Supplier Lead Time Buffer — 供应商交货期缓冲：非正态分布下的安全库存

1. 解决的问题

传统安全库存公式（$SS = Z \cdot \sigma_{LT} \cdot \bar{D}$）基于正态分布假设，但实际跨境供应链中交货期呈现两个典型特征

2. 核心算法逻辑

为什么正态假设会低估交货期风险

3. 业务应用场景

场景一：奶粉海运补货缓冲（中国工厂→美国仓库）

- 业务问题：普通时段中国→美西海运 LT 均值 28 天，双11前后（10-12月）延误显著增加，以往按正态分布计算的安全库存频繁出现缺货。 - 数据输入：60 条历史交货期记录（含旺季标注），日均销量 500 罐，目标服务水平 95% - 系统处理： - 淡季 P95 LT = 38 天；旺季 P95 LT = 52 天（seasonal_factor = 1.37） - 淡季安全库存 = (38-28) × 500 = 5,000 罐 - 旺季安全库存 = (52-28) × 500 × 1.37 ≈ 16,440 罐（自动触发旺季倍增） - 业务价值：缺货率从 15% 降至 5%，避免

场景二：WF-A 智能补货（综合交货期分布+需求不确定性）

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

• 缺货率：从 15% 降至 5%（旺季安全库存自动倍增）
• 库存精准度：非参数分位数 vs 正态假设，极端延误预测误差降低 40%
• 实施难度：⭐⭐☆☆☆（仅需历史交货期记录，无复杂模型）
• 优先级：⭐⭐⭐⭐☆（对跨境母婴补货影响直接）

7. 代码模板

代码块数量：3 · 路径：paper2skills-code/logistics/supplier_lead_time_buffer

"""
Skill-Supplier-Lead-Time-Buffer
供应商交货期缓冲：非正态分布下的安全库存计算
基于 Gen-QOT 工业实践 2024 + 交货期分布建模
纯 Python 标准库，Python 3.14 兼容，无第三方依赖
"""
from __future__ import annotations
import math
import statistics
from dataclasses import dataclass, field
from datetime import date, datetime
from typing import Optional


@dataclass
class LeadTimeRecord:
    """单条交货期记录"""
    supplier_id: str
    order_date: date
    actual_delivery_date: date
    expected_delivery_date: date
    month: int = field(init=False)

    def __post_init__(self) -> None:
        self.month = self.actual_delivery_date.month

    @property
    def actual_lead_time_days(self) -> int:
        """实际交货期（天）"""
        return (self.actual_delivery_date - self.order_date).days

    @property
    def delay_days(self) -> int:
        """超期延误天数（负值表示提前）"""
        return (self.actual_delivery_date - self.expected_delivery_date).days


# 旺季月份（海运双11+圣诞旺季：10-12月）
PEAK_SEASON_MONTHS: frozenset[int] = frozenset({10, 11, 12})


class LeadTimeDistributionEstimator:
    """
    历史交货期分位数估计器（非参数方法）
    支持季节性调整：旺季 vs 淡季分开估计
    """

    def __init__(
        self,
        records: list[LeadTimeRecord],
        peak_months: frozenset[int] = PEAK_SEASON_MONTHS,
    ) -> None:
        if len(records) < 10:
            raise ValueError("记录数量不足 10 条，分位数估计不可靠")
        self._records = records
        self._peak_months = peak_months
        self._all_lts = [r.actual_lead_time_days for r in records]
        self._peak_lts = [
            r.actual_lead_time_days
            for r in records

8. 论文来源

未自动抽取；请查看原始 Skill 卡片。