安全库存设定：实例对比（2/2）

本篇，是上一篇(请参见：安全库存设定：实例对比（1/2）)的后半部分。

重新构建检验序列

上篇文章之后，有朋友提醒：以原始数据得出设置参数，然后再以原始数据来验证，总有感觉像是循环论证。是否有办法避免呢？

为了避免“循环论证”的风险，让我们做一些简单的技术处理：

对于物料A，由于其来自正态随机数生成，因此，可以同样参数来生成新的序列，作为检验序列。实际上，本文特意生成了10组序列，以做对比。

对于物料B，虽然来自正态随机数生成，但是剔除了负值之后参数已变，我们很难以同样步骤得到参数一样的序列。为此，将原序列次序随机调整，得到新的序列B'(显然，在日尺度上，该新序列的均值和标准差不变)。新旧序列的对比如下：

对于物料C，本身就是真实数据。因此，采用类似方法，将原序列次序随机调整，得到新的序列C'。新旧序列对比如下：

检验结果(1)：物料A，X类物料

我们知道，物料A无论在日尺度还是月尺度上，都是X类物料。

由Excel随机数生成器所得到的正态序列，与输入参数总会有一些偏差。这里，我们特意准备了10组检验序列，具体情况和结果如下：

可以看到：

（1-1）当检验数列的均值、标准差接近或低于原始序列时，就如所声称的那样，标准公式基本上是可以实现96%的服务水平；

（1-2）当检验数列的均值、标准差开始超出原始序列时，标准公式模式下，服务水平有可能迅速降低；

（1-3）作为对照的“月度循环补货”模式，在稳定实现100%服务水平的同时，月底存货水平也都处于更高水平。以黄色区域内的4个检验序列(参数接近原始序列)为准，大致平均高出了50%上下。

检验结果(2)：物料B，日尺度Z类，月尺度X类

按照前述一样的检验方法，以序列B‘作为检验序列，以下是检验结论。

当交货提前期为20天(或者，1个月)时：

当交货提前期为40天(或者，2个月)时：

对应的月底库存水位情况如下：

非常有趣的是，可以看到：

（2-1）即便是原始序列B已经不再符合正态分布，标准公式仍然基本上可以实现所声称的96%服务水平；

（2-2）作为对照的“月度循环补货”模式，在稳定实现100%服务水平的同时，月底存货水平并没有明显超出。

检验结果(3)：物料C，接近Z类

按照前述一样的检验方法，以序列C‘作为检验序列，以下是检验结论。

当交货提前期为20天(或者，1个月)时：

当交货提前期为40天(或者，2个月)时：

对应的月底库存水位情况如下：

这次的检验序列C’还是相当有挑战性的。可以看到：

（3-1）对于正态性很差的原始序列C，标准公式能够实现的服务水平距离声称的96%是有差距的；

（3-2）作为对照的“月度循环补货”模式，在稳定实现更好服务水平的同时，月底存货水平并没有明显超出。

总体结论

基于以上讨论，我们大致可以得出如下结论：

（1）即便是正态分布的前提经常无法满足，但是只要保持均值、标准差不变，标准公式仍然在相当程度上可以实现所声称的服务水平。(所以，我们可以理解，为什么标准公式可以得到相当广泛的使用)

（2）即便是正态分布的前提得到满足，标准公式所声称的服务水平却相当程度上依赖于“均值、标准差是否保持恒定”。

换句话说，对于稳态业务，标准公式基本上是没有问题的。但是，对于非稳态业务，则可能存在相当风险。

（本篇完）

所以，下次我们将要聊聊非稳态业务背景下安全库存设置效果……