1. 课程导论
在离散制造与流程工业的现场管理中，库存并非越多越好，也非越少越优。缺料预警阈值正是连接“供应风险”与“库存成本”的工程杠杆。本章从工程背景出发，阐明阈值设定的核心价值，并建立后续案例分析的认知框架。
1.1 缺料预警阈值的工程定义
缺料预警阈值（Stockout Warning Threshold, SWT）是指在动态库存环境中，触发补货或生产调整动作的库存水位临界点。它不同于传统的“安全库存”静态值，而是随需求波动、供应提前期、产线节拍实时调整的动态边界。
| 概念 | 静态安全库存 | 动态缺料预警阈值 |
|---|---|---|
| 更新频率 | 月度/季度人工复核 | 实时/按班次自动计算 |
| 输入变量 | 历史平均需求 + 固定提前期 | 实时需求 + 动态提前期 + 产线状态 |
| 触发动作 | 固定再订货点 | 分级预警（黄/橙/红） |
| 工程目标 | 避免缺料 | 在避免缺料的同时最小化库存持有成本 |
1.2 为什么阈值优化是“工程问题”而非“财务问题”
现场工程师常将缺料归因于“采购不及时”或“计划不准”，但根本原因往往是阈值设定缺乏工程逻辑：
- 时间尺度错配：财务视角以月/季为周期，而产线缺料发生在分钟/小时尺度。
- 物理约束忽略：未考虑物料搬运距离、拣货时间、质检等待等现场约束。
- 波动非线性：需求方差、供应方差、产线节拍方差三者叠加，阈值必须用非线性模型处理。
核心观点： 缺料预警阈值本质上是“时间缓冲”的工程量化——将供应不确定性转化为可操作的库存水位，而非简单的财务成本分摊。
1.3 阈值在库存动态优化中的三重价值
- 风险可视化：将隐性的缺料概率转化为显性的水位刻度，使现场人员可提前干预。
- 成本平衡：每降低1%的缺料率，通常需要增加3%-8%的库存持有成本；阈值优化可找到帕累托最优解。
- 响应加速：动态阈值使补货信号从“事后补救”变为“事前预判”，缩短平均补货响应时间。
1.4 工程背景：从“经验阈值”到“数据驱动阈值”的演进
在传统制造现场，缺料预警阈值通常依赖计划员经验设定，存在三大痛点：
- 滞后性：经验阈值无法响应产线临时提速、供应商突发延迟等异常。
- 碎片化：不同物料、不同产线使用不同标准，缺乏统一工程基线。
- 不可复现：人员流动导致阈值知识流失，新员工需重新摸索。
现代工业工程方法通过以下路径解决上述问题：
| 演进阶段 | 阈值设定方法 | 数据来源 | 更新周期 |
|---|---|---|---|
| 1.0 经验驱动 | 计划员“拍脑袋” | 个人记忆 | 不定期 |
| 2.0 统计驱动 | 正态分布 + 安全系数 | 历史ERP数据 | 月度 |
| 3.0 动态驱动 | 机器学习 + 实时传感 | MES/SCADA/物联网 | 分钟级 |
工程启示： 本课程所有案例均基于“3.0 动态驱动”阶段展开，但会对比展示2.0与3.0的阈值效果差异，帮助学员理解升级路径。
1.5 本课程案例全景
课程将围绕一个典型电子组装工厂的SMT产线物料管理场景，逐步展开以下工程案例：
- 阈值基线建模：基于历史数据建立初始阈值。
- 动态修正算法：引入实时需求与供应波动因子。
- 多级预警联动：黄/橙/红三级阈值与补货策略绑定。
- 阈值可视化看板：现场数据驾驶舱设计。
- 效果验证与调优：A/B测试与持续改进。
1.6 谁应该学习本章节
- 现场IE工程师：需要量化方法替代经验判断。
- 生产计划/物控人员：希望建立动态预警机制而非被动救火。
- 供应链数据分析师：寻找可落地的库存优化算法场景。
- 产线管理者：需要可视化工具提升物料管控透明度。