再订货点与安全库存：附计算示例
根据需求、供应商交货期及其波动，算出何时下单、留多少缓冲，并用一个案例逐步演示。
供应商要十天才能交货，可订单总是等有人发现货架快空了才下。这十天里销售照常进行，于是最后一周缺货。另一个商品则正好相反：大家“以防万一”多订，仓库堆着好几个月的货，占用了现金。两个问题的根源相同：没有一条写下来的规则，规定何时下单、留多少缓冲。
这条规则就是再订货点和安全库存。它只需要三项数据，你的销售和采购记录里都有；无论用表格还是用系统，算法都一样。
需要的三项数据
- 日均需求（d）。一段时间内售出或消耗的数量除以天数。至少取 8 到 12 周，并剔除缺货的日子：没有货时的零销量不是真实需求。
- 交货期（L）。从决定下单到货物可以销售为止的天数，而不只是到卡车抵达为止。它包括审批、发出订单、运输、收货和检验。
- 波动性。需求和交货期围绕平均值的波动幅度。用日需求的标准差（σd）和交货期的标准差（σL）来衡量。在 Excel 中，对日数据使用
=STDEV()。
再订货点公式
再订货点（ROP）是库存降到该水平时触发下单的点：
ROP = d × L + SS
前半部分 d × L 是订单在途期间预计的销量；后半部分 SS 是安全库存，用来应对这段时间销量高于平常或供应商延误。
一个重要细节：要用库存头寸与 ROP 比较，而不只是实物库存。
库存头寸 = 可用库存 + 在途订单 − 已承诺数量
如果只看实物库存，你会重复订购已经在路上的货。
安全库存的两种算法
简单版（不用统计）
SS =（最大日需求 × 最长交货期）−（平均需求 × 平均交货期）
容易解释，也不需要标准差，但往往偏高，因为它假设最旺的销售日和最长的延误同时发生。
标准差版
只有需求波动时：
SS = Z × σd × √L
需求和交货期都波动时：
SS = Z × √(L × σd² + d² × σL²)
Z 是服务水平系数，即在一个补货周期内不缺货的概率：
| 服务水平 | Z |
|---|---|
| 90% | 1.28 |
| 95% | 1.65 |
| 98% | 2.05 |
| 99% | 2.33 |
从 95% 提高到 99% 看似不多，缓冲却要增加 40% 以上。高服务水平应留给关键或高毛利商品。
最低量与最高量
很多企业不说 ROP，而是用最低量和最高量。其实是同一件事，换了个名字：
- 最低量 = 再订货点。库存头寸低于它就下单。
- 最高量 = 最低量 + 常规订货量。这是你希望补到的上限。
- 订货量 = 最高量 − 检查时的库存头寸。
常规订货量可以取供应商的最小起订量、一个月的消耗量，或按经济订货批量（EOQ）计算，看哪个因素对你更重要。
计算示例
假设某商品过去 12 周的数据如下（均为假设）：
| 数据 | 数值 |
|---|---|
| 日均需求（d） | 20 件 |
| 需求标准差（σd） | 6 件 |
| 观察到的最大日需求 | 30 件/天 |
| 平均交货期（L） | 10 天 |
| 交货期标准差（σL） | 2 天 |
| 观察到的最长交货期 | 14 天 |
| 目标服务水平 | 95%（Z = 1.65） |
| 常规订货量 | 600 件 |
第 1 步：交货期内需求：20 × 10 = 200 件。
第 2 步：简单版安全库存：（30 × 14）−（20 × 10）= 420 − 200 = 220 件。
第 3 步：只考虑需求波动的安全库存：1.65 × 6 × √10 = 1.65 × 6 × 3.16 ≈ 31 件。
第 4 步：需求和交货期都波动的安全库存：
- L × σd² = 10 × 36 = 360
- d² × σL² = 400 × 4 = 1,600
- √(360 + 1,600) = √1,960 ≈ 44.3
- SS = 1.65 × 44.3 ≈ 73 件
第 5 步：再订货点：200 + 73 = 273 件，这就是你的最低量。
第 6 步：最高量：273 + 600 = 873 件。
第 7 步：下单：每周检查时，货架上有 180 件，在途 90 件，已承诺 10 件。头寸 = 180 + 90 − 10 = 260，低于 273。订货 873 − 260 = 613 件（若供应商按箱卖，就订 600 件）。
注意第 3 步和第 4 步的差别：在这个例子里，供应商的波动比销售的波动影响更大。忽略它，缓冲只有 31 件，而你实际需要 73 件。简单版的 220 件则是需要量的三倍：安全，但代价高。
何时重新检查参数
- 每月或每季度例行检查畅销商品（ABC 分类中的 A 类）。
- 更换供应商、路线或运输方式时：交货期已经变了。
- 旺季前后（年底、开学、促销活动）：全年平均值不适用于十二月。
- 新品上市或停售时，或有替代品分流销量时。
- 某商品反复缺货或积压时：这说明参数已经过时。
常见错误
- 用含缺货日的数据算需求。平均值被拉低，表格“学会”少订，结果缺货更多。
- 交货期只算到到货，没算到可售。如果收货和检验要两天，计算就少了两天。
- 所有商品用同一服务水平。低周转商品设 99%，仓库就会塞满不动的货。
- 拿实物库存而不是库存头寸比较，导致重复下单。
- 最低量设一次就不再管。一年前的参数反映的是另一种业务状况。
- 忽视保质期。对易腐商品，过大的缓冲会变成损耗。请配合合理的出库规则（FEFO 与 FIFO）。
用表格起步的清单
- 每个商品过去 12 周的日销量，剔除缺货日。
- 每家供应商最近订单的下单日期和可售日期。
- 两组数据的平均值和标准差。
- 按类别（例如 A、B、C）设定服务水平。
- 按上述公式建立 SS、最低量和最高量列。
- 固定的复核日期，用于重新计算。
如果想实现自动化
商品只有几十个时，用表格完全可行；到了几百个，维护参数本身就成了瓶颈。像 MKA 这样的 ERP 可以保存每个商品的最低量和最高量，从你的表格导入，并与库存台账和周转率一起显示（查看库存）。