先说个扎心的事
去年，我们车间因为一根非标轴承缺货，整条装配线停了4小时。那会儿我们有一套“库存预警系统”——Excel表，每天人工比对库存台账。结果呢？轴承在库里躺了三个月，偏偏在需要它的那天，数字显示是零。因为有人借料没登账。这事儿让我彻底明白，预警不是算数，是管理。今天不聊那些花哨的算法，就说我这些年折腾智能库存预警的真实体会，有些经验是拿停产换来的。
为什么传统库存预警总失灵
很多工程师以为，库存预警就是设个下限，低于它就补货。但真正做起来，你会发现三道坎。
第一，数据源是脏的。ERP里的账面数和实物数，永远差着几个量级。原因？借料不打单，报废不登记，验收延迟……这些事儿每天都在发生。你预警再聪明，喂给它垃圾数据，它只能给你垃圾决策。所以做智能预警，第一步不是建模型，是先把数据治理干净。我们当时花了两个月，用扫码枪强制绑定工单和物料批次，才把库存差异从15%压到了2%以内。
第二，安全库存是拍脑袋定的。传统的安全库存公式是SS = Z × σ × √LT，但σ和LT你确定算准了？我见过一家工厂，把交货期LT当成固定值，实际供应商延迟率高达40%，结果预警永远慢了半拍。更常见的坑是，安全库存按所有SKU统一设置，但A类贵重件和C类螺丝钉，风险能一样吗？
第三，预警阈值不会变。需求是波动的，供应商能力也在变，可你的阈值是抄的行业惯例。那玩意儿怎么可能准？
我心中的智能预警长什么样
别急着上机器学习。真正管用的预警系统，核心是三个字：**动态**。不是静态的上下限，而是基于需求预测、供应风险、成本权衡的实时反馈环。
拿我们最近做的发动机件安全库存优化来说。先把所有SKU按照ABC分类——A类件（高价值、长周期）用单独模型，B类用周期检查，C类直接设固定补货点。然后，对A类件，我们用了订货点法（ROP）加上动态安全库存。ROP的公式是：ROP = d × LT + SS，其中d是日均需求，LT是提前期，SS是关键。传统做法SS固定，但我们把SS和预测误差挂钩：SS = Z × σ_forecast × √LT / 2。这个系数来自历史预测误差的滚动计算，每星期更新一次。
有意思的是，当你在Excel里把SS换成动态公式后，库存下降的效果立刻显现。我们试了三个月，A类件库存金额降低了22%，缺料次数反而少了30%。因为你不再为平均需求备货，而是为波动备货——这个逻辑反直觉，但真的有效。
预警不是报警，是调度建议
最让我抓狂的是，预警系统天天弹红字，但没人理。为什么？因为预警只告诉你有风险，没告诉你怎么办。成熟点的系统，应该给定两个维度的建议：补货时机和补货批量。
补货时机，看的是ROP。但你不能只给一个数字。比如有个零件，当前库存120件，ROP=100，但明天有个大订单要耗掉80件，系统得预测到明天库存会跌破阈值，把预警提前到今天。这就需要把需求预测的粒度细化到日。我们用了一个简单的指数平滑法，加上人工修正，准确率能到80%以上。
补货批量，用经典的EOQ（经济订货批量）就够：EOQ = √(2DS/H)。但你需要把参数D（年需求）换成动态滚动预测值。我见过有人把D设成全年预算数，结果年初还好，年底库存爆仓——因为市场萎缩，但系统还按年初的D在补货。
预警系统的三层架构，以及踩过的坑
如果你要自己搭，别急着一上来写代码。先把架构想清楚。我们最终用的三层架构是这样的：
- 数据层：负责清洗和整合ERP、WMS、MES的数据。这里最大的坑是时间同步。ERP用的是UTC，MES用的是本地时间，对不上账。我们后来统一用服务器时间戳，并在凌晨跑批处理，才算消停。
- 逻辑层：处理预测、安全库存计算、预警生成。这一层我强烈建议把规则引擎和计算引擎分开。因为规则经常变，今天销售说要按客户优先级预警，明天采购说要按交期紧急度调整，你要是把规则写死在一个服务里，每周改代码，会疯掉。
- 展示层：预警看板和移动端推送。看板别做太多花哨的图表，越简单越好。我们最开始拿PowerBI做了个很炫的实时大屏，结果车间主任根本不用，他只要每天早上一封邮件，列着“今天必须处理的3个缺料风险”就行。后来我们改成微信推送，反而用起来了。
一些让你深夜崩溃的细节
走完上述基础，你以为就行了？还早。给你提几个实际中会炸的点。
超卖和呆滞料。预警对着需求跑，但需求本身可能是假的。销售预测经常拍脑袋，一乐观就超卖。你要在系统里加一道“需求合理性校验”，把离谱的预测值打回去。呆滞料呢？我们处理过一批存放超过14个月的电机，成本早就沉了，但库存金额还在算。对呆滞料，预警要单独拉出来，别让它占用补货权重。建议每月跑一次呆滞料清单，批量冻结。
供应商的交期方差。安全库存公式里，LT不是单指供应商承诺天数，而是实际到达天数的均值加偏差。我们有个供应商号称7天交货，但实际数据是平均9天，标准差3天。你把LT设成12天，保守一下，库存就上去了。这个度怎么拿捏？我的经验是，把LT拆成“稳定部分”和“波动部分”，稳定部分用平均值，波动部分体现在SS里，而不是LT本身。
预警阈值别忘记更新。系统上线三个月后，我们重新校准了所有参数。因为产品换了工艺，需求模式变了。这一条，很多工程师容易忽略，直到重新爆仓才想起来。
最后聊点实在的
智能库存预警不是买个软件、接个数据就完事。它需要你懂业务、懂数据、懂计算，还得懂人性——因为你得让人愿意用。好的预警，是让仓管员觉得它是帮手，而不是监视器。我们后来把预警信息做成“建议”，带上库存周转分析和补货成本对比，说服力强很多。
如果你正在搞这个，给你一个小建议：先选一条产品线试点，跑通数据链路，再扩到全厂。别一上来就追求大而全，否则你会被数据质量活活气死。
技术层面，动态安全库存公式、ROP、EOQ都是经过验证的老伙计，但关键在怎么融入你的业务流。有人说智能预警是算法的事，我不这么认为——它首先是工程问题。工程问题，就得靠踏实的现场观察和反复调参。
就写到这吧，我要去核对下个月的参数了。祝你的库存，刚刚好。
