库存优化之随机性供应链

来源：《Inventory Optimization:Models and Simulations》的Part II: Stochastic Supply Chains，主要介绍需求和提前期随机条件下的库存优化

1.Safety stocks

安全库存：创建一个缓冲库存buffer来应对不可预见的事件

• 需求：实际需求随着时间波动，与预测数据不一致
• 供应：与原定商讨的提前期相比，供应商延期了

1.1 Service Level

（1）Cycle service level 周期服务水平 $\alpha$：订单补货周期期间不缺货的概率
（2）Period service level 阶段服务水平 ${\alpha }_p$：任意时间段（一天，一周…）内不缺货的概率
（3）Client service level 客户服务水平（On Time In Full准时全额交付 OTIF）：客户从库存中满足全部订单（包含多个商品）的概率
（4）Fill rate $\beta$：直接由现有库存供应的需求份额（长期）
用的比较多的是Cycle service level和Fill rate，还有其它KPI：阶段内平均延期订单，订单延期的平均时间等

1.2 Stochastic Demand

在给定服务水平目标后，可以基于平均需求来设定补货量，但是实际上每个产品的需求都是波动的，安全库存主要用于应对两类变动：

• demand variation：供应商提前期内的需求波动
• lead time variation：提前期波动下的平均需求

下面首先描述demand variation

（1）概率密度函数Probability Density Function PDF

• $f_{\chi }(x)$：分布$\chi$在值$x$上的概率密度函数
• $f_N(x;\mu ,\sigma )$：正态分布的PDF
• $\phi (x)$：标准正态分布的PDF

（2）累计分布函数Cumulative Distribution Function CDF

• $F_{\chi }(z)=\alpha$ $\alpha \in [0,1]$：分布$\chi$在阈值$z$上的累计分布函数，服务水平
• $\Phi (z)$：标准正态分布的CDF
  $F_N(x;\mu ,\sigma )=\Phi (\frac{x-\mu }{\sigma })$

（3）逆累计分布函数Inverse Cumulative Distribution Function（分位函数quantile function）

• $F_{\chi }^{-1}(\alpha )$：分布$\chi$在概率$\alpha$上的逆累计分布函数
  $F_{\chi }^{-1}(\alpha )=z\Rightarrow F_{\chi }(z)=\alpha$

• ${\Phi }^{-1}(\alpha )$：标准逆累计分布
  $F_N^{-1}(\alpha ;0,1)={\Phi }^{-1}(\alpha )$
  $F_N^{-1}(\alpha ;\mu ,\sigma )=\mu +\sigma \cdot {\Phi }^{-1}(\alpha )$

（4）正态分布的需求
假设需求是符合正态分布$N({\mu }_d,{\sigma }_d^2)$，那么基于分位函数就可以计算给定服务水平下的库存量；基于累计分布函数可以计算给定库存量下能达到的服务水平
库存水平：$\iota =F_N^{-1}(\alpha ;{\mu }_d,{\sigma }_d)$
服务水平：$\alpha =F_N(\iota ;{\mu }_d,{\sigma }_d)$

（5）安全库存
库存=周期+安全，代表需求服从正态分布时要保持周期服务水平为$\alpha$所需库存量
ι = C s + S s = F N − 1 ( α ; μ d , σ d ) = μ d + σ d ⋅ Φ − 1 ( α ) \iota=C_s+S_s=F_N^{-1}(\alpha;\mu_d,\sigma_d)=\mu_d+\sigma_d·\Phi^{-1}(\alpha) ι=Cs​+Ss​=FN−1​(α;μ