工厂越多，库存越高？

——用一个公式挖掘多工厂库存协同的节约机会

风险池化理论在制造业库存管理中的实践案例

数据已作脱敏处理　|　供应链管理咨询实践

一、一个反直觉的问题

在制造业，一家公司拥有的工厂越多，通常意味着更强的产能和更广的覆盖范围。但有一个隐性代价常被忽视：每增加一个工厂，库存往往就多一份。

背后的逻辑很简单：每个工厂都要"自保"，都会为自己备一份安全库存。对于跨多个工厂共同使用的原材料，各工厂各自备货、互不协调，就会出现同一种物料在多个仓库里同时积压的局面。这在供应链管理中有个专业说法，叫做"分散持库"（Decentralized Inventory）。

分散持库并非某家公司独有的问题，而是多工厂制造企业几乎普遍存在的结构性现象。区别只在于：有多少冗余、是否被识别、能否被量化改善。

本文将分享一个真实咨询项目中的分析过程：我们如何用供应链领域的经典理论——风险池化（Risk Pooling）——量化这种分散带来的库存冗余，并给出可操作的改善路径。

二、案例背景

客户是一家在华运营的欧洲工业设备制造商，主业为流体设备类产品，覆盖通用工业、工程、化工、服务维修等多个细分市场，设有六个独立核算的生产/服务工厂，均使用同一套 ERP 系统管理库存与采购，但工厂间的库存数据基本上是"各自为政"，没有系统性的跨工厂协调机制。

产品特点是高度定制化——大量订单属于 MTO（按单生产），少部分标准产品属于MTS（备货生产）。本次分析专注于MTS原材料库存，因为这类库存的需求相对可预测，更适合应用库存优化模型。

表1　案例客户基本特征

三、问题识别：分散持库的规模有多大？

3.1  数据筛选

我们从 ERP 系统导出了全量 MTS 原材料库存数据，重点筛选出同时在两个及以上工厂持有正库存的物料，共识别出约 3,800 种此类物料，涉及库存合计约 6,200 万元。

对每种物料，我们将库存金额最大的工厂定义为"主库工厂"（认为其持有是必要的），其余工厂对该物料的持有则计入"非主库存"，即潜在的分散冗余。

非主库存（K） = 各工厂库存合计 − 主库工厂库存

全品类非主库存合计 ≈ 582万元（理论上限）

3.2  工厂分布：备件中心是最大的分散来源

把非主库存按工厂拆解后，一个显著的规律浮现出来：

图1　各工厂MTS原材料库存构成（橙色为非主库存；数据已按等比例脱敏）

备件中心的非主库存占全部非主库存总额的 50% 以上，涉及约 1,500 种物料，合计约 295 万元。这并不意外——访谈中我们了解到，备件中心在实际运营中已经在非正式地为其他工厂提供物料调拨，说明跨工厂共享的需求客观存在，只是没有被系统化管理。

【关键洞察】  分散持库不是某个工厂"管理不善"的问题，而是缺乏跨工厂协调机制的系统性结果。备件中心已在扮演事实上的"共享仓"角色，但缺少规则和SLA约束。

四、理论框架：为什么集中库存能节约？

4.1  风险池化原理

要回答"集中比分散省多少安全库存"，需要用到供应链管理中的经典理论：风险池化（Risk Pooling），由Simchi-Levi等学者在《Designing and Managing the Supply Chain》中系统阐述。

其数学本质是：当 n 个独立地点的需求被合并到一个节点，合并后的总需求变异系数（标准差/均值）低于各地点之和，因此维持相同服务水平所需的安全库存更少。

设各工厂需求相互独立，各厂需求标准差为 σ，补货提前期为 L，安全系数为 z：

分散时总安全库存  =  n × z × σ × √L

集中后总安全库存  =  z × σ√n × √L

安全库存节约率    =  1 − 1/√n

这个公式告诉我们两件事：第一，集中化一定能节约安全库存，且效果随工厂数n增加而增强；第二，节约效果边际递减——从 1 个地点合并到 2 个地点的边际收益最大，之后每多合并一个工厂，新增收益越来越小。

4.2  节约率随工厂数的变化

图2　风险池化理论节约率曲线（1 − 1/√n）

本案例中，约 81% 的分散物料只涉及 2 个工厂，理论安全库存节约率约为 29.3%；约16% 涉及 3 个工厂，节约率约 42.3%。节约潜力集中在"两厂分散"这个最普遍的情形。

表2　各分散程度下的理论节约率及覆盖物料比例

五、量化发现：理论上限与现实节约

5.1  为什么上限不等于现实？

前文计算的 K 列合计 582 万元，是一个"非主库存归零"的理想假设下的上限。现实中，这个数字需要经过三重折扣才能得到可靠的节约估算：

• 折扣一：非主库存不能归零。即使推行集中化，消耗端工厂仍需持有调拨在途期间（通常3～5天）的覆盖库存，不能完全归零

• 折扣二：循环库存不可消除。库存由安全库存（应对需求波动）和循环库存（补货批量的一半）两部分组成。循环库存即使集中化也不会减少，除非同时提高补货频次

• 折扣三：并发需求导致虚高。若两个工厂同期都有生产订单在消耗同一物料，则同时持有是必要的并发需求，而非冗余——静态快照无法区分这两种情形

5.2  现实节约估算模型

经过三重折扣修正后：

现实节约 = K列上限 × 安全库存占比(60%) × 池化折扣率(~31%) × 可行性系数(70%)

其中：安全库存占比 60% 为行业经验值；池化折扣率约 31% 为各分散程度的加权均值；可行性系数 70% 反映调拨物流成本、流程改造等实施摩擦。

图3　从K列理论上限到现实节约的折扣瀑布（金额已脱敏）

【核心数字】  K列理论上限582万元，经三重折扣后，现实可实现节约约80～110万元，约为上限的14%～19%，占MTS总库存的0.6%～0.8%。

坦率说，这不是一个"改变游戏规则"的数字。相对于约 1.4 亿元的 MTS 总库存，节约比例不到 1%。但这个分析的价值不只在于绝对金额本身，还在于：

• 它提供了一个可复制的量化框架，能持续识别多工厂库存冗余

• 共享库存机制一旦建立，将同步提升跨工厂物料可见性和响应速度

• 对备件中心的系统化改造，可为未来规模扩张奠定库存管理基础

六、落地：三步走框架

理论正确不等于可以立即落地。共享库存策略的实现，需要数据验证、机制建立和系统推广三个阶段循序推进，不宜一步到位。

表3　共享库存策略分阶段实施路径

关于"主库选哪个工厂"的常见误区

在数据分析阶段，我们使用"库存量最大的工厂为主库"作为代理变量，便于快速识别规模。但在实际落地时，主库的选择应基于需求频率，而非当前库存量。一个工厂库存量大，可能仅仅是因为近期有大型 MTO 订单堆积——这不代表它是长期意义上的需求中心。正确的主库应是：对该物料年出库频次最高、地理位置居中的工厂。

七、可复制的方法论：三步识别多工厂库存冗余

这套分析框架不依赖特定的行业或 ERP 系统，任何拥有多个库存地点的制造企业都可以复用。核心步骤如下：

表4　多工厂库存冗余识别三步法

【重要提醒】  以上方法基于静态快照，K 列是理论上限，不代表可立即释放的现金。在向管理层呈现时，务必同步说明三重折扣的逻辑，避免产生"我们有 582 万元可以释放"这样的误解，损害分析的可信度。

八、结语：诚实的数字，才是有力的建议

这个项目给我们最深的体会，不是发现了某个惊人的节约数字，而是如何在分析中保持诚实。

582 万元是理论上限，这是事实；80～110万元是现实可期望的节约，这也是事实。把两者都呈现给客户，并清楚解释中间的折扣是什么、为什么存在，这种诚实反而建立了更强的信任——客户知道顾问没有为了让数字好看而夸大估算。

在供应链咨询中，我们见过太多"潜在节约 X 亿元"的报告最后无法落地，根本原因是分析跳过了"上限到现实"这一步。库存优化的价值，往往不在于第一年节约了多少钱，而在于建立了一套能够持续运转的协同机制。

多工厂的库存冗余，本质上是一个信息和协调问题，而非单纯的执行问题。当每个工厂都在为自己的 OTD 指标负责、没有人为跨工厂库存效率负责时，分散持库就是理性个体行为导致的系统次优解——解法也从这里开始。

如果你所在的组织也面临类似的多工厂库存挑战，欢迎交流。风险池化不是万能药，但它是一把测量"分散代价"的尺子，值得每家多工厂制造企业定期拿出来量一量。

本文基于真实咨询项目改写，所有财务数据已按等比例系数脱敏处理，客户信息已完全匿名化。分析方法和理论框架适用于具有类似多工厂库存结构的制造企业。