库存管理的目标在制造业中有明确的量化定义：在保证不缺料停线的前提下，最小化库存成本（资金占用+仓储+损耗）。这两项目标天然矛盾——降低库存增加缺料风险，提高库存增加资金占用。传统库存管理依赖人工经验设定安全库存和订货点，对需求波动和供应链延迟的响应滞后。数据驱动的库存管理用实时消耗数据和预测模型替代经验判断，将库存水平优化到"恰好够用"的精度。
库存类型与数据需求
制造业库存按物料状态分三类：原材料（采购入库未投入生产）、在制品WIP（生产过程中未完工的半成品）、成品（完工入库未发运）。按管理目的分：安全库存（应对需求和供应波动）、周期库存（一次订货覆盖多周期需求的经济批量）、在途库存（采购到货在途、内部转运在途）。
库存类型 | 数据来源 | 更新频率 | 缺料风险 | 管理难点 |
原材料 | WMS（库存）/MES（消耗） | 分钟级 | 停线 | 需求预测准确性 |
在制品WIP | MES（工单进度） | 15min | 工序等待 | 在制品上限控制 |
成品 | WMS/ERP（订单/发货） | 小时级 | 延期交货 | 产销平衡 |
在途 | TMS/采购系统 | 小时级 | 到货延迟 | 到货时间预测 |
数据需求的实时性因库存类型而异。原材料库存的核心数据是消耗速率——MES记录每张工单的领料时间和数量，消耗速率=领料量/生产时长。如果消耗速率突然增大（产线提速或工艺变更导致单耗变化），安全库存基准需同步调整，否则原定的安全库存可能不足以覆盖新的波动。
在制品WIP的库存管理关注的是节拍和流转效率。WIP过多说明工序间存在瓶颈——前工序产出快但后工序消化慢，中间库存堆积。WIP的合理上限由Little定律确定：L = λ×W，其中L为平均WIP数量，λ为产出速率（单位时间完成的产品数），W为平均流转时间。如果实际WIP远大于L=λ×W的计算值，说明工序间存在等待浪费。
安全库存计算
安全库存（Safety Stock, SS）是应对需求和供应不确定性的缓冲库存。经典公式基于服务水平、需求波动和补货提前期：
SS = Z × σ_d × √(LT + T)
其中Z为服务水平对应的标准差倍数（95%服务水平对应Z=1.645，99%对应Z=2.326），σ_d为需求标准差，LT为补货提前期（Lead Time），T为库存检查间隔。
服务水平的选择因物料而异。关键物料（缺料导致停线）服务水平设99%甚至99.5%，低值物料（螺丝/垫片等标准件）设95%即可——缺几颗螺丝可以临时从仓库调拨，不值得为此维持高库存。
需求波动σ_d的计算依赖历史消耗数据。如果物料消耗稳定（每天用量接近固定值），σ_d很小，安全库存自然低。如果消耗波动大（季节性产品、订单驱动生产），σ_d大，安全库存需相应提高。σ_d的计算窗口通常取最近90天的日消耗数据——太短（30天）容易受异常值影响，太长（365天）可能包含已过时的需求模式。
补货提前期LT是安全库存计算中波动最大的变量。标准LT是供应商承诺的交货周期（如7天），但实际LT受供应商产能、运输条件、通关时间影响可能波动3-15天。用平均LT+LT标准差建模更准确——σ_LT量化了到货延迟的波动，安全库存需覆盖的不是平均延迟而是极端延迟。
数据驱动的安全库存动态调整是超越静态公式的关键。每日计算最近90天的σ_d和实际LT的σ_LT，动态更新安全库存基准。如果需求波动率上升20%，安全库存自动上调——不是等缺料了再手工调整，而是数据驱动持续校准。
补货策略
补货策略 | 触发条件 | 订货量 | 适用场景 | 数据需求 |
订货点 | 库存≤Reorder Point | 固定Q | 需求稳定物料 | 实时库存 |
EOQ | 库存≤Reorder Point | 经济订货量 | 高频采购物料 | 采购成本+持有成本 |
JIT | 按生产节拍拉动 | 看板数量 | 稳定产线/短距离 | 消耗速率+生产计划 |
VMI | 供应商监控用量 | 供应商决定 | 长期合作供应商 | 实时消耗数据 |
订货点（Reorder Point, ROP）= 期望提前期内的需求 + 安全库存 = d × LT + SS，其中d为日均需求。当库存降到ROP时触发采购，采购量Q为固定批量（或最小订货量倍数）。订货点策略简单实用，适合需求相对稳定的C类物料（低价值高频采购的标准件）。
EOQ（经济订货量，Economic Order Quantity）= √(2×D×S/H)，其中D为年需求量，S为每次订货成本（订单处理+运输+验货），H为单位年持有成本（资金利息+仓储+保险+损耗）。EOQ最小化了总成本（订货成本+持有成本）。EOQ的假设是需求恒定且瞬时到货——实际中需求有波动且到货有提前期，需用EOQ+安全库存的修正模型。EOQ适用于B类物料（中等价值中等频次）。
JIT（准时制，Just-In-Time）的核心理念是按需拉动而非按计划推送。生产消耗触发补货——每消耗一个看板数量，供应商补一个看板数量。JIT的极致是零库存，但零库存需要严苛的前提：供应商距离近（2小时到货）、质量100%合格（不需来料检验缓冲）、运输绝对可靠。JIT对数据的需求是实时消耗速率和精确生产计划——消耗速率通过MES工单领料数据计算，生产计划通过APS排程结果获取。
VMI（供应商管理库存，Vendor Managed Inventory）将补货决策权交给供应商。采购方开放实时库存和消耗数据给供应商，供应商根据消耗趋势自动安排补货。VMI降低了采购方的库存管理负担——不用操心何时订货、订多少，供应商直接负责。供应商也有动力优化——因为库存周转直接影响其资金占用。VMI的技术前提是数据共享——采购方的WMS库存数据和MES消耗数据需实时同步给供应商的库存管理系统，通常通过EDI或API对接。
数据需求与技术挑战
实时库存是所有补货策略的基础数据。WMS记录每次出入库的库存变化，理论上实时库存=初始库存+入库-出库。但实际中库存数据的准确性受多个因素影响——盘点差异（实物与账面不符）、未及时录入的出库（领料了但没扫码）、质量状态变更（在检物料不能用但系统未更新）。库存准确率95%是工业基本要求，低于90%补货策略就会失效——因为库存数据不可信，ROP触发时机不准确。
消耗速率预测是安全库存和补货量的核心输入。消耗速率不是固定值——受生产计划影响，明天有3张工单可能消耗是平时的2倍。预测需结合生产排程——APS排产结果中的物料需求清单，按日聚合得到未来N天的预期消耗。预测准确性依赖排程准确性和BOM展开的正确性——BOM错误导致物料需求计算错误。
在途数量是库存管理中容易被忽略的维度。采购下单后到货前的物料属于在途库存，应纳入可用库存计算。但很多WMS系统不管理在途数据——采购系统知道订单已下但WMS不知道。数据集成需打通采购系统和WMS——采购订单状态变更（已下单/已发货/已到货）实时同步到WMS，补货策略判断时将到货日期内的在途数量计入可用库存。
多仓库数据统一是集团化运营的挑战。同一物料可能分布在多个工厂仓库——总仓有500个，分仓A有200个，分仓B有100个。如果分仓A缺料但总仓有库存，可通过内部调拨解决——但前提是系统知道总仓有库存。统一库存视图需在集团层面汇总各仓库库存数据，实时刷新。
落地挑战
需求预测准确性是库存管理精度的上限。如果生产计划频繁变更（客户紧急插单/取消），基于计划展开的物料需求预测就不可靠。应对策略是分层预测——A类物料（关键件）用排程展开精确预测，B类用历史消耗趋势预测，C类用简单订货点策略。分层降低了预测难度——不需所有物料都精确预测。
数据质量决定了库存管理的可信度。库存准确率95%意味着5%的物料账实不符，在缺料判断时可能误报——系统显示有库存但实物找不到。定期循环盘点（Cycle Counting）保持数据准确性——A类物料每月盘点，B类每季度，C类每年。盘点差异分析追溯数据错误原因——是录入遗漏、是质量冻结未同步、还是实物损耗。
TDengine在库存管理系统中承担库存变化和消耗趋势的时序追踪。每次出入库操作写入TDengine，记录物料编码、仓库、数量变化类型（入库/出库/调整）、时间戳。消耗趋势通过连续查询实时计算——按物料维度做分钟/小时/日窗口聚合，输出消耗速率指标。自动补货告警通过数据订阅实现——当库存降到订货点时，查询结果触发采购申请事件推送到采购系统。消耗趋势预测的数据基础从TDengine的历史消耗数据中提取——滑动窗口计算最近90天的日均消耗和标准差，作为安全库存公式的输入参数。
结语
工业互联网库存管理的工程目标不是零库存——零库存是极端供应链策略的口号，不是普适目标。务实目标是"在服务水平和库存成本之间找到最优平衡点"。安全库存计算的服务水平-波动-提前期三因子模型提供了量化框架，补货策略的选择匹配物料价值和需求特征。
数据驱动的库存管理超越了静态参数管理——消耗速率和提前期波动的实时监测使安全库存动态调整，VMI模式通过数据共享将补货决策交回最了解供应链的供应商。库存管理的数据基础设施——实时库存追踪、消耗趋势计算、多仓库汇总——是补货策略可信度的前提条件。
