安全库存算错了3年，我才发现公式少了两个变量
算安全库存这件事，我前3年都是用教科书公式的：
安全库存 = Z × σd × √L
Z是服务水平对应的Z值，σd是需求标准差，L是提前期。
算出来的结果呢？有些SKU库存总是不够，频繁缺货；有些SKU库存积了一堆，半年都消化不完。
后来我仔细研究了一下，发现问题出在两个被忽略的变量上。
被忽略的变量一：供应波动
教科书公式只考虑了需求波动（σd），但供应也是波动的。
供应商说提前期7天，但实际上：
- 7天准时交付的概率只有60%
- 8-10天交付的概率30%
- 超过10天的概率10%
有一次供应商设备故障，提前期变成了21天。我的安全库存只按7天算的，直接断货2周。
正确的安全库存公式应该同时考虑需求波动和供应波动：
安全库存 = Z × √(L × σd² + d² × σL²)
其中σL是提前期的标准差，d是日均需求量。
这个公式意味着：不仅要考虑需求的不确定性，还要考虑供应的不确定性，而且两者是叠加的。
算一笔账：
| 参数 | 值 |
|---|---|
| 日均需求d | 100个 |
| 需求标准差σd | 25个 |
| 名义提前期L | 7天 |
| 提前期标准差σL | 3天 |
| 目标服务水平 | 95%（Z=1.65） |
只考虑需求波动： 安全库存 = 1.65 × 25 × √7 = 109个
同时考虑需求和供应波动： 安全库存 = 1.65 × √(7 × 25² + 100² × 3²) = 1.65 × √(4375 + 90000) = 1.65 × 308 = 508个
差了将近5倍！ 这就是为什么按教科书公式算出来的安全库存总是不够——你忽略了供应波动这个大头。
被忽略的变量二：需求相关性
教科书公式假设每天的需求是独立的（互不影响），但实际业务中，需求往往有相关性。
举个例子：一个做建材的客户，他不是每天随机买一点，而是隔一段时间集中采购一批。这种需求模式叫"批量需求"。
批量需求的特点是：有需求的时候需求量很大，没有需求的时候为零。 这种模式下，用标准差来衡量需求波动会被严重低估。
还有一种情况更常见：季节性。 夏天的饮料需求是冬天的3倍。如果你用全年的需求标准差来算安全库存，夏天一定不够、冬天一定太多。
怎么处理：
- 批量需求：用Croston方法或SBA方法替代传统的标准差计算，专门处理间歇性需求
- 季节性需求：按季节分别计算安全库存，或者用季节因子调整预测后再算标准差
- 促销需求：促销期间的安全库存要单独计算，不能用常规需求的标准差
实操改良方案
我把安全库存的计算流程改成了4步：
第1步：计算需求安全库存（考虑需求波动和相关性）
- 稳定需求：用标准公式
- 季节性需求：用去季节化后的标准差
- 间歇性需求：用Croston方法
第2步：计算供应安全库存（考虑提前期波动）
- 统计供应商历史交付数据
- 计算提前期标准差σL
- 用公式 Z × d × σL 算出供应安全库存
第3步：合并 总安全库存 = 需求安全库存 + 供应安全库存
（注意：这里用的是相加而不是开根号，因为需求波动和供应波动往往是相关的——旺季的时候需求大，供应商也忙，提前期也更长。）
第4步：设置上下限
- 安全库存上限：不超过3个月的平均用量（防止呆滞）
- 安全库存下限：不低于1周的用量（防止断货）
改良前后对比
| 指标 | 改良前 | 改良后 | 变化 |
|---|---|---|---|
| 库存总额 | 2200万 | 1580万 | -28% |
| 缺货率 | 4.5% | 1.8% | -60% |
| 呆滞库存占比 | 22% | 9% | -59% |
| 库存周转率 | 3.8次/年 | 5.6次/年 | +47% |
库存降了28%，缺货率反而降了60%。 这就是"算对安全库存"的力量。
核心认知
安全库存不是"多备一点"这么简单。它是一个数学问题，但课本上的公式省略了两个重要的现实变量：供应波动和需求相关性。
你忽略的变量不会因为被忽略就不存在。 它们只是在暗处偷偷影响你的库存水平——让你该多的不多，不该多的特别多。
把供应波动和需求相关性纳入计算，安全库存才能从"拍脑袋"变成"有依据"。
算对了，库存就是你的缓冲；算错了，库存就是你的负担。