仓库里最危险的补货点，往往不是设得太低，而是看起来“算得很准”：系统按过去三个月的平均销量加上固定备货天数，算出一个数值，之后几个月没人复核。等到促销、供应商延期或销量结构变化，货架才暴露出问题。补货点自动化真正要解决的，不是把一个公式塞进系统，而是让需求、交期、库存状态和异常信号持续进入同一套决策过程。
补货点是库存控制中的触发阈值：当可用库存下降到该阈值，企业开始补货。它回答的是“什么时候启动补货”，并不直接回答“采购多少”。采购量还要结合订货批量、最小起订量、包装规格、在途数量、仓容和资金计划确定。
实践中，我会先用下面这个基础关系检查补货逻辑是否完整：补货点 = 交期内预计需求 + 安全库存。如果需求和交期相对稳定，基础公式就足以作为第一版规则；如果波动明显，再根据服务水平和需求、交期的不确定性调整安全库存。
很多系统把“库存低于阈值”直接等同于“立即下单”，但两者不是一回事。库存低于补货点时，先生成补货建议更稳妥；经人工确认或规则校验后，再转成采购单。对于低价值、高频、供应稳定的物料，可以逐步提高自动执行比例；对于高价值、长交期或质量风险高的物料，宜保留审批节点。
我判断一套方案是否有效，主要看它有没有把以下四件事连起来：输入数据是否可信，计算规则是否适配物料，触发之后是否能执行，执行结果是否回流修正规则。只在报表中显示“低于安全库存”，而没有负责人、处理时限和结果跟踪，最多算自动提醒，不算闭环管理。
把这四点作为上线验收标准，比单纯比较算法名称更实用。算法可以先从透明的规则开始；数据质量和执行流程成熟后，再考虑更复杂的预测模型。
在仓库现场，库存数字看似简单，实际至少有几种口径：账面库存、可用库存、已分配库存、质检冻结库存、在途库存和可调拨库存。若系统用账面库存触发补货，却没有扣除已分配订单，可能直到拣货时才发现可销售数量不足。
反过来，如果把全部在途都当成可用库存，供应商尚未发货、运输途中或已延迟的货也会被计入，补货信号就可能被压住。我的经验判断是，补货规则上线前最值得花时间确认的，通常不是公式，而是“可用”到底如何定义，以及每种库存状态由谁维护。
假设一种配件近八周平均每天销售10件，直接用10件乘以交期7天，得到70件交期需求。但若这八周中有六周每天仅卖5件，另两周因促销每天卖25件，平均值并不能代表常态需求，更无法告诉我们下一次高峰会不会发生。
对季节性、促销型或项目型物料，平均值容易在两个方向上误导：高峰后可能高估日常需求，促销前又可能低估未来需求。处理这类物料时，最好把正常需求、已知活动需求和一次性异常分开记录，而不是把所有销量混进同一个平均数。
“交期30天”可能指供应商确认订单后到出厂，也可能是从下单到仓库验收完成。若计算口径只记录合同承诺日，实际在途运输、到货排队、检验和上架等待都被排除，补货点就会系统性偏低。
我建议至少拆出下单到发货、运输、收货检验和上架四段时间。小企业暂时拿不到完整节点时，先记录下单日与可领用日，建立可用交期序列。样本不多时不要假装精确，先把交期均值、范围、超期频率标出来，已经比固定写一个标准天数有用。
| 业务情况 | 容易出现的口径问题 | 补货判断的处理重点 |
|---|---|---|
| 订单已分配但未拣货 | 账面库存仍显示可用 | 从可用量中扣除已承诺需求 |
| 采购单已创建但供应商未发货 | 在途量提前计入补给 | 按采购状态和预计到货可信度计入 |
| 到货待检或冻结 | 收货数量被当作可领用数量 | 区分待检、合格与冻结库存 |
| 跨仓有货但不能及时调拨 | 全局库存掩盖本仓缺口 | 按仓库计算，另设调拨可用规则 |
常见做法是按“每个物料至少备15天”设置安全库存。这个规则方便沟通，却把销量波动、供应稳定性、缺货后果和物料价值混成一个天数。对每天稳定出库的包装材料，15天可能合理；对每月销售一两件、采购周期长且可替代的配件，15天可能导致长期积压。
安全库存不应该由“看起来保险”决定，而应该由缺货风险和持有成本共同决定。服务水平要求高、缺货损失大的物料，可以接受更高的缓冲；需求不规律、价值高、过期风险大的物料，应优先缩短补货反应时间或寻找替代来源，而不是无限加库存。
需求预测误差只是风险来源之一。交期延长、供应商分批交付、检验不合格和采购审批延迟，都会消耗安全库存。如果只统计销量误差，系统会把因供应不稳造成的缺货误判为需求突增。
因此，我会把缺货原因至少分成需求超预期、交期超期、质量冻结、库存账实不符、审批延误和补货执行遗漏。原因不分开，参数调整就会变成“缺货了就把库存加高”，而不是修复真正的流程问题。
月度复核适合稳定的长尾物料，但对爆品、活动商品和生产关键件可能过慢。若需求在一周内从每天5件升到30件，月末再调整补货点，缺口已经发生。反之，若系统每天根据单日波动大幅重算，阈值又会频繁跳动，采购计划难以执行。
更可行的方式是“固定复核周期加事件触发”：常规物料每周或每月复核；销量突变、交期超限、连续缺货、供应商停产或促销计划确认时，额外触发检查。频率应按风险分层，不必全仓采用同一节奏。
把库存加到足够高，缺货确实可能减少，但资金占用、仓储空间、过期报废和调拨成本也会上升。只看缺货率，会把“多买一些”误认为管理改善。至少要同步看服务水平、库存周转、呆滞库存金额和紧急采购次数。
指标还要有明确分母。例如缺货率可以按缺货订单行数除以总订单行数，也可以按缺货需求数量除以总需求数量，两种口径回答的问题不同。没有口径说明的百分比，容易让团队围绕数字争论，而不是改进补货。
自动化并不意味着所有物料都应该无审批下单。系统生成建议后，采购员可能因为最小起订量、供应商替代、合同额度或仓容限制而修改数量。若修改原因不记录，后续只能看到“系统不准”，无法判断是公式错误还是业务约束未建模。
我更倾向于先自动计算、再留痕审批、最后逐步放权。自动执行比例应由物料风险、金额、供应稳定性和历史建议采纳表现决定，而不是由软件是否提供自动下单按钮决定。
我通常先计算库存位置，再判断是否触发补货。一个可落地的口径是：库存位置 = 可用库存 + 符合条件的在途量 − 未满足的已承诺需求。在途量必须有状态条件，例如已确认发货或预计到货日可信；尚未确认的采购申请不应和已发运货物等同处理。
可用库存通常需要排除已分配、冻结、待检或损坏数量。跨仓调拨也要谨慎：其他仓库有货，不代表本仓可以立刻拿到。可以另建可调拨量及预计调拨时间，在阈值判断中按时效和可执行性处理。
若日均需求为 d，平均有效交期为 L，则交期内基础需求可以先估算为 d × L。安全库存用于吸收需求与交期的不确定性。补货点等于两部分之和，但参数必须采用统一时间单位：日需求配日交期，周需求配周交期。
当需求波动较大且交期近似稳定时，可以用需求标准差估算缓冲：安全库存约等于服务水平系数 z × 需求标准差 × √交期。若需求相对稳定而交期波动明显，则需要把交期不确定性纳入计算。若需求和交期都波动，常见近似形式是：
安全库存 ≈ z × √（平均交期 × 需求方差 + 平均日需求² × 交期方差）
这类公式依赖数据分布假设。销量稀疏、活动集中或供应中断频繁时，不能因为公式看上去精确就盲目采用正态近似。可以先用历史滚动窗口回测，比较不同参数下的缺货和库存，再决定是否升级模型。
服务水平系数 z 不是越高越好。它代表企业希望在补货周期内覆盖需求的概率近似，不等于每个订单都不会缺货。服务水平目标应参考缺货后果、替代品可用性、客户承诺和库存成本。
例如，缺件会让整条生产线停摆的关键部件，目标可以高于容易替代的通用耗材；但若物料极易过期或需求极稀疏，极高服务水平可能产生不成比例的库存。实际设定时，我会先给物料分层，再对每层提出目标区间，并通过历史回测检查达成效果。
不建议一开始就给数万种物料配置不同模型。先按价值、需求规律、供应风险和缺货影响建立少量策略组，确保每组的管理动作不同。ABC分类可帮助识别资金影响，XYZ分类可帮助识别需求稳定程度，但两者不是唯一标准，还需加入关键性和可替代性。
| 物料策略组 | 典型特征 | 建议控制方式 | 重点复核信号 |
|---|---|---|---|
| 高价值、需求稳定 | 资金占用高，消耗规律相对清楚 | 小批量高频补货，严格审查预测和库存上限 | 周转变慢、需求趋势转折、供应商折扣诱导囤货 |
| 高关键性、供应不稳定 | 缺货影响大，交期长或波动明显 | 评估安全库存、备选来源和替代设计 | 交期超限、连续延期、质量异常 |
| 低价值、需求稳定 | 消耗规律且单件价值低 | 规则简化，可考虑定期补货或较高自动执行比例 | 需求突增、包装规格变化、供应中断 |
| 低频、间歇需求 | 多数日期无需求，偶发集中消耗 | 结合缺货后果、替代性和采购便利性逐项定策 | 长时间无动销、单次需求高于常态、呆滞风险 |
自动计算之前，需要设定最低数据条件。比如过去有效记录不足、单位换算关系缺失、物料编码刚变更、交期样本过少或存在未解释的负库存时，不应静默产出一个看似精确的补货点，而应标记为“数据不足，待确认”。
例外规则也要有边界。新品可以用相似品初始参数，但需要标注为暂定；促销品应读取已确认的活动计划；停产件要停止自动补货并进入替代评估；质量冻结物料则需要避免因库存下降而继续自动加单。每条规则应能追溯到负责人和生效日期。
历史回测可以模拟“如果当时采用这组补货点，会发生什么”。按周或按日重演历史需求和实际交期，比较缺货次数、缺货数量、平均库存、峰值库存和紧急采购频率。注意只用当时可获得的信息，不能把事后才知道的销量或交期倒灌进预测，否则回测会显得过分理想。
回测还应区分季节、促销和异常供应期。一个覆盖正常月份的规则，可能在旺季失效；一个旺季参数，也不应全年不变。建议先选择少数高影响物料试算，再由采购、仓库和计划人员共同核对异常记录。
下面以某零配件仓为例说明分析流程。为避免把演示数字误当作公开经营数据，本文中的SKU、销量、交期、库存和改善结果均为情景模拟，不是九数云客户案例，也不是对任何企业实际绩效的披露。九数云在这里作为经营数据分析工具的示例，重点是说明如何组织补货分析，而不是暗示某项特定功能或现成模板一定适用于所有版本。
假设某仓库管理一种通用传感器。过去60个有效工作日，平均日需求为12件，需求标准差为4件；从下单到可领用的平均交期为8天，交期标准差为2天。企业将该物料设为关键程度较高的B类物料，试运行目标服务水平取约95%，对应系数约1.65。这里只将其作为建模示例，实际目标需由企业根据缺货成本和库存成本确认。
基础交期需求为12 × 8 = 96件。需求与交期均有波动时，采用前述近似公式：安全库存约为1.65 × √（8 × 4² + 12² × 2²），计算结果约为72件。因此示例补货点约为168件，也就是库存位置降至约168件时，系统生成补货建议。
这个数字不是“正确答案”，而是一个可以讨论和回测的起点。如果企业采用更高服务水平、交期样本包含极端延期，或需求记录存在促销峰值，结果都会改变。设置时应保留原始参数、样本范围、公式版本和审批日期，方便以后解释补货点为什么变化。
若库存位置为150件，示例系统可提示低于补货点18件，但这并不表示采购量应为18件。采购量可能受包装规格、经济订货批量、已下采购单、供应商最小起订量和预计未来需求影响。把触发阈值与建议数量分开，是避免自动化产生大量零碎订单的关键。
以九数云为例，企业可以把订单明细、库存快照、采购订单、收货记录和物料主数据纳入统一分析流程，再围绕物料与仓库建立指标视图。实际连接方式、字段能力和权限配置应以企业当前系统环境及产品说明为准；不应在未核验的情况下假设数据可以自动同步或特定字段已存在。
在分析层，我通常会先准备三类数据：按日或按周的净需求、库存状态快照，以及采购订单从下单到可领用的日期记录。随后按“物料，仓库，日期”对齐，检查单位、缺失值、重复单据和退货冲销，再计算需求均值、需求波动、交期均值、交期波动、库存位置和补货触发次数。
最实用的不是做一张全仓库存总览，而是建立可下钻的例外清单。每条记录至少回答：哪个物料、哪个仓库、当前库存位置是多少、补货点是多少、差额是多少、在途量是否可信、最近一次交期偏差多大、建议由谁处理。采购员点开某个异常时，能追到形成该建议的需求窗口和采购记录，才有条件判断是接受、调整还是驳回。
假设同一组模拟历史记录用于比较三种方案：沿用固定15天库存、按需求与交期波动计算补货点、在计算规则外增加人工例外审批。下表中的表现数值仅为情景模拟，用于演示指标之间的取舍，不代表上线后必然得到相同结果。
| 方案 | 模拟缺货订单行率 | 模拟平均库存 | 模拟紧急采购次数 | 解释 |
|---|---|---|---|---|
| 固定15天库存 | 6.8% | 1,420件 | 每月11次 | 规则简单，但对供应波动反应不足，也可能对低需求物料过量备货。 |
| 波动性补货点 | 3.9% | 1,510件 | 每月7次 | 缺货和紧急采购减少，但整体库存略增，需继续检查呆滞与资金影响。 |
| 补货点加例外审批 | 3.5% | 1,460件 | 每月6次 | 模拟结果较平衡，但需要人员处理例外，适用于关键物料或高金额物料。 |
从这组示意结果，我不会直接下结论说第三种方案“最好”。它的库存略低、缺货略少，但如果审批耗时过长，可能让补货启动变慢。下一步应补充审批处理时长、库存金额、过期风险和缺货损失，再判断哪种方案符合企业目标。
看板中的趋势也要允许用户检查原因。例如一周内补货建议突然增加，应能区分需求上升、在途延期、库存调整或主数据变更。若只呈现一个红色预警数字，却不能向下追溯，管理人员很难判断该加库存、催供应商，还是修数据。
试点前先定义基准期和观察期，建议至少覆盖一个具有代表性的补货周期；若有明显季节性，还要避免只用淡季验证旺季规则。对照指标至少包括订单行满足率、缺货数量、平均库存金额、紧急采购次数、建议采纳率和人工处理耗时。
如同时调整供应商、促销计划和仓库盘点频率，就很难判断变化来自哪一项措施。条件允许时，可选取相似物料或相邻仓库作为对照；无法建立严格对照时，也要记录同期的活动、价格和供应变化，谨慎解释前后差异。
不要以“全仓全部物料”为第一期目标。先选一组业务特征清楚、缺货或积压问题突出、数据相对完整的物料。试点组合可以包含稳定耗材、关键件和有一定波动的商品，但要控制规模，让团队有能力逐条复核。
为每个环节明确责任人：仓库负责库存状态和账实差异，采购负责供应商与交期记录，计划负责需求解释，财务或业务负责人参与资金与服务水平取舍，数据负责人维护字段和计算逻辑。没有明确归属的主数据，通常会在运行一段时间后失真。
初期不必追求复杂预测，先保证可计算、可解释。以下字段通常构成第一版底座：
若短期只能拿到部分字段，应该显式标注缺失，不要用默认值伪装完整。例如没有实际可领用日期时，可以暂以收货日期代替，但要记录偏差风险，并尽快补充质检和上架节点。
每个补货点都应带有计算版本和生效时间。建议保留需求窗口、交期样本数、服务水平目标、公式类型、计算结果、人工修订及修订理由。这样当采购人员问“为什么从120件变成168件”时，系统能够回答变化来自需求增幅、交期延长，还是目标调整。
规则可以按物料组配置，但需要允许例外覆盖。覆盖规则必须设定期限和复核日期，避免临时提高的库存阈值永久留存。对新品、停产件和跨单位物料，最好强制进入人工确认队列。
第一阶段只生成补货建议，不自动创建采购单。团队要先检查缺货误报、重复建议、在途处理和建议数量是否合理。第二阶段可以对低风险、低金额且长期稳定的物料自动创建待审批单。第三阶段再对历史采纳率高、供应稳定、可撤回或可调整的物料开放自动执行。
任何自动下单规则都应设置安全阀：单次建议金额上限、数量上限、异常价格检查、供应商状态检查、重复订单拦截和缺失数据拦截。系统出错时能暂停、回滚或转人工，比“永不报错”的假设更重要。
不要只监测库存低于阈值的数量。建议同时观察触发后到下单的耗时、下单到可领用的实际交期、补货建议采纳率、人工调整幅度、缺货原因分布、平均库存金额和呆滞比例。指标的用途是发现流程偏差，不是给团队制造新的报表负担。
复核节奏可以按风险分层：关键物料每周看异常，稳定物料每月复核参数；交期超限、连续缺货、需求突变和供应商变更则即时复核。每次变更留下前后参数和审批理由，避免“阈值为什么变了”只能靠个人记忆回答。
如果只有几百种物料、采购记录相对完整，先用库存表或基础分析看板建立“库存位置，补货点，建议数量，负责人”清单。将物料按稳定、高波动、长交期和长尾需求分组，先保证每条建议能解释，再逐步自动提醒。
小团队最容易踩的坑，是花大量时间追求公式精细，却没有人处理建议。宁可先让每周例会核对20条高风险异常，也不要一次生成几千条无人认领的预警。
多仓企业不宜直接用全网总库存判断某仓是否安全。区域需求、运输时效和调拨规则各不相同。建议先按仓库或供应范围计算库存位置与补货点，再针对有稳定调拨通道的仓库设置共享策略。
调拨也有交期和失败风险。若跨仓运输需要两天，调拨建议必须考虑这两天内的本地需求；如果调出仓的安全库存已被消耗，就不应因为它账上有货而默认可调。可以给可调拨量设置最低保留量和授权边界。
已确定的促销计划、展会订单或季节性备货，不应等到销量发生后才由历史均值捕捉。应将已批准计划作为需求输入，并标记预测来源、活动日期和预估数量。活动结束后，再比较预测与实际，避免下一轮继续沿用错误估计。
对于计划频繁变更的活动，自动补货点应设置冻结窗口或人工确认。例如活动前一周避免系统因短期销量尚未出现而下调备货，也避免未经批准的计划把库存推到异常高位。
当供应商经常延期时，增加安全库存只能买来时间，无法消除根因。我会同时检查供应商交期分布、延期原因、备选供方、替代物料、采购审批耗时和运输方式。如果交期均值很长但稳定，库存策略和需求预测可以发挥作用；如果交期随机跳变，供应关系与风险应急机制同样重要。
对不可替代关键件，可以评估分批交付、寄售库存、提前锁产能或建立应急替代方案。选择哪种方案，要比较额外库存成本与供应中断损失，而不是只看采购单价。
新品没有足够历史需求时，可用相似品、产品规划和首批订单建立临时假设，但必须标注来源和可信度。上线后采用较短复核周期，收集真实销售和交期数据。达到设定样本条件后，再从临时参数切换到实测参数。
如果新品需求高度依赖单个项目，最好使用项目需求计划而不是把它伪装成稳定日均需求。项目结束后，应及时取消残余补货规则，防止项目物料被持续补进仓库。
低频物料的日均需求可能接近零，标准差或变异系数容易失真。此时要看单次需求规模、可采购时间、缺货对客户或生产的影响、是否有替代品以及过期风险。对可快速采购且缺货后果轻的物料，可以按需采购；对虽低频但故障后果严重的部件，则应单独论证备件策略。
长尾管理不应仅按“卖得少”清理库存。需要把低动销、关键备件、售后承诺和法规要求区分开，避免把必要保障误当成无效积压。
规则模型容易解释、部署门槛低，适合数据基础一般、需求相对稳定或需要快速建立闭环的企业。它的短板是难以捕捉复杂季节性和多因素变化，参数维护也需要纪律。预测模型可以处理更多信息，但依赖更完整的数据、稳定的特征口径和持续评估机制；如果输入数据不可靠，模型只会把偏差包装得更复杂。
我的建议是先建立规则基线，跑通数据、审批、执行和复盘。只有当团队能说清规则在哪些物料上持续失准，才值得升级模型。模型上线后也要与基线对比，不能只展示预测精度，还要看库存和服务结果是否改善。
高自动化可以减少重复判断、缩短处理时间，但会扩大错误规则的影响范围。低自动化保留人工经验，却可能带来处理滞后和标准不一。实际选择应按物料逐步分层：低风险、高稳定、低金额物料可以优先自动化；关键、高价值、数据不足或供应不稳定物料保留确认。
审批不是越多越安全。若每条建议都要多层签字，补货启动速度可能被人为拖慢。建议把审批资源集中在超金额上限、需求异常、交期异常、库存积压和规则覆盖等少数高风险情形，其余使用清楚的授权范围。
库存成本包括资金占用、仓储、保险、损耗、过期和盘点等；缺货成本可能包括停线、失销、加急运费、客户违约和服务信誉损失。两者很难用一个统一数字精确表达，但至少要让业务人员说清哪些损失能估算、哪些只能设风险等级。
当管理层只给出“库存降10%”的单一目标时，团队可能通过减少关键件库存达标，却把缺货风险转移给生产和客户。更合理的目标应组合库存金额、订单满足率、呆滞风险和紧急采购，让节省库存不以不可接受的服务损失为代价。
若当前没有成熟的补货机制，我建议按四周组织一个小型试点。第一周确定物料范围、数据口径与缺货分类；第二周计算基础补货点并核对历史异常；第三周只发建议、不自动执行，记录采纳和调整理由；第四周复盘缺货、库存和处理耗时，决定是否扩大范围。
每一周的试点都要留下可复核材料：物料清单、数据口径、计算版本、建议记录、人工判断和执行结果。即使试点结果不理想，这些记录也能帮助团队判断是公式不合适、供应异常、主数据错误，还是责任链条没有接上。
安全库存不是对不确定性的万能保险，更不是越多越安心。库存只是企业用资金购买的一段缓冲时间；如果需求变化没人发现、交期异常没人升级、建议单没人处理，再高的库存也可能被错误口径和执行延迟消耗掉。
因此，我更看重企业能否在风险变化时及时恢复到正确状态：看见异常、解释原因、采取动作、记录结果，并在下一轮计算中修正。补货点自动化的最终价值，不是让仓库里永远多一层货，而是让每一层库存都能说明它在保护什么、需要维持多久，以及什么时候可以安全地撤掉。
我在给仓库设补货规则时，最困惑的是安全库存到底该按固定天数、固定数量，还是需求波动来定。比如日均销量相同的两种商品，一个供应商很稳定，另一个经常晚到几天，我不确定它们能不能用同一套算法。
补货点不是安全库存本身。常用的计算方式是：补货点＝提前期内的平均需求＋安全库存。若需求和交期都有波动，可用安全库存公式：安全库存＝服务水平系数 × √（平均交期 × 日需求标准差²＋日均需求² × 交期标准差²）。
举个可复算的示例：某 SKU 日均需求 18 件，日需求标准差 5 件，平均交期 6 天，交期标准差 1.2 天。按约 95% 服务水平取系数 1.645，安全库存约为 41 件；提前期需求为 108 件，因此补货点约为 149 件。
这里假设需求与交期近似稳定且相互独立，属于演示计算，不是所有仓库都适用的行业标准。实操判断时，先看缺货代价和供应稳定性，而不是给所有 SKU 统一加上若干天库存。交期可靠、缺货影响低的商品可以用较低缓冲；断货会停产或造成高额损失的商品，则应提高服务水平目标，并定期用实际缺货和库存数据校准。
我担心自动补货只看账面库存，会把已经下单但尚未到货的商品忽略掉，导致重复采购。另一方面，若把所有在途数量都算进去，质检冻结或预计严重延迟的货也可能让系统误以为库存充足。
自动触发建议依据库存位置，而不是单看现存数量。一个可操作的口径是：库存位置＝可用现货＋确认在途量－已分配未出库量；若有质检冻结、报废待处理或不可靠的在途订单，应分别剔除或按可信度折算，避免把不能实际使用的数量当成保障库存。触发逻辑可以是：库存位置低于补货点时生成建议量。
建议量通常补到目标库存，而不是只补到补货点；目标库存可按补货周期内的需求、补货提前期和安全库存设置，再结合最小起订量、整箱倍数、仓容上限与预算约束向上取整。自动化还要处理重复触发：生成采购建议后，应立即登记未完成的补货需求，并在后续计算中纳入；同时设置供应商、采购单状态和数据更新时间校验。
若库存快照过期、关键字段缺失或在途日期异常，系统应转人工确认，而不是继续自动下单。
我想把补货尽量交给系统处理，但仓库里有些商品销量忽高忽低，有些又有保质期或季节性。如果仍然按过去几个月的平均销量自动补货，我担心系统会在需求已经转弱时继续把货买进来。
间歇性需求商品、短保商品、临近淘汰商品、促销驱动商品，以及供应交期经常失约的商品，不适合只靠固定阈值自动下单。它们的问题不是公式算错，而是历史均值无法代表下一次需求，或采购后出现的损失远高于少量缺货成本。这类商品可采用分层策略：需求稳定、供应可靠的 SKU 自动生成并执行订单；
需求波动明显的 SKU 只自动生成采购建议，交由负责人审批；短保或停产风险商品则增加保质期、库龄和停售状态检查。对于交期波动大的供应商，还应根据实际到货记录持续更新交期分布，而不是沿用合同上的标准天数。一个实用的判断方式是先看过去一段时间内的缺货损失、过期报废和紧急采购成本，再决定自动化程度。
若库存过量的损失明显大于偶发缺货，就应设置更严格的审批或库存上限；若缺货会直接影响生产，可优先保障关键物料，但仍要设置异常订单提醒。
我准备上线补货规则，但不知道应该用什么指标判断效果，单看库存下降似乎不够，因为这可能只是缺货变多了。也想知道是否需要一次性覆盖全部商品，还是先选一批 SKU 做对照。
不要只用库存金额或补货次数评价方案。至少同时观察商品可得率或缺货率、库存周转、过期与呆滞金额、紧急采购次数，以及补货建议被人工修改的比例。若库存下降而缺货率上升，不能算优化成功。建议先挑选 30 至 50 个数据较完整、销量相对稳定的 SKU 试点，运行 6 至 8 周；
另选销量和供应特征相近的 SKU 作为对照组。以下只是示例口径：比较上线前后及对照组的缺货率、平均库存和紧急采购次数，并记录促销、季节变化、供应商异常等干扰因素，避免把外部变化误判成系统效果。每周抽查补货建议：核对触发时的库存位置、需求预测、交期假设和最终采购量。
若人工频繁改动同一种参数，通常说明规则或基础数据需要修正；若错误主要来自交期漂移，就优先治理供应商交期数据，而不是简单提高所有商品的安全库存。验证通过后再按商品类别逐步扩大范围。
读者评论
把库存位置而不是账面库存作为触发依据很关键，尤其是已分配和待检数量。如果这些状态维护不及时，再精细的补货公式也会给出错误建议。
文中把交期拆成发货、运输、检验和上架几段，比较有操作性。实际落地时，先记录下单日至可领用日，应该比直接沿用合同交期更可靠。
认同先生成建议、再逐步放开自动下单。建议把采购员调整数量的原因也记录下来，否则复盘时很难区分是参数不准，还是起订量、仓容等约束没纳入规则。