AI赋能库存预测与补货系统实战 - 第4节 📌 1. 定量订货模型 (EOQ) 经济订货批量

📌 1. 定量订货模型 (EOQ) 经济订货批量

🧮 核心公式

EOQ = √(2DS / H)

D – 年需求量 (单位)
S – 每次订货成本 (元/次)
H – 单位年持有成本 (元/单位·年)

✅ 固定订货点 ROP = d × LT (d: 日需求, LT: 提前期)

📋 特征 & 适用

✔ 连续检查库存，固定订货量
✔ 需求稳定、提前期固定
✔ 总成本最小化 (订货+持有)
📌 常用于B类物料、标准件

💡 例年需求 1200，订货成本 50，持有成本 2 → EOQ ≈ 245 单位

⭐ EOQ 模型：总成本最低点对应最佳订货批量

📅 2. 定期订货模型固定间隔期

⏱ 运作逻辑

🔁 按固定周期 (T) 检查库存
📦 订货量 = 目标库存 - 当前库存 - 在途
📌 目标库存 = d × (T + LT) + SS

📌 关键无需连续监控，适合C类物料

⚖️ 对比 EOQ

特征	定量	定期
订货量	固定	可变
检查频率	连续	周期
安全库存	较小	较大

⏳ 固定周期 T 检查并补货，订货量随需求波动

🛡️ 3. 安全库存 · 服务水平 · 缺货率

🧯 安全库存 (SS)

SS = z × σ_dLT

z – 安全系数 (对应服务水平)
σ_dLT – 提前期需求标准差

📘 常用 z: 90%→1.28, 95%→1.65, 99%→2.33

📊 服务水平

✔ 定义：补货周期内不出现缺货的概率

✔ 公式：SL = 1 – (缺货量/总需求)

✔ 常见目标：95% ~ 99%

🎯 权衡服务水平↑ → 安全库存↑ → 持有成本↑

📉 缺货率

🔻 缺货率 = 1 – 服务水平

🔻 年缺货次数 = (1-SL) × 订货次数

💡 例：SL=95% → 缺货率5% ，每20次缺1次

📈 安全库存 = z·σ ，保护免受需求波动影响

📊 4. 策略对比 & 计算代码

维度	定量订货 (EOQ)	定期订货	安全库存
订货触发	库存降至ROP	固定时间点	—
订货量	固定 EOQ	可变 (补至目标)	—
监控强度	高 (连续)	低 (周期)	—
安全库存大小	较小	较大	z·σ_dLT
适合物料	A/B类	C类 / 长提前期	所有关键物料

# 定量订货 EOQ + 安全库存 计算示例 (Python)
import math

D = 1200          # 年需求量
S = 50            # 订货成本
H = 2             # 单位持有成本
LT = 7            # 提前期 (天)
sigma_d = 5       # 日需求标准差
service_level = 0.95   # 服务水平

eoq = math.sqrt(2 * D * S / H)
z = 1.65          # 对应95%
ss = z * sigma_d * math.sqrt(LT)
rop = (D/365) * LT + ss

print(f"EOQ = {eoq:.1f} 单位")
print(f"安全库存 = {ss:.1f} 单位")
print(f"再订货点 ROP = {rop:.1f} 单位")

🧩 传统补货策略 · 决策架构

⚙️ 传统补货策略决策架构：定量、定期、安全库存与服务水平联动

📦 传统补货策略 · 四象限