非参数安全库存维度确定：面向硬件 OEM 的数据驱动方法

韧性供应链尤为关键，尤其是驱动当今数字经济的原设备制造商（OEM）。安全库存维度确定——即计算合适的安全库存数量——是确保供应链韧性的多种机制之一，因其能在需求和供应不确定性下保护供应链。然而，现有主要方法 heavily 假设需求呈正态分布，忽略未来需求的波动性，在需求非正态、间歇且高度偏斜的制造情境中适用性受限。本文提出一种数据驱动方法，放宽正态分布假设，使每个库存物品的需求分布可通过核密度估计（Kernel Density Estimation）进行解析确定。我们将分析从历史需求波动性扩展至预测需求波动性。我们在近似真实世界的库存补给仿真中评估了所提方法与正态分布模型的性能。随后，我们使用线性优化模型确定最优的安全库存配置。仿真和线性优化模型的结果表明，数据驱动方法优于传统方法。特别是，数据驱动方法在低于常规方法的安全库存水平下即可实现所需的服务水平。