预测准了，但补货错了，一样白搭

一个真实的教训：预测准确率高，但还是出现问题

案例：2024年某品牌的“迷惑”

背景：

某新能源品牌的供应链经理小张，2024年初引入了指数平滑法预测系统。经过3个月优化，预测准确率已经达到75%。

问题：

但到了5月，他发现：

• ✅ 预测是准的：每月需要100个某配件
• ❌ 但还是经常缺货：每月有2-3次库存为0
• ❌ 客户等待时间：3-5天
• ❌ 满意度下降：从82分降到75分

原因分析：

小张复盘后发现问题：

1. 补货频率不对：每月初一次性补足一个月的量
2. 没有安全库存：预测多少就备多少，没有缓冲
3. 提前期太长：供应商需要7天才能交货，但他等库存为0才订货

结果：

• 每次库存为0后，要等7天才能到货
• 这7天内，客户来了只能等待或流失
• 虚拟在库时间（In-Stock Time）只有75%

补货策略的三大核心问题

问题1：什么时候补货？—— 再订货点（Reorder Point, ROP）

错误做法：

• 等库存为0再订货 → 缺货期间 = 提前期
• 固定每月某1号订货 → 不灵活，库存波动大

正确做法：ROP = 提前期需求 + 安全库存

问题2：补多少货？—— 经济订货批量（Economic Order Quantity, EOQ）

错误做法：

• 每次订得越多越好 → 库存积压，资金占用
• 每次少订一点 → 订货次数多，运输成本高

正确做法：找到成本最低的订货量

问题3：库存底线留多少？—— 安全库存（Safety Stock）

错误做法：

• 不设安全库存 → 需求小波动就缺货
• 安全库存设太高 → 资金浪费

正确做法：根据需求波动+服务水平计算

ROP再订货点——在合适的时间点启动补货

基本公式

ROP = 提前期需求 + 安全库存

其中：
提前期需求 = 日均需求 × 提前期天数

实战案例：刹车片ROP计算

数据：

• 日均需求：5件/天
• 供应商提前期：7天
• 安全库存：15件（后面讲怎么算）

计算：

ROP = 5 × 7 + 15 = 50件

含义：

当库存降到50件时，就应该下订单了。

逻辑：

• 下订单后7天到货
• 这7天里，需求在5×7=35件
• 剩余50-35=15件，刚好是安全库存
• 如果需求波动，安全库存可以缓冲

ROP设定的三个关键点

1. 准确识别提前期

提前期包括：

• 订单处理时间：1天
• 供应商备货时间：3天
• 运输时间：2天
• 入库验收时间：1天
• 总提前期 = 7天

常见错误：

只算供应商备货时间，忽略其他环节，导致提前期被低估。

2. 精确预测提前期需求

错误做法：

用月平均需求 ÷ 30 = 日需求

问题：

如果提前期7天恰好跨过了高峰期（比如周末），就会低估。

正确做法：

• 如果有周期规律（比如周末高峰），分别计算
• 或者用滚动预测：预测未来7天的总需求

3. 动态调整

ROP不是一成不变的：

• 季节性产品：夏季的ROP应该比冬季高
• 促销期间：需求激增，ROP应该上调
• 新车型上市：初期ROP低，逐渐增加

建议频率：

• 常规产品：季度调整
• 季节性产品：每月调整
• 新产品：每周调整

EOQ经济订货批量——找到成本最低的订货量

成本均衡的艺术

两种成本的博弈：

1️⃣ 订货成本（Ordering Cost）：

• 每次订货的固定成本：订单处理、运输费用、验收人工
• 订得越少，次数越多，总成本越高

2️⃣ 持有成本（Holding Cost）：

• 库存占用资金、仓储费用、损耗、贬值风险
• 订得越多，库存越高，总成本越高

EOQ的目标：找到两种成本的平衡点。

EOQ公式（威尔逊公式）

EOQ = √(2 × D × S ÷ H)

其中：
- D = 年需求量（Demand）
- S = 每次订货成本（Setup cost）
- H = 单件年持有成本（Holding cost）

实战案例：机油滤芯EOQ计算

数据：

• 年需求量 D = 1200件
• 每次订货成本 S = 200元（运输+处理）
• 单件成本 = 50元
• 年持有成本率 = 20%（业界通常匶15-25%）
• 单件年持有成本 H = 50 × 20% = 10元

计算：

EOQ = √(2 × 1200 × 200 ÷ 10)

= √(480000 ÷ 10)

= √48000

= 219件

含义：

每次订219件时，总成本最低。

验证：

• 年订货次数 = 1200 ÷ 219 = 5.48次
• 年订货成本 = 5.48 × 200 = 1096元
• 平均库存 = 219 ÷ 2 = 109.5件
• 年持有成本 = 109.5 × 10 = 1095元
• 两项成本几乎相等，这就是最优点！

EOQ实际应用的调整

现实约束：

1️⃣ 供应商起订量：最少要订100件

2️⃣ 包装规格：每箱20件一箱

3️⃣ 仓库空间：最多只能放300件

4️⃣ 资金限制：单次采购不能超过1万元

调整方法：

如果EOQ=219，但每箱20件：

• 向下调整：219 ÷ 20 = 10.95 → 10箱 = 200件
• 向上调整：11箱 = 220件
• 选择220件（更接近EOQ）

什么时候不用EOQ？

不适用场景：

• 需求波动很大（EOQ假设需求稳定）
• 供应商有阶梯价格：订500件以上有8折
• 易损耗产品：有保质期限制

替代方案：

对于阶梯价格，计算不同批量的总成本，选最低的。

安全库存——应对不确定性的缓冲器

安全库存的本质：不是浪费，是保险

常见误解：

“安全库存就是积压，是浪费。”

正确理解：

安全库存是应对两种不确定性的缓冲：

1. 需求不确定性：客户突然多来几个
2. 供应不确定性：供应商延迟交货

商业逻辑：

• 安全库存成本 = 持有成本
• 缺货成本 = 损失销售 + 客户流失 + 紧急采购
• 当缺货成本 > 持有成本时，安全库存就是划算的

安全库存计算公式

安全库存 = Z × σL × √L

其中：
- Z = 安全系数（取决于服务水平目标）
- σL = 提前期需求的标准差
- L = 提前期天数

关键参数一：安全系数Z

如何选择服务水平？

要看两个因素：

1️⃣ 缾货成本：缺货一次的损失有多大？

2️⃣ 竞争策略：你的品牌定位是什么？

建议：

• 高端品牌（如特斯拉、BBA）：97-99%（客户不能忙）
• 主流品牌：95%（平衡点）
• 成本敏感型：90%

关键参数二：需求波动（标准差σ）

怎么算？

用Excel的STDEV函数，计算过去12个月每月销量的标准差。

例子：

过去12个月销量：100, 110, 95, 105, 120, 98, 102, 115, 108, 103, 112, 107

标准差 σ = 7.8件

波动越大，安全库存越高——这就是为什么预测准确率很重要！

完整案例：安全库存计算

某品牌轮胎数据：

• 日均需求：10条/天
• 需求标准差：3条/天
• 供应商提前期：7天
• 服务水平目标：95%（Z=1.65）

计算：

安全库存 = 1.65 × 3 × √7

= 1.65 × 3 × 2.65

= 13.1条 ≈ 13条

配套计算ROP：

ROP = 10 × 7 + 13 = 83条

含义：

• 当库存降到83条时，下订单
• 正常情况下，7天后到货时剩余13条
• 如果需求突然增加，13条可以缓冲
• 95%的情况下不会缺货

三大补货策略对比：选择适合你的

策略一：定量订货法（ROP系统）

原理：

• 当库存降至ROP时，订货
• 每次订EOQ数量

优点：

• ✅ 自动化程度高
• ✅ 库存水平稳定
• ✅ 适合需求稳定的产品

缺点：

• ❌ 需要实时监控库存
• ❌ 不适合季节性产品

适用：80%的常规配件

策略二：定期订货法（周期评审系统）

原理：

• 固定周期（如每月某1号）盘点库存
• 订货至目标库存水平

目标库存 = (周期+提前期)需求 + 安全库存

订货量 = 目标库存 - 当前库存 - 在途订单

优点：

• ✅ 简单易实施
• ✅ 可以批量处理多个产品
• ✅ 适合手工管理

缺点：

• ❌ 库存波动较大
• ❌ 需要更高的安全库存

适用：低价值、多SKU的C类产品

策略三：VMI（供应商管理库存）

原理：

• 供应商负责监控你的库存
• 供应商主动补货
• 你只付已用掉的货款

优点：

• ✅ 降低管理成本
• ✅ 降低资金占用
• ✅ 减少库存风险

缺点：

• ❌ 需要信息系统支撑
• ❌ 对供应商依赖高

适用：高周转、稳定供应的A类产品

实战工具：Excel补货策略计算器

建议做一个Excel表格，包含以下模块：

模块一：基础参数输入

• 日均需求
• 需求标准差
• 供应商提前期
• 服务水平目标
• 年需求量
• 订货成本
• 持有成本率

模块二：自动计算

• 安全系数Z（查表自动输出）
• 安全库存
• ROP再订货点
• EOQ经济订货批量
• 年订货次数
• 总成本

模块三：场景模拟

输入不同的服务水平目标，看库存成本变化。

下一步：预测准确率提升实战

预测方法掌握了，补货策略设计好了，接下来最关键的问题：

如何让预测准确率从60%提升到80%？

下一个页面将分享10个实战技巧和特斯拉、蔚来的真实案例。