前面兩篇用實例對比了穩態業務條件下不同的安全庫存設定效果(請參見：安全庫存設定：實例對比（1/2）；安全庫存設定：實例對比（2/2）)。

我們可以看到，在穩態業務條件下，無論是否滿足正態分布前提，安全庫存標準公式在相當程度上都可以實現其所聲稱的服務水平(當然，需求波動性越大，交貨提前期越長，則實際服務水平也就相應越低)。

但是，穩態業務畢竟不是供應鏈的常態。當業務非穩態時，安全庫存標準公式的表現又將如何呢？這就是本篇將要探討的問題。

分析前提

首先，為了討論方便，這里仍然首先假定：交貨提前期穩定可靠，同時，(即便是在增長過程中)需求總是符合正態隨機分布。

其次，業務非穩態，這里指的是業務增長。顯然，我們想要討論的，首先是交貨能力，而非存貨控制。

依據之前聊過的工業市場特點(請參見：預測案例2 續：成長期業務特征)，我們設定增長率為大約20%，同時，實際增長過程通過三個月實現。也即，先有三個月均值提升10%，然后再進入均值提升20%的穩定區域。

最后，采用月度更新安全庫存參數的方式。這是現實中應對非穩態的基本方式，每個月都通過之前12個月的數據來更新安全庫存，所謂“滾動更新(Rolling Update)”。

無疑，我們所設定的分析前提，并不是特別嚴苛，這屬于工業領域比較基本的業務增長情境。我們的重點是，看看在工業領域基本情境下，不同安全庫存設定邏輯的表現特點是怎樣的。

構建需求數據

需要的序列包含兩年24個月，并且仍然假定每個月均包含20個工作日。需求序列由以下三部分共同構成：

第一部分：12個月，業務處于穩態。設定日需求的均值48、標準差45，借用之前談到的隨機數生成器，構造240個數值的序列。

第二部分：3個月，業務處于增長階段。設定日需求的均值55、標準差49，構造60個數值的序列。

第三部分：9個月，業務處于增長后的新穩態。設定日需求的均值60、標準差54，構造180個數值的序列。

實際構造出的需求數據序列如下圖所示：

注意：圖中的紅色曲線，為6個月移動平均線。左側的日需求圖，由于坐標尺度的原因，均值由48增長至60在視覺上不是那么顯著；而右側的月需求圖，則可以很清晰地觀察到需求增長的情況。

從XYZ特性上，我們知道，這顆物料在日需求上屬于Y類，而在月需求上仍然屬于X類。(不要驚訝，哪怕是在處于三個月爬坡九個月穩定的后12個月里，月需求序列的均值為1219，標準差也只有259)

檢驗過程

分別基于交貨提前期20天、40天兩種條件，對“標準公式”和“月度滾動下單”兩種方式進行檢驗。

對于“標準公式”，與上次討論一樣，安全庫存按照通用標準公式設定，其中服務水平設定96%，對應系數1.75；再訂貨點ROP=1個交期內平均需求+安全庫存。我們假定期初庫存值等于ROP。

第13個月時，安全庫存和ROP的計算結果與初始值一樣，不會帶來額外影響。

從第14個月開始，每次計算的安全庫存和ROP結果，都是基于之前12個月(240個數值的序列)重新計算。這個計算結果與前值的偏差，直接觸發額外采購需求，并在交貨提前期后準時到貨。

對于“月度滾動下單”，也與上次討論一樣，我們設定安全庫存包括兩部分，其一是月度需求的標準差，其二是月度需求相對均值的最大偏差絕對值。安全庫存為兩部分之和。我們假定期初庫存值等于安全庫存，并且，月度滾動補貨訂單都于當月第一天到貨。

月度滾動下單，前面13個月的月度補貨訂單，數量都與初始月度均值一樣；從第14個月開始，按照之前滾動12個月的月均值下單。

從第14個月開始滾動更新安全庫存。安全庫存與前值的偏差，直接觸發額外采購需求，與月度補貨訂單一起下單，并在交貨提前期后準時到貨。

檢驗結果

我們仍然以當日庫存為負值的天數占比，直接作為缺貨率。

當交貨提前期為20天(1個月)時，兩種方式的缺貨率如下：

當交貨提前期延長為40天(2個月)時，兩種方式的缺貨率如下：

同樣，相應的月末存貨情況對比如下圖：

本篇結論

非穩態業務，是供應鏈必須面對的情境。

在本篇的實例中，我們事實上是在考察：在不依賴預測(或者說，預測無法依賴)的前提下，通過滾動更新參數的方式，不同的安全庫存設定邏輯，各自的抗壓能力如何。

之所以進行這一討論，是因為這是供應鏈面對的常態。如果說，銷售團隊在整體上對于業務趨勢還是相對有把握的，那么，在成百上千顆具體物料上，業務人員則很難做到精確預見每一顆的月度波動。

這個時候，我們所采用的安全庫存邏輯，其抗壓能力就變得格外重要。

通過本篇的實例可以看到，當業務由穩態進入到非穩態時，安全庫存標準公式的抗壓能力是堪憂的。并且，隨著交貨提前期的延長，情況還會進一步惡化。

造成這種局面的根源在于，安全庫存標準公式，實質上是將希望完全寄托在“庫存自動恢復”上。當需求波動特性完全不變時，這種自動恢復是可以期待的。可是現實中，需求波動特性卻不可能完全不變。

即便是依托于月度更新參數，對于抗壓能力的改善也仍然是有限的。其中的原因是我們上一篇所闡述的，安全庫存標準公式，其本身對均值和方差波動的抵抗力就很差。要知道，這種通過2、3個月實現的20%增長，反映在12個月滾動更新計算中，其影響的體現是相當緩慢的。

對于這種情況，如果不能把交期強加給客戶，那么通常的思路就會是提高預測質量。

但是，如果有了可以信賴的精確預測，我們還需要安全庫存嗎？

（本篇完）

在現實操作中，通常還會有月度存貨控制行為。在這一背景下，即便是有安全庫存，由于需求自身的波動性，對于交貨能力的影響則更加撲朔迷離……

我們后續再聊