第2951期
全文共计 5381 字 / 阅读时长约 10 分钟
摘要
在物流圈子里，经常能听到这样的感慨：“供应链太虚了，看不见摸不着，还是物流实在，就是搬箱子、开车、送货。”
这种感受很真实。物流人每天面对的是实打实的货物、车辆、路线、签收单，工作成果一目了然。而供应链部门整天在开会、做表、算数，看起来“不接地气”。
来源 | 运联智库
作者 | 随海
编辑 | 祥云瑞雪
如果我们换个角度：物流是HOW——怎么搬箱子、怎么执行订单；供应链是WHY——为什么搬这些箱子、为什么此时下单、为什么要优先送这批货。 物流是手脚，供应链是大脑。手脚要快，大脑要准。只练手脚不练大脑，企业就会陷入“忙得团团转，但库存越来越高，缺货却越来越多”的窘境。
对供应链而言，核心主线和终极目标非常明确——库存控制。更精确地说，是用最少的库存去满足尽可能高的客户服务水平。
库存太少，前端销售断货，客户流失，营收受损；库存太多，资金被死死压住，仓储成本飙升，滞销品最终变成利润的“黑洞”。而库存控制之所以难，是因为它像一张蛛网，牵一发而动全身——计划部做预测、采购部下订单、销售部提需求、生产部排产、物流部负责运输和仓储，任何一个环节的波动，都会在库存数据上被放大。
为了让物流从业者能够快速理解供应链的核心逻辑，并且能够带着供应链的视角去重新审视自己的物流工作，本文只用一个公式，带大家快速入门。
公式极简，但内涵极深：
各SKU的库存需求 = 预测日销 ×（补货周期天数 + 供应商提前期天数 + 安全库存天数）
从“搬箱子”到“看全局”
变量一：预测日销——供应链的“第一颗纽扣”
预测日销（Predicted Sales Daily）是公式中最基础的乘数。它的准确性直接决定了后续所有计算的有效性。如果日销预测偏高了20%，那么最终计算出的库存需求也会整体偏高20%，带来的直接后果就是资金占压和呆滞风险；如果预测偏低20%，则意味着至少20%的潜在销售会因为没有现货而流失。
为什么日销预测如此重要
预测日销是整个库存计划的“第一颗纽扣”，第一颗扣错了，后面的所有扣子都会跟着错。
双轨预测机制：谁来做更准？
在实际运营中，日销预测不是某一个部门独自完成的工作，而是至少两个部门协同的产物：
销售部门：直接面对市场，对促销活动的效果、新品的市场反应、竞品的动态有最敏锐的直觉。他们给出的预测更偏“市场体感”。
供应链计划部门：掌握历史销售数据，擅长用时间序列分析、指数平滑法等工具剥离季节因素和促销干扰，给出的预测更偏“数据理性”。
最优做法是“分层制”：
促销品和新品：以销售部门的预测为主，因为这两类商品缺乏足够的历史数据做支撑，市场端的即时反馈更重要。
常销品（基础款、长销品） ：以计划部门的数据模型预测为主，因为这类商品历史数据充分，规律可循，人为介入过多反而容易放大噪声。
长尾品/季节性商品：以“阈值触发”为主，特殊策略管控。对这两类商品不需要做精细的日销预测，而是设定“最低库存阈值”：低于阈值就补货，高于阈值就停止采购，旺季来临前提前按历史峰值备货，季末通过打折、退供等方式快速清库存。
S&OP会议：把争论变成共识
在各自给出初版预测后，双方便进入S&OP（销售与运营协同计划）会议环节。这个会议的核心任务不是“谁说服谁”，而是在充分考虑市场投入计划、库存目标、供应能力和财务预算的前提下，达成一个公司级的唯一预测版本。
S&OP会议形成的预测将成为后续采购、生产、物流各环节的统一输入。好的S&OP机制能够将预测准确率从60%~70%提升至85%以上。
实例演示：预测偏差的实际影响
假设某SKU为常规日用消费品：
前者造成约20%的库存浪费，后者造成约20%的订单丢失。而供应链管理的价值，就是通过流程和机制，把这两个极端尽可能地拉向中间。
变量二：补货周期天数——被“最小起订量”卡住的脖子
定义与计算逻辑
补货周期天数（Buying Period）是指两次连续采购订单之间的时间间隔。如果你每隔7天向供应商下一次单，补货周期就是7天。
它最简单的计算方式是：
补货周期天数 = 最小起订量（MOQ）÷ 预测日销
这个公式揭示了一个容易被忽视的真相：补货周期并不完全由企业的主观意愿决定，而是很大程度上受制于最小起订量（MOQ）。
最小起订量从哪里来？
最小起订量不是供应商随意拍脑袋定的，其背后通常有两个硬约束：
生产的开机量：很多生产设备有一条“经济开机线”，例如注塑机、印刷机、纺织设备，开一次机至少要生产一定数量才能覆盖换模、调试、清洗的成本。低于这个数量，供应商做一单亏一单，所以会强制设定MOQ。
最低起运量：这是物流从业者最熟悉的领域。一车货从工厂拉到配送中心，如果装不满整车，运费按整车算，单件分摊成本太高。对于长途运输（例如从华南到华北），最低起运量往往决定了MOQ的上限。
对于大量常规SKU，真正卡住补货周期的往往不是生产开机量，而是最低起运量。 运输距离越远，整车与零担的成本差距越大，供应商越倾向于抬高起运量来摊薄运费。
降低最小起运量的实战方法
要降低补货周期天数，就要在最小起运量上做文章。这里有两个在物流端见效最快的策略：
策略一：在供应商集中区域设置接货仓（RDC/中转仓） 。不与远距离运输对抗，而是把“长途运输”拆解为“供应商→接货仓（短途/零担）”+“接货仓→主仓（整车/集中调拨）”。接货仓将多家供应商的零散货物合并为整车发运，既满足最低起运量，又缩短了每次的补货批量。
策略二：采用MILKRUN（循环取货）模式。由企业委托物流公司按既定路线和固定时间窗口，到多家供应商处上门取货，而不是等每家供应商各自送货。MILKRUN模式下，企业可以主动控制每次取货的数量和节奏，将分散的补货需求聚合成经济批量，从而有效降低对单一供应商最低起运量的依赖。
实例对比
改善前：补货周期=MOQ（2000件）÷日销（100件）=20天。意味着每20天才下一次单，单次下单量极大，库存波峰高。
改善后：通过MILKRUN将MOQ降至500件，补货周期=500÷100=5天。每5天下一次单，库存更平滑，资金占用更低。
变量三：供应商提前期——从下单到收货的“时间隧道”
完整拆解供应商提前期
供应商提前期（Vendor Lead Time，VLT）是指从采购订单正式发出到货物送达并验收入库所经历的全部时间间隔。它绝不是简单的“路上跑几天”，而是由三个环节构成的链条：
供应商提前期 = 订单处理时间 + 备货（生产）时间 + 送货时间
订单处理时间：从采购员按下“发送”键，到供应商的销售/生产部门确认订单、排入生产计划的时间。这个环节常常被忽略，但一旦赶上供应商的周末或节假日，可能凭空多出2~3天。
备货（生产）时间：供应商收到确认后，安排原料、上线生产、包装检验的时间。这是VLT中最刚性的部分，尤其对于有复杂工序的商品。
送货时间：从供应商发货仓库装车出发，到企业收货口完成卸货验收的时间。这是物流从业者的主场。
三条战线上的优化策略
战线一：缩短订单处理时间
与供应商签订明确的服务水平协议（SLA） ，规定订单确认时限（例如工作日4小时内确认）。
推行EDI（电子数据交换） 或供应商门户系统，实现订单的自动下发和状态实时同步，消除人工传真、邮件的延迟。
战线二：缩短备货时间——CPFR是核心武器
CPFR（协同计划、预测与补货）是目前在缩短备货时间上最有效的模式。其核心做法是：企业将自身的库存水位、实时销售数据、未来预测计划共享给供应商。 供应商据此提前备好半成品或成品库存，等正式订单到达时，只需要做微调或最后组装，即可快速发货。这样就把“按单生产”变成了“按预测备货+按订单微调”，备货时间可以压缩50%以上。
战线三：缩短送货时间——物流的四招组合拳
缩短运距：推动供应商在靠近消费市场的地方设厂或设仓，从源头缩短物理距离。
零担改整车：整车直达的时效稳定性远高于零担（后者需等待拼车、多次中转）。在成本允许的情况下，将零担合并为整车发运。
分散转集中：将原本直送全国多个分仓的货物，先集中调拨至一个区域枢纽，再由枢纽向周边分仓分拨。集中调拨的时效和装载率都优于多点直送。
上下游共享物流资源：例如，供应商的货车返程时可捎带企业的退货或空容器，企业的车队也可在空闲时协助供应商的短驳运输，通过双向物流资源复用加快响应速度。
VLT变化对库存的放大效应
这里引入一个财务视角的量化分析。假设某SKU日销100件：
VLT=10天时，在途+在库的覆盖天数为10天，对应1000件库存；
VLT缩短至7天时，库存需求直接降至700件。
看似只压缩了3天，但这3天的背后是300件库存的释放，按单件货值100元计算，就是3万元现金被解放出来。如果企业有1000个SKU，释放的现金流可达数千万元。这就是为什么供应链总监们对LT“一天都不肯放过”——每缩短一天LT，就是在给公司“凭空变出”流动资金。
变量四：安全库存天数——应对不确定性的“保险系数”
安全库存的本质
安全库存（Safety Stock）是为应对需求和供应的不确定性而设置的缓冲库存。它不是用来满足正常销售需求的，而是用来应付“计划外”情况的：
突然的大单或促销效果超出预期；
供应商设备故障导致交货延迟；
物流途中遇到天气或交通管制；
品质抽检不合格导致整批退货需要紧急补货。
安全库存的四维决定模型
安全库存的天数不是随便拍脑袋定的，它由四个核心变量共同决定：
需求的不确定性：日均销量的波动幅度。波动越大，安全库存需要越高。
供应的不确定性：供应商的交货准时率、合格率。可靠性越低，安全库存需要越高。
供应商提前期（VLT） ：LT越长，暴露在不确定性中的窗口越大，所需安全库存越高。
企业设定的服务水平目标：服务水平目标是指“在需求发生时，库存有货的概率”。目标为95%比目标为90%所需的库存高出不少（非线性增长）。
其中，服务水平目标通常由公司战略决定，轻易不能调整；需求的不确定性属于市场客观现实，短期内难以大幅改善。因此，在实际运营中，供应链团队真正能有效干预以降低安全库存的，主要是供应的不确定性和LT。
一个容易被误解的关键点
很多人以为“安全库存高一点总比缺货好”，但安全库存每增加一天，意味着全链条的库存水平永久性地抬升一天的量，这是企业的“固定负担”，不能简单视为“有备无患”。
一个重要的洞察： 与其通过加大安全库存来对抗不确定性，不如通过缩小MOQ（减少供应批量波动）和缩短LT（缩短暴露窗口）来从根本上降低不确定性本身的伤害。换句话说，安全库存是“治标”，缩小MOQ和缩短LT才是“治本”。
安全库存优化实例
某企业原本服务水平为95%，对应的安全系数为1.65（正态分布下）。若VLT为10天，日销标准差为20件，则安全库存约等于1.65×20×10≈1041.65×20×10≈104件。
当通过优化将VLT从10天压缩到5天后，安全库存变为1.65×20×5≈741.65×20×5≈74件，仅安全库存一项就减少了约30%。如果再配合供应商质量的提升（降低供应偏差），安全库存可以进一步下降。
综合串联：公式背后的“钱”与“流”
以上四个变量拆解完毕。现在我们把它们重新装回那个公式，并引入资金维度。
库存需求（件）= 预测日销 ×（补货周期 +VLT+ 安全库存天数）
如果我们把公式两边同时乘以单位货值和年资金成本率，就得到了库存的资金占用成本：
年库存资金成本 = 日销 ×（补货周期+VLT+安全库存）× 单位货值 × 年化资金成本率
举例：
日销100件，补货周期5天，VLT7天，安全库存3天，合计覆盖15天；
单位货值200元，年化资金成本率6%；
则该SKU的年库存资金成本
=100×15×200×6%=18,000100×15×200×6%=18,000元。
如果能把补货周期从5天压缩到3天，VLT从7天压缩到5天，合计覆盖变为11天，则年资金成本降为100×11×200×6%=13,200100×11×200×6%=13,200元。一个SKU一年节省4,800元。 企业若有2000个SKU，仅资金成本一项，每年就可节省近千万元。
这就是为什么大公司的供应链总监往往是CFO最亲密战友的原因——供应链优化就是利润表的直接改善。
公式的边界与供应链的完整版图
最后，需要坦诚地指出：这个公式是供应链管理的“核心骨架”，但不是“全部血肉”。
供应链管理的完整版图至少还包括：
供应链网络规划：工厂、仓库、门店在全国/全球如何布局，这决定了公式中“运输距离”和“补货频率”的上限。
需求管理与需求塑造：通过定价、促销、新品节奏主动引导需求，而不仅仅是被动预测。
供应商关系管理与战略采购：不只是砍价，还包括供应商协同开发、风险共担，这直接决定了VLT和MOQ的可优化空间。
全链条数据协同与数字化：从IoT设备到ERP、TMS、WMS，数据实时打通才能让公式中的每一个变量都“可视、可溯、可调”。
但无论如何扩展，有一条主线始终贯穿其中：库存控制。 库存是供应链的“血压”——太高了危险，太低了也危险，忽高忽低说明系统不稳定。
对于物流从业者而言，当你带着这个公式去审视日常工作时，你会发现自己不再是简单地“听指令搬箱子”，而是能够理解每一次运输、每一次入库、每一次打包背后的库存逻辑。你会开始思考：
这票货为什么要在这个时间点发？
为什么不能提前两天？
能不能通过调整配送路线来缩短LT？
能不能通过集并运输来降低最小起运量，从而缩短补货周期？
当你能提出这些问题并找到答案时，你就已经踏入了供应链管理的大门。从“HOW”到“WHY”，从搬箱子到管库存，你看到的不再是一个个孤立的物流动作，而是一整条高效运转的价值链。
公式虽简，其义深邃。入门在此，精进在行。
注：文/随海，文章来源：运联智库(公众号ID：tucmedia)，本文为作者独立观点，不代表亿邦动力立场。
