對于安全庫存，很多企業(yè)的做法是憑經(jīng)驗(yàn)一刀切，設(shè)定一定天數(shù)的用量作為安全庫存，比如A類物料放3周的量，B類物料放2周等。這些經(jīng)驗(yàn)值凝聚著組織的很多智慧，簡單易行，好溝通，不能一棍子打死；但是，一刀切注定有一刀切的問題。比如同樣是A物料，但需求的不確定性不一樣；或者同樣的供應(yīng)商，但不同的工藝下，供應(yīng)的不確定性不一樣；同類的產(chǎn)品，同樣的供應(yīng)商，同樣的補(bǔ)貨周期，但對有貨率的要求不一樣，這都會要求有不同的安全庫存。一刀切的結(jié)果呢，注定是有的切多了、有的切少了，造成過剩的過剩、短缺的短缺、短缺與過剩并存，這些都是典型的計(jì)劃問題。

那解決方案呢——就是量化需求的不確定性、量化供應(yīng)的不確定性、量化有貨率的要求，來計(jì)算安全庫存。

在實(shí)踐中，供應(yīng)的不確定性比較難以量化，比如有時候我們給供應(yīng)商一個大訂單，讓分次送貨；或者我們給供應(yīng)商訂單，又要求他們推遲交貨等，都導(dǎo)致沒法客觀統(tǒng)計(jì)訂單的交付周期。還有，如果跟供應(yīng)商建立VMI、JIT的話，就根本沒有訂單，自然就沒有簡單、可靠的方法統(tǒng)計(jì)交付周期了。所以，我們往往假定供應(yīng)周期是確定的，而在量化需求的不確定性、有貨率的基礎(chǔ)上，適當(dāng)加以調(diào)整，比如多放幾天的量，作為最終的安全庫存。

第一步：量化需求的不確定性

我們首先來量化需求的不確定性。簡單地說，需求的不確定，就是我們能不能有效預(yù)測。當(dāng)需求難以預(yù)測時，預(yù)測的準(zhǔn)確度就低，實(shí)際需求與預(yù)測之間的誤差就大，我們就得放越多的安全庫存來應(yīng)對。在數(shù)理統(tǒng)計(jì)上，我們用“標(biāo)準(zhǔn)差”來量化需求的不確定性。對于具體的產(chǎn)品，我們找到過去一段時間每期的預(yù)測和實(shí)際需求，計(jì)算兩者之間的誤差，圍繞預(yù)測誤差求其標(biāo)準(zhǔn)差，如圖1，就能量化需求的不確定性。標(biāo)準(zhǔn)差越大，表明需求的不確定性越大，因而要放更多的安全庫存來應(yīng)對。這里有個基本假定，那就是需求歷史的代表性，即過去和未來需求有一定的重復(fù)性。此外，我們也假定預(yù)測誤差符合正態(tài)分布。從數(shù)理統(tǒng)計(jì)的角度看，為了讓標(biāo)準(zhǔn)差的可靠性高，我們一般要求30個以上的數(shù)據(jù)點(diǎn)。但是，在實(shí)際操作中，我們往往沒有那么多的數(shù)據(jù)點(diǎn)。我會盡量不要少于13個，這是一個季度的需求歷史，按周統(tǒng)計(jì)。如果低于10個數(shù)據(jù)點(diǎn)的話，我會對統(tǒng)計(jì)結(jié)果非常謹(jǐn)慎——試想想，如果要畫一個像樣的正態(tài)分布曲線，你也至少得十幾個點(diǎn)吧，從數(shù)理統(tǒng)計(jì)角度描述也是同樣的道理。

圖1 量化需求的不確定性

當(dāng)需求相對穩(wěn)定，需求歷史本身符合正態(tài)分布的時候，我們可以直接圍繞需求歷史來求標(biāo)準(zhǔn)差，作為需求的變動性量化指標(biāo)，如圖3。這其實(shí)相當(dāng)于把平均值當(dāng)成預(yù)測，預(yù)測誤差等于實(shí)際需求與平均值的差異，圍繞差異求標(biāo)準(zhǔn)差。這種方式的好處是簡單直觀，容易理解，不用保留需求預(yù)測歷史。讓我們實(shí)際演算一下來說明。如圖2所示，第②列是過去20周的實(shí)際需求，第③列是過去20周需求歷史的平均值，第④列是平均值與每周實(shí)際需求的差值（誤差）?？吹贸?，圍繞第②和第④列求標(biāo)準(zhǔn)差，兩者的結(jié)果完全相同。這就是說，我們可以求需求歷史的標(biāo)準(zhǔn)差，用它來量化需求的變動性。

圖2 需求相對穩(wěn)定，符合正態(tài)分布時，需求的標(biāo)準(zhǔn)差就是其不確定性

正因?yàn)閳D2的情況簡單，更容易計(jì)算標(biāo)準(zhǔn)差，所以被很多人濫用。比如有些需求有明顯的趨勢或者季節(jié)性，需求歷史本身是不符合正態(tài)分布的，如果你預(yù)測的話，你也不會簡單地用一段歷史需求的平均值作為預(yù)測值。這時候，我們要回到圖1中的方法。如果你以前已經(jīng)在預(yù)測，那就計(jì)算每期預(yù)測與實(shí)際的偏差，圍繞多期的偏差來求標(biāo)準(zhǔn)差；否則的話，你可以用以后要用的預(yù)測方法，復(fù)盤預(yù)測過去一段時間的需求，來計(jì)算誤差及其標(biāo)準(zhǔn)差。這里的假設(shè)是，特定的預(yù)測方法會有誤差，而在歷史上的誤差與未來的誤差整體上一致，也就是說，誤差的歷史有代表性，錯的方式差不多。這就如員工A做事一直很仔細(xì)，差錯很少，你以后也不會花很多時間檢查她做的事；員工B有點(diǎn)馬大哈，差錯較多，你以前花了很多時間，以后也會花很多時間來檢查他的工作——你都在假設(shè)兩個員工的差錯（誤差）有延續(xù)性，過去的歷史可以代表未來。讓我們看一個具體的例子。如圖3，這是很多人經(jīng)常問我的：需求呈現(xiàn)明顯的趨勢或季節(jié)性，安全庫存該怎么設(shè)置？這時候，你不能簡單地摘取過去一段時間的需求歷史，求其實(shí)際需求的標(biāo)準(zhǔn)差來量化需求的變動性——那樣的話，需求的標(biāo)準(zhǔn)差會很大，比如在這個案例中是4704，導(dǎo)致我們高估而多放安全庫存，造成更大的庫存風(fēng)險。合適的做法是摘取一段需求歷史，比如8到20周（13個數(shù)據(jù)點(diǎn)），找到每周的預(yù)測（如果沒有的話，我們可以復(fù)盤，用以后要用的預(yù)測方法，來復(fù)盤這段時間每周的預(yù)測），計(jì)算每周的預(yù)測誤差，圍繞誤差計(jì)算標(biāo)準(zhǔn)差，這個例子中是2163。然后，基于這個標(biāo)準(zhǔn)差計(jì)算安全庫存（具體的計(jì)算稍后詳介紹）。

要記住，因?yàn)樾枨笞儎?，所以預(yù)測不準(zhǔn)，安全庫存的一大任務(wù)是應(yīng)對預(yù)測的不準(zhǔn)確，即預(yù)測的誤差。所謂的需求變動性，是相對預(yù)測的變動性，表現(xiàn)為預(yù)測的誤差。這就是為什么這里要圍繞誤差求標(biāo)準(zhǔn)差。當(dāng)然，這里或許有人會問，那么這里的預(yù)測是怎么做出來的？這就又回到第一章的內(nèi)容：先清洗需求歷史，消除促銷等不可重復(fù)活動的影響，得到基準(zhǔn)的需求歷史；基于基準(zhǔn)的需求歷史，選用合適的預(yù)測方法，做出基準(zhǔn)預(yù)測；另行預(yù)測未來促銷活動等能帶來的需求，疊加上去，就得到總的預(yù)測；然后計(jì)算每期的誤差，圍繞誤差計(jì)算標(biāo)準(zhǔn)差和安全庫存。

圖3 需求呈現(xiàn)明顯的趨勢、季節(jié)性時，如何量化需求的變動性

第二步：量化有貨率的要求

接下來我們量化有貨率的要求。有貨率也叫現(xiàn)貨率、庫存達(dá)成率、服務(wù)水平等。簡單地說，就是需求來了，庫存能夠現(xiàn)貨馬上滿足的概率。如果不設(shè)安全庫存，光靠預(yù)測來驅(qū)動供應(yīng)的話，有貨率是50%。直觀地解釋，假定預(yù)測是每天100個，供應(yīng)也是每天100個，一半兒的情況下，實(shí)際需求會超過100個，我們沒法完全滿足；一半兒的情況下，實(shí)際需求會低于100個，我們能夠完全滿足，這就得到50%的有貨率。如果要提高有貨率，那就得增加安全庫存。如圖4示，增加一個標(biāo)準(zhǔn)差的安全庫存，有貨率提高了34個點(diǎn)，達(dá)到84%；再增加一個標(biāo)準(zhǔn)差的安全庫存，有貨率提高了14個點(diǎn)，達(dá)到97%；增加第三個標(biāo)準(zhǔn)差的安全庫存，有貨率提高了2個點(diǎn)，達(dá)到99%多。馬上可以看出，安全庫存的邊際效應(yīng)在遞減，為了達(dá)到最后幾個點(diǎn)的有貨率，需要投入很多的安全庫存，投入回報太低。所以，對于追求100%的有貨率，如果你是銷售，可以原諒；但作為供應(yīng)鏈職業(yè)人，則是不可原諒。反過來看，如果我們想達(dá)到特定的有貨率（服務(wù)水平），需要放多少個標(biāo)準(zhǔn)差的安全庫存？我們可以反算出來：Excel中有個公式normsinv()（見圖4），能幫助我們做這樣的換算。這就是在量化有貨率的要求。簡單地說，有貨率對應(yīng)相應(yīng)的有貨率系數(shù)，兩者之間是1對1的關(guān)系，有貨率要求越高，這個倍數(shù)越大；反之亦然。在數(shù)理統(tǒng)計(jì)中，這就是在計(jì)算正態(tài)分布的Z值，也可以通過查正態(tài)分布的表格得到。直觀地說，有貨率可以折算成一個系數(shù)（Z值）。有貨率越高，這個系數(shù)越大，不過兩者不是簡單的線性關(guān)系。

圖4 量化有貨率的要求

第三步：計(jì)算安全庫存

在量化了需求的不確定性，量化了有貨率的要求后，安全庫存的計(jì)算其實(shí)挺簡單：需求的標(biāo)準(zhǔn)差乘以有貨率系數(shù)，就是安全庫存。特別要注意的是，這里的標(biāo)準(zhǔn)差指的是補(bǔ)貨周期內(nèi)的標(biāo)準(zhǔn)差；而我們在圖1和圖2中計(jì)算的標(biāo)準(zhǔn)差呢，一般是以1周或1月為單位。如果兩者不一樣，我們要做一定的轉(zhuǎn)換，在圖5有詳細(xì)的公式，但要注意在轉(zhuǎn)換的時候，時間的單位要一樣，比如需求歷史的標(biāo)準(zhǔn)差是按周計(jì)算的，那么補(bǔ)貨周期也要換算成周。比如需求歷史、預(yù)測誤差是按周統(tǒng)計(jì)，而補(bǔ)貨周期是28天的話，該公式就是把每周的標(biāo)準(zhǔn)差轉(zhuǎn)換為每28天（4周）的，后者是前者的√4倍（注意時間的單位要統(tǒng)一，如果用√28就大錯特錯了）。這也符合常識：補(bǔ)貨周期越長，補(bǔ)貨周期內(nèi)的不確定性就越大，需求的標(biāo)準(zhǔn)差也就越大。這個倍數(shù)是開根號的關(guān)系，而不是一對一的線性關(guān)系，從數(shù)理統(tǒng)計(jì)學(xué)的角度可以證明——如果時光倒流到90年代初，我在大學(xué)里學(xué)習(xí)數(shù)理統(tǒng)計(jì)，還可以現(xiàn)場證明給你看；如今我雖“廉頗未老”，不過對數(shù)理統(tǒng)計(jì)的很多細(xì)節(jié)，卻是不能推演了。

圖5 安全庫存的計(jì)算公式

安全庫存的計(jì)算本身不難，關(guān)鍵的是我們要計(jì)算：通過量化需求的不確定性、量化有貨率的要求，基于數(shù)據(jù)分析，計(jì)算出安全庫存的數(shù)值，然后再根據(jù)具體情況，做適當(dāng)?shù)恼{(diào)整。比如這是個新產(chǎn)品，需求相對旺盛，呆滯風(fēng)險很低，我們可以考慮多放點(diǎn)；相反，對于生命周期末期的產(chǎn)品，我們可考慮少放點(diǎn)?？吹贸?，安全庫存的設(shè)置也遵循“從數(shù)據(jù)開始，由判斷結(jié)束”的決策方法論。

對很多企業(yè)來說，產(chǎn)品動輒幾百幾千，規(guī)格、型號眾多，中心倉、前置倉眾多，凡是放庫存的地方，十有八九都有安全庫存。那么多的庫存點(diǎn)，沒有人知道地比數(shù)理統(tǒng)計(jì)還多，能把那么多的安全庫存設(shè)置地更合理。當(dāng)然，這些公式要求的前提，比如正態(tài)分布，我們不一定能完全滿足，但這樣的計(jì)算至少給我們一個相對可靠的起點(diǎn)，讓我們來調(diào)整。不然，我們就只能完全靠判斷、拍腦袋了。要知道，數(shù)理統(tǒng)計(jì)就是基于大數(shù)據(jù)，更加科學(xué)地取代我們拍腦袋。

對于很多讀者來說，平日可能是按照經(jīng)驗(yàn)值來設(shè)定安全庫存，比如A類物料放兩周，C類放3周的安全庫存等。這不科學(xué)，但我想補(bǔ)充的是，這種做法也是整合了很多歷史經(jīng)驗(yàn)，包括你們所吃過的苦、受過的罪——比如太多導(dǎo)致的過剩，太少導(dǎo)致的短缺。所以，對于這些經(jīng)驗(yàn)值，也不要一棍子打死。一方面，有些產(chǎn)品不符合上述公式對正態(tài)分布的假設(shè)，在我們找到更合適的公式之前，還得靠老經(jīng)驗(yàn)來計(jì)劃；另一方面，這些經(jīng)驗(yàn)值也可以幫我們初步判斷，我們按照公式計(jì)算出來的安全庫存是否大錯特錯。對很多人來說，剛開始用這些公式，會經(jīng)常有這樣那樣的問題，比如公式套錯，數(shù)據(jù)整理有問題，公式的基本假定沒滿足，導(dǎo)致計(jì)算的結(jié)果跟經(jīng)驗(yàn)值會大相徑庭。這很有可能是我們算錯了的信號，要特別重視。畢竟，你作為一個企業(yè)，多年這么做下來，現(xiàn)在做的是有原因的，也是有一定的合理性；如果新的方法讓老的方法看上去非常不合理，那八成是新的方法有問題。這是另一種形式的“從數(shù)據(jù)開始，由判斷結(jié)束”，尊重自己的直覺，如果你覺得錯了，那八成是錯了。

聲明：本文為轉(zhuǎn)載類文章，如涉及版權(quán)問題，請及時聯(lián)系我們刪除（QQ: 2737591964），不便之處，敬請諒解！