3. 需求不确定性量化
需求不确定性是库存风险的根源。在补货点配置中，安全库存直接用于吸收需求波动，而波动的量化精度决定了库存策略的可靠性。本节将系统讲解三种核心量化指标：标准差、变异系数以及预测误差指标（MAE/MAPE），并给出工程解读。
3.1 标准差：衡量波动幅度
标准差（σ）是衡量需求数据离散程度最常用的指标。在库存场景中，它表示实际需求偏离平均需求的程度，单位与需求单位一致。
| 指标 | 公式 | 适用场景 | 解读要点 |
|---|---|---|---|
| 总体标准差 | σ = √[ Σ(xᵢ - μ)² / N ] | 已知完整历史需求总体 | 反映整体波动，用于长期安全库存基线 |
| 样本标准差 | s = √[ Σ(xᵢ - x̄)² / (n-1) ] | 使用历史样本估计总体 | 库存实践中更常用，避免低估波动 |
工程提示： 计算补货点安全库存时，优先使用样本标准差。若历史数据不足30期，建议对标准差进行小样本修正（如使用t分布临界值替代正态分布z值）。
3.2 变异系数：衡量相对波动程度
变异系数（CV = σ / μ）消除了量纲和均值的影响，用于比较不同产品、不同量级的需求波动性。CV值越高，说明需求相对越不稳定，对库存策略的挑战越大。
| CV 范围 | 波动等级 | 库存策略建议 |
|---|---|---|
| CV < 0.3 | 低波动 | 可配置较低安全库存，补货周期可拉长 |
| 0.3 ≤ CV < 0.8 | 中等波动 | 需动态安全库存，建议结合预测误差调整 |
| CV ≥ 0.8 | 高波动 | 需高频补货+激进安全库存，考虑备选供应源 |
避坑提醒： 当产品均值接近零（如新品导入期或季节性尾期）时，CV会异常放大，此时应改用平均偏差（MAD）或直接使用标准差，避免CV失真导致过度备货。
3.3 预测误差指标：MAE 与 MAPE
预测误差直接反映需求预测的准确性，是安全库存计算中动态调整的关键输入。常用指标包括平均误差（MAE）和平均百分比误差（MAPE）。
3.3.1 MAE（平均误差）
MAE = (1/n) × Σ |实际值 - 预测值|
- 单位：与需求单位一致，直观反映平均偏差量级。
- 优点：对异常值不敏感，稳健性强。
- 工程用途：直接用于计算预测误差驱动的安全库存（如：安全库存 = z × MAE × √LT）。
3.3.2 MAPE（平均百分比误差）
MAPE = (1/n) × Σ |(实际值 - 预测值) / 实际值| × 100%
- 单位：百分比，便于跨SKU比较。
- 优点：直观反映预测精度百分比。
- 局限：当实际值为0或接近0时，MAPE会无穷大，需使用sMAPE或MASE替代。
| 指标 | 公式 | 取值范围 | 库存场景解读 |
|---|---|---|---|
| MAE | 平均误差 | [0, +∞) | MAE越小，预测越准；可直接换算为安全库存量 |
| MAPE | 平均百分比误差 | [0%, +∞) | MAPE < 10% 优秀；10%-20% 良好；> 50% 需重建预测模型 |
最佳实践： 在补货点配置中，建议同时监控MAE和MAPE。MAE用于定量计算安全库存，MAPE用于定性评估预测模型健康度。当MAPE超过30%时，应优先优化预测模型，而非单纯增加安全库存。
3.4 需求不确定性量化流程
下图展示了从原始需求数据到补货点参数的完整量化链路：
3.5 工程计算示例
某SKU过去12周的实际需求与预测值如下（单位：件）：
| 周次 | 实际需求 | 预测值 | 误差 | 百分比误差 |
|---|---|---|---|---|
| 1 | 120 | 115 | 5 | 4.17% |
| 2 | 95 | 100 | 5 | 5.26% |
| 3 | 110 | 108 | 2 | 1.82% |
| 4 | 130 | 125 | 5 | 3.85% |
| 5 | 85 | 90 | 5 | 5.88% |
| 6 | 105 | 110 | 5 | 4.76% |
| 7 | 140 | 135 | 5 | 3.57% |
| 8 | 75 | 80 | 5 | 6.67% |
| 9 | 115 | 112 | 3 | 2.61% |
| 10 | 125 | 120 | 5 | 4.00% |
| 11 | 90 | 95 | 5 | 5.56% |
| 12 | 100 | 105 | 5 | 5.00% |
计算结果：
- 均值 μ： 107.5 件
- 样本标准差 s： √[ Σ(xᵢ - x̄)² / (n-1) ] ≈ 20.8 件
- 变异系数 CV： 20.8 / 107.5 ≈ 0.19（低波动）
- MAE： (5+5+2+5+5+5+5+5+3+5+5+5) / 12 = 4.58 件
- MAPE： (4.17%+5.26%+1.82%+3.85%+5.88%+4.76%+3.57%+6.67%+2.61%+4.00%+5.56%+5.00%) / 12 ≈ 4.43%
工程解读： 该SKU的CV=0.19（低波动），MAPE=4.43%（优秀），说明需求稳定且预测精度高。补货点配置时，安全库存系数可选用较低的z值（如1.28对应90%服务水平），安全库存量 = z × σ × √LT。若提前期LT=2周，则安全库存 = 1.28 × 20.8 × √2 ≈ 37.6 件。
3.6 指标选择决策矩阵
在实际工程中，不同场景应选择不同的不确定性量化指标：
| 场景 | 推荐指标 | 原因 |
|---|---|---|
| 多SKU横向对比 | CV | 消除量纲和均值差异，直接比较波动程度 |
| 安全库存定量计算 | 标准差 σ 或 MAE | 直接对应需求波动量级，可代入公式计算 |
| 预测模型评估 | MAPE | 百分比形式，管理层易理解，跨品类可比 |
| 零需求/间歇性需求 | MAD 或 MASE | 避免MAPE无穷大，MAD对零值鲁棒 |
| 安全库存动态调整 | MAE + 滚动标准差 | 结合近期误差与波动趋势，自适应调整 |
进阶建议： 在实施动态补货点时，建议使用滚动窗口（如最近12周）计算标准差和MAE，而非使用全量历史数据。这样能更快响应需求模式变化，避免历史陈旧数据稀释当前波动信号。