3. 补货计划核心参数概览
补货计划的精度与稳定性，取决于一组核心参数的合理配置。这些参数共同构成了从“需求感知”到“库存补充”的完整决策链路。本章逐一解析安全库存、再订货点、目标库存、订货批量、提前期与预测误差的作用、配置逻辑及常见误区。
3.1 参数全景图
下表汇总了六大核心参数的定义、典型单位与在补货计划中的角色：
| 参数 | 定义 | 典型单位 | 核心作用 |
|---|---|---|---|
| 安全库存 | 为应对需求波动与供应不确定性而设置的缓冲库存量 | 件 / 箱 / 托盘 | 吸收预测误差，保障服务水平 |
| 再订货点 | 触发补货动作的库存水位阈值 | 件 / 箱 / 托盘 | 决定补货启动时机 |
| 目标库存 | 每次补货后期望达到的最高库存水平 | 件 / 箱 / 托盘 | 控制库存上限，防止过度补货 |
| 订货批量 | 单次补货的订购数量 | 件 / 箱 / 托盘 | 平衡订货成本与持有成本 |
| 提前期 | 从发出订单到货物入库的总耗时 | 天 / 小时 | 决定补货提前量，影响再订货点计算 |
| 预测误差 | 实际需求与预测值之间的偏差度量 | 百分比 / 标准差 | 量化不确定性，驱动安全库存设定 |
3.2 参数间的逻辑关系
六个参数并非孤立存在，而是通过以下公式与逻辑形成闭环：
再订货点 = 提前期需求 + 安全库存
目标库存 = 再订货点 + 订货批量
安全库存 = 服务水平系数 × 提前期需求标准差其中，预测误差直接影响提前期需求标准差的计算，进而决定安全库存的大小；提前期的波动则进一步放大安全库存需求。
关键认知： 安全库存是“结果”而非“原因”——它由服务水平目标、预测误差与提前期共同推导得出。手动拍脑袋设定安全库存，往往导致库存过剩或服务水平不足。
3.3 参数配置的典型场景对比
| 场景 | 安全库存 | 再订货点 | 目标库存 | 订货批量 |
|---|---|---|---|---|
| 高服务水平（99%） | 高（3~4σ） | 高 | 高 | 可适当增大 |
| 低成本优先 | 低（1~1.5σ） | 低 | 低 | 经济批量（EOQ） |
| 长提前期（60天） | 高（含提前期波动） | 很高 | 很高 | 需考虑在途库存 |
| 短提前期（2天） | 低 | 低 | 低 | 可高频小批量 |
3.4 参数间的动态影响：SVG 关系图
下图展示了六个核心参数如何相互影响，并共同决定补货计划的输出：
3.5 参数配置的常见故障模式
- 安全库存“一刀切”： 所有SKU使用相同安全库存天数，忽略需求波动差异，导致高波动品项缺货、低波动品项积压。
- 再订货点未考虑提前期波动： 仅用平均提前期计算，当供应商延迟时，实际再订货点过低，触发缺货。
- 目标库存与订货批量脱节： 目标库存设得很高，但订货批量很小，导致补货频率过高，运输成本失控。
- 预测误差未纳入安全库存计算： 安全库存设为固定值，不随预测误差动态调整，服务水平忽高忽低。
⚠ 故障排查提示： 当补货计划出现“频繁缺货但库存总额偏高”的矛盾现象时，优先检查安全库存是否与预测误差脱钩，以及再订货点是否使用了过时的提前期数据。
3.6 参数配置的推荐步骤
- 收集历史数据： 至少12个月的需求历史、供应商提前期记录、实际服务水平数据。
- 计算预测误差： 使用MAPE或标准差度量每个SKU的预测偏差。
- 设定服务水平目标： 按SKU分类（如A类99%，B类95%，C类90%）。
- 推导安全库存： 基于服务水平系数 × 提前期需求标准差。
- 计算再订货点： 平均提前期需求 + 安全库存。
- 确定订货批量： 结合经济批量（EOQ）与运输约束。
- 设定目标库存： 再订货点 + 订货批量。
- 持续监控与调优： 每月复盘预测误差变化，动态调整安全库存系数。
3.7 参数配置的决策树：SVG 流程图
以下决策树帮助计划员快速判断参数配置的优先级与方向：
3.8 参数配置的量化示例
假设某SKU数据如下：
- 日平均需求：100件
- 日需求标准差：30件
- 提前期：5天（固定）
- 目标服务水平：95%（对应安全系数z=1.65）
计算过程：
提前期需求标准差 = 30 × √5 ≈ 67.1 件
安全库存 = 1.65 × 67.1 ≈ 110.7 件（向上取整111件）
再订货点 = 100 × 5 + 111 = 611 件
若订货批量 = 500 件，则目标库存 = 611 + 500 = 1111 件
💡 实践建议： 在系统上线初期，先对A类SKU按上述公式精确计算参数，B/C类可使用简化系数法。待系统运行稳定后，逐步推广至全品类。