3. 缺料预警阈值定义：静态阈值 vs 动态阈值、安全库存与提前期的影响

在批次追溯数据采集系统中，缺料预警阈值的设定直接决定了预警的灵敏度与准确性。阈值定义不当，轻则引发大量无效告警（“狼来了”效应），重则导致真实缺料被淹没。本章从静态阈值与动态阈值两种范式出发，结合安全库存与提前期两个核心参数，阐述阈值调优的理论基础与工程实践。

3.1 静态阈值：固定门限的适用场景与局限

静态阈值是指在系统运行期间保持不变的预警门限值，通常基于历史消耗均值或固定安全库存量设定。其数学表达为：

预警触发条件：当前库存量 ≤ 静态阈值 T_s
T_s = D_avg × L + SS_fixed
其中：
D_avg = 历史平均日需求量
L = 固定提前期（天）
SS_fixed = 固定安全库存量

3.2 动态阈值：自适应门限的算法框架

动态阈值根据实时需求波动、提前期变化及批次状态自动调整预警门限。常见实现方式包括移动平均法、指数平滑法及基于分位数的统计过程控制（SPC）方法。其通用形式为：

预警触发条件：当前可用库存量 ≤ 动态阈值 T_d(t)
T_d(t) = μ_D(t) × μ_L(t) + k × σ_D(t) × √μ_L(t) + SS_dynamic(t)
其中：
μ_D(t) = 滚动窗口内的需求均值
μ_L(t) = 滚动窗口内的提前期均值
σ_D(t) = 需求标准差
k = 安全系数（通常取1.5~3.0）
SS_dynamic(t) = 基于批次有效期的动态安全库存

3.3 安全库存对阈值的影响

安全库存（Safety Stock, SS）是缺料预警阈值的重要组成部分。在批次追溯场景下，安全库存不仅需要覆盖需求波动与提前期波动，还需考虑批次质量风险导致的“隐性不可用库存”。

• 传统安全库存公式：SS = z × σ_D × √L，其中z为服务水平对应的Z值（如95%服务水平取z=1.65）。
• 批次追溯修正项：SS_batch = SS + Σ(Q_i × p_i)，其中Q_i为第i个批次的库存量，p_i为该批次的历史不合格率或冻结概率。
• 阈值联动：当SS_batch增大时，静态阈值T_s需同步上调；动态阈值T_d(t)因包含SS_dynamic(t)项，可自动响应批次状态变化。

3.4 提前期对阈值的影响

提前期（Lead Time, L）是阈值计算中的另一个关键参数。在批次追溯数据采集系统中，提前期不再是单一固定值，而是随供应商、运输批次、质检周期变化的随机变量。

提前期参数在阈值中的具体作用：

1. 均值效应：μ_L增大 → 覆盖提前期内的需求库存增加 → 阈值整体上移。
2. 方差效应：σ_L增大 → 安全库存中的√μ_L项权重增加 → 阈值对提前期波动更敏感。
3. 批次追溯修正：实际提前期L_actual = L_base + L_quality，其中L_quality为批次质检耗时。追溯系统应实时采集L_quality并反馈至动态阈值计算。

3.5 静态阈值与动态阈值的选型决策矩阵

在实际批次追溯数据采集项目中，阈值选型需综合考虑物料特性、数据质量与系统资源。以下决策矩阵可作为参数调优的起点：