库存科学的祝福和诅咒是不同公式和模型的数量。

幸运的是，有一个模型和研究来支持数千种不同的细微差别。

诅咒在于，这让从业者和刚起步的公司感到困惑，无论他们是在零售、制造、仓储、医疗保健、能源，甚至是政府领域。更糟糕的是，公司可能会浪费时间和金钱来实施细致入微的政策，而这些政策并不比简单的模型更好。

正我的观点是有争议的：公式应该足够好。

对于大多数公司来说，“足够好”的公式是正确的起点。而且，对于大多数公司来说，这个起点将是长期解决方案。

“足够好”模型的六个特征是预期需求、需求预测误差、平均提前期、提前期标准差、审查期（或固定订单大小）和期望的填充率。

这些是主要的库存驱动因素;您应该努力收集这些数据。

标准教科书公式采用所有这些数据点，并返回适当的安全库存，进而返回您的订单政策。当然，这里仍然存在一些细微差别，但这六个功能使它保持了最重要的地位。

以下是有关这些功能的一些说明：

如果没有需求预测误差，则可以用需求的标准差进行替换。这不会让统计学家感到高兴，但对于大多数公司来说，这是一个足够好的解决方法。

提前期及其标准差的计算比您想象的更具挑战性。在许多ERP系统中，这将是一个静态输入（没有关于标准差的信息）。如果必须，请从该数据开始。然后，使用您的实际数据来计算动态提前期。交货时间及其可变性太重要了，不能依赖静态输入。

审核期是下订单之间的时间。例如，如果您每周订购一次产品，则您的审核期为一周。此时间将添加到提前期中。

很容易将填充率视为一些精确的刻度盘——也就是说，您可以拥有一些填充率为 98.2% 的产品，而其他产品的填充率为 98.6%。我认为您的数据中会有太多的噪音，因此您最好只设置一些填充率：99.9%（非常高）、99%（高）、97%（中）、95%（中低）和 90%（低）。如果你想增加 70%（你可以接受很多缺货）或 50%（你不想要安全库存）之类的东西，那也行得通。

您应该监控系统，以寻找改进数据的方法，并通过更改填充率来微调安全库存。您可以使用填充率来调整安全库存。例如，如果库存看起来太高，请降低填充率，或者如果您库存过多，则提高填充率。

如果您从上述方法开始，您可能拥有一个可以工作多年的系统。或者，您至少会有一个坚实的基础来了解接下来需要做什么。

我还应该提到要忽略的五个特征。您将能够永远忽略其中一些功能。对于其他人，请考虑重新访问。这个建议可能会给我带来库存专家的麻烦，但事情是这样的：

1.订单成本：此功能来自优化订单规模的愿望。这来自经济订单数量 （EOQ） 模型。您可以忽略这一点，因为您已经通过设置审核期优化了订单规模，或者因为您已经拥有合理的订单规模（EOQ 结果是稳健的——这意味着合理的订单规模接近最佳）。此外，订单成本的计算可能很复杂......所有这些都是为了一个不会产生太大影响的数字。

2. 正态分布：我看到人们担心标准公式假设正态分布。我们认为正态分布是一条漂亮的钟形曲线，每个人对变异性的体验都远非一条漂亮的钟形曲线。然而，当标准差较高时，正态分布是保守的——它很快就会变平。这意味着正态分布的假设往往会偏高。这是好的一面——库存过多而不是缺货过多通常更好。您可以通过调整填充率来解决此问题。

3. 延期交货与丢失的订单：公式存在一些差异，具体取决于您是否认为缺货会导致缺货（您仍然需要填补）或销售损失。我的经验是，差异没有太大变化。

4. 销售损失成本：一些模型，如著名的新闻供应商模型，使用销售损失成本来确定库存水平。然而，销售损失的成本很难估计。而且，即使人们估计了这一点，他们也经常感到不安，因为这个数字表明错过的销售比他们愿意的要多。这告诉我，这项措施涉及许多无形资产——包括让首席执行官因为你缺货太多而对你大喊大叫。因此，填充率对于公司来说更容易使用和理解。

5.多梯队优化：这值得一系列的帖子。我只想说，标准库存公式允许您成功计算不同梯队的库存。鉴于您当前的政策，此库存水平将是最佳的。多梯级库存优化可能最好每年运行一次（或类似的东西），以重置缓冲库存的位置（以及不缓冲的位置）。你不能每周都改变这一点。