OLED 面板行业的前端需求由终端机型的导入与退出节奏决定，产品非标、物料专用性强，需求不确定性向原材料端传导。某半导体客户的实际数据显示：有机物料库存在 9 个月内由 1570 万元增至 1.51 亿元，占原材料库存的 52%，库存天数由 5.2 天升至 34.4 天。
上述增长是需求波动导致的必然结果，还是供应链自身可控的冗余？
诊断结论指向后者。以客户 9 月实际数据代入供应链控制塔库存模型，现行参数下的理论库存基线为 6072.5 万元；在缩短生产排产周期、压缩采购提前期、提高请购与采购频次、实施原材料分组四项措施后，理论库存降至 4506.4 万元，较 9 月实际平均库存 11436 万元下降 61%。需求不确定性放大了波动幅度，库存水平的下限则由计划参数决定。
一、需求不确定与产品非标，使库存风险集中沉淀于原材料端
OLED 显示面板的前端需求由终端品牌的机型导入与退出节奏决定，单一机型在量产爬坡期的销量预测偏差通常最大。该客户对下游的承诺交期为 T+1（月），有机发光材料的采购周期则长达 2-6 个月。
承诺交期短于采购周期，意味着原材料采购无法由订单驱动，只能由预测驱动。预测偏差因此不在成品端体现，而在原材料端沉淀为库存。
产品非标进一步放大了这一结构。不同机型对应不同的有机材料配方与指定供应商，物料通用性低，替代关系稀少。机型切换或需求下修时，专用物料无法在其他产品上消化，直接转为呆滞。
市场端的改善路径明确但周期较长：提升销售预测精度、缩短承诺交期、与终端客户建立需求共享机制，均属跨组织议题，见效以年计。短期内可调整的对象仅限于供应链内部，这也是本次诊断的范围边界。
二、库存增速持续高于业务增速，冗余已构成结构性问题
下图为该客户有机材料 1—9 月的分类库存与库存天数：
图 1：有机材料分类库存金额与库存天数变化趋势（量产／非量产／待报废 · 金额单位千万元）
其中三项事实具有诊断意义。
- 库存金额 9 个月增至 9.6 倍，库存天数由 5.2 天升至 34.4 天，增至 6.6 倍。库存天数已剔除用量规模的影响，其同步上升表明增长并非由产能扩张驱动，而是备货量与实际消耗之间的缺口持续扩大。
- 非量产物料由 160 万元增至 3600 万元，增幅 22.5 倍，高于量产物料的 8.2 倍。新机型导入阶段的试产备料缺乏独立管控，属增量中被低估的部分。
- 7 至 8 月单月增幅最大，量产物料由 7660 万元增至 9880 万元。该时段对应旺季备货，滚动计划的重复覆盖使同一段需求被重复备料。
据此可以判断：库存增长并非需求增长的同比例反映，而是既有计划设置在需求上行期放大的结果。
三、库存冗余的四项根因均位于供应链内部
对该客户的排产、请购、采购与物料主数据逐环节核查后，冗余可归结为四项互相强化的设置问题。
1. 12 周滚动排产周期，使 2 个月采购周期内的预测误差全额转化为库存
原材料采购周期长达 2-6 个月，生产排产因此必须按 12 周编制计划；原材料备货已在当月按未来 3 个月的总体滚动需求提前锁定。排产周期越长，被锁定需求中的预测成分越高，预测偏差即全额转化为库存。
缩短原材料采购提前期是缩短排产周期的前置条件。两者须同步优化，单独调整任一项均无法取得预期效果。
2. 51 天采购提前期中，14 天为内部审批，属流程可压缩部分
有机物料的采购提前期约为 51 天，其中内部审批占 14 天，审批节点 20 余个；供应商为标准材料供应商，运输方式以空运为主，20 天的供货周期缺乏物理依据。
提前期直接决定安全库存与在途库存的下限。51 天中约有一半并非源于物理约束，而是源于流程设置，属短期内可压缩的部分。
3. 请购与采购按月执行，使需求变化无法进入补货决策
请购与采购执行目前均按月进行，未根据销售预测的调整对采购种类与数量作滚动更新。
补货频次决定批量：按月执行意味着单次下单覆盖一个月用量，对应的周期库存为半个月用量。在标准材料、以空运为主的供应条件下，频次提高一倍可使周期库存减半，而单位采购成本不随之上升。
4. 全部原材料共用一套计划参数，导致高价低耗物料被过度备货
原材料尚未按业务用途（量产／非量产／报废）、供应来源（国内供应商／国外原厂）、成本与耗用量（ABC）、生命周期（RampUp／RampDown／稳定）建立分组，物料间的替代关系亦未定义。
参数统一意味着高价低耗物料与低价高耗物料适用同一服务水平，而前者每提升一个百分点满足率所对应的资金占用远高于后者，对整体缺料风险下降的贡献却较小。替代关系缺失则使可互替物料各自持有安全库存，形成重复备货。
图 2：四项根因的现状分析、优化抓手与短期措施（排产周期 · 采购提前期 · 请购采购频次 · 原材料分组）
四个维度的现状、优化抓手与短期措施如下：
| 分析维度 | 现状与问题 | 优化抓手 | 短期措施 |
|---|---|---|---|
| 生产排产周期 | 承诺交期 T+1（月），原材料采购周期 2 个月，须编制 12 周计划；销售预测精度不高，备料已覆盖未来 3 个月滚动需求 | 缩短生产排产周期 | 由 4+8 周滚动计划转为 4+4 周滚动计划，排产周期由 12 周降至 8 周（-33%） |
| 采购提前期 | 有机物料提前期约 51 天，其中内部审批 14 天、节点 20 余个；标准材料且以空运为主，供应商 20 天供货周期不合理 | 优化内部采购审批流程；压缩供应商交货周期 | 采购提前期由 51 天降至 23 天（-55%） |
| 请购与采购频次 | 请购与采购执行均按月进行，无依据销售预测调整的滚动更新 | 提升请购频次；提升采购频次 | 技术请购由 1 次／月提升至 2 次／月，采购由 1 次／月提升至 2 次／月（+100%） |
| 原材料分组 | 未按用途、来源、成本耗用量与生命周期建立分组，参数统一，替代关系未定义 | 原材料分组；建立库存管理模型 | 不同分组设定不同计划参数（提前期、生产保障率等）；高价低耗原料满足率由 95% 下调 X 个百分点（建议 2—5），低价高耗原料上调 X 个百分点（建议 1—3） |
四项措施均不依赖新增产能、供应商让步或销售预测精度的提升，其调整对象为企业自身可控的计划参数与执行频次。
四、控制塔先给出库存基线，参数优化再给出 61% 的下降空间
优化幅度的测算分两步完成，两步的区分决定改善责任的归属。
第一步，将客户 9 月的实际用量、提前期、批量与需求波动输入供应链控制塔的库存模型，得到现行参数下的理论库存基线 6072.5 万元。
该值与实际平均库存 11436 万元之间的差额属执行层面的冗余——重复备货、批次不齐、呆滞未清理，与参数设置无关。
第二步，将四项措施后的参数（排产周期 8 周、采购提前期 23 天、请购与采购各 2 次／月、分组差异化满足率）代入同一模型，理论库存降至 4506.4 万元。
图 3：四项措施的参数调整幅度与库存优化测算（11436 → 6072.5 → 4506.4 万元 · 降幅 61%）
需要说明：上述数值为基于客户 9 月实际数据的模型测算值，非实测结果。基线与实际库存之间的差额须通过执行层面的过程管控兑现，不会因参数调整自动实现；参数优化的收益与执行冗余的清理，属两条并行的改善路径。
五、计划参数的有效性依赖控制塔的持续在线复核
四项措施中，前三项调整的是计划参数与执行频次，第四项调整的是参数的颗粒度。参数一次性调整所形成的收益会随需求结构与供应条件的变化而衰减，因此优化须由一次性项目转为例行机制。
- 周度：按分组维度监控库存健康度（金额与天数），识别偏离基线的物料组，而非仅监控总额。
- 月度：复核提前期、满足率与预测偏差的实际达成，将实际值回写模型，重算库存基线。
- 季度：复核分组规则本身。生命周期阶段（RampUp／RampDown／稳定）与替代关系随机型切换而变化，分组失效即参数失效。
上述闭环即供应链控制塔的职责所在：其价值不限于呈现库存现状，更在于持续给出当前参数下库存的应有水平，使冗余在形成阶段即可被识别，而非在九个月后经由报表事后暴露。
写在最后
需求不确定与产品非标属 OLED 行业的结构性特征，不在企业的可优化范围之内；可优化的是企业对不确定性的响应方式——提前期、批量、频次与分组。
本案例中 61% 的理论下降空间不依赖新增系统投资或供应商让步，全部来自计划参数的重新设定与执行频次的提升。其前提只有一项：先以模型测算当前参数下的库存基线，再区分必要库存与冗余库存。
信息来源：本文案例数据来自上海数匠科技有限公司某半导体（OLED）显示面板客户的原材料库存分析与优化项目。客户名称已做匿名化处理，库存金额按千万元口径换算为万元。库存基线 6072.5 万元与优化后理论库存 4506.4 万元均为供应链控制塔库存模型的测算值，非实测结果；满足率调整幅度 X 为建议取值区间，需按客户实际成本与耗用量分布标定。