仓库里最常见的安全库存误区，不是“库存设得太低”，而是把一个看起来精确的数字当成永久不变的答案。假设某物料平均每天出库40件、供应商平均交期8天，直接用“日均需求×交期”得到320件，只能覆盖平均情形；需求突然增加、运输晚到或数据漏记时，这个数字并不能保证不断货。安全库存管理的核心不是背公式，而是把需求波动、交期波动、缺货代价和补货动作连成一套可复核的机制。
当采购提前期基本稳定、每日需求波动较明显时，可以先用这个公式估算安全库存：
安全库存 = 服务水平对应的系数 z × 提前期内需求标准差
如果把每天需求的标准差记作 σd，提前期记作 L，且每天需求波动可以近似独立，则：
安全库存 = z × σd × √L
当需求和提前期都会波动时，可使用更完整的近似公式：
安全库存 = z × √（平均提前期 × 日需求方差 + 日均需求² × 提前期方差）
式中的“日需求方差”是日需求标准差的平方，“提前期方差”是提前期标准差的平方。这个公式假设需求波动与交期波动相互独立，并且数据分布没有严重偏斜；如果需求间歇、季节性强，或供应商交期经常出现极端延误，就不能机械套用。
安全库存并不是补货点。补货点通常是：
补货点 = 提前期内平均需求 + 安全库存
也就是在库存位置降到补货点时触发采购。库存位置通常应按“现有可用库存 + 已下单未到货数量 − 已承诺未发货数量”计算，而不是只看货架上还剩多少。
公式中的 z 值代表你愿意承担多大概率的周期缺货风险。常见的标准正态分布近似值包括：90%服务水平约对应1.282，95%约对应1.645，97.5%约对应1.96，99%约对应2.326。服务水平越高，安全库存通常越大，但服务水平不等于订单满足率，也不意味着所有客户需求都能按时满足。
我做库存分析时，会先追问管理者一句：这里说的“95%”究竟是指一个补货周期内不缺货的概率，还是指客户下单数量中有95%能立即发出？两者不是一回事。前者常被称为周期服务水平，后者更接近满足率或订单满足比例，不能把一个指标的 z 值直接当作另一个指标的承诺。
一次计算只得到一个初始参数。真正能减少缺货和积压的做法，是让库存参数随着需求、交期、供应商表现和经营策略变化而更新。建议至少把安全库存、补货点、复核频率、参数责任人和异常处理动作放在同一张参数表里，而不是只在系统里留下一个数字。
把这四件事分开，能避免“安全库存算对了，采购批量却把库存推得更高”的情况。库存参数既要能解释，也要能执行；如果仓库和采购说不清某个物料为什么设置为这个数，参数大概率已经失去管理意义。
如果某物料过去一个月平均每天出库40件，新手很容易把40当作未来每天的需求。但仓库出库量并不总等于真实需求：促销会抬高订单，节假日会改变工作日结构，断货时客户可能取消订单或改买替代品，系统里记录的出库量于是低于本来想要购买的数量。
这类缺货期间的数据有“被压低”的风险。假设产品连续三天无货，系统记录每天出库为零，并不代表客户需求为零。如果把这三天直接纳入均值和标准差，计算出来的需求波动可能反而变小，继而把安全库存设得更低。处理时应标记缺货日，结合未满足订单、销售询单、替代品销量或客服记录估计真实需求，至少不要把零出库自动解释成零需求。
采购订单上的交期可能是供应商承诺的天数，但补货真正受制于下单、审批、备货、发运、运输、入库质检等全链条时间。若企业只记录“订单创建到供应商发货”，没有记录“订单创建到可用库存入库”，就会低估仓库需要承受的提前期。
我建议把交期口径统一成“从采购订单确认到库存可供生产或销售使用”的自然日或工作日，并明确是否包含节假日、质检待验和入库上架时间。数据口径不统一时，一家供应商的交期看似比另一家短，实际却可能只是起止节点不同。
高价、长交期、没有替代品的关键件，缺货可能导致整条生产线停工；低价、易替代、临近淘汰的辅料，额外备货带来的资金占用和报废风险可能更值得担心。统一给所有物料设同一服务水平，表面上公平，实际是在忽略经营后果。
安全库存决策不是“库存越高越保险”。多放一件库存，可能降低短期缺货概率，也可能增加资金占用、仓储、损耗和过期风险。真正合理的参数，要同时考虑缺货损失、持有成本、供应弹性和替代方案。
| 现场情况 | 常见数据表现 | 直接套平均值的风险 | 优先核查内容 |
|---|---|---|---|
| 需求有明显旺季 | 旺季和淡季日均差距大 | 全年均值低估旺季补货需要 | 季节分段、促销计划、节假日效应 |
| 供应商交期不稳定 | 承诺交期相近，实际到货差异大 | 低估晚到概率和缓冲需求 | 订单确认、发运、到货、验收时间戳 |
| 经常出现断货 | 出库记录低，但缺货记录或延期订单增加 | 把被压低的销量当成真实需求 | 未满足需求、取消订单、替代销售 |
| 物料即将换代 | 需求可能骤降或停止 | 继续按历史波动补货，形成呆滞 | 停产计划、替代料、生命周期节点 |
平均日需求乘以平均交期，算出来的是提前期内的平均需求，不是安全库存。若日均需求40件、平均交期8天，320件是预计正常消耗量。安全库存还要额外覆盖高于平均的需求或更长的交期。
常见的错误是把320件设为安全库存，再把补货点另加一遍320件，造成缓冲重复；另一种错误则是把320件直接当作补货点，完全没有留下波动缓冲。两种错误都来自混淆“平均消耗”和“安全库存”。
如果供应商交期从6天到14天不等，即使日需求非常稳定，实际补货期间也会有显著的不确定性。只用“日需求标准差×√平均交期”计算，就相当于假设交期固定；交期一旦波动较大，这个假设会低估风险。
反过来，如果交期非常稳定、需求波动很大，只通过催供应商来解决也不够。库存分析应把风险拆成需求侧和供应侧，分别看改善预测、调整订单节奏、替代采购和增加缓冲哪个更有效。
将所有物料的服务水平都设为99%，听起来很稳妥，但对应的 z 值会明显提高，库存可能随之快速增加。对需求波动大、单价高、生命周期短的物料，追求极高服务水平可能使滞销和报废成本超过缺货损失。
我更倾向于把服务水平作为经营选择，而不是公式默认值。关键物料可以采用较高目标，但要有缺货影响作为依据；可替代、低价值、停产风险高的物料可以接受更低的即时满足水平，改用快速补货、替代料或客户沟通方案。
只取最近十天数据，容易把偶然波动误判为长期规律；只取两年数据，又可能把旧产品、旧渠道和旧供应商的历史混进来。历史窗口没有适用于所有物料的固定长度，关键是让窗口覆盖具有代表性的需求周期，同时识别结构变化。
对平稳物料，可以从近三至六个月开始观察；季节性商品要覆盖至少一个完整季节周期，通常还需对旺淡季分段；新品则没有充分历史数据，应使用相似品、销售计划和供应商交期作临时估算，并设置更频繁的人工复核。
安全库存是风险缓冲，不是每次采购都要再买一份。若补货点已经触发，但有一批订单正在运输，或者仓库已有未质检的待入库货物，采购决策必须核实这些库存是否能在缺货前变成可用库存。
同时，供应商最小起订量可能远大于建议补货量。系统按照补货点提示采购100件，但最小起订量是500件，实际收货后库存峰值会远高于安全库存本身。需要把采购批量约束单独纳入决策，不要通过不断调低安全库存来掩盖起订量问题。
一个仓库用“箱”记账、另一个仓库用“件”记账，采购包装为12件一箱，而出库按单件统计，单位换算错一次，安全库存就可能差12倍。盘点差异、冻结库存、质检不合格品和已分配库存也会影响可用量。
在计算参数之前，我会先抽查物料主数据、计量单位、库存状态和订单时间戳。若基础数据不可信，复杂公式只会把错误包装成精确数字。数据治理不必一次做得完美，但必须知道误差在哪里、会把结果往哪个方向推。
我通常不建议从全仓所有物料一起开始。先把物料按缺货后果、价值、需求规律和供应难度分层，再决定哪些值得精细计算。ABC分类可用于识别价值集中度，但单看年消耗金额不够：低金额物料也可能是关键设备备件，断供后导致停产。
可以把ABC和XYZ结合使用。ABC关注价值或经营影响，XYZ关注需求稳定性。AX类通常价值高且相对稳定，适合严格监控和定期优化；CZ类可能价值低且需求间歇，未必值得用精细正态公式，更适合按订单采购、设置最低保障量或直接评估是否取消备货。
| 分类维度 | 建议观察的问题 | 可能对应的管理方式 |
|---|---|---|
| 价值与缺货影响 | 缺货是否停产、违约或导致高额损失 | 关键件提高复核优先级，明确责任人 |
| 需求稳定性 | 需求是否连续、是否受季节和促销影响 | 稳定需求使用标准差模型，季节需求分段计算 |
| 供应难度 | 是否单一来源、认证周期是否长、交期是否易变 | 优先优化供应策略，并核算供应侧缓冲 |
| 生命周期 | 是否新品、停产、替代或即将改版 | 增加人工判断，避免机械延用历史参数 |
标准差公式在需求比较连续、波动没有严重偏斜时比较实用。若一个物料大多数天需求为零，偶尔一次需求200件，平均值和标准差虽然可以计算，但“每天需求近似正态”的解释并不成立。间歇需求物料更适合按订单周期、需求事件和补货频率评估，不宜把公式当作精确概率承诺。
对强季节性物料，应按旺季、平季、淡季分别估计需求；对趋势明显的新品或快速增长品，单纯用历史均值可能严重滞后。若促销计划已知，可以把计划需求作为基线，安全库存只覆盖计划之外的不确定部分，而不是把促销峰值全部塞进安全库存。
设服务水平前，我会先和销售、采购、生产或财务确认三类事实：缺货会损失多少订单或产能；库存多放一个月会占用多少现金和仓储；供应商能否快速补货。若缺货代价很高且替代供应困难，较高服务水平更容易成立；若商品易过时、可快速补货且缺货可替代，较低缓冲可能更经济。
没有足够数据时，可以先设置分层建议值作为试运行目标，但必须明确这是管理假设，而不是统计推导出的事实。试运行后同时观察缺货率、库存金额、呆滞库存和紧急采购次数，再决定是否上调或下调。
安全库存参数不一定每天重算。频繁改参数会让采购人员难以执行，也可能把短期噪声放大；长期不改则会对不上需求和供应变化。更实用的方式是“定期复核+事件触发”：普通物料按月或按季度复核，关键物料在需求跃迁、供应商切换、交期异常或促销计划确定时额外复核。
下面使用一家假设的零部件仓库作为演示，数据为情景模拟，目的是展示计算过程，不代表任何企业的真实经营结果。物料日均需求为40件，日需求标准差为12件；供应商平均提前期8天，提前期标准差2天；目标周期服务水平暂定95%，对应 z 值取1.645。
为了让计算可复核，假设每天需求和提前期波动相互独立，需求近似连续分布，库存记录准确，未把促销、缺货期间和计划停产混入历史数据。若这些假设不成立，结果只能作为起点，需要按实际业务调整。
需求方差为12²，也就是144；提前期方差为2²，也就是4。带入公式：
提前期内需求标准差 = √（8×144 + 40²×4）
= √（1152 + 6400） = √7552 ≈ 86.9件
因此，95%周期服务水平下的安全库存约为：
安全库存 = 1.645×86.9 ≈ 143件
提前期内平均需求为40×8=320件，所以：
补货点 = 320 + 143 = 463件
管理含义是：当库存位置接近463件时，应触发补货评估，而不是等货架现货降到143件才下单。采购数量仍需结合目标库存、已下订单、最小起订量和仓储约束另行计算。
若错误地假设交期完全固定，只用需求波动计算，提前期需求标准差为12×√8，约为33.9件；对应安全库存约为1.645×33.9，约56件。与纳入交期波动后的143件相比，差异约87件。
这个差异不是说每家企业都应多备87件，而是说明：在本组模拟数据中，交期波动贡献了大部分不确定性。此时仅靠提高需求预测精度不够，采购应优先分析供应商按期率、运输节点和入库等待时间，判断能否缩短或稳定交期。
在同一组波动数据下，若服务水平从95%提高到99%，z 值从1.645升到约2.326，安全库存约从143件升到202件，增加约59件。若单位成本为50元，单个物料因此增加的库存资金约为2950元；若有200个类似物料，静态占用可能达到59万元。
这只是库存成本的粗略示意，未计仓储、损耗、资金成本和批量约束，也未量化缺货减少带来的收益。它的价值在于提醒管理者：提高服务目标有成本，不应把服务水平当作免费的保险。
| 情景 | 安全库存估算 | 补货点估算 | 经营解释 |
|---|---|---|---|
| 仅考虑需求波动，95%服务水平 | 约56件 | 约376件 | 假设交期固定，可能低估供应侧风险 |
| 需求与交期均波动，95%服务水平 | 约143件 | 约463件 | 同时覆盖两类波动，适合作为本情景的起始估算 |
| 需求与交期均波动，99%服务水平 | 约202件 | 约522件 | 缓冲提升明显，应确认缺货损失是否值得 |
当物料数量从几十种增加到数千种，人工维护公式容易出现版本不一致、筛选遗漏和口径错位。可以将日出库、采购订单、实际到货、库存状态、供应商和物料主数据汇总到分析环境中，按物料计算需求均值、标准差、交期均值、交期标准差，再生成补货点建议和异常清单。
例如，可以用九数云作为数据分析的演示对象：把库存、出库和采购交期数据整理后，围绕“物料，时间，供应商”建立分析视图，观察需求波动、交期偏差、缺货与库存金额之间的关系。具体数据接入方式和功能以产品现有能力及实际配置为准，平台提供的是分析和呈现环境，参数假设、库存策略与采购审批仍需要企业负责。
示例入口：九数云官网。选工具时，我会先确认数据源能否稳定接入、计算口径是否透明、结果能否追溯到明细，以及业务人员能否在不依赖技术团队的情况下复核异常。能否漂亮地画图不是首要标准，能否发现错误数据和解释补货建议更重要。
一个可执行的分析看板，至少应展示：当前可用库存、库存位置、补货点、建议补货量、最近需求均值与波动、实际交期分布、缺货天数、呆滞库存金额、参数更新时间。对触发补货的物料，还应能下钻到原始订单与收货记录，避免“数字异常但找不到原因”。
这类物料适合使用固定提前期下的安全库存公式。先清理缺货日、异常订单和单位换算，再用一段具有代表性的历史数据计算日需求标准差，确定服务目标，形成安全库存和补货点。上线后按月或季度抽查，而不是每天因小幅波动频繁改数。
若库存长期明显高于补货点，且没有季节备货、最小起订量或在途延误等理由，应检查采购批量和库存位置口径；若频繁跌破补货点仍未下单，问题可能不在公式，而在审批、采购执行或库存数据更新延迟。
先区分可预测波动与随机波动。促销、项目订单、节假日和计划检修若已知，应进入计划需求，而不是全部压进安全库存。对随机波动，再用历史误差估计缓冲；如果需求变化带有持续趋势，应调整预测基线，而非单纯不断提高安全库存。
当单次项目需求远大于日常用量时，可建立项目预留或订单驱动补货。否则，项目结束后留下的大量安全库存会被误认为常态库存，形成滞销。对无法预测的单次需求，还要明确是接受缺货、保持少量应急库存，还是通过替代品和加急采购处理。
把交期拆成订单确认、备货、运输、收货和质检阶段，找出延误集中在哪个环节。若供应商备货时间不稳定，考虑滚动预测、提前锁量或增加备选供应商；若运输时间不稳定，可检查运输方式和承运安排；若问题出在内部审批，增加库存可能只是在为流程延迟买单。
短期内无法改善供应时，公式可以给出缓冲估算，但应把高风险供应商单独标识，并设置提前预警和应急动作。关键物料可考虑分批下单、供应商寄售、替代料认证或战略库存，但每一种安排都要核算合同成本和库存责任归属。
这类物料应同时进行供应风险和需求风险评估。先确认缺货后果，再决定安全库存上限、补货节奏和人工审批条件。对于关键生产件，可能需要保持较高缓冲并建立替代来源；对于高价、易过期商品，可能需要接受一定缺货概率，改用客户沟通、替代产品或加急采购。
在波动强烈时，建议同时输出“建议值”和“风险区间”，而非只报一个整数。例如可呈现按90%、95%、99%服务目标推算的多个库存方案，并列明各自库存金额、预计缺货风险和供应条件。最终由业务负责人选择风险，而不是让系统默认最高值。
新品没有足够历史需求时，可用相似产品作为参考，再叠加销售计划和供应商交期，设临时参数及到期复核日期。参数必须标注“试运行”，并在首批销售或生产数据形成后重估，不能因为系统里有一个数字就把它当成成熟模型。
间歇需求备件可按关键设备、历史故障频率、维修服务承诺和采购周期确定保障策略。停产或改版物料则应先确认替代关系与剩余需求，停止无条件自动补货。此类物料用单一标准差公式，往往比人工判断更容易制造虚假的精确感。
| 风险画像 | 先做什么 | 库存策略侧重点 | 复核频率建议 |
|---|---|---|---|
| 稳定需求、稳定交期 | 校验历史口径并建立初始参数 | 减少不必要的手工改数 | 月度或季度 |
| 需求波动明显 | 拆分促销、季节和项目需求 | 区分计划需求与随机缓冲 | 旺季前及计划变更时 |
| 交期波动明显 | 追踪订单到可用库存的全链路时间 | 库存缓冲与供应改善并行 | 每次异常延误后复核 |
| 新品或间歇需求 | 制定临时估算和人工复核责任 | 避免把薄弱数据包装成确定结论 | 按首批销售、维修或采购事件复核 |
当物料缺货会导致生产停线、重大违约、关键客户流失或维修服务失约时，较高服务水平有合理性。但需要能说明潜在损失和备货成本的关系。若把每种物料都划入“关键件”，分类失去区分，最终会形成全仓高库存，却仍然无法保证真正关键物料优先获得资源。
判断关键程度时，不仅看采购单价，还要看缺货影响、替代周期和补货难度。一个单价不高、但没有替代品且认证周期长的零件，可能比高价但可快速采购的通用件更值得保留缓冲。
对于易过期、易换代、高价值且补货速度快的物料，可以接受较低的即时满足概率，但需要明确替代方案和对外承诺。低库存策略若没有客户沟通、紧急采购或替代料机制，只是把风险从仓库转移给销售和生产，并没有真正降低经营风险。
有些企业会将缺货成本理解成一个抽象数字，实际可以用延期订单损失、停线小时、加急运输费、客户赔偿或替代采购差价估算。即使无法精确量化，也应形成可讨论的区间和假设，不要把“缺货很严重”作为不设边界地增加库存的理由。
每周重新计算所有物料，可能造成采购计划反复变化、参数审核负担增加，并放大短期噪声；一年不复核，则容易让库存策略滞后于需求和供应商变化。对多数企业，更实用的是按风险分层：高价值和高风险物料复核更频繁，稳定低价值物料降低维护频率。
参数变化应保留变更原因、旧值、新值、审批人和生效时间。没有版本记录，发生缺货时就无法判断是模型假设不对、数据不对还是执行不及时；出现呆滞时，也很难查明哪次调参把库存目标推高。
如果库存状态、订单日期、单位换算和缺货记录仍经常出错，先做全自动补货可能把错误快速放大。更稳妥的做法是先让分析系统生成建议，由采购或仓库复核一段时间，统计建议被采纳、修改和拒绝的原因，找出数据或规则缺口，再逐步扩大自动化范围。
自动化不是“没人判断”，而是把重复计算交给系统，把异常判断和经营取舍留给责任人。对稳定、低风险物料，可以自动生成补货建议；对停产件、项目件、关键件和高额采购，应保留人工审批及明确的例外规则。
不要一上来就给全仓所有物料重算。可以先选20至50种物料，覆盖稳定常用件、关键件、季节性商品、长交期物料和间歇需求备件。小范围试点便于发现单位错误、缺货数据缺失和交期口径不一致，也能让采购和仓库参与校准。
试点物料不要只挑数据最干净的一组，否则上线后遇到真实复杂情形仍会失效。建议分别记录可直接计算、需要人工调整、暂不适用标准公式三类，明确每类的处理规则和升级责任人。
至少准备物料编码、物料单位、每日需求或出库量、缺货标记、订单日期、实际可用入库日期、供应商、现有库存状态、已承诺数量和未到货订单。缺少某个字段时，不要把空值自动填成零；应标明数据不可用，并说明对计算结果的影响。
需求数据最好按日或按实际业务周期统一，交期使用同一时间口径。若仓库和采购系统记录不一致，先约定一份“计算口径说明”，包含需求取数方式、缺货日处理、周末和节假日规则、在途库存计入条件以及质检库存的状态定义。
对每个试点物料，核对平均需求是否符合现场认知，交期是否与供应商实际表现一致，安全库存是否明显偏离过去的缺货和积压情况。若公式建议的安全库存突然达到数月用量，不应立刻照单执行，而要先检查异常峰值、需求间歇、交期单位和数据记录。
还要用历史回放做简单检验：如果按新补货点管理过去一段时间，大约会在什么时间触发下单，是否能覆盖真实交期，是否会出现大量重复下单或库存峰值过高。历史回放不能证明未来一定安全，但能较早发现逻辑错误。
建议连续观察至少一个补货周期，记录缺货天数、紧急采购次数、订单满足情况、平均库存金额和呆滞库存变化。如果缺货减少但资金占用大幅上升，就需要继续分类；若库存下降但缺货、加急费和延期订单增加，则可能是服务目标过低或补货执行不及时。
评价效果时要明确统计范围和口径。比如“缺货率”是缺货物料占比、缺货天数占比，还是订单行缺货比例；“库存周转”按成本还是数量计算。指标口径固定后，前后对比才有意义。
每项参数都应有数据来源、算法假设、服务目标、适用范围、最近复核日和责任人。建议将异常清单按原因分类：数据问题、需求变化、供应商延误、采购批量约束、人工审批延迟、物料生命周期变化。不同原因对应不同措施，不要只用“调高安全库存”处理所有异常。
安全库存公式的价值，是把“多备一点更放心”变成可讨论的需求波动、交期波动和服务目标；它的边界，是无法替企业决定缺货和积压哪个更值得承担，也无法弥补错误数据、糟糕供应和失效的审批流程。
因此，我更看重参数背后的解释链：需求数据是否真实，交期是否按实际可用口径计算，服务水平是否匹配缺货代价，采购批量是否带来额外库存，异常出现后是否有人负责复核。链条完整，数字才有管理价值。
如果刚开始做仓库安全库存管理，下一步不必先采购复杂系统。先挑选一批关键和常用物料，整理近几个月需求、实际到货日期、当前可用库存和已承诺订单；再计算需求与交期波动，写明服务目标和模型假设；最后用一轮补货周期核对缺货、库存金额和紧急采购变化。
真正稳健的做法不是把仓库塞满，而是知道哪一种不确定性正在消耗库存，并用最合适的方式处理它。能通过稳定供应解决的，不要只靠多备货；能通过计划拆分的，不要把季节峰值长期固化为安全库存；数据不足的，不要伪装成精确答案。让每个参数都能被解释、复核和调整，安全库存管理才算真正开始。
我刚开始接手仓库管理，网上看到的安全库存公式有好几种，不知道该用哪一个。我担心公式套得不对，算出来的库存不是压货，就是旺季断货。
先判断波动来自哪里：如果供应商交期稳定、需求每天有起伏，可用“安全库存 = 服务水平系数 × 日需求标准差 × √平均交期”。例如，日均需求40件、日需求标准差12件、交期固定为5天，按约95%的服务水平取系数1.645，安全库存约为44件。
补货点还要加上交期内的平均需求：40 × 5 + 44 = 244件。库存位置（现有库存＋在途库存－欠货）降到244件左右时启动补货。这里的“库存位置”比只看货架现货更可靠，否则在途货物可能被重复计算。如果交期本身也不稳定，不能只用需求波动公式。
可在需求与交期相互独立、按天统计的前提下，估算安全库存为“服务水平系数 × √（平均交期 × 日需求方差＋日均需求² × 交期方差）”。数据口径不稳定时，先别急着上复杂公式，先把缺货和到货日期记录准确。
我这边销量有明显的周内波动，供应商交期也不是每次都一样，有时五天到，有时要八天。我想知道应该按平均值算，还是把最差情况直接当成安全库存，避免缺货。
不建议直接用“最差销量 × 最长交期”作为常规安全库存：这种算法能降低部分断货风险，却容易把偶发极端值长期固化成库存。更实用的做法是先统一统计周期，例如按自然日记录销量与下单至可用入库的实际天数，并区分促销、停工等异常事件。
假设日均需求40件、日需求标准差12件，平均交期6天、交期标准差1.5天，服务水平系数取1.645，按独立波动近似计算：安全库存约为1.645 × √（6 × 12²＋40² × 1.5²），约100件。对应补货点约为40 × 6＋100＝340件。这个估算依赖“需求与交期相互独立”等假设。
若旺季需求上升时供应商也同步延迟，二者可能相关，公式会低估风险；此时应按旺季单独计算，或用历史滚动模拟检查缺货率，而不是把全年数据混成一个平均数。
我准备给新品备货，但它没有足够的销售记录，算不出日需求标准差。直接参考类似商品又怕差得太远，我不确定首批库存应该怎么设，后续又该多久调整一次。
新品阶段不要把“没有数据”伪装成精确预测。可以先找用途、价格带、销售渠道和季节性相近的替代品作为代理样本，再由业务人员给出低、中、高三种需求情景，并把供应商承诺交期与历史实际交期分开记录。例如，代理商品估计日均需求为20件，交期为7天，首批可先按140件覆盖平均交期需求；
额外缓冲则根据资金承受能力和缺货后果设定，而不是直接套用稳定成熟商品的波动值。若新品缺货会损失关键客户，缓冲可偏高；若易过时或可快速补货，应偏低。上架后按周复核，至少积累数周的真实销量和到货记录，再逐步替换代理假设。促销首发、铺货和自然复购要分开看；
把一次性首发订单当作日常需求，会让安全库存长期虚高。
我以前按公式算过安全库存，但盘点时发现有些商品库存越堆越多，另一些商品还是会突然缺货。我想知道问题通常出在公式、数据，还是补货执行上，以及该怎么建立复核机制。
安全库存不是固定不动的“保险箱”，而是由需求波动、交期波动和目标服务水平共同决定的缓冲。先抽查高价值、高销量和高缺货影响的商品，核对销量单位、退货、缺货期间的漏记需求、供应商实际交期，以及在途单是否重复计入。
可以做一个四周复核表，至少列出商品编码、日均需求、需求标准差、平均及波动交期、安全库存、补货点、实际缺货次数和呆滞数量。若缺货率上升但安全库存也在增加，优先排查预测偏差、采购审批延误和库存账实不符，不要只继续抬高缓冲值。
按商品分层设目标通常比全仓统一服务水平更省钱：关键零件可接受更高的保障水平，低价值且可快速补货的商品可以较低。每月复核异常项，每季度重新估算参数；出现供应商切换、季节变化或促销计划时，及时触发临时调整，并记录调整原因。
读者评论
以前总把日均需求乘交期当安全库存，看完才发现那其实是提前期内的平均消耗。补货点和缓冲量分开算，确实能少很多概念混淆。
文中提到缺货日不能简单记成零需求，这点很实用。我们有些物料断货时出库数据会明显偏低，直接拿来算标准差，结果反而显得库存风险很小。
库存位置把冻结品、已承诺库存和在途货都考虑进去，比只盯货架数量更贴近采购决策。尤其是最小起订量较大的物料，补货批量最好单独评估。