第三章：供应不确定性分析

各位好，我是老张。今天咱们聊聊供应不确定性分析。说实话，很多同行做安全库存时，只盯着需求波动看，却忽略了供应端的不确定性。我见过太多企业，需求预测做得挺漂亮，结果因为供应商掉链子，库存照样崩盘。

供应不确定性，说白了就是你的货能不能按时、按量、按质到。这里头门道不少，我一个个拆开讲。

3.1 供应提前期的波动

供应提前期，就是从你下订单到货到仓库的时间。很多人以为这是个固定值，其实不然。你想想看，运输堵车、海关查验、工厂排产变动，哪个环节出点幺蛾子，提前期就变了。

我个人习惯，把提前期拆成三部分：

• 订单处理时间：供应商接单、确认、排产的时间
• 生产时间：实际制造或备货的时间
• 运输时间：从供应商仓库到你仓库的物流时间

每一段都有波动。我在项目中遇到过一家电子元器件分销商，他们的供应商在深圳，运输到上海正常情况下3天。但有一次赶上双十一，物流爆仓，硬是拖了10天。嗯，这就是典型的提前期波动。

3.2 供应商可靠性评估

供应商靠不靠谱，不能光凭感觉。我建议用几个硬指标来量化：

评估维度	指标	计算方法
准时交付率	OTD	按时到货订单数 / 总订单数 × 100%
数量准确率	OQD	数量无误订单数 / 总订单数 × 100%
质量合格率	PPM	不合格品数 / 总交付数 × 1,000,000
响应速度	响应时长	从提出问题到给出解决方案的平均小时数

我曾经帮一家汽车零部件企业做供应商评估，发现有个供应商OTD只有65%，但价格便宜20%。很多人觉得划算，我算了一笔账：因为缺料导致的产线停线损失，加上紧急调货的溢价，实际成本反而高了30%。

3.3 供应中断风险

供应中断，是供应链管理里最头疼的事。它不像波动，波动是常态，中断是极端事件。比如工厂火灾、港口罢工、原材料短缺，这些事概率低，但一旦发生，影响巨大。

我习惯把中断风险分成两类：

1. 可预测中断：比如供应商计划内的设备检修、法定节假日。这些可以提前应对。
2. 不可预测中断：比如自然灾害、突发疫情、地缘政治冲突。这些需要靠安全库存和备用供应商来兜底。

怎么量化中断风险？我个人常用一个简单公式：

中断风险值 = 发生概率 × 影响程度 × 恢复时间

举个例子，某个关键物料只有单一供应商，发生火灾的概率是0.1%，但一旦发生，产线停摆30天，损失500万。那风险值就是0.001 × 500万 × 30 = 15万。这个数字告诉你，值得花多少钱来降低这个风险。

3.4 提前期标准差计算

好了，前面铺垫了这么多，终于到实操环节了。提前期标准差，是安全库存公式里的关键参数。怎么算？我直接上方法。

假设你记录了最近20次订单的提前期数据（单位：天）：

数据：7, 8, 6, 9, 7, 10, 8, 7, 11, 6, 8, 9, 7, 8, 10, 7, 9, 8, 7, 8

计算步骤：

1. 求平均值：所有数据加起来除以20，得到7.8天
2. 每个数据减去平均值，得到差值
3. 差值平方，再求和
4. 除以数据个数减1（即19），得到方差
5. 开平方根，得到标准差

用Python算一下：

import numpy as np

lead_times = [7, 8, 6, 9, 7, 10, 8, 7, 11, 6, 8, 9, 7, 8, 10, 7, 9, 8, 7, 8]
mean = np.mean(lead_times)
std = np.std(lead_times, ddof=1)  # ddof=1 表示样本标准差

print(f"平均提前期: {mean:.2f} 天")
print(f"提前期标准差: {std:.2f} 天")

输出结果：

平均提前期: 7.80 天
提前期标准差: 1.24 天

这个1.24天，就是供应不确定性的量化指标。你想想看，如果只按平均7.8天设安全库存，那有一半的订单会晚到。加上1.24个标准差，就能覆盖约84%的情况。加两个标准差，覆盖97.7%。

最后，我把本章的知识体系画了张图，方便你理解：

嗯，这一章的内容就到这。供应不确定性分析，说白了就是让你看清供应商那边的真实情况。别光盯着需求端，供应端的波动同样致命。下一章咱们聊聊怎么把这些参数用到安全库存公式里，到时候你就知道今天算的标准差有多重要了。

---

公众号:蓝海资料掘金营，微信deep3321