供应链控制塔 - 库存管理从快速诊断到「一键优化」的完整闭环，让库存从「拍脑袋」走向「算得明白」

   01 ｜ 库存优化是现阶段企业降本增效的重要抓手之一

   不同行业的库存占企业资金比不太一样，快消一般20%-30%；军工一般15%-20%；在保证生产保供和客户准时交付的前提下优化库存水平，往往带来：

   · 财务红利：通常10%-25%的成品/原材料库存可以被释放优化，以1个亿的库存占有优化20%则每年可直接降低运营成本约300万左右。

   · 市场红利：库存结构优化后，关键 SKU 的客户准时交付物水平通常能提升5%-10%，客户满意度和客户复购率同步抬升。

   · 运营红利：计划员从「救火式补货」中解放，把精力投到长尾 SKU 的策略层（淘汰、替代、MTO 转换），持续改进计划精度。

   02 ｜ 如何快速发现库存问题

   企业库存问题的特点是「平均数好看、结构上千疮百孔」。看不见结构性错配，就只能在年度盘点时拍桌子。所以诊断的第一步，永远是把现状「看清楚」。

   结合以往的项目经验，我们把库存项目分为「快速诊断 → 深入诊断 → 削减计划与落地」三个阶段。其中 Phase 1（一周快诊）是面向管理层的「定方向」环节——回答「我们的库存到底有没有问题、问题有多严重」。

2.1 一周快速诊断：诊断内容

   · BU 优先级排序：按「可供货周数 WoS × 库存价值」2×2 矩阵，定位高 WoS + 高库存价值的优先BU。

   ·库存结构画像：FG / RM / WIP / MRO 四类库存的资金占比、周转、DOI、Fill Rate现状，以及行业对标。

   · 供应链波动：原材料供应提前期、提前期波动（供应商生产周期、运输等）、生产cycletime和波动。

   · 服务水平基准：历史订单交付水平评估，以及按照当前库存策略反推每个 SKU 的实际 FR，识别「红格」SKU。

   · 改进潜力测算：在库存资金预算约束和提升服务水平FR的的前提下，库存策略如何制定，以及可释放的库存价值有多少。

2.2 不同类别库存的优化抓手

   FG / RM / WIP / MRO 的优化逻辑完全不同：FG 成品核心抓手是供应策略和服务水平；RM 原材料核心抓手是品类策略、供应链波动优化、安全库存；WIP 在制品抓手是批次与节拍；MRO 备品备件：抓手是在线设备数 + 关键性分级。

   本文以 FG 成品为例展开下一节，因为它是「服务水平 × 资金占用」博弈最激烈、ROI 最高的战场。

   03 ｜ 库存如何改善：以成品 FG 为例

   成品库存管理的核心是回答两个问题：①每个 SKU 用什么供应策略（MTS / MTO / MTF）？ ②走 MTS 的 SKU 应该备到什么服务水平？我们对应有两套核心模块——物料分组（segMatrix + ABC）和 MIO 优化。

   这里解释一下：MTF本质上属于MTO，需要结合ERP/MRP逻辑实现提前备货而非等客户订单确定。

   3.1 供应策略优化：segMatrix + ABC 决定 MTS / MTO / MTF

   面对上万个 SKU，不能一刀切，也不能靠人工打标签。我们提供两个互补视角，之前文章有详细介绍，这里略过：

   ① ABC-XYZ 九宫格：数据视角（价值 × 波动）

   ② segMatrix 四象限：业务视角（毛利 × 波动）

3.2 MTS 的 SKU：如何确定服务水平？

   被分类为 MTS 之后，下一个问题是：每个 SKU 的目标 Fill Rate 应该设到多少？这是「服务水平 × 资金占用」精细化平衡的核心。我们给出3步法：现状评估 → 全局优化 → 效果评估和计划策略落地。

   ① 现状评估：FR 评估热力图（诊断）

   【FR 评估热图 — 诊断 · 在手库存在不同解读下的 FR 分布】

   传统的库存计算是先定服务水平，再算 ROP 和StockMax。但实际的具体值往往是计划员拍脑袋拍出来的，正确的方法有两种，根据客户订单的实际OTIF计算以及根据每个 SKU在手库存按照不同的库存策略如ROP、StockMax反推。

   我们提供两种算法，截图是所示 1102 个 SKU 的诊断结果反推：

   · 平均 FR：64.0% —— 远低于一般工业品 90% 的合理水位

   · 红格占比（FR<50%）：13.7% —— 接近 1/7 的SKU 处于严重欠库状态

   热图以「日均需求 × 单件成本」做二维切片，用颜色区分 FR 档位。一眼能读出：

   · 高需求 × 中等成本格子大面积发红 —— 销售最痛的「关键件却经常缺货」

   · 低需求 × 高成本也有红格 —— 「占着资金又不动」的尾货

   · 对角线中段大面积深绿—— 现状库存「主体」是健康的

   同一份现状数据还提供 4 种解读维度（当 SS / 当ROP / 当 StockMax / MIO 建议）——本质上是问同一个问题的不同视角，让计划员快速判断「自己手上的库存到底处在什么档位」。

   ② 服务水平优化：MIO Scenario（同类别/产线 SKU组合 全局最优）

   【MIO Scenario 投资 vs 聚合满足率最优曲线 · 个性化 SS / ROP / StockMax 建议】

   诊断完，下一个问题是：要把库存改成多少才合理？我们用 Multi-Item Optimization（MIO）算法给出答案——不是单 SKU 调参数，而是把整个分组在FR和财务预算约束的前提下当作一个整体来优化。1108 个 SKU、412,372 次迭代、1.5 秒内收敛，传统 Excel 完全做不到，最终结果：

   · 聚合 FR：93.0%（加权平均满足率）

   ·目标态库存价值：¥4850.0K

   ·现状库存价值：¥5029.1K

   · Δ vs 现状：−¥179.1K（库存反而下降）

   划重点：库存下降¥17.9 万 + 满足率从64% 拉到 93%，并不矛盾——库存结构做了调整，当然老库存的消化需要周期。

   ③ 效果验证：执行 MIO 后的 FR 再推演

   【MIO 建议执行后的 FR 评估热图 —平均 FR 96.4% · 红格占比 1.8%】

   当前 Production Scenario优化的建议被全部执行，FR 分布会变成什么样？对比现状：

   视觉上从「红绿斑驳」变成「满屏深绿」。只在最右边的高成本列和最下面的极低需求行还残留几个橙红格——这些是 MIO 算法主动「放弃」的格子，因为它们的边际投资回报太低（要保 99% FR 的代价远大于业务收益）。这正是 MIO 的Tradeoff的策略思想，目前支持根据毛利和FIllRate进行优化计算。

   04 ｜ 写在最后

   库存结构失调会给企业带来是隐形亏损，数匠科技·供应链控制塔做的就是帮助企业进行库存结构优化——而且是随时可重复、有数据有算法、可追溯可审计。

   如果您也在上文相关库存管理困扰，欢迎联系我们，用您的真实数据DEMO，看看您的库存里藏着多少可以被释放的现金。