BIBIYAYA · FOOD AI OPERATIONS LABAI智能库存 · 临期食品管理 · 餐饮减废 · 厨余资源化

短保食品的安全库存为什么不能照搬普通商品的库存公式?

一款保质期七天的鲜奶,按 95% 服务水平留安全库存,算出来的数字看上去很稳妥,直到发现这一批到店时已经用掉了两天寿命:多留出来的那几十瓶,有相当大的概率在下架线之前根本卖不完。普通商品的安全库存公式里没有“库存会坏”这个变量,短保食品偏偏最需要它。

鲜奶保质期时间线与目标库存对比图:到货时已耗 2 天,扣除下架线后可售窗口为 4 天;普通公式的目标库存 371 瓶有 28.1% 的概率在窗口内卖不完,加入寿命与成本约束后降为 349 瓶
图 2:Safety Stock vs Shelf-Life Window——上方是一批鲜奶的可售窗口,下方对比三种库存水平,右侧标出缺货与卖不完两个概率。

普通公式回答了什么,漏掉了什么

普通商品的安全库存是 SS = z × σ × √L。z 由目标服务水平决定,95% 对应 1.645;σ 是日需求的标准差;L 是保护期,即提前期加订货周期。它只处理一件事:需求和到货时间有波动时,库存够不够。它默认货放多久都不会坏,多备的库存只是占用资金。

普通商品的库存公式

  • SS = z × σ × √L,输入只有需求波动和提前期
  • 多备一件的代价是占用资金,缺货才是真正的损失
  • 服务水平取 95% 这样的统一目标
  • 到货时的状态无所谓,先进先出即可

短保食品要补上的三项

  • 可售窗口:库存必须在“到货剩余保质期 − 下架线”之内卖完
  • 多备一件的代价是“窗口内卖不完的概率 × 报废成本”
  • 服务水平由缺货成本与报废成本的比值推出,各 SKU 不同
  • 输入里多了到货剩余保质期、订货批量与起订量

同一款鲜奶,两种算法

下面用一组模拟数字说明。假设一款鲜奶日均需求 100 瓶、日标准差 25 瓶,每天订货一次,提前期 2 天,保护期 L 取 3 天。保质期 7 天,出厂到门店已耗 2 天,到货剩余 5 天,门店规定剩余不足 1 天下架,所以可售窗口 W 是 4 天。进价 4.0 元,售价 6.0 元;缺货成本取毛利 2.0 元加顾客转去别处买整篮的折算 3.0 元,共 5.0 元;报废成本取进价 4.0 元加处理费 0.2 元,共 4.2 元。为便于核对,示例把库存当成同一批到货。

示例推演 · 同一款鲜奶的目标库存

普通公式
  安全库存 SS = 1.645 × 25 × √3 = 71 瓶
  目标库存 S = 100 × 3 + 71 = 371 瓶
  4 天窗口的需求:均值 400、标准差 50,卖不完的概率 = 28.1%

加入寿命与成本:让两侧的期望损失相等
  缺货概率(保护期)× 5.0 = 卖不完概率(窗口)× 4.2
  S = 371:5.0% × 5.0 = 0.25,28.1% × 4.2 = 1.18,报废一侧太重
  S = 330:24.4% × 5.0 = 1.22,8.1% × 4.2 = 0.34,缺货一侧太重
  S = 349:12.9% × 5.0 = 0.64,15.4% × 4.2 = 0.65,两侧基本相等
  结果:目标库存 349 瓶,安全库存 49 瓶

这里有一个容易套错的地方。单周期的报童模型(Newsvendor)给出的最优服务水平是缺货成本 ÷ (缺货成本 + 报废成本),即 5.0 ÷ 9.2 ≈ 54%,前提是多备和少备的两个概率加起来等于 1。短保食品的缺货发生在 3 天的保护期,卖不完发生在 4 天的窗口,两段时间不同,两个概率不再相加为 1,所以要用上面的平衡式;窗口越接近保护期,结果越接近报童比值。

表 1:三种方案的目标库存与两侧概率(示例推演数字)
方案可售窗口目标库存安全库存 缺货概率 卖不完概率
普通公式,服务水平 95% 未考虑 371 瓶 71 瓶 5.0%28.1%
加入寿命与成本 4 天 349 瓶 49 瓶 12.9% 15.4%
到货再晚一天 3 天 305 瓶 5 瓶 45.7% 54.3%

以上为示例推演数字,用于说明模型逻辑,不代表真实企业数据。

表中第三行不是说可以接受近半数的缺货。它说明到货晚了一天以后,窗口和保护期一样长,再靠加安全库存去换服务水平已经不划算,该改的是到货时间或订货频次。另外,示例把库存看成同一批,真实货架上有多个到期日的批次并存,顾客还会先拿最新的。2026 年 2 月发表在《International Journal of Production Economics》的一项动态折价研究,就把多批次并存,以及先拿最早到期、偏好最新鲜两类顾客都放进了模型。

三条“何时该压低安全库存”规则

规则一:可售窗口装不下“保护期加缓冲”时
到货剩余保质期每少一天,窗口就少一天,目标库存要按新窗口重算。窗口缩到与保护期一样长(上面的 W = 3),安全库存只剩 5 瓶;窗口比保护期还短,连保护期内的平均需求都可能卖不完,订货量要按窗口封顶,并改成更频繁的小批量补货。
规则二:缺货成本低于或接近报废成本时
毛利薄、进价高、又不是引流品的商品,缺货成本与报废成本的比值小于 1,目标库存应该压向平均需求附近,靠补货频次而不是安全库存去提高服务水平。引流品相反:缺货会带走整篮,缺货成本可以取到毛利的三到五倍,安全库存要保留。
规则三:订货批量或起订量大于一个窗口的需求时
假设一家小店日均需求 20 瓶,4 天窗口只能卖 80 瓶,而供应商起订量是 120 瓶。一次订货就有 40 瓶注定卖不完,占 33%,把安全库存降到零也解决不了。应先改起订量、合并门店订货或走仓配拆箱,起订量与箱规要在套用安全库存公式之前先检查。

这三条在必赢亚洲智能库存里落成同一组输入字段:到货剩余保质期、下架线、缺货成本、报废成本、起订量和箱规。有了这些字段,同一个 SKU 换一个供应商、换一条配送路线,安全库存会跟着变,不需要有人去改公式。在必赢亚洲 App 的商品详情里,系统设计为同时展示目标库存、当前批次的剩余保质期和窗口内预计卖不完的数量,让门店看到的不只是“该补多少”,还有“这批能放多久”。

KEEP READING

继续阅读必赢亚洲智能库存的其他文章

销量突然暴涨时,AI 怎样判断是真实需求增长还是一次促销造成的短期异常?

用一组 14 天的模拟销量,说明怎样估计无促销基线、剥离促销提升量、识别回落坑,并用四个信号区分真实需求增长与一次促销造成的短期异常,再给出预测修正的做法。

销量突然暴涨时,AI 怎样判断是真实需求增长还是一次…

必赢亚洲智能库存:食品需求预测到底应该看最近七天,还是看过去一年?

近七天回答现在的水平,过去一年回答周期与事件的形状:把日销量拆成基线、星期效应、节假日、天气、促销和残差六项,再按品类与提前期加权,并列出三种最常见的看错情形。

食品需求预测到底应该看最近七天,还是看过去一年?

返回必赢亚洲智能库存栏目

在线询盘

请留下您的联系方式,我们会尽快与您联系。

扫码联系我们