3. 预警阈值理论：安全库存、再订货点、最大最小库存的数学建模
缺料预警的核心在于设定科学的库存阈值。本章从数学建模角度，系统解析安全库存（SS）、再订货点（ROP）和最大最小库存（Min/Max）的量化方法，为后续的预警规则配置奠定理论基础。
3.1 安全库存（Safety Stock, SS）
安全库存是为应对需求波动和供应不确定性而设置的缓冲库存。其核心公式基于需求标准差和提前期标准差，并引入服务水平因子 Z。
标准公式：
SS = Z × σdLT
其中 σdLT = √(LT × σd² + d̄² × σLT²)
SS = Z × σdLT
其中 σdLT = √(LT × σd² + d̄² × σLT²)
参数说明：
- Z：服务水平对应的安全系数（如 95% → Z=1.65，99% → Z=2.33）
- σd：需求日标准差
- σLT：提前期标准差
- d̄：平均日需求
- LT：平均提前期（天）
| 服务水平 | 缺货概率 | Z 值 | 适用场景 |
|---|---|---|---|
| 90% | 10% | 1.28 | 低值通用件 |
| 95% | 5% | 1.65 | 常规生产物料 |
| 97.5% | 2.5% | 1.96 | 关键瓶颈物料 |
| 99% | 1% | 2.33 | 战略/长交期物料 |
实战建议： 在制造协同场景中，建议对 A 类物料采用 97.5% 以上服务水平，C 类物料可降至 90%。切勿对所有物料使用统一 Z 值，否则会导致高价值物料库存积压或低价值物料频繁缺料。
3.2 再订货点（Reorder Point, ROP）
再订货点是触发采购或生产补货的库存水位。当库存降至 ROP 时，立即下达补货订单。其数学表达式为：
ROP = d̄ × LT + SS
即：ROP = 提前期内的平均需求 + 安全库存。
若需求与提前期均服从正态分布，则 ROP 的完整概率模型为：
ROP = d̄ × LT + Z × √(LT × σd² + d̄² × σLT²)实际应用中，需根据数据可得性选择简化版本：
- 确定型环境：ROP = d̄ × LT（无安全库存）
- 需求波动为主：ROP = d̄ × LT + Z × σd × √LT
- 提前期波动为主：ROP = d̄ × LT + Z × d̄ × σLT
- 双波动综合：使用完整公式
3.3 最大最小库存（Min/Max）
最大最小库存系统是一种周期性审查的库存控制方法，适用于需求相对稳定、补货周期固定的物料。其数学建模如下：
最小库存（Min）= d̄ × (LT + R) + SS
最大库存（Max）= d̄ × (LT + R + T) + SS
最大库存（Max）= d̄ × (LT + R + T) + SS
其中：
- R：审查周期（Review Period）
- T：目标补货周期（Target Replenishment Cycle）
- Min：相当于 ROP 在周期性审查下的等价阈值
- Max：库存上限，超过则停止补货
| 参数 | 数学定义 | 典型取值 | 对库存的影响 |
|---|---|---|---|
| Min | d̄ × (LT + R) + SS | 7~15 天用量 | 过低→缺料风险↑ |
| Max | d̄ × (LT + R + T) + SS | 20~45 天用量 | 过高→资金占用↑ |
| 补货量 Q | Max − 当前库存 | 动态计算 | 每次补货量不固定 |
常见误区： 许多企业将 Min 直接等同于 ROP，但在周期性审查模式下，Min 必须包含审查周期 R 内的需求，否则在审查间隔内可能已发生缺料。正确做法是 Min = ROP + d̄ × R。
3.4 三种阈值模型的对比与选型
| 对比维度 | 安全库存（SS） | 再订货点（ROP） | 最大最小（Min/Max） |
|---|---|---|---|
| 核心用途 | 缓冲量计算 | 触发补货水位 | 库存上下限控制 |
| 审查方式 | 连续/周期均可 | 连续监控 | 周期性审查 |
| 数据需求 | 需求/提前期标准差 | 平均需求+提前期 | 需求+审查周期 |
| 适用物料 | 所有物料 | 高周转/关键物料 | 中低周转/通用物料 |
| 库存波动 | 固定缓冲 | 水位触发波动 | 上限约束波动 |
| 实施复杂度 | 中 | 低 | 中高 |
3.5 阈值参数校准与动态调整
数学建模完成后，阈值参数需通过以下步骤进行校准：
- 数据清洗：剔除异常需求点（如促销、停产导致的极端值）
- 分布检验：验证需求是否近似正态分布；若偏态严重，考虑使用对数正态或伽马分布
- 服务水平校准：根据实际缺料记录反推实际服务水平，调整 Z 值
- 季节性分解：对含季节性的物料，使用 Winters 模型分解后分别计算各季节的 SS
- 滚动更新：每季度或每半年重新计算一次参数，避免模型老化
动态阈值公式（含趋势调整）：
SSt = Z × √(LT × σd,t² + d̄t² × σLT²) × (1 + α × Δtrend)
其中 Δtrend 为需求趋势变化率，α 为趋势敏感系数（通常取 0.1~0.3）
SSt = Z × √(LT × σd,t² + d̄t² × σLT²) × (1 + α × Δtrend)
其中 Δtrend 为需求趋势变化率，α 为趋势敏感系数（通常取 0.1~0.3）
通过上述数学建模与校准流程，企业可将缺料预警阈值从经验拍脑袋升级为数据驱动的科学决策，为后续的库存同步优化提供精确的触发基准。