下单。跳过前两层直接自动采购，往往会把历史错误、供应商异常和重复订单一起自动化。
需求和交期都相对稳定时，可以采用基础模型：安全库存等于服务水平系数乘以交期内需求标准差。若每日需求标准差为σd，固定交期为L天，在需求独立同分布的简化假设下，交期内需求标准差约为σd乘以√L。
若需求波动与交期波动都不可忽略，且两者近似独立，可以使用更完整的估算：交期需求方差约为L乘以σd的平方，加上平均日需求平方乘以交期标准差σL的平方；安全库存等于服务水平系数乘以该方差的平方根。这个模型的价值在于把交期不稳显式纳入计算，但它仍依赖统计假设，不能替代业务判断。
若需求高度季节化、有明显趋势或大量零需求，正态近似可能不合适。此时应评估按月份或季节分别建模、使用间歇需求方法、采用模拟分位数，或设定人工审核规则。模型更复杂不意味着更好，关键是方法与数据形态相匹配。
服务水平系数通常可由目标概率对应的正态分布分位数取得。例如，常见的95%单周期服务水平对应的系数约为1.645，前提是模型使用正态近似且业务定义的是周期服务水平。这个数值不是所有企业的默认答案，更不能直接等同于95%的订单行都能满足。
实际设定时，我建议先把缺货后果分成停线或安全风险、关键客户违约、一般延期、可替代或可延期等类别，再结合单位价值和过期风险确定目标。对于库存金额大的物料，做一次服务水平从95%提高到98%的增量成本测算，常比直接讨论“要不要多备货”更有效。
连续补货模式下，可把库存位置定义为可用现货加合格在途量，减去已承诺需求和未满足欠交量。达到再订货点时触发建议。库存状态和订单状态必须采用同一时点快照，否则库存位置可能在报表更新过程中出现短暂失真。
定期检查模式则不同。若每隔R天才审查一次库存，系统除了覆盖供应商交期，还要覆盖下一个检查周期。可以把保护期理解为交期加检查间隔，再基于该区间的需求和波动计算目标库存。把连续检查公式直接套到每周一次的人工审核流程里，会低估保护期需求。
每个物料参数建议包含：需求窗口、异常值处理规则、交期窗口、服务水平、模型类型、安全库存、再订货点、最小订货量、订货倍数、适用仓库、有效日期和数据质量状态。计算结果变化较大时，不应静默覆盖旧值，而应触发复核。
可把“参数变更超过20%”“需求样本少于规定数量”“交期样本缺失”“新品上市或物料替代”“连续两次缺货”等情况设为人工审核触发条件。具体阈值要根据行业和物料结构试运行确定，不能把示例阈值当作通用标准。
低金额、需求稳定、供应商可靠且未超过库存上限的物料，可考虑自动生成采购订单；中等风险物料由采购确认建议数量；高金额、长周期、易过期或需求异常物料则要求业务与采购共同审批。自动化规则需要能识别重复订单、供应商停供、采购冻结和预算限制。
以下伪代码展示的是规则顺序，不代表特定系统的语法。实际落地时，应先确认库存字段定义、订单状态和权限规则，再把逻辑实现到数据平台或业务系统中。
for item in active_items: if item.data_quality_status != "passed": create_exception(item, reason="数据质量未通过") continue inventory_position = ( item.usable_on_hand + item.confirmed_open_supply item.allocated_demand item.backorders ) if item.demand_pattern in ["intermittent", "new", "seasonal"]: route_to_review(item, reason="需要人工确认需求模型") continue if inventory_position <= item.reorder_point: suggested_qty = calculate_order_qty( target_stock=item.target_stock, inventory_position=inventory_position, min_order_qty=item.min_order_qty, pack_multiple=item.pack_multiple ) if item.risk_level == "low" and item.supplier_status == "active": create_auto_order_suggestion(item, suggested_qty) else: route_to_approval(item, suggested_qty)
为避免把模拟数字误写成企业实测，以下案例明确标注为情景推演。假设某仓库有一款日常消耗件，日均需求40件，日需求标准差12件，平均供应交期8天，交期标准差2天，目标周期服务水平95%。本文使用的需求与交期数据是为了展示计算过程，不代表任何特定企业、客户或产品的实际经营数据。
按照包含交期波动的简化模型，交期需求标准差为√（8×12²＋40²×2²），约86.9件。以1.645作为95%周期服务水平的近似系数，安全库存约为143件；平均交期需求为320件，所以再订货点约为463件。
如果只考虑需求波动，安全库存约为56件，再订货点约为376件。两种结果相差87件。这个差异不是说较高数值一定正确，而是提醒管理者：若供应商交期存在明显离散，只用需求标准差可能低估风险；若交期记录本身不可靠，则直接用复杂模型也只是精确地放大了错误。
假设当前库存位置为390件，低于463件的再订货点，系统触发补货建议。若企业目标库存设置为覆盖交期需求、安全缓冲和一个采购周期需求的总量，系统需根据采购周期、最小起订量和包装倍数计算建议量，而不能机械地只补“463减390等于73件”。
例如供应商最小起订量为200件、包装倍数为50件，且现有在途订单已确认100件，建议数量就要重新按库存位置和目标库存计算，并向上取整到包装倍数。若这100件只是采购申请、尚未获供应商确认，则不宜等同可靠在途量。这个细节往往比公式本身更直接地影响采购结果。
在本文的落地设计中，我会把九数云作为分析与看板层的候选工具来讨论，而不是假设它自动替代ERP、WMS或采购系统。它适合承担什么职责，应以当前产品的官方说明、可用连接方式、权限能力、刷新机制和企业数据环境为准。官网信息可从九数云官方网站核验：https://www.jiushuyun.com/。
实际评估时，我会先准备物料主数据、日需求流水、采购订单行、供应商承诺日期、实际收货日期、库存状态和缺货记录，再验证数据能否稳定汇总到“物料，仓库，日期”粒度。之后建立安全库存、再订货点、库存位置、预计缺货日期和参数变动幅度等分析字段，并用样本物料逐条复算。
我不会仅凭产品介绍就断言某个连接器、自动刷新频率或审批功能一定符合企业要求。采购前应现场验证数据源接入、计算表达能力、刷新时效、行级权限、导出能力、审计记录和异常通知，并确认哪些能力属于标准功能、哪些需要配置或额外开发。分析平台给出建议后，是否回写采购系统、是否允许自动下单，也应作为单独的安全评审。
一个有效试点不能只比较“预警数量减少了多少”。我会至少观察缺货次数、缺货持续时间、订单满足率或填充率、平均库存金额、过期与呆滞金额、建议采纳率、人工复核耗时和紧急采购次数。否则可能出现缺货下降但库存翻倍，或系统建议很多却没人采用的假改善。
下面的对照数值均为试点设计用的情景模拟，不是九数云客户案例，也不是行业统计。企业应以试点前基线和试点期间实际记录替换。试点期间最好保留未上线的相似物料作为参照，并记录促销、供应商停工和新品导入等外部事件。
| 观察指标 | 试点前情景值 | 试点后目标示例 | 判断重点 |
|---|---|---|---|
| 缺货事件 | 每月18次 | 每月不高于12次 | 按缺货物料数和持续时间同时观察，避免小缺货与停线缺料混为一谈 |
| 平均库存金额 | 100万元 | 不高于105万元 | 要求服务改善不能以无上限增加库存为代价 |
| 人工补货处理时间 | 每周12小时 | 每周不高于7小时 | 只统计实际审核、核对和追单工时，不把系统运行时间算成人工节省 |
| 建议采纳率 | 未建立基线 | 试点目标达到80% | 需要区分合理拒绝、数据错误和流程绕行，不能单看采纳比例 |
如果物料编码重复、单位换算混乱、收货日期缺失、领料记录滞后，暂时不宜自动下单。先统一物料主数据和计量单位，核对现货状态，补齐采购承诺与实际到货日期，并建立异常记录流程。此阶段可以生成只读分析结果，但要把低置信度参数标记出来。
建议抽取不同类别的物料做人工复算，至少覆盖稳定消耗、交期不稳、季节波动和低频需求几类。核对系统得到的需求样本数、均值、标准差和实际业务记录是否一致。若抽样结果无法复现，问题通常在数据口径或样本过滤规则，不应急着换更复杂的模型。
这类物料适合从简单模型起步：滚动统计需求和交期，明确目标服务水平，设置安全库存、再订货点和订货倍数。可以先做自动预警与建议，不必一开始就自动生成采购订单。运行一段时间后，再根据缺货、库存和建议采纳记录决定是否提高自动化等级。
如果计算结果每月变化很大，先检查数据窗口是否过短、促销或一次性订单是否混入、需求是否存在趋势。参数稳定性本身是一个运营指标；一个频繁跳动、业务无法解释的安全库存参数，很难成为可依赖的执行标准。
季节性物料不宜把旺季和淡季简单混在一个均值里。应按季节、月份或活动阶段分别分析，并记录促销计划、上市日期和退市安排。促销预测要与采购提前期对齐，活动结束后还要设置库存回落规则，避免活动高峰数据长期抬高常态安全库存。
若促销计划经常临时变更，可以采用“基础库存规则加活动专项计划”的双轨方式。活动期间的临时采购量、活动后清货策略和停止补货日期应与常态参数区分，并明确由谁确认销售预测和活动结束库存处理。
低频备件可能数月没有需求，然后一次需要多件。对这类物料，平均日需求和标准差容易产生不稳定估计。可以考虑按服务关键性、设备停机损失、替代件可得性和供应商响应时间设定备件策略，必要时由设备、采购和仓库共同确认最低持有量。
关键备件的高服务目标并不意味着无限备货。若备件价值高、寿命长、供应商能快速交付，适合比较持有成本和故障停机成本；若替代件通用、跨仓可调拨，应先评估共享库存和调拨时效，再决定是否增加各仓安全库存。
新品没有足够历史需求时，不应假装统计模型已经可靠。可基于相似物料、销售计划或设备配置给出初始参数，同时标注参数来源和置信度，并设定短周期复核。新品实际需求积累后，再逐步用真实消耗替代类比估算。
停产、替代和工程变更同样需要动作规则。旧料安全库存不能继续按历史消耗自动补货；替代料则要检查BOM、质量批准和跨物料可替换关系。没有生命周期状态的补货自动化，常会把慢动库存重新买回来。
安全库存没有“越低越先进”或“越高越安全”的统一答案。提高服务水平会增加库存资金、仓储和过期风险；降低服务水平则可能增加缺货、加急运输、生产停线或客户违约成本。判断时应比较边际成本：增加一件库存能降低多少预期缺货损失，又会增加多少持有成本。
如果缺货后果极重，提升安全库存可能是合理选择；如果物料价值高、生命周期短、需求不确定，改善供应商交期和订单协同可能比堆库存更划算。对不同物料采用不同服务目标，通常比全仓统一加库存更有管理价值。
同时建模需求波动、交期波动、促销、替代关系、批量限制和跨仓调拨，理论上能更贴近现实，但也会提高数据治理、参数维护和解释成本。若企业连实际到货日期都无法稳定记录，复杂模型的主要产出可能只是更难排查的异常。
我建议从能被业务人员复算的模型开始，再用缺货或库存偏差证明哪里值得增加复杂度。模型升级应围绕明确问题，例如交期方差导致长期低估、季节性造成旺季频繁缺货，而不是为了让系统看起来更“智能”。
自动下单减少重复操作，但若数据口径错、物料状态未更新、供应商停供或订单在途未回写，错误会快速变成真实采购。自动化授权应按金额、风险等级、物料生命周期和数据质量设门槛，并提供暂停开关、重复订单检测和异常回滚机制。
对无法自动下单的物料，系统仍可自动整理证据和建议数量，减少人工找数时间。许多团队真正缺的不是“全自动”，而是能够在几分钟内看清缺货风险来源，并把处理责任分配到具体岗位。
若多个仓库共享库存，单仓安全库存相加可能造成重复缓冲；但如果跨仓调拨时间长或调拨受限，集中持有也可能来不及应急。应把调拨时间、运输成本、仓间服务承诺和库存可见性纳入比较，不能只在公式里合并仓库需求。
对于可快速调拨的通用物料，可以评估中心仓集中持有；对于服务时效严格、地域差异明显或受运输限制的物料，分仓库存可能更稳妥。决定前应按历史缺货位置和实际调拨耗时做回溯，而不是仅凭仓库管理习惯判断。
我建议从一个仓库、一个业务类别和有限数量的物料开始，选择能够代表不同需求形态的样本，而不是只挑最稳定、最容易成功的物料。试点前冻结指标口径，记录现有缺货和库存基线；试点中保留人工复核；试点结束后复算结果，再决定扩大范围。
验收时，不妨随机挑一条补货建议，要求系统或实施团队回答：为什么今天触发？需求样本取自哪段时间？未确认在途有没有计入？库存中哪些数量被冻结？安全库存比上个周期变化多少？谁可以批准或拒绝？收货后系统如何验证建议是否有效？
如果这些问题只能靠实施人员临时查表回答，说明链路还没有真正透明。若业务人员可以在同一条记录中看到计算依据、异常原因、处理责任和历史结果，自动化才开始成为稳定的仓库执行能力。
分析工具适合帮助管理者发现库存结构、波动来源、补货偏差和趋势变化；ERP或采购系统通常承担正式订单、审批和供应商协同；仓储系统则管理实际库位、批次和库存状态。具体分工因企业现状而异，不能假设一款产品天然覆盖全部流程。
若评估九数云等分析工具，我会把重点放在数据连接验证、计算逻辑可维护性、图表与明细联动、权限范围、刷新时效和导出审计上，再确认建议如何进入现有采购流程。官网可以作为了解产品信息的起点，但涉及接口、功能边界、费用、实施周期和数据安全的判断，都应通过当前版本演示、合同条款和实际环境测试确认。
安全库存公式本身并不神秘，真正消耗团队时间的是反复确认“这个数为什么变了”“货到底在哪里”“供应商答应哪天到”“这条预警是否需要今天处理”。所以我会把自动化价值排序为：先让数据口径一致，再让风险可解释，然后让建议可执行，最后才考虑无人工介入的自动下单。
下一步可以先挑选一组代表性物料，导出至少覆盖一个完整采购周期的需求、库存和到货记录，手工复算一遍库存位置与再订货点。把复算差异、缺货案例和在途口径问题整理成清单，再决定使用何种工具、采用什么模型，以及哪些物料值得进入自动化范围。仓库安全库存管理的执行标准，不是一个固定数字，而是一套能解释、能执行、能回滚、能持续校准的决策机制。
我在梳理仓库补货流程时，最困惑的是：系统算出安全库存后，是否就能直接生成采购建议？如果需求波动、供应提前期和库存状态都在变化，我该怎样判断自动计算的结果是否可信？
自动化不应止于把一个公式写进系统，而应连起数据采集、参数计算、补货触发、人工例外处理和结果复核。否则，系统可能只是更快地使用过期数据，持续生成看似精确、实际失真的建议。
可以先用一个演练案例说明计算逻辑：假设日均需求为40件，日需求标准差为12件，平均提前期为5天，提前期标准差为1.5天，目标服务水平对应的系数取1.65。在需求与提前期相互独立的前提下，安全库存可按公式计算：安全库存＝服务系数×√（平均提前期×日需求标准差²＋日均需求²×提前期标准差²）。
代入后约为109件；再加上平均提前期需求200件，订货点约为309件。自动化流程应同步计算并保存公式版本、输入参数、计算时间和结果，库存位置低于订货点时才生成补货建议。这里的库存位置通常要综合可用库存、已下采购单和未交付需求，不能简单使用账面库存。上述数字是方法演示，不是适用于所有仓库的通用阈值。
我担心仓库历史记录看起来不少，但退货、缺货和供应商延期会把数据弄得很杂。系统如果遇到缺失值或异常值还照常计算，我该如何发现结果已经不适合直接执行？
至少要准备按固定时间粒度统计的实际需求、供应提前期、库存变动记录和目标服务水平。若以日为粒度，需求与提前期也要统一到天；若某些物料按周管理，就不能把周需求标准差直接当成日标准差代入公式。数据清理要区分真实波动和记录错误。例如促销导致的需求峰值可能是真实需求，不应机械删除；
盘点差异、重复出库或缺货期间被压低的销量，则可能使需求统计失真。缺货时的销售量不等于真实需求，系统应标记缺货区间，避免直接将其当作低需求样本。建议给每个物料设置数据质量状态：样本充分且记录完整时自动计算；样本不足、提前期缺失或异常比例超限时暂停自动覆盖，沿用经确认的参数并生成待核查任务。
比如可将“有效需求记录少于26周”设为企业内部的复核条件，但具体门槛应根据物料频率和业务风险制定，而不是照搬固定数字。
我发现服务水平越高，安全库存通常也越大，但不同物料似乎不该用同一个目标。我该如何判断哪些物料值得多备，哪些物料增加库存只是占用资金？
服务水平是库存成本与缺货风险之间的选择，不是越高越好。关键要看缺货后果、需求波动、补货速度和替代可能性；对停线关键件，缺货损失可能远高于持有成本，而易替代、补货快的物料未必值得追求极高的服务水平。可先按物料风险分层，再为不同层级设定目标服务水平。
例如关键且难替代的物料设较高目标，常规物料设中等目标，低价值且易补货的物料则结合订货成本管理。服务系数应由所选的服务水平分布计算得到，不能把“95%服务水平”直接误填成系数0.95。复核时不要只看缺货率，也要同时看库存金额、呆滞库存和紧急采购次数。
若提高目标后缺货改善很小、库存金额却显著上升，应回头检查需求预测、提前期数据或供应商交付表现，而不是继续单纯抬高安全库存。目标应按周期用实际结果校准。
我希望补货建议能自动产生，但不想让系统在供应商延期、季节性突增或库存盘点差异时仍然照常下单。哪些情况应暂停自动执行，人工复核之后又该留下什么记录？
执行标准应明确自动计算、自动建议和自动下单是不同权限。多数仓库可以先让系统自动计算并生成建议，由人员确认高金额、关键物料或大幅偏离历史采购量的订单，再逐步扩大自动执行范围。建议为提前期突变、需求异常、负库存、库存记录未及时更新、供应商停供和安全库存短期大幅变化设置拦截或预警。
阈值应结合企业历史情况配置，例如可把建议采购量超过近三个月月均需求的两倍作为复核信号；这只是可测试的初始规则，不能代替业务验证。每次计算和人工改动都应保留物料、公式版本、输入参数、原始建议值、调整后数量、操作人、时间与调整原因。上线后按月比较缺货率、库存金额、紧急采购次数和人工覆盖率；
若覆盖率持续偏高，优先排查参数与数据，而不是把频繁人工修改当作正常流程。
读者评论
把质检冻结、客户预留和确认在途分开计算这点很实用。我们之前只看账面库存，补货预警经常偏晚，先统一可用库存口径确实比改公式更重要。
文中区分运行频率和参数发布频率很有必要。每天刷新库存位置可以，但异常领料不该立刻改安全库存，最好同时保留参数变更原因和回滚记录。
服务水平不等于订单满足率这个提醒很关键。不同物料缺货后果差别很大，统一设高目标容易压资金；按停线风险、替代性和过期风险分层更可操作。