仓库里最常见的安全库存失灵，不是公式算错，而是把“平均需求”和“平均交期”当成了稳定事实：某个 SKU 平时每天出 20 件，供应商也常在 7 天内到货，团队便按“20×7”备货；但一遇到促销、交期延误或批量订单，库存仍然断掉。安全库存不是给公式填两个数字，而是把需求波动、供应不确定性、服务目标和资金约束放进同一套决策规则。
我设计仓库安全库存方案时，第一步不是计算“要备多少”，而是先确认团队说的到底是安全库存，还是补货点。补货点回答“库存降到哪里该下单”；安全库存回答“在正常交期需求之外，为不确定性预留多少缓冲”。这两个数有联系，但不能混为一谈。
在连续复核、需求和交期相对稳定的场景中，常用关系是：补货点 = 交期内平均需求 + 安全库存。如果每天平均需求为 20 件、平均交期为 7 天，那么交期内平均需求是 140 件；安全库存还要根据需求或交期的波动来算。只写“安全库存 140 件”，其实把正常消耗和缓冲都混在了一起。
还要注意，“库存”不能只看仓库现存量。真正用于补货判断的通常是库存位置：现有可用库存，加上在途和已确认供应，再减去已分配、欠交或预留数量。若只看货架上的实物数，可能在货已下单、货还在路上时重复补货；也可能库存看似充足，实际早已被订单占用。
公式能把规则说清楚，却不会替人判断输入是否可信。若销售数据漏记、缺货期间的需求被误当成零、供应商承诺交期不等于实际到货交期，那么计算结果会非常精确地回答一个错误问题。先验证数据口径，再讨论公式复杂度，通常比追求更复杂的统计方法更有价值。
我通常把方案拆成三个层次：先确定服务目标和库存边界，再按 SKU 的需求形态选择计算方式，最后把结果变成可执行的补货、例外处理和复盘规则。一个可落地的方案应能回答：谁维护数据、何时更新、什么情况触发人工复核、超出资金上限时如何取舍。
如果仓库目前主要靠经验备货，不必一开始就做全品类复杂预测。可以先选一批高价值、高缺货影响或经常断货的 SKU，明确统一的需求单位、交期定义、复核周期和服务目标。跑完一个补货周期后，再比较缺货、库存占用和紧急调拨是否改善。
假设一个配件过去 30 天平均每天出库 10 件，新手容易据此认为需求很平稳。但如果其中 20 天每天出库 4 件，另外 10 天每天出库 22 件，平均值仍然是 10 件。对仓库而言，这两种需求分布完全不同：前者适合较小缓冲，后者可能需要按周期、促销或订单波峰额外准备。
出库量也不总等于真实需求。缺货时，客户可能取消订单、改买替代品或延迟采购，系统里留下的出库记录会低估本来存在的需求。若模型把缺货日的低出库量当作需求下降，就会在下一轮继续压低安全库存，形成“越缺越少备”的循环。
因此，我会把需求数据至少拆成已满足需求、未满足订单、取消订单和替代品转移几类。历史数据不完整时，不要为了让表格整齐而直接补零；应标记缺货区间，用订单、客服记录或销售人员反馈估算受限需求，并注明估算口径。
“交期 7 天”可能有多种含义：从下单到供应商发货、从发货到仓库签收，或从审批完成到库存可用。采购系统记录的订单日期、供应商发货日期、仓库收货日期和质检放行日期，往往对应不同节点。补货模型应该使用从下单到可用库存的实际总周期，而不是只取其中一段。
我建议每个供应商至少保留订单日期、承诺日期、实际收货日期、可用日期和异常原因。统计时既看平均交期，也看中位数、较高分位数和超期比例。若平均交期为 7 天，但每五次有一次延到 14 天，单看平均数就可能掩盖明显的尾部风险。
补货制度还要区分连续复核和定期复核。连续复核通常在库存位置触及补货点时触发；定期复核则是在每周或每月固定时间检查一次。定期复核下，刚错过检查点的 SKU 可能要等一个复核周期才下单，因此需要保护的时间不只是供应交期，而是复核周期加交期。
例如每 7 天检查一次，供应交期平均 10 天，那么订单发出后到货前的风险窗口可能接近 17 天。若仍按 10 天计算缓冲，模型就少覆盖了一个复核周期。实际操作中还应考虑下单审批、供应商截单时间、节假日和仓库收货排队等延迟。
“安全库存等于 3 天销量”易于沟通，却不一定有统计依据。对日销稳定、补货快捷的商品，3 天可能过多；对需求尖峰大、补货慢且断货损失高的商品，3 天又可能明显不足。固定天数可以作为临时规则或最低陈列量，但要清楚标注它是管理约定，不是由需求波动推导出来的统计缓冲。
更稳妥的做法，是先用历史数据检验这条规则：回看不同备货天数下的缺货次数、缺货持续时间、平均库存和过期损耗。若没有足够数据，先用业务判断设定试行值，并明确复盘日期，不应把试行参数长期包装成精确的科学结论。
服务水平不是一句“尽量不缺货”就能落地。常见衡量方式包括周期服务水平，即一个补货周期内不发生缺货的概率；以及满足率，即需求数量中被即时满足的比例。二者关注点不同：一次大订单未满足，可能显著拉低满足率，却未必改变多个周期的周期服务水平。
把目标设为 100% 往往意味着库存成本快速上升，尤其是高波动、长交期商品。更合理的方式是按商品重要性设定目标，并公开说明服务水平口径。例如关键维修件可能更看重关键订单满足率；低毛利、可替代商品则可以接受一定延迟。
在正态近似下，安全库存常写作 SS = Z × 交期需求标准差。这里的 Z 值对应特定服务目标，但并非所有 SKU 都应该采用同一个目标。一个价值高、可替代、交期短的商品，与一个停线风险高、无法替代的关键零件，承担缺货的后果并不相同。
更重要的是，周期服务水平和满足率不能随意互换。常见正态分布 Z 值表适用于特定假设和服务水平定义，不代表用某个 Z 就能直接得到相同的订单满足率。若企业把 KPI 定义成满足率，就需要通过历史回测或模拟来校准参数，而不是只查表。
若需求每天很稳定，但供应交期忽长忽短，安全库存仍可能需要较大缓冲。反过来，供应商交期高度稳定，而需求波动明显时，风险主要来自需求端。只看平均交期和平均销量，无法反映这两种波动。计算时应判断不确定性来自需求、交期，还是二者共同作用。
还有一种常见错误是把订单延迟、缺料、物流中断等特殊事件直接混入普通交期分布，却没有标注原因。异常事件要不要纳入安全库存，取决于它是否会重复发生、是否可通过供应商管理或备选渠道解决。若把一次性事故永久转化为日常库存，库存可能被异常历史绑架。
理论安全库存可能算出 37 件，但采购必须按 50 件一箱下单，仓库也可能因货位限制无法容纳多个整箱。食品、药品、化学品或有版本淘汰风险的商品，还要考虑保质期、批次和呆滞损失。计算值若不经过包装、起订量、仓容和效期约束转换，就不是可执行方案。
因此，方案里要把“统计建议量”和“采购执行量”分开记录。统计模型负责描述风险缓冲，采购规则负责满足包装与供应条件，两者差异应可以解释、审批和复盘，而不是把向上取整后的数量继续称作模型计算出的安全库存。
若日需求和交期都较稳定，且二者之间没有明显相关性，可以先使用需求波动模型。设日需求标准差为 σd，交期为 L 天，则交期需求标准差可近似为 σd×√L，安全库存为 Z×σd×√L。这个模型易于解释，适合做初版规则，但必须确认需求数据按天统计且口径一致。
如果交期本身也波动，且需求与交期可以近似看作互相独立，常用估算式为：SS = Z × √(L×σd² + d̄²×σL²)。其中 d̄ 是平均日需求，σL 是交期标准差。这个关系把需求波动和交期波动都纳入，但假设独立、分布近似适用；若需求旺季恰好也是供应拥堵期，两者相关，简单相加可能低估风险。
公式中的“天”也要统一。若需求按工作日记录，交期按自然日记录，节假日处理方式不同，模型会产生系统偏差。对跨境运输、季节性停产或固定班次送货，建议直接用历史的“从下单到可用库存”数据回测，而不是为迁就公式而强行换算。
促销、节假日、农忙或项目交付带来的波峰，如果事先知道，就不应全部交给安全库存承担。可以将基础需求预测与已知活动需求分开，活动计划作为单独的补货输入；安全库存则主要吸收无法预测的误差。这样能避免每逢旺季都把长期缓冲抬高，淡季再承担积压。
季节性数据较少时，不能仅凭一个旺季样本建立稳定规律。应标注活动类型、价格变化、渠道变化和供货限制，必要时使用相似周期或业务计划作为情景推演。若预测误差在活动期间明显变大，就应单独设置活动前检查点、活动中补货机制和活动后回落规则。
对偶尔才出库一次的备件，日需求常有大量零值和少数大单，均值与标准差容易失真，正态近似也未必合适。此时要先判断它是低频但关键、低频且可替代，还是实际上已经进入淘汰期。安全库存不能只由过去销量决定，还要结合设备保有量、故障后果、替代供应和停产风险。
可把这类商品分成“必须随时可用”“允许按单采购”“应逐步清理”几类，再选择按事件或按需求间隔分析的方法。对需求极少但缺货后果严重的零件，保留少量库存可能比追求高统计服务水平更合理；对长期无需求且可快速采购的物品，降低库存甚至停止常备，可能是更优决策。
连续复核系统下，库存位置接近补货点就下单，保护期通常围绕供应交期设计；定期复核系统下，要保护到下一次检查并完成到货，所以保护期通常包括复核间隔和交期。用错保护期，会让安全库存系统性偏低或偏高。
有些仓库表面上每天都有库存报表，但采购只在每周集中下单，这在决策上仍接近定期复核。判断复核制度时，要看实际订单何时能发出，而不是看系统多久刷新一次库存。
区域仓、前置仓和门店同时各自加安全库存，可能把同一份需求不确定性重复保护，导致全链路库存膨胀。多级网络要先明确哪个节点承担缓冲、哪些库存可跨仓共享、调拨时间是否可靠，再决定各层库存目标。若上游仓补货慢而门店之间可快速调拨，门店可能不必都独立持有相同数量的缓冲。
多级库存需要考虑节点之间的相关性和调拨约束，不能把单仓公式机械复制到所有仓。实际落地可以从重点品类和少量节点开始，先记录调拨时间、调拨成功率与调拨成本，再逐步调整各层库存。不要在缺少跨仓可视性时，先做复杂的网络优化。
| 需求与供应特征 | 建议起步方法 | 优先核验的数据 | 需要谨慎的地方 |
|---|---|---|---|
| 需求稳定、交期稳定 | 交期需求波动模型 | 日需求标准差、实际可用交期 | 检查是否存在工作日与自然日口径差异 |
| 需求稳定、交期波动 | 同时纳入需求和交期波动 | 交期分布、超期原因、供应商差异 | 旺季延迟与需求高峰相关时，独立假设可能失效 |
| 季节性或促销需求 | 基础预测加活动计划，安全库存吸收误差 | 活动日历、历史活动误差、供应准备时间 | 不要把可预测的活动峰值长期计入常备库存 |
| 间歇需求或关键备件 | 按关键性、替代性和停机后果分类 | 故障事件、设备存量、采购恢复时间 | 历史销量为零不代表未来没有风险 |
下面用某配件仓的一组情景模拟数据演示完整计算流程。它不是某家企业的真实经营结果，也不是任何软件平台的实测成效；数字只用于说明公式、库存位置和采购约束之间的关系。企业落地时，应替换为自己的订单、到货和库存记录。
假设某零件日均需求 20 件，日需求标准差 6 件；从下单到库存可用的平均交期为 7 天，交期标准差为 2 天。需求与交期暂按相互独立处理，周期服务目标暂设为 95%，采用近似 Z 值 1.645。这个目标是示例假设，不是所有 SKU 的推荐值。
交期内平均需求为 20×7，即 140 件。交期需求的标准差按包含交期波动的估算式计算：√(7×6² + 20²×2²)，约为 42.6 件。安全库存约为 1.645×42.6，即 70 件；补货点约为 140+70，即 210 件。
这意味着当库存位置降至约 210 件时，系统可以提示评估补货，而不是说货架上必须永远摆着 210 件。若当前现货 100 件、在途 80 件、已分配订单 30 件，那么库存位置约为 150 件，已低于补货点；若忽略在途和已分配量，补货建议就会完全不同。
计算结果还要经过包装和采购约束转换。假设最小采购量为 50 件、整箱 25 件，模型建议的订货量需要结合现有库存、在途订单、预计消耗和目标库存计算，再按可执行单位调整。不能把“补货点 210 件”直接当成“每次采购 210 件”。
假设需求标准差从 6 件升到 9 件，其他条件不变，缓冲会增加；若供应交期标准差从 2 天升到 4 天，缓冲也会明显提高。与其只盯一个最终数字，我更关注输入变化对结果的贡献：如果交期波动是主要来源，采购团队应先处理供应稳定性；如果需求波动是主因，则应检查促销、大客户订单和预测流程。
同一组数据若把周期服务目标提高，Z 值随之上升，安全库存也增加。提高目标并非错误，但必须让业务方看见代价：额外资金占用、仓储空间、过期风险和潜在降价损失。所谓“更安全”，并不是没有成本，而是企业愿意用多少成本换取多大程度的缺货风险下降。
以九数云为例，可以把库存明细、出库记录、采购订单、到货节点和 SKU 主数据整理到同一分析流程中，形成按商品、仓库和供应商查看的计算表或监控视图。实施前应先核对平台当前支持的数据连接、字段处理和计算能力，并按企业权限与数据治理要求配置；不要把工具名称本身当成模型质量的保证。
我会优先设计可追溯字段，而不是先做一张漂亮的大屏：SKU 编码、统计日期、有效需求、缺货标记、实际可用交期、需求标准差、交期标准差、服务目标、计算版本、人工调整理由和审批人。每条建议都能回查输入与规则，才方便采购、仓库和财务讨论差异。
对接数据分析平台时，不要只导入当前库存和月销量。若缺少在途、分配、退货、报废和质检状态，库存位置就会偏差；若没有缺货标记，需求历史可能被低估。上线前应抽取一批 SKU，逐条与订单、收货和库存台账核对，确认计算结果可复现。
回测时可以拿过去一段时间模拟“当时若按规则补货，会在何时下单、何时到货、是否发生缺货、平均库存是多少”。要避免用未来数据计算过去的建议，否则模型等于提前知道结果。回测还应保留当时可获得的信息，例如当时的交期估计、促销计划和供应商承诺。
至少同时观察缺货频次、缺货持续时间、需求满足率、平均库存、紧急采购次数和呆滞风险。单看缺货下降，可能只是库存加得更多；单看周转改善，也可能是服务水平变差。只有成本与服务指标一起看，才知道方案是在减少浪费，还是把风险转移给客户。
上线前应建立字段字典。需求究竟按销售订单、出库单还是实际消耗统计？退货是否冲减需求？赠品和样品是否纳入？交期从哪个时间点开始、到哪个时间点结束？若各部门对这些问题回答不同，自动化只会更快地放大口径分歧。
建议对编码、单位和仓库做基础治理。同一 SKU 若在不同系统使用不同编码或单位，需求会被拆散；一箱 12 件却按“箱”记录、另一张表按“件”记录，也会制造虚假的波动。建立换算表并保留生效日期，避免历史单位变更污染统计。
每次计算前，系统或分析流程应检查负库存、重复单据、异常大单、长时间未更新的供应商交期、缺货区间和单位换算缺失。异常记录不一定都要删除，但必须能识别、解释和选择是否纳入模型。直接删除离群点可能会把真实的大客户订单或供应中断一并抹掉。
把人工调整做成有理由、有期限的例外。比如活动备货、供应商临时停产、产品即将换代、质量隔离等情况，可以覆盖常规建议，但应记录调整人、原因、影响数量和复核日期。没有到期日的临时规则，很容易变成永久库存。
对于常规、低风险 SKU，可由系统生成建议并按阈值自动审批；对于高价值、长交期或需求间歇品，应由采购、仓库或业务负责人复核。授权依据可以是金额、覆盖天数、偏离历史规则的幅度和供应风险，不宜只按商品类别一刀切。
库存建议也要区分预警与指令。低于补货点可以触发检查，但若已有在途订单、近期需求下滑或供应商存在质量冻结，系统应提示原因而非盲目重复下单。建议界面应至少显示当前库存位置、预计耗尽时间、补货数量建议、关键假设和触发原因。
建议按月或按补货周期复盘，不一定每周改参数。复盘重点不是“上个月缺了几次”，而是查明缺货是否由需求突增、交期超期、数据延迟、采购审批、仓库差异或模型假设导致。原因不同，改进动作也不同：提高安全库存只能解决其中一部分问题。
参数应记录版本和生效时间。需求窗口从 90 天改成 180 天、服务目标从 95% 改成 97%，都可能改变补货建议。若没有版本记录，就难以比较调整前后结果，也无法解释为何某 SKU 的库存突然增加。
预算受限时，不应把所有 SKU 的安全库存同比例削减。可以先按缺货后果、替代性、毛利或停机影响、供应恢复时间和库存资金占用分层。把有限资金留给关键物料和高影响商品，对低影响、可快速补货的商品接受较低服务目标，通常比全仓平均压库更可控。
但“关键”要有证据。建议由业务部门说明缺货的实际后果，记录停工损失、客户影响、替代方案和恢复时间。若只凭职位高低或历史习惯把商品标成关键品，分类会不断膨胀，最终所有 SKU 都要求高库存。
若交期波动主导缺货风险，可以短期增加有针对性的缓冲，同时推进供应商交付改善、订单确认时限、备选来源和运输方案。单纯加库存能快速降低部分风险，却会将供应不稳定的成本长期留在企业仓库里；供应改善见效慢时，也不能在过渡期把库存降到理论最低。
评价供应商时，不只看平均交期，还看准时到货率、超期天数分布、缺货原因和承诺变更频次。对关键商品，可以把交期波动作为采购绩效指标之一。若供应商很稳定但企业内部审批拖延，增加安全库存并不是首要动作，应先缩短内部采购链路。
大客户项目、已排期促销和季节订单能提前看到时，应把活动预测单独提交给供应链，而不是等销量发生后再让常规安全库存兜底。计划要明确活动数量、时间窗口、取消风险、供应商锁货时间和活动后余量处理方式。
若活动计划经常变化，可采用分阶段锁量：较早阶段预留供应能力，临近活动再确认采购量。这样比一次性按乐观预测全量囤货更灵活，但可能承担价格、产能或交付优先级的不确定性。具体选哪种方式，要看供应商是否允许调整和取消。
对易过期品、版本更迭快的零件和长期无需求商品，系统只设置最低库存和补货点并不够，还应设置库存上限、最大覆盖天数或停止补货条件。否则，即使安全库存计算正确，模型仍可能在需求下滑时持续补货。
清理库存也不是一味打折。应区分可转仓、可替代、可退供应商、可用于售后保障和应报废的库存，分别核算资金回收、履约影响和操作成本。对售后关键备件，可以缩减常备数量但保留供应承诺；对无替代且停产的零件，则需要单独评估生命周期备货。
如果历史数据不足、交期记录不全，先采用简单、透明、带复核日期的规则，比假装拥有精密模型更可靠。例如按商品组设定临时缓冲天数，同时记录缺货与库存变化，积累一个或多个补货周期的数据后再改为统计方法。
此时最重要的不是把每个参数算到小数点，而是确保每天的需求、可用库存和到货时间能被连续记录。规则应标注数据不足、假设条件和适用期限。等到数据质量提高，再逐步替换临时参数；不要让临时估值在没有复盘的情况下长期运行。
| 方案 | 适合情况 | 主要收益 | 主要代价或风险 |
|---|---|---|---|
| 统一安全库存天数 | 初期缺少数据、需要快速建立基础规则 | 易沟通、上线快、维护成本低 | 对需求和交期差异反映不足，需设置复盘期限 |
| 按需求波动计算 | 需求记录较完整、交期相对稳定 | 缓冲与需求不确定性联系更直接 | 数据口径或分布假设错误时会产生偏差 |
| 同时纳入需求与交期波动 | 供应交期有明显差异且历史记录可信 | 能识别供应侧风险对缓冲的贡献 | 参数维护更复杂，相关性和极端事件仍需额外评估 |
| 关键品情景规则 | 间歇需求、停机影响大、历史样本稀少 | 可以纳入替代性、后果和供应恢复时间 | 需要业务负责人参与，主观判断必须留痕 |
| 多级库存优化 | 多个仓库可见、调拨可靠、库存规模较大 | 有机会减少节点间重复缓冲 | 依赖准确的网络、调拨时间和库存数据，实施成本较高 |
仓库安全库存方案的价值，不在于得出一个看起来专业的数字，而在于说清楚：这份缓冲为哪种不确定性服务、用了什么数据、承担多少成本、多久复核一次。需求波动、交期波动、复核周期和缺货后果必须被分开观察，才能知道该加库存、改供应，还是修正流程。
我更愿意把安全库存理解为一项管理承诺：企业愿意为某一类商品承担多少资金与空间成本，换取什么程度的可得性。这个承诺需要采购、仓库、销售和财务共同确认，不能只由一个公式或一个部门决定。
当数据较少时，先用透明规则积累事实；当数据足够时，再用波动模型细化缓冲；当需求或供应结构变化时，及时复核参数。好方案不是永远不缺货，而是在清楚知道风险与成本的前提下，让每一件缓冲库存都有可解释的理由。
我刚接手仓库，看到有人用“最大日销量×最长交期－平均日销量×平均交期”，也有人按销量波动率计算，结果差距很大。我该用哪个公式，怎样判断输入的数据有没有把安全库存算虚高？
先分清用途：数据少、交期和需求波动明显时，可用最大值法做保守起点：安全库存＝最大日需求×最长交期－平均日需求×平均交期。它容易计算，但一次促销尖峰或供应商偶发延迟就可能把库存推高，不能把历史最大值直接当长期标准。
有稳定的日需求和到货交期记录后，可采用波动法：安全库存＝服务水平系数×√（平均交期×日需求标准差²＋平均日需求²×交期标准差²）。需求量、交期必须使用一致时间单位；该公式还假设需求与交期波动相互独立，若促销期同时伴随供应延迟，应单独做情景分析。
演算示例：平均日需求20件、日需求标准差5件，平均交期10天、交期标准差2天，服务水平系数取1.65，则安全库存约为1.65×√（10×25＋20²×4）≈151件。这里的系数只是示例，不是所有商品都该设成同一个值；应根据缺货损失、替代性和资金占用决定。
我手里有近三个月的出库记录，但旺季和淡季差别很明显，直接求平均感觉不靠谱。我应该取更长的数据，还是只看最近几周？促销、断货期间的数据又该不该算进去？
窗口长度没有适用于所有仓库的固定答案。对稳定、周转快的商品，可先用近8至13周日数据观察；有明显年度季节性的商品，还要对照去年同季，并把趋势变化与季节变化分开，不能简单把一整年的旺季销量平均进淡季基线。促销销量不应直接混入普通需求均值，建议标注为促销事件，单独估算促销期间需求和补货提前期。
断货日尤其容易造成低估：系统记录的出库量可能只是可供量，不等于真实需求；可结合缺货订单、未满足数量或门店补货申请修正，并注明估算口径。实操上每周检查一次近期偏差，每月复核参数；若近4周平均需求相对既定基线偏离超过20%，先查促销、断货、商品替代和渠道变化，再决定是否重算。
这个20%是可供试运行的预警线，应按商品波动和团队处理能力调整，不是行业通用标准。
我想给仓库里的所有商品统一留7天库存，方便执行，但高价慢销品和低价畅销品看起来完全不是一回事。我该按什么维度分组，才能既不让关键商品频繁缺货，也不让库存资金压得太多？
不建议所有商品统一留相同天数。相同天数对应的库存数量会随销量变化，但它没有反映供应风险、缺货损失、替代可能性和保质期；高价慢销品可能因此积压，关键零件则仍可能因交期波动而断供。可以先按年消耗金额做ABC分层，再叠加需求稳定性和供应风险：A类且缺货代价高的商品，优先提高服务目标并核查供应交期；
低频、间歇需求商品，不宜直接套用正态分布公式，可用历史需求间隔、关键订单和最低采购量制定补货规则；临期品还需增加效期约束。例如，某低价包装材料日均需求稳定、补货只需3天，适合用常规波动法；某昂贵备件一年只领用数次，却需要跨境采购数周，更适合结合停机损失、可替代件和供应商承诺制定策略。
分层不是为了增加表格，而是让不同风险的商品采用不同参数和审批方式。
我已经按公式算出一批安全库存，但担心公式结果和实际仓库不匹配。上线后应该看哪些指标，遇到缺货或库存上涨时，是改安全库存、采购批量，还是先检查数据？
先用历史数据回测，而不是直接一次性改全仓。按商品模拟每天的可用库存与补货到货，统计周期服务水平、缺货次数、缺货量、平均库存和库存金额；周期服务水平指一个补货周期内没有缺货的周期占比，不等同于满足的需求数量比例。试运行可选20至50个有代表性的商品，覆盖畅销品、长交期品和间歇需求品，观察4至8周。
若缺货集中在供应商延迟，优先核实交期和到货记录；若需求预测持续偏低，再调整需求参数；若库存金额升高但服务水平没改善，检查安全库存是否与采购批量、最小起订量重复叠加。每次参数调整都记录旧值、新值、原因、审批人和复核日期。安全库存应随需求波动、实际交期及目标服务水平变化而更新；
不要因为一次缺货就永久加库存，也不要仅因库存高就直接削减。先定位缺货或积压属于需求、供应、数据还是执行问题，再改对应环节。
读者评论
把补货点和安全库存分开讲很实用。以前我们只看仓库现货，没扣掉已分配数量，也没算在途货，结果出现重复下单。库存位置确实更适合做补货判断。
交期口径这点容易被忽略。供应商说的7天如果只算到发货，仓库签收和质检还要再等，照这个数字设缓冲很可能偏低。最好用实际下单到可用的记录回看。
定期复核还要把等待检查的时间算进去，这个提醒很具体。每周集中下单的仓库，即使每天看报表，也不等于连续复核；另外整箱起订量和效期也得单独纳入执行规则。