安全库存不是拍脑袋：服务水平 95% 背后的公式与实战调参

slug: safety-stock-formula-service-level-tuning-guide lang: zh title: 安全库存不是拍脑袋：服务水平 95% 背后的公式与实战调参 excerpt: 安全库存到底该备多少？本文把 SS=Z×σd×√L 拆开算一笔账：服务水平从 95% 提到 99%，安全库存要多压 41%，这钱花得值不值，取决于一个可计算的公式。 section: ops subcategory: inventory region: common tags: ['安全库存','库存管理','abc分类','服务水平','库存成本'] author: 老周

先算一笔账。

假设你有个 SKU，日均出 200 件，单件成本 40 美元，年持有成本率按 22% 算（这是业内常用的经验取值：资金成本加仓储加保险加损耗）。补货提前期 10 天，需求标准差每天 60 件。

安全库存公式 SS = Z × σd × √L。服务水平 95%，Z 取 1.65：SS = 1.65 × 60 × √10 ≈ 313 件。

现在老板说："客户投诉缺货，把服务水平提到 99%。"Z 变成 2.33：SS = 2.33 × 60 × √10 ≈ 442 件。

多压 129 件，涨幅 41.2%。一年多花的持有成本：129 × 40 × 22% ≈ 1,135 美元。而你买到的是：每个补货周期缺货概率从 5% 降到 1%。

值不值？别凭感觉，往下算。

安全库存公式里，三个变量各管什么事

SS = Z × σd × √L，四个符号，三种不同的钱。

σd 是日需求的标准差，管的是"卖得有多飘"。标准差越大，说明需求越不靠谱，你就得备更多。这个数不是拍出来的：拉过去 3～6 个月的出库数据，Excel 里一个 STDEV 就出来了。连历史数据都没有的品，公式帮不了你，先去把数据记起来。

L 是补货提前期（天数），注意是开根号。提前期从 10 天拉长到 40 天，安全库存不是翻 4 倍，是翻 2 倍（√40/√10 = 2）。这个根号是很多人直觉翻车的地方：提前期翻倍，安全库存只涨 41%。

Z 是服务水平系数：95% 对应 1.65，97.5% 对应 1.96，99% 对应 2.33（标准正态分布表可查，教科书数字）。Z 是唯一一个"管理层拍板"的变量：它不描述现实，它描述你愿意为"不断货"付多少钱。

所以公式的潜台词是：安全库存 = 现实的波动（σd、L）× 你愿意付的保险系数（Z）。分不清这两层的人，调参永远调不对。

服务水平从 95% 提到 99%，这 41% 贵在哪

接着开头那笔账往下算。两个 Z 的差是 0.68，所以 ΔSS = 0.68 × σd × √L，多花的钱 = ΔSS × 单件成本 × 持有成本率。

给个决策公式：设一年补 N 个周期，每次缺货的真实损失是 M（丢掉的毛利加客户流失加急补货的费用）。服务水平从 95% 提到 99%，每个周期缺货概率降 4 个百分点，一年少缺货 0.04 × N 次。划算的条件是：

0.04 × N × M > ΔSS × 单件成本 × 持有成本率

代入开头的数（N=26，两周补一次货）：M > 1,135 / (0.04 × 26) ≈ 1,091 美元。也就是说，这个 SKU 每次缺货如果让你亏超过 1,091 美元，提到 99% 才划算；亏不到这个数，95% 就够了，这钱花得冤。

反常识的判断来了：服务水平每往上提一档，边际成本是加速上涨的。95% 到 99% 涨 41%，99% 到 99.9%（Z=3.09）再涨 33%，而缺货概率只从 1% 降到 0.1%。最后那几个百分点，是全场最贵的安全库存。很多公司全场统一 99%，等于用买茅台的钱给矿泉水上保险。

仓库管理人员查看库存数据

需求波动和提前期波动，哪个对安全库存更要命

上面用的基础版公式有个隐藏假设：提前期 L 是固定的。现实里供应商的交期本身也在飘，尤其是跨境、海运、定制件。这时要用完整版：

SS = Z × √(L × σd² + d² × σL²)

多出来的 d² × σL² 就是"提前期波动"的代价。还用那个 SKU：日均 200 件，σd=60，平均提前期 10 天，但供应商交期标准差 σL=4 天（晚个三五天是常事）。

第一项：10 × 60² = 36,000。第二项：200² × 4² = 640,000。开根号得 822，SS(95%) = 1.65 × 822 ≈ 1,356 件。

对比提前期固定时的 313 件——供应商交期不靠谱，安全库存直接干到 4.3 倍。第二项是第一项的将近 18 倍。

结论一针见血：大多数公司天天折腾需求预测模型，想把 σd 从 60 压到 50，效果是线性的、缓慢的；但找供应商要准时率、把 σL 从 4 天压到 2 天，安全库存直接砍半。管供应商比调模型见效快得多。这钱花在哪，公式说了算。

ABC 分级：服务水平不该一刀切

前面说"全场统一 99% 等于用买茅台的钱给矿泉水上保险"，解法是 ABC 分级定不同的 Z。

我常用的分法：A 类（约 20% 的 SKU，贡献 80% 销售额）定 98%～99%；B 类（约 30% 的 SKU）定 95%；C 类（剩下 50% 的长尾）定 90%（Z=1.28）。长尾品缺货了大不了跟客户道个歉，慢动销品类的客户容忍度本来就高。

算笔总账。假设 3,000 个 SKU，平均波动水平相当，安全库存正比于 Z：

方案一（全场 99%）：3,000 × 2.33 = 6,990 个 Z 当量
方案二（A 类 300 个 × 2.33，加 B 类 900 个 × 1.65，加 C 类 1,800 个 × 1.28）：699 + 1,485 + 2,304 = 4,488 个 Z 当量

(6,990 − 4,488) / 6,990 ≈ 35.8%。光是把服务水平分档，安全库存资金占用直接省掉三分之一以上，而 A 类品的缺货率一点没动。这是我经手过的案子里投入产出比最高的一次"调参"：2023 年一家加州的家居 3PL 仓，销售原来拍脑袋让全场备 45 天，我按这个分法重算，C 类直接砍到 90%，释放出来的库存资金够他们付小半年的仓租。

土办法和公式法，差的不只是精度

小仓老板常跟我说："我们就几十个 SKU，凭经验备 15 天、30 天，挺好。"行不行？看阶段。列个对比表：

	土办法（凭经验定天数）	公式法
输入	拍脑袋：15 天、30 天	d、σd、L、Z 四个数
精度	旺季不够用，淡季压资金	按实际波动量化
适用规模	几十个 SKU 以内	几千个 SKU 批量跑
维护成本	靠老板的记忆	每月、每季重算一次
最大翻车点	换品类、换供应商时全错	数据是垃圾，结果就是垃圾