安全库存模拟器

什么是蒙特卡洛安全库存模拟？

蒙特卡洛模拟通过运行数千个随机需求和提前期场景来建模安全库存计算中的不确定性。与解析公式不同，模拟可以处理非正态分布（泊松、伽马）、相关变量和复杂的供应链动态。

模拟从指定分布中抽取随机提前期内的每日需求，生成DDLT（提前期内需求）样本。数千次迭代后，DDLT分布通过找到适当的分位数揭示目标服务水平所需的安全库存。

比较解析和模拟结果可验证假设。如果模拟得出的安全库存与解析方法显著不同，说明基础需求或提前期分布偏离正态性。

Formula: 每次迭代i = 1..N: LT_i ~ Distribution(μ_LT, σ_LT) DDLT_i = Σ(j=1..LT_i) D_j 安全库存 = Percentile(DDLT, SL%) − mean(DDLT) ROP = Percentile(DDLT, SL%)

计算示例

μ_d = 30件/天，σ_d = 8，μ_LT = 5天，σ_LT = 1.5天，95%服务水平下10,000次迭代：解析SS = 79件。模拟平均DDLT = 150，P95 = 233，模拟SS = 83件。5%的差异表明DDLT分布轻微偏离正态。

何时使用此计算器

• 库存分析师针对慢速或间歇性需求物品用模拟验证分析安全库存公式时
• 供应链规划员测试缩短前置时间变动性举措对所需安全库存的影响时
• 数据科学家探索非正态需求分布以确定标准公式是否高估或低估库存需求时
• 物流团队运行假设情景以量化改善供应商前置时间一致性带来的安全库存节约时

应避免的常见错误

• 极端服务水平的迭代次数太少——1,000次迭代看似足够，但99%以上的尾部百分位数至少需要10,000次；99.5%以上请使用50,000次
• 假设需求总是正态分布——许多实际物品具有泊松、伽马或间歇性需求；模拟的价值在于测试这些非正态场景
• 忽略模拟与分析结果之间的差异——如果两者显著不同，说明需求分布假设有误，分析公式可能具有误导性
• 不理解底层模型就使用模拟——模拟只与其输入分布一样准确；错误的参数产生错误的结果

如何解读结果

• 如果模拟安全库存高于分析值，真实需求分布比正态假设有更重的尾部——需要比公式建议更多的缓冲
• 如果模拟安全库存低于分析值，公式偏保守，可能持有过多库存
• DDLT直方图形状揭示真实需求模式：钟形确认正态性，右偏提示泊松或伽马，双峰提示混合需求模式

相关标准与参考

• 蒙特卡洛模拟 — 反复抽样需求与提前期以构建经验性的提前期需求(DDLT)分布，而非假设正态性
• Law, Simulation Modeling and Analysis — 关于随机库存模拟的重复次数与置信区间分析的方法论参考文献
• APICS/ASCM 安全库存框架 — 提供与模拟相比较的解析(正态公式)基准，以揭示分布偏度

常见问题

需要运行多少次迭代才能得到准确结果？

10,000次迭代对大多数场景提供稳定结果（±1-2%）。极端服务水平（99.5%+）需要50,000-100,000次。迭代次数翻倍可将统计误差减少约√2。

什么时候应该用泊松分布而不是正态分布？

低速物品（平均需求 < 10件/天）使用泊松分布。正态分布适用于快速物品（需求 > 20/天）。间歇性需求考虑复合泊松或Croston方法。