6.7
深览指数
产品人人都是产品经理·会员··AI 生成
供应链产品经理：智能补货
本文提供了一个完整的智能补货策略框架，核心是将ABC价值分层（销量贡献度）与XYZ波动分类（需求稳定性）结合，形成九宫格联合补货策略。文章详细拆解了补货点（ROP）、安全库存、动态波动系数、建议补货量等关键参数的计算公式，并给出了完整的计算示例。适合有仓库管理基础、正在设计或优化补货系统的产品经理、供应链运营人员阅读，可直接作为系统功能设计的参考。原文 ↗
核心观点
- ▍建立数据驱动的智能补货体系，核心是通过ABC价值分层和XYZ波动分类的九宫格策略，为不同SKU差异化设计补货策略，实现不缺货、不积压的目标。
- 01ABC分层基于拆零拣货贡献度，将SKU划分为A类（高价值/高频）、B类（中等）、C类（低价值/低频）。
- 02XYZ波动分类基于历史销量波动系数（CV=标准差/均值）：X类（CV<0.5，高可预测）、Y类（0.5≤CV<1.0，中可预测）、Z类（CV≥1.0，低可预测）。
- 03波动分为静态（过去6个月数据，每月更新）和动态（近7天vs前30天均值偏离，每日实时调整），用于旺季/大促期间动态调整安全库存系数。
- 04补货点（ROP）= 提前期需求量 + 安全库存，其中安全库存 = 服务系数 × 日销量标准差 × √提前期 × 动态波动系数。
- 05服务系数基于正态分布分位数，A类（高服务要求）使用1.65（95%），B类使用1.28（90%），C类使用0.84（80%）。
- 06建议补货量 = MAX(ROP - 当前库存 - 在途补货量 + 已锁未拣量, 最小补货单位)，并需经三层约束校验（货位容量、建议量、存储区库存）取最小值。
- 07补货触发条件包括基础触发（库存≤ROP）、动态波动触发、退货回流触发和波次协同触发（波次释放前30分钟预判）。
反方 / 局限
- — 文章未讨论模型假设的局限性，例如正态分布假设在需求高度偏态或存在明显季节性趋势时的适用性，以及动态波动系数（1.0-2.5倍）的选定依据缺乏实证支撑。
6 分钟 · 3 卡片 · 8 资料
读原文 →