从服务产能、促销库存到项目物料的临界分位数决策
一家为连锁超市提供市内配送服务的物流公司，每天晚上都要安排第二天的车辆。按理说，有多少辆车，就接多少任务；车已经排满，再接业务，岂不是“超卖”？
运营经理却准备多接几单。因为客户经常临时取消任务，完全按自有车辆数排单，第二天可能有车闲置；但多接得太狠，一旦客户没有取消，公司又只能高价租车。
少接了，产能浪费；多接了，临时扩容。到底应该多接几单？这个物流调度问题，与企业促销时备多少货、项目型装备制造企业提前多少天下采购订单，背后其实是同一道题。
一、没有车，为什么还敢多接任务？
历史记录显示，客户次日取消的车辆任务数可能为 0~7 辆，各有相应概率：
一辆车因客户取消而闲置，公司损失利润贡献 400 元；超卖过多、自有车辆不足时，临时租一辆车要付出 1,000 元。运营经理面对的不是“冒险”与“不冒险”，而是两种错误。
例如，只超卖 1 辆而实际取消 3 辆，仍有 2 辆车闲置，损失为2×400=800元；超卖3辆而只取消1辆，则需临时租 2 辆车，损失为2×1,000=2,000元。
把不同超卖量在各种取消情形下的损失逐项计算，再按历史概率加权，可得：
每天多接2辆车的任务，预期损失最低。
容易误解的是：历史平均取消量为 2.82 辆，为何不直接超卖 3辆？因为两侧代价并不对称——少利用一辆车损失 400 元，多接过头却要付出 1,000 元。平均值只能描述取消量的大致中心，不能直接给出最优决策。
服务产能还有一个特点：不可储存。今天空着的酒店房间、航班座位、物流车辆和我这样的咨询师工时，明天都无法补卖。因此，航空、酒店、物流等行业会依据取消或爽约概率适度超卖。科学的超卖不是凭胆量，而是计算两类错误的代价。
二、卖报纸与做促销，其实结构相同
运作管理中有一个经典的“报童模型”：报纸进少了，会失去销售毛利；进多了，当天卖不完，第二天价值大幅下降。物流超卖虽然面对的是取消数量，而不是市场需求，但两者都是在结果尚不确定时，预先决定准备多少资源。
促销备货也是典型应用。假设商品进货成本 60 元、促销售价 100元，活动后剩余商品只能以 50 元清仓。少备一件，损失毛利 40 元；多备一件，损失 10 元。两种错误的临界比例为：
40 ÷ (40 + 10) = 80%
因此，企业应参考需求分布的第 80 百分位数备货，而不是机械采用平均销量。若平均预测为 1 万件、第 80 百分位数为 1.18 万件，后者才更接近经济意义上的最优备货量。
这说明，需求预测与备货决策不是一回事：预测回答“可能卖多少”，成本权衡回答“应该准备多少”。同样的需求分布，因为毛利、残值、缺货处罚和客户流失成本不同，最优备货量也会不同。
三、项目专用物料，应该缓冲的可能是时间
在项目型装备制造业中，部分物料针对特定客户和设计方案，需求数量基本确定，跨项目复用概率却很低。多买一件未必形成安全库存，反而可能直接成为呆滞。此时，主要不确定性往往不是需求量，而是采购提前期。
决策问题也随之改变：不再是“多买多少”，而是“提前多少天下单”。安全时间，就是在平均 Lead Time 之外增加的时间缓冲。下单太晚，物料晚到；下单太早，又会增加库存占用、设计变更和项目取消风险。
例如，某关键部件晚到一天可能造成 20,000 元的装配停等和延期损失，早到一天的资金、仓储和变更风险约为 200 元，其临界比例为：
20,000 ÷ (20,000 + 200) ≈ 99%
这意味着计划提前期应参考 Lead Time 分布的高分位数，而不是平均值。若平均 Lead Time 为 60 天、P99 为 90 天，则安全时间约为30天。
但安全时间并非越长越好。设计尚未冻结、项目取消概率高、物料易老化或供应商不接受退换时，早到损失会上升，目标分位数也应下调。
四、三个案例，背后的理论解法相同
统一的方法在数学上叫“临界分位数法”（Critical Fractile或Critical Ratio Method），核心公式为：
其中，x* 是最优决策值，F(x) 是相关随机变量的累计分布函数。Cu 越大，企业越害怕准备不足，决策点就应选择更高的分位数；Co 越大，企业越害怕准备过度，决策点就应向较低分位数移动。两者相等时，对应的是第 50 百分位——中位数，而不一定是平均数。
从数学上看，这是“不对称损失下的分位数优化”；从管理上看，可以归结为一句话：两种错误哪一种更贵，决策就应向另一侧移动。
五、回到车辆案例：为什么恰好是2辆？
车辆闲置一辆损失 400 元，临时租车一辆损失 1,000 元，临界比例为：
400 ÷ (400 + 1,000) = 28.6%
历史数据中，取消少于 2 辆的累计概率为：
P(c < 2) = 9% + 19% = 28%
28% 略低于 28.6%，因此选择超卖 2 辆。这个结果与逐项枚举得到的最低预期损失 846 元一致。枚举法直观，临界分位数法则更高效。
六、真正困难的，是给错误定价，而不是公式
促销缺货不只损失商品毛利，还可能浪费平台流量、影响连带销售并丢失客户；项目物料晚到也不只是加急费，还可能带来总装等待、测试窗口错过、验收延期和回款推迟。若这些连锁损失被遗漏，会被低估。
反过来，过度准备的代价也不能漏算：促销余货可能侵蚀正常价格，项目物料早到可能遭遇设计变更，服务超卖过度还会导致赔偿和声誉损失。模型不会自动给出正确答案，它只是迫使企业把两边的损失都摆到桌面上。
安全时间还不能替流程问题背锅。实际 Lead Time 中若混入图纸未冻结、采购申请迟发、审批等待和技术澄清反复，企业不应把这些低效率一并塞进安全时间。否则，安全时间会成为一块越来越厚的海绵，把流程中的低效率全部吸进去。应先拆分总提前期：
总提前期 = 内部准备 + 采购处理 + 供应商生产 + 运输检验
真正需要分位数缓冲的，主要是难以消除的不确定部分。安全时间是风险缓冲，不是流程拖延的遮羞布。
结语：别只问平均是多少
车队经理不能只问平均取消几辆，促销经理不能只问平均销量，项目采购人员也不能只问平均 Lead Time。还要继续问：准备不足会损失什么？准备过度又会损失什么？
超卖、促销备货和安全时间，一个决定多接几单，一个决定多备几件，一个决定提前几天。穿过业务名称，它们都在回答同一个问题：未来尚不确定、两种错误代价又不相同时，企业应在概率分布的哪个位置采取行动？
平均数描述的是世界通常怎样发生；临界分位数回答的，是企业应该怎样行动。
案例说明
文中物流车辆超卖案例及原始概率数据，依据 SCMP《供应链运作：协同优化与高效控制》第 6 章相关页面整理。
