安全库存公式算出 45 件，仓库却仍然缺货，这种情况并不罕见。问题往往不在公式，而在于需求、交期和库存状态没有进入日常管理：系统里的在途货没有及时更新，促销需求被当成普通波动，或者参数算出来后半年没有复核。我的判断是，安全库存不是仓库里一块静止的“备用数量”，而是一套持续校准的执行机制。公式负责给出起点，日常数据、异常触发、责任分工和复盘记录，才决定这个起点能不能真正守住供应。
仓库安全库存管理执行标准：安全库存公式环节如何体现日常管理
我审核安全库存方案时，不先问“公式用得对不对”，而先看三个问题：缓冲的是哪一种不确定性，谁在什么时点更新参数，库存触发后由谁采取什么行动。只回答第一个问题，得到的通常是一个计算结果；三个问题都回答清楚，才有可能形成执行标准。
最常用的需求表达是：安全库存 = 服务水平系数 × 需求波动标准差 × √补货提前期。在日需求相互独立、提前期相对稳定等假设下，这个公式估算补货期间需求波动所需的缓冲量。它不是“多备一点”的经验说法，而是把波动、交期和服务目标转成可讨论的数量。
实际补货判断还要使用再订货点，而不只是安全库存。基本关系是：再订货点 = 平均日需求 × 平均补货提前期 + 安全库存。前一项覆盖正常消耗，后一项应对不确定性。如果把安全库存直接当成再订货点，或把所有库存统称为安全库存，采购信号就会失真。
一条可执行的安全库存规则，至少要关联物料编码、计量单位、需求口径、提前期口径、服务目标、计算周期、责任人、审批人和触发动作。缺少其中任何一项，参数在系统里看上去完整，现场仍可能出现“知道低了，但不知道该找谁处理”的情况。
我通常把管理闭环拆成四步：先采集可信数据，再按规则计算；随后将计算结果与可用库存、在途量和已分配量比较；最后对偏差、缺货风险和参数变更形成处理记录。日常管理不是每天重算全部物料，而是让异常能被及时发现、正确解释并留下可追溯的处理依据。
| 管理环节 | 要回答的问题 | 对应日常动作 |
|---|---|---|
| 数据准备 | 需求、库存、交期是否同口径 | 核对单位、时间范围、退货和异常记录 |
| 参数计算 | 安全库存依据什么波动和服务目标 | 按物料分层计算并保存版本 |
| 库存判断 | 当前可用量是否接近补货触发点 | 结合在途、占用和待检状态计算库存位置 |
| 异常处理 | 缺货或积压由什么原因造成 | 记录原因、责任人、临时措施和复核日期 |
库存报表经常用一个“现存数量”概括物料状况，但同样是 300 件，实际含义可能差别很大：其中 80 件已经被订单占用，40 件处于待检状态，还有 100 件虽已下单却要两周后到货。若仓库只拿现存量与安全库存比较，就可能误判风险；若把全部在途都算作可用，又可能把尚未确认的供应当成确定交付。
我会把“库存余额”与“库存位置”分开看。库存位置可以按业务口径定义为可用库存，加上确认在途，再减去已分配需求；待检、冻结、质量隔离和供应商未确认的订单，是否计入必须有明确规则。一个企业可以选择不同口径，但不能让采购、仓库和计划部门各算各的。
日常缺货常由几类因素叠加：需求突然增加、供应商交期延长、订单未按时释放、收货入账滞后、质量检验占用，以及库存记录误差。公式若只利用历史需求标准差，就无法自动覆盖所有这些情况。尤其是供应交期变动明显时，单独调高需求缓冲，可能掩盖供应商履约问题。
举例来说，某零件过去平均每天消耗 20 件，短期需求较稳定，但供应商交货时间从 6 天变成 12 天。如果仍按 6 天交期计算，安全库存即使准确描述了日需求波动，整体补货点也可能偏低。反过来，若供应商交期稳定而促销导致需求突增，管理重点就应落在促销计划和短期需求修正，不应只把常态参数永久调高。
我不建议每天人工检查所有物料，也不建议每季度才看一次全部参数。更合理的做法是按业务影响和波动程度分层：关键且高波动物料采用更短的监控周期；价值高但消耗平稳的物料重点控制资金占用；低价值、低影响物料则可用简化规则和较低维护频率。
分层不是为了增加标签，而是为了把有限的计划、采购和仓库时间投向最需要管理的对象。每一层都应明确复核频率、预警阈值、审批权限和缺货升级路径。若一个分类没有带来不同的动作，它就只是报表上的装饰。
“一个月用量的 10%”“多放两周库存”容易执行，却未必适合所有物料。不同物料的需求波动、交期、供应风险和缺货损失差异很大，统一倍数会让稳定物料占用过多资金，也可能让高波动物料仍然保护不足。
经验规则不是绝对不能用。对需求稀疏、历史记录不足、低价值且缺货影响有限的物料，简单规则可能比制造精确感的复杂模型更可靠。关键是要把它标记为暂行规则，写清适用范围、复核时间和升级条件，而不是把经验值包装成精确计算。
常见计算默认提前期固定，现实中却可能有供应商排产、运输、清关、检验等环节。若交期波动很大，需求波动公式会低估风险。可以在需求与提前期相互独立、需求在期间内近似稳定等条件下，估算两者共同影响：安全库存 = 服务水平系数 × √（平均提前期 × 日需求方差 + 平均日需求² × 提前期方差）。
这个表达同样依赖假设，并不意味着所有企业都应该立即采用。若交期和需求相关、供应中断呈现长尾，或需求间歇且大量为零，简单的正态近似可能不适用。我的建议是先检查交期分布和缺货事件，再决定是否增加模型复杂度；不要为了“更高级”而把难以解释的参数投入运行。
未入库的到货、已被订单占用的库存、质量冻结量和可用量必须分开。一个常见管理漏洞是库存已到仓但检验状态未更新，计划表仍按可用量补货；另一种漏洞是采购订单已取消，却仍被系统视为在途。公式计算得再细，也抵不过库存状态不准确。
我会要求每个状态有明确责任人和更新时间要求。例如，收货完成后由仓库及时确认实收数量；质量状态变化由检验流程同步；采购订单延期、取消或拆单后，采购更新预计到货日期。具体时限要根据业务节奏制定，但“谁更新、更新什么、何时更新”不能留白。
安全库存从 50 件调到 90 件，如果没有保存旧值、修改原因、生效日期和审批人，后续就无法判断库存增加是模型调整、业务变化还是手工覆盖。参数历史不是行政负担，而是识别误判的证据：需求变化后调整有效，还是供应商改善后库存本可下调？
此外，所有异常都通过人工调高安全库存，也会形成“只上不下”的库存惯性。每次临时调整都应设置到期日或复核条件。短期项目结束、供应恢复稳定后，应按规则回看是否撤销，而不是让临时缓冲永久留在物料主数据中。
| 常见做法 | 看起来的好处 | 主要风险 | 更稳妥的替代动作 |
|---|---|---|---|
| 统一按月用量比例备货 | 容易解释、上线快 | 忽略波动与交期差异 | 分层管理，先给关键物料计算，再给低风险物料设简化规则 |
| 只看现存库存 | 报表直观 | 漏算占用、待检和有效在途 | 定义库存位置口径并统一跨部门使用 |
| 缺货就提高参数 | 短期可能减少断供 | 掩盖供应和数据问题，造成长期积压 | 先编码缺货原因，再决定改需求、交期还是参数 |
| 一年只复核一次 | 维护成本低 | 无法响应结构变化和异常趋势 | 设置例行复核与事件触发复核两套机制 |
我会先对齐需求口径：按日、周还是月统计；采用出库、净需求还是预测消耗；退货、报废、样品领用和一次性项目需求是否纳入。不同口径不能直接混算。比如以出库记录作为需求，但大批订单因缺货被延期，历史出库会低估真实需求，这种情况下标准差再准确也只是准确地描述了被供应限制后的数据。
随后检查需求时间序列是否包含缺失日期、单位换算、重复单据和异常峰值。峰值不应一律删除：若它来自真实促销或客户项目，应保留并识别为事件；若是录入错误，才应修正或排除。数据清理要保留理由，避免为了让公式结果“看起来合理”而随意裁剪历史记录。
当需求连续、波动相对平稳、交期可测量且补货以固定周期触发时，标准差与服务水平系数的模型通常有解释优势。需求较平稳、交期稳定时，模型会自然给出较小缓冲；波动增大或服务目标提高时，缓冲量也会增加。这种透明性有利于采购、计划和财务共同讨论取舍。
如果物料需求间歇，例如多数日期为零，偶尔集中领用，直接计算日需求标准差可能造成不稳定结果。若新品缺少历史、产品生命周期短，历史波动更没有代表性。此时我会优先结合订单计划、物料属性、供应商承诺和相似品经验，明确标注参数为估计值，并设定更短的复核周期。
服务水平不是“越高越好”。提高目标通常意味着需要更多缓冲，尤其在高波动物料上更明显。管理者应结合缺货损失、替代料可用性、客户承诺、停线风险、库存资金和过期风险，明确哪个物料值得更高保障。一个适合关键设备备件的服务目标，未必适合低毛利、易过时的促销品。
在统计模型中，服务水平系数要匹配所定义的服务指标。例如，周期服务水平关注一个补货周期内不发生缺货的概率；填充率关注客户需求中直接由现货满足的比例。二者不是同一指标，系数不能不加说明地互换。若企业只看“订单准时率”，还要确认缺货物料是否被延期、拆单或替代，否则表面服务表现可能掩盖库存风险。
公式结果不必每天都变，但风险信号可以每天观察。库存位置低于再订货点时生成补货建议；预计到货时间晚于计划需求时间时升级交期风险；库存高于目标上限且需求连续下降时触发积压检查。每一类信号都要规定通知对象和处理时限，避免所有异常都挤进同一个“低库存”清单。
还要定义参数何时重算。我的做法是把例行复核与事件触发分开：例行复核按物料风险等级安排；事件触发则包括交期明显改变、需求结构转变、缺货事件达到阈值、供应中断或新品切换。这样既避免频繁扰动参数，也不会等到年度盘点才发现模型早已失效。
下面用一组明确标注为情景模拟的数据演示，不代表任何企业的真实经营结果。某仓库管理一款持续消耗的通用零件，过去 90 个有效工作日的平均日需求为 40 件，日需求标准差为 12 件，供应商平均提前期为 5 个工作日。为便于演算，假设提前期相对稳定，需求在统计期间内没有明显趋势。
若暂以 95% 左右的周期服务目标进行情景计算，采用常见正态近似系数 1.65，则安全库存约为 1.65 × 12 × √5，结果约 44 件。日均需求在 5 天内的平均消耗为 200 件，因此再订货点约为 244 件。执行时可按包装倍数或采购批量取整，例如设为 245 件；取整规则也要写进物料参数说明。
这组计算不是说 245 件永远正确。若实际交期存在明显波动，或需求呈现促销尖峰、项目集中领用，假设就需要复核。如果 90 天内发生过缺货，出库量可能没有反映真实需求；若样本期恰好处于淡季，平均值也不一定适合未来。数字应被理解为有条件的管理建议，而不是脱离业务场景的事实。
假设仓库此前采用固定 200 件的补货点。短期对比时，不能只因为调整后某月没有缺货，就断言新参数优越：需求强弱、供应商表现和订单结构都可能不同。较可靠的观察应同时记录缺货行数、延期需求、库存占用、参数触发次数、供应商交期偏差和临时加急采购，至少跨越若干补货周期，并区分外部事件。
例如，如果缺货减少，但平均库存增加很多，企业需要判断额外资金是否换来了足够的服务改善；如果库存没有显著增加而延期需求下降，则可能说明原有补货点偏低；如果异常都发生在供应商交期延误期间，则应优先处理供应履约，而不是不断抬高需求缓冲。指标组合能帮助区分“模型有效”和“碰巧没出问题”。
| 观察维度 | 建议记录的指标 | 解释时要注意 |
|---|---|---|
| 供应服务 | 缺货行数、延期天数、按时满足率 | 区分因需求暴增、供应延迟和数据错误造成的影响 |
| 库存成本 | 平均库存金额、超目标库存天数、呆滞数量 | 结合物料单价、保质期和资金成本评估 |
| 计划质量 | 补货建议采纳率、紧急采购次数、预测偏差 | 采纳率低可能是参数问题，也可能是计划人员绕过流程 |
| 数据纪律 | 库存状态更新时间、交期更新及时率、异常闭环率 | 用于判断执行流程是否支撑了模型 |
如果企业已经在使用九数云，可以将它作为库存数据分析与可视化的示例平台，围绕采购明细、库存流水、领料记录、供应商交期和物料主数据建立统一分析视图。实际能够接入的系统、字段范围和功能，以当前产品版本及企业数据条件为准。我这里强调的是分析路径，不假设平台自动替企业决定安全库存参数。
在数据准备阶段，我会先检查物料编码、日期、单位和状态字段能否对齐；然后把日需求、实际提前期、库存位置、缺货事件与参数版本组织成可核对的分析表。完成口径验证后，再构建物料分层视图，例如按库存价值、需求波动、缺货影响和交期稳定性筛选需要优先复核的项目。若数据来源分散，先解决字段映射和责任归属，比先搭建复杂看板更重要。
看板的作用是帮助人发现“哪里值得查”，而不是自动证明“为什么出问题”。例如，某物料本月补货次数增加，分析人员还要追查需求峰值、订单拆分、供应商延期、库存调整和参数修改记录。要是只展示红黄绿灯，却没有异常明细和责任闭环，图表会让问题更醒目，却不一定让处理更有效。
实际落地时，我会用一张物料管理表承载计算和执行信息：物料编码、需求窗口、均值、标准差、提前期均值与波动、服务目标、公式版本、安全库存、再订货点、参数生效日期、负责人和最近复核结论。九数云或其他分析平台可以用于汇总和观察这些字段；采购、仓库、计划系统中的正式交易动作仍应依照企业授权流程完成。
对需求连续、供应较稳定的物料，可以按固定周期复核平均需求、标准差和交期，库存位置则按日或按补货计划刷新。复核不应只是重新算一遍公式，而要检查近期均值是否明显偏移、标准差是否被一次性异常拉高，以及供应商实际交期是否偏离承诺。
这类物料适合建立标准模板：参数有计算日期和版本，库存低于再订货点时产生补货建议，超出上限时检查是否存在提前采购或需求下修。若一段时间内需求和交期都稳定，可以减少人工复核频次，但仍应保留事件触发机制。
对促销品、项目物料和季节性产品，不能简单把旺季需求纳入长期平均值，再让安全库存永久增高。更好的做法是把基础需求与已知事件分开管理：常态部分按历史规律计算，促销、项目订单或客户承诺形成独立需求计划，并明确生效时间和结束时间。
当活动结束后，要检查剩余库存和参数是否回归常态。如果订单高度集中且提前可知，优先通过计划订单、供应商排产和阶段性备货处理；安全库存更适合覆盖未预期的波动，不应承担已知促销计划的全部责任。
对长交期或供应不稳定物料，先分清交期偏差来自供应商生产、运输、检验还是企业内部审批。若主要问题是订单晚下、预测晚发或收货入账延迟，单纯增加安全库存只会用资金补流程漏洞。若外部供应波动确实难以消除，再评估安全库存、替代料、分批到货、供应商协同和应急采购的组合。
对停线影响高的关键件，可以设置更高的服务目标或额外应急方案，但必须明确最大库存、资金审批和替代方式。单一来源风险不能靠库存无限加码解决；当库存成本高到不可接受时，需要比较第二来源开发、技术替代、供应商库存协同等方案的投入和恢复时间。
新品没有足够历史数据时，应将参数标为估计，并注明参考对象、需求计划来源、供应商交期依据和有效期限。开始阶段提高复核频率，随着实际领用和补货数据积累，逐步从人工估计转向统计估计。不要把新品前几周的偶然需求直接当成长期规律。
间歇需求可以按需求发生间隔、单次需求量和补货周期分别观察，不宜只看日均值。若缺货影响低且物料容易获得，少量备货或按需采购可能比复杂模型更经济；若是关键维修备件，即使消耗频率低，也应评估故障代价、修复时限和替代方案，不能仅因历史平均需求接近零就把库存设为零。
一个实用的节奏可以分成日、周、月和事件触发四类。日常查看库存位置与预计到货风险；每周处理临近再订货点、延期交付和数据异常；每月复核重点物料的需求、交期和覆盖情况；发生大幅需求变化、供应中断、缺货或产品切换时，立即启动专项复核。
频率不宜照抄。仓库业务节奏快、系统数据实时性高的企业，可能需要更频繁的告警；需求低频、采购周期长的备件，则可侧重事件驱动。最终标准应写清责任岗位、完成时限、升级路径和关闭条件，并定期抽查执行记录。
安全库存提高，通常会增加可供需求波动使用的缓冲，但也增加占用资金、仓储空间和过期风险。若缺货会造成关键客户停产、重大违约或设备长时间停机，较高保障可能值得；若物料易替代、采购周期短、缺货影响有限，保持高库存就未必划算。
我建议把“缺货一次的影响”与“多备一段时间的成本”放到同一决策里。前者包括延期损失、停线风险和紧急运输费用；后者包括资金成本、仓储、报废和降价处置。没有必要把所有成本都算到小数点，但至少要让业务部门知道提高服务目标的代价由谁承担、避免了什么损失。
模型复杂度应当匹配数据质量、人员能力和决策价值。一个能解释、能复核、能持续维护的基础模型，往往比无法说明参数来源的高级模型更适合实际运营。如果需求历史错误、交期记录断裂，先上复杂算法只会更快地输出不可靠结果。
复杂模型适用于业务价值足以覆盖实施与维护成本的场景，例如高价值关键物料、明显的季节性需求、多来源供应或显著的交期波动。推广前应先用历史数据回测，并与现行规则比较缺货风险、库存金额和人工干预频次。若模型只提高了报表精细度，却没有改变补货决策，就没有形成管理收益。
企业需要统一数据定义、审批流程和变更记录，但不必强迫所有物料使用同一个服务目标或复核周期。标准应该统一的是“如何决策、谁负责、怎么留痕”，而不是每个物料的参数值都相同。这样既便于审计，也保留了适应业务差异的空间。
也不宜无限细分。分类过多会增加维护成本，人员容易记不住规则，系统配置也可能变得难以治理。可以从少数有明确动作差异的类别开始，观察一段时间后再判断是否需要进一步细化。没有实际决策差别的分类，应合并而不是继续扩张。
遇到缺货时，增加库存是最直观的办法，却不是总成本最低的办法。若问题根源是供应商交期不可靠，企业可以比较增加缓冲、改善交期承诺、分散供应、预留产能和开发替代料的综合成本。不同方案的收益期限不同：库存可以较快缓解风险，但资金长期沉淀；供应改善需要协同投入，却可能降低长期缓冲需求。
因此，我会把“临时止损”和“长期修复”分开立项。缺货迫近时，先做应急采购、替代料评估或客户协调；事件后再分析发生原因，决定要改参数、改供应策略还是改数据流程。若只完成临时补货而没有后续复盘，同一问题往往会以更高成本重演。
如果一个团队已经算出了安全库存，却仍然频繁争论“到底该不该补”，通常说明规则还没有闭环。我会用四个检查点判断成熟度：数据口径是否一致；公式假设是否与物料特征匹配；库存位置是否包含正确状态；参数变更和异常处置是否有记录。四项都能被复核，安全库存才有机会从经验表格进入稳定的日常运营。
此外，还要追问两个管理问题：参数是否有明确的有效期和责任人？发生缺货或积压后，组织是否能区分需求、供应、库存记录和审批延迟等原因？这两个问题看似不属于公式，却往往决定公式能否持续有效。
我建议先选一组有代表性的物料试运行：包含需求稳定品、需求波动品、长交期品和关键备件。统一数据口径，记录旧规则与新参数，设定观察窗口和评价指标；上线后同时跟踪缺货、延期、库存金额、加急采购和人工覆盖，不用单一结果判断成败。
每轮复盘都要回答：原先的缺货是否减少，增加的库存是否合理，哪类物料的模型假设不成立，哪些异常其实属于流程或供应问题。若结果不理想，先定位输入和执行环节，再决定是否换公式。这样可以避免把每一种管理问题都交给“调高安全库存”解决。
安全库存公式的价值，不是把未来的不确定性消灭，而是把不确定性变成可见、可讨论、可承担的决策。公式给出数量，日常管理负责验证数量是否仍然适用；数据分析平台帮助发现变化，业务人员负责解释变化和采取行动。无论使用哪种系统或工具，最终都应能回答：这个库存缓冲为什么存在、何时该调整、调整后由谁承担结果。
下一步可以从一个高风险物料开始，核对 90 天或更适合业务周期的需求与交期记录，统一可用库存和在途口径，算出安全库存与再订货点，再为参数设定责任人、复核日期和异常动作。先让一条规则完整运行，再逐步推广，比一次性给所有物料批量套公式更稳妥。
我知道安全库存要用公式算，但不知道算出来的数字怎样落到每天的收货、发料和补货上。比如系统显示库存还没见底，什么时候该下单？需求波动和供应商交期变化又该由谁更新？
先把公式变成可执行的补货点，而不是只把一个安全库存数字贴在表格里。举例：某配件日均需求为40件，日需求标准差为12件，供应商交期按5天估算，目标服务水平取95%，对应的正态分布系数约为1.65。
在交期固定、日需求近似独立且稳定的前提下，安全库存约为1.65×12×√5＝44.3件，实际可向上取整为45件；补货点则为40×5＋45＝245件。日常规则应写清：库存位置降到245件或以下时生成补货提醒，库存位置按“可用库存＋确认在途－已分配未发”计算，避免只看货架实物而重复下单。
这个数字不是常量。仓库每天记录实际需求、缺货和到货日期；采购跟踪交期偏差；库存负责人按约定周期复核参数。公式提供触发线，岗位和动作才是管理标准。
我担心需求每天变化，如果安全库存不天天改就会过时；但如果每天都改，采购计划又可能忽高忽低。仓库应该按什么频率更新数据，什么情况才值得临时调整？
一般不建议每天重算并立即覆盖安全库存。单日大单、促销领料或录入延迟都可能制造噪声，频繁改数会让采购计划追着短期波动跑。更稳妥的做法是每日监控缺货、需求异常和交期延误，每周或每月定期复核参数。例如，可用滚动60至90天的日需求数据估计均值和波动，同时保留促销、停产等已知事件的标记；
交期则用近期实际到货记录核算，而不是只沿用供应商口头承诺。样本太少、期间存在明显断货时，不宜把观测到的低需求直接当成真实需求。临时调整应设触发条件，例如连续两周需求超出预测区间、供应商交期连续两批明显延长，或发生一次关键物料停线。
记录调整原因、生效日期和复核日期，事件结束后再恢复或重估，避免临时值永久留在系统里。
我看到有些做法直接给所有物料设同一个安全库存天数，但高价慢动件和停线就会用到的关键件显然不一样。我该怎样把缺货风险、库存资金和物料重要性放进同一套判断里？
不要先给全仓统一设“几天库存”，而应先明确缺货的业务代价。停线会造成高损失、替代困难的物料，可以采用更高服务目标；容易替代、采购周期短且缺货影响有限的物料，则不必为了追求极高的账面服务水平长期压货。在前述日需求标准差12件、交期5天的示例中，95%服务水平的安全库存约为44件；
若提高到99%，系数从约1.65升至2.33，安全库存约为63件，增加约19件。若该物料单价高、年用量低，这多出的库存可能并不划算；若缺货会导致整线停产，增加的缓冲可能值得。实际分层时，至少同时看缺货后果、采购交期及其波动、替代来源和库存资金占用。
还要说清采用的是周期服务水平还是满足率口径，两者含义不同；不能仅凭一个“95%”就认定所有缺货风险已被控制。
我遇到过账面库存够用，现场却找不到货的情况，也见过货已经在途，系统仍然重复触发采购。安全库存标准除了公式和阈值，还应该规定哪些日常核对动作，才能减少这类问题？
安全库存只有建立在可信的库存位置上才有意义。每日或每班应检查收货是否及时入账、发料是否及时扣账、冻结品和待检品是否从可用库存中剔除，并重点核对达到补货点的物料。高价值或关键物料可提高循环盘点频率，差异查明前不要把账面数量直接当作可用量。补货时应统一口径：确认在途只计入已下单且供应商确认的数量；
已分配给订单但尚未发出的库存应扣除；取消、延期或质量冻结的采购单不能继续作为可靠供应。否则，即使245件的补货点计算正确，错误的库存位置也会让下单过早或过晚。执行记录至少包括触发日期、当时库存位置、建议补货量、人工调整理由、责任人和预计到货日。
每月抽查“触发后是否按时下单、到货是否符合承诺、缺货是否由需求突增或数据错误造成”，这样才能判断需要改的是公式参数，还是收发货和采购执行。
读者评论
把库存余额和库存位置分开看很实用。待检、占用和未确认在途若口径不一致，确实可能让补货判断失真。
文中提到需求受缺货限制时，出库记录会低估真实需求，这点容易被忽略。用历史数据算参数前，最好先核对延期订单。
按风险分层设复核频率比所有物料统一检查更可操作。建议再配上参数到期提醒，避免临时调高的库存长期不回调。