Multi-Echelon Inventory Optimization (多阶库存优化)

1. 解决的问题

如何在供应链的多个节点（工厂→仓库→配送中心→门店）之间分配库存，使得总成本最低的同时保证服务水平。

2. 核心算法逻辑

多阶库存优化解决的核心问题是：如何在供应链的多个节点（工厂→仓库→配送中心→门店）之间分配库存，使得总成本最低的同时保证服务水平。与单点库存管理不同，多阶优化需要考虑节点间的依赖关系、订货提前期和需求传递效应。

3. 业务应用场景

业务问题： 母婴出海电商在海外建立仓储物流体系，通常包含国内工厂 → 国内仓库 → 海外仓 → 消费者。由于跨境物流周期长（15-30天）、需求波动大，库存过多会导致仓储成本高、资金占用大，库存过少会导致缺货、丢失销售机会。需要科学计算各节点的合理库存量。

数据要求： - 历史销量数据：SKU 级别日/周销量（建议 2 年） - 物流参数：各段运输时长（工厂→国内仓、国内仓→海外仓） - 成本参数：单位仓储成本、单位缺货成本、订货固定成本 - 服务水平目标：订单履约率 95%+

预期产出： - 各节点安全库存建议（国内仓、海外仓） - 最佳补货触发点（reorder point） - 补货量计算公式 - 库存周转率预期

4. 输入数据要求

请查看原始代码模板获取输入规格。

5. 输出结果

请查看原始代码模板获取输出规格。

6. 业务价值 / ROI

• 数据要求：需要历史销量数据、物流参数
• 技术门槛：中等，需理解库存管理基本原理
• 工程复杂度：中等，需要与 ERP 系统对接
• 维护成本：中等，需要定期更新参数
• 业务价值高：直接关联仓储成本优化
• 见效快：2-3 周可完成 POC

7. 代码模板

代码块数量：1 · 路径：未检测到

"""
Multi-Echelon Inventory Optimization
用于母婴出海电商海外仓备货策略优化
"""

import numpy as np
import pandas as pd
from scipy import stats
from scipy.optimize import minimize_scalar
import warnings
warnings.filterwarnings('ignore')


class InventoryOptimizer:
    """多阶库存优化器"""

    def __init__(self, service_level=0.95):
        """
        初始化库存优化器

        Args:
            service_level: 目标服务水平 (0-1)
        """
        self.service_level = service_level
        self.z_score = stats.norm.ppf(service_level)

    def calculate_safety_stock(self, demand_std, lead_time):
        """
        计算安全库存

        Args:
            demand_std: 需求标准差
            lead_time: 提前期 (天)

        Returns:
            safety_stock: 安全库存量
        """
        # 简化模型：假设需求独立，SS = z * sigma * sqrt(L)
        demand_daily_std = demand_std / np.sqrt(30)  # 假设月std转日std
        safety_stock = self.z_score * demand_daily_std * np.sqrt(lead_time)
        return int(np.ceil(safety_stock))

    def calculate_reorder_point(self, avg_daily_demand, lead_time, safety_stock):
        """
        计算再订货点 (ROP)

        Args:
            avg_daily_demand: 平均日需求量
            lead_time: 提前期 (天)
            safety_stock: 安全库存

        Returns:
            reorder_point: 再订货点
        """
        return avg_daily_demand * lead_time + safety_stock

    def newsvendor_optimal_order(self, selling_price, cost, salvage_value, demand_mean, demand_std):
        """
        报童模型最优订购量

8. 论文来源

未自动抽取；请查看原始 Skill 卡片。