分析目的
拉链需求受成衣季节、客户上新节奏与促销活动影响，波动是常态。问题在于企业常把波动笼统归因于市场，既不区分可预测的季节性与不可预测的随机性，也不量化波动幅度，导致安全库存要么过高、要么在旺季断料。本分析的目的，是把需求序列拆成趋势、季节与随机三部分，并用统一指标衡量波动大小，为库存与产能决策提供依据。
YCC 在辅料备货咨询中发现，同样的月均需求，变异系数从 0.15 升到 0.35，所需安全库存可能翻倍，而很多企业的备货规则对此毫无区分。
数据准备
- 需求序列：至少二十四个月的月度出货量，按品类与客户分层。
- 口径说明：用以实际发货而非订单量，避免取消订单造成虚高；促销与一次性大单单独标注。
- 前置期：供应商交期、运输时间与检验时间的合计，用于安全库存计算。
若历史数据中存在缺货导致的销量损失，应在分析前做简单补全，否则会低估真实需求波动。
分析方法与公式
变异系数 CV = 需求标准差 ÷ 需求均值，用于比较不同量级品类的波动程度。经验上 CV 低于 0.2 为平稳，0.2 至 0.4 为中等波动，高于 0.4 为高波动，需要更灵活的小批量补货策略。
季节性指数 = 各月平均需求 ÷ 全年月均需求 × 100，指数大于 110 的月份为旺季，小于 90 为淡季。计算时应先剔除趋势影响，简单做法是用十二个月移动平均作为趋势项，再用实际值除以趋势值得到季节比率。
安全库存可用 SS = z × σ × 根号下 L，其中 z 为服务水平对应的系数，σ 为月度需求标准差，L 为前置期月数。服务水平 95% 时 z 约 1.65，99% 时约 2.33。
| 月份 | 需求（假设） | 季节指数 | 判断 |
|---|---|---|---|
| 三月 | 86 万条 | 92 | 淡季 |
| 六月 | 105 万条 | 113 | 旺季 |
| 九月 | 118 万条 | 127 | 旺季 |
| 十二月 | 78 万条 | 84 | 淡季 |
结果解读
假设全年月均需求 93 万条，标准差 18 万条，则 CV 约 0.19，整体属于平稳偏中等；但分品类看，常规黑白色号 CV 可能只有 0.12，而定制色号高达 0.45，若用统一安全库存规则，常规品会过度备货，定制品则频繁缺货。
季节指数显示九月为最高峰，是月均的 1.27 倍，若产能按月均配置，旺季必然吃紧。应提前两个月锁定供应商产能，并在淡季安排常规品的备货生产，用库存平滑产能缺口。
波动分析还要识别结构性变化。若某品类连续六个月 CV 上升且均值下降，可能不是随机波动，而是客户流失或转向竞品，此时应回到客户层面核查，而不是简单增加安全库存。
波动的来源还需要区分订单端与生产端。若客户下单本身平稳，但企业内部排产批次过大，导致领料呈现脉冲式波动，那么问题在采购与生产协同，而非市场需求。分析方法是用领料数据与订单数据分别计算 CV，若领料波动显著高于订单波动，说明内部批量策略放大了波动，应通过提高领料频次或设置线边库存来平抑，而不是继续加大原材料安全库存，否则只是把内部问题转成资金占用，反而掩盖了排产与领料环节的真实改善空间。
行动建议
- 按品类与客户分层计算 CV，避免用整体平均值掩盖结构差异。
- 建立季节指数表，每年更新一次，作为产能预订与备货计划的输入。
- 对高波动品类采用小批量多频次补货，对平稳品类适当集中采购以获取价格优势。
- 把安全库存公式与服务水平目标绑定，定期校验实际缺货率是否与设定一致。
- 监测 CV 的趋势变化，连续上升时优先排查客户结构与产品生命周期。
最后需要强调，波动分析的目的不是消除波动，而是让库存水平与产能安排和波动幅度相匹配，用可控的成本承接不可避免的变化。把有限资源优先投入到可预测的季节性部分，比试图预测每一次随机波动更有效。