多场景安全库存计算器
教科书的安全库存公式 σ × Z 只考虑需求波动。现实中供应商的交货期也会波动——同一家供应商，上周准时这周拖三天是常态。本工具同时纳入需求波动 + 供应波动两个变量，并按三档服务水平给出"保守 / 中性 / 激进"建议。
它能解决什么问题
"我按公式算了 100 件，但还是常缺货"——大概率是因为只考虑了需求波动，没考虑供应波动。本工具一次性算清楚。
谁适合用
计划员、采购、库存控制岗。SKU 多到无法逐 SKU 调参时，先用本工具得到三档基线，再按 ABC 微调。
怎么解读结果
保守档 = 高缺货成本场景（关键备件、医疗）；中性档 = 一般制造业；激进档 = 低单价低缺货成本场景（促销品）。
输入参数
从历史日销量算出；可参考周销量的 std / sqrt(7)
0 = 完全准时；1–3 = 较常见波动；>5 = 供应商极不稳定
服务水平 Z 档（可自定义）
约 99% 服务水平
约 95% 服务水平
约 90% 服务水平
安全库存建议
公式分解
这个公式把两个独立的波动来源合并：
- 第一项
σ_d² × L：需求本身的随机性在 L 天内的累积 - 第二项
d² × σ_L²：提前期波动乘以平均需求，等于"如果晚到 1 天，平均会少 d 件"
如果 σ_L = 0（供应商极准时），退化为经典 σ_LT = σ_d × sqrt(L)。
使用说明
- 取日均需求 d：最近 30 天平均销量除以 30。如果你做促销活动，需剔除异常日。
- 取日需求标准差 σ_d：最简单办法是用周销量的标准差除以 sqrt(7)（近似）。
- 取提前期 L：合同或历史记录中从下单到入库的天数均值。
- 取提前期波动 σ_L：如果你跟踪过每张订单的实际入库天数，就用其标准差；没有就按经验估计（国内 1–3 天，跨境 5–10 天）。
- 选 Z 档：缺货一天损失 1 万 → 保守；损失 500 → 中性；损失 50 → 激进。
注意事项
- ① σ_d 和 σ_L 应来自同一时间段，否则合并没有意义。
- ② 正态分布假设：本工具假设需求波动服从正态分布。如果你的需求是"周末爆、平日零"，CV 会很大但 Z 值选 1.65 也救不了——此时建议改用经验百分位数（P95 销量 × L）。
- ③ 服务水平 99% 比 95% 的安全库存通常高出 40%+。别盲选 99%，先问业务"一天缺货到底损失多少钱"。
- ④ 本工具给出的是基线。A 类 SKU 应在此基础上加 20% 缓冲；Z 类可减 30%。
常见问题
我没跟踪过 σ_L，能不能用？
可以。把 σ_L 设为 0，只算需求波动部分。这是经典公式结果，作为起点。等积累 3 个月实际入库数据后再回来填 σ_L。
95% 服务水平意味着什么？
平均每 20 个补货周期中有 19 个不会缺货。具体含义：每 100 次订货循环，5 次可能发生缺货。年度内是否真出现 5 次，取决于补货频率。
旺季需要额外加安全库存吗？
旺季的日均需求 d 本身就高，会自动反映在结果里。但如果你能识别"旺季的 σ_d 也比平时大"，应该把旺季节日专门输入（用历史同期数据）。
算出来的数字太大，仓储放不下怎么办？
这是常见问题。三种应对：① 缩短 L（找更快供应商）；② 接受更低服务水平（如 90%）；③ 用 VMI（供应商管理库存）让对方在你仓边备货。
About 本工具
开发目的：经典教科书只教 Z × σ_LT 的简单公式，忽略供应波动。本工具采用更贴合现实的 Silver-Meal / Graves 模型，把需求和供应两个独立波动源合并。
适用：补货频率 1 周–1 月的 SKU，有基本历史数据可估算波动。
局限：假设需求/供应独立且服从正态分布；新品无历史数据时不适用。
Privacy Policy
计算在浏览器本地完成，数据不上传。Google AdSense 等第三方 Cookie 说明见 StockLab 总隐私政策。
Disclaimer
结果为决策辅助，非专业供应链建议。实际安全库存策略需结合业务场景、仓储能力、供应商关系综合判断。