6.1 MRP 是 PMC 的“基本功“，也是“重灾区”

主生产计划（MPS）定了生产什么、什么时候生产，下一步就是算物料：需要什么料、需要多少、什么时候到。这就是物料需求计划（Material Requirements Planning，MRP）。

MRP 的逻辑不复杂：按 BOM 展开，减去库存和在途，加上提前期，算出净需求。一个初中生都能理解。但就是这个“简单”的逻辑，在实际工厂里翻车的案例数不胜数。

我见过太多这样的场景：

•系统跑出来的采购建议，采购部看都不看，直接按经验下单

•仓库里某种物料堆了三年的量，另一种物料每个月都断货

•紧急采购的单子比正常采购还多，采购员天天在救火

•月底盘点，系统库存和实物差出几十万，没人说得清为什么

这些问题表面上看是 MRP 不准，根子上是MRP 的参数设置不合理、数据更新不及时、执行过程没闭环。AI 不能解决所有问题，但能在几个关键点上帮 PMC 把 MRP 从“算料”提升到“智料”。

6.2 MRP 跑不准的六大原因

在讲 AI 怎么优化之前，先把 MRP 跑不准的常见原因列清楚。你对号入座，看看自己的工厂中了几条。

原因一：BOM 不准

BOM 是 MRP 的基石。BOM 错了，后面全错。常见问题：

•版本混乱：工程变更（ECN）发了，但 ERP 里的 BOM 没及时更新，MRP 按老版本算料

•用量不准：理论用量是 1.2 克，实际生产损耗后需要 1.5 克，MRP 按 1.2 克算，永远不够

•替代料缺失：A 料缺货时可以用 B 料，但系统里没维护替代关系，MRP 只会建议买 A 料

•层级错误：半成品应该走 MRP 展开，但系统里设成了“虚拟件”或“计划件”，导致需求没传递下去

应对方法：建立 BOM 审核机制。每次 ECN 生效前，PMC 要确认 ERP 里的 BOM 已同步更新。每季度抽 10% 的 BOM 做现场核对，对比理论用量和实际领料量，偏差超过 5% 的要做修正。

原因二：库存数据不准

系统库存和实物库存对不上，是 MRP 不准的头号杀手。常见原因：

•出入库不及时：车间领料了没及时入账，供应商送货了没及时入库

•在途状态不清：货已经发出了但系统显示“未发货”，或者货还在供应商仓库但系统显示“在途”

•质量待检物料：物料到了但还在 IQC 检验，系统里算“在途”还是“可用”？

•呆滞料未隔离：过期、报废、变质的物料还在系统里算“可用库存”

应对方法：每天上班先看库存异常报表。重点看负数库存、超期未入库、超期未出库。对于质量待检物料，建议设“待检区”虚拟库位，系统里单独显示，PMC 排产时根据检验进度决定是否纳入可用库存。

原因三：提前期不准

提前期（Lead Time）是 MRP 的核心参数，包括采购提前期和生产提前期。常见问题：

•采购提前期按合同签的算，不按实际到货算：合同写 30 天，实际平均 45 天，MRP 按 30 天算，料永远到不齐

•没有区分“下单提前期”和“到货提前期”：有些供应商确认订单要 5 天，生产要 20 天，运输要 10 天，合起来 35 天。但 MRP 只设了一个“30 天”，没拆细

•季节性波动没考虑：春节前供应商提前停工、雨季运输延迟，这些在固定提前期里体现不出来

•内部生产提前期按标准工时算，没考虑排队和等待：某工序标准工时 2 小时，但前面有 10 个产品在排队，实际要等 2 天

应对方法：建立“提前期档案”。对每个供应商、每个物料，记录每次下单的约定交期和实际到货日期，算出平均偏差和波动范围。MRP 里的提前期按“实际平均 + 安全缓冲”设，不要按合同签的设。对于内部生产提前期，要在标准工时基础上加“排队时间“和“等待时间”，可以用历史数据估算。

原因四：批量规则不合理

MRP 算出来净需求 105 个，怎么下单？是一次买 105 个，还是按最小包装量 100 个买 200 个，还是按经济批量 500 个买？

批量规则设错了，要么库存积压，要么频繁下单增加采购成本。常见问题：

•最小订货量（MOQ）没维护：供应商要求最小 1000 个起订，MRP 建议买 200 个，采购员要么被供应商骂，要么硬买 1000 个造成库存

•经济订货批量（EOQ）没算或算错了：EOQ 公式需要年需求量、订货成本、持有成本，很多公司随便拍一个数

•倍数规则乱用：有些物料按箱买（一箱 50 个），MRP 没设倍数规则，建议买 103 个，实际只能买 100 或 150 个

应对方法：每个物料在 ERP 里维护完整的批量参数：MOQ、倍数、EOQ。EOQ 每年根据实际数据重新算一次。对于 MOQ 很高的物料，评估是否可以和供应商谈判拆单，或者找替代供应商。

原因五：安全库存设成“固定值”

安全库存是 MRP 的“保险垫”，但怎么设？很多公司的做法是：所有物料统一设 2 周安全库存，或者按采购员的经验“这个料重要，多备点；那个料便宜，少备点”。

这种拍脑袋的做法，结果是：

•有些物料安全库存太高，资金占用大、呆滞风险高

•有些物料安全库存太低，稍微波动就断货

•需求变了、供应商交期变了，安全库存几年都不调整

应对方法：安全库存应该动态计算，基于需求波动和供应不确定性。后面会详细讲 AI 驱动的动态安全库存模型。

原因六：MRP 跑一次就不管了

很多公司的 MRP 是每周一早上跑一次，跑完生成采购建议和生产指令，然后一周都不再看。但这一周里，客户需求变了、供应商交期变了、车间进度变了，周一跑出来的 MRP 到周三就已经过时了。

应对方法：MRP 应该是滚动运行的。建议每天跑一次（至少关键物料每天跑），或者设置触发机制：当库存低于再订货点时自动触发 MRP 重算。不是每次都要重新下单，而是要持续监控偏差，及时调整。

6.3 从 MRP 到“智料”：AI 能优化什么

上面六个原因，AI 能在哪些环节帮上忙？我们逐个分析。

总结一句话：AI 擅长“算”和“监控”，不擅长“谈”和“定”。算提前期、算安全库存、算批量、监控异常，这些交给 AI；跟供应商谈判、判断战略物料的风险、决定要不要为某个客户破例，这些还得人来做。

6.4 实战一：动态安全库存模型

安全库存是 MRP 中最值得用 AI 优化的环节。传统方法是固定值，动态方法是根据需求波动和供应不确定性实时调整。

动态安全库存的基本公式

安全库存 = Z × √(平均提前期 × 需求标准差² + 平均需求² × 提前期标准差²)

拆解一下：

•Z：服务水平系数。Z=1.65 对应 95% 服务水平，Z=2.33 对应 99% 服务水平。服务水平越高，安全库存越多。

•平均提前期：供应商实际交货的平均天数

•需求标准差：过去一段时间（比如 6 个月）需求量的波动程度

•平均需求：过去一段时间的平均需求量

•提前期标准差：供应商实际交货天数的波动程度

这个公式叫“需求与提前期双不确定模型”，比传统的“固定天数× 平均需求”更科学，因为它同时考虑了需求波动和供应波动。

Excel 实现动态安全库存

不需要编程，用 Excel 就能做。

步骤一：准备历史数据

需要过去 12-24 个月的月度需求量和实际提前期。

步骤二：计算统计量

用 Excel 函数：

•平均需求：=AVERAGE(B2:B13)

•需求标准差：=STDEV.S(B2:B13)

•平均提前期：=AVERAGE(C2:C13)

•提前期标准差：=STDEV.S(C2:C13)

步骤三：计算安全库存

假设服务水平 95%（Z=1.65）：

=1.65 * SQRT(平均提前期 * 需求标准差^2 + 平均需求^2 * 提前期标准差^2)

步骤四：设置自动更新

把公式和原始数据放在同一个文件里，每月新增一行数据，公式自动重算。建议每月初更新一次安全库存，同步到 ERP 系统。

AI 进阶：用机器学习预测需求波动

上面的方法假设历史波动能代表未来波动。但如果需求模式在变化（比如新产品上市、市场竞争加剧），历史标准差可能低估未来风险。

这时可以用机器学习模型（如 XGBoost）预测未来需求，同时给出预测区间。安全库存基于预测区间的宽度来设，而不是基于历史标准差。

具体做法：

1.收集更多特征变量：促销活动、季节性指数、宏观经济指标、竞品动态

2.用 XGBoost 训练需求预测模型，输出点预测和 80% 置信区间

3.安全库存 = 置信区间上限 - 点预测

这种方法比纯历史统计更前瞻，但需要更多数据和建模能力。对于数据基础好的公司，值得尝试。

6.5 实战二：AI 驱动的 ABC 智能分类

ABC 分类是库存管理的基本功：A 类物料金额占比高、品种少，重点管控；C 类物料金额占比低、品种多，粗放管理。

传统的 ABC 分类只按“年消耗金额”一个维度分。但实战中，这个单一维度不够。有些物料金额不高，但缺了产线就停；有些物料金额高，但供应很稳定、替代很容易。

AI 可以做多维度 ABC 分类，综合考虑更多因素。

分类维度建议

评分方法

每个物料在每个维度上打 1-5 分，加权求和得到综合评分。然后按评分排序，前 20% 为 A 类，中间 30% 为 B 类，后 50% 为 C 类。

供应风险评分示例：

•独家供应、无替代、交期波动大：5 分（高风险）

•两家供应、有替代、交期稳定：2 分（低风险）

关键性评分示例：

•缺料直接导致产线停工：5 分

•缺料可以用替代工艺或替代料临时应付：2 分

AI 辅助评分

对于物料种类多的公司（几千种以上），人工逐个评分不现实。可以用 AI 辅助：

•文本分析：从供应商合同、物料描述中提取关键信息，自动判断供应风险和替代难度

•聚类分析：用 K-means 等算法，基于历史数据自动把物料分成若干类，再人工标注类别含义

•异常检测：自动识别评分异常的物料（比如金额很高但风险评分很低），提示人工复核

6.6 实战三：缺料预警系统

MRP 跑出来的缺料建议，往往是“事后”的——等系统算出来缺料，再紧急采购，已经来不及了。真正的缺料管理，应该是“事前预警”。

预警逻辑设计

缺料预警不是简单看“库存够不够”，而是要看“在未来某个时间窗口内，库存能不能覆盖需求”。

预警层级：

“未来 4 周需求”怎么算？

•已确认订单：按订单数量

•预测需求：按滚动预测（第 4 章讲的方法）

•安全库存：按动态安全库存（本章讲的方法）

三者叠加，就是未来 4 周的总需求。

Excel 实现缺料预警

在计划总控表（第 3 章）基础上，增加以下字段：

用条件格式把“红色““橙色“自动标出来，每天上班先看预警表。

AI 进阶：异常模式识别

缺料预警的更高阶玩法，是用 AI 识别缺料的早期信号。

比如某物料过去 6 个月从没缺过，但最近两周：

•车间领料频率突然增加（可能需求超预期）

•供应商确认交期的回复变慢（可能产能紧张）

•采购询价次数增加（可能其他客户也在抢料）

这些信号单独看都不构成缺料，但组合起来可能预示风险。AI 可以通过关联规则挖掘或时间序列异常检测，自动识别这些模式，提前 2-4 周发出预警。

实现这个需要接入更多数据源（MES 领料数据、供应商沟通记录、采购询价数据），对于数据基础好的公司，值得投入。

6.7 呆滞料预警：MRP 的另一面

MRP 管的是“缺料”，但 PMC 还要管“多料”。呆滞料就是“多料”的极端表现——买了没用、越放越贬值、最后只能报废。

呆滞料的定义

不同公司定义不同，建议按以下标准：

呆滞料预警的 AI 应用

① 需求衰减预测

有些物料的需求不是突然归零，而是逐渐衰减。AI 可以从历史销量曲线中识别衰减模式，提前 3-6 个月预警“这个料可能要呆滞”。

② 关联物料分析

某种成品停产了，它专用的物料可能变成呆滞。AI 可以分析 BOM 关联关系，自动识别“因成品停产而风险上升的物料清单”。

③ 呆滞料消化建议

对于已经呆滞的物料，AI 可以分析：

•有没有其他产品可以用？（BOM 替代分析）

•能不能退给供应商？（合同条款 + 供应商历史行为分析）

•能不能折价卖给二级市场？（市场价格数据）

6.8 本章小结：MRP 的终极目标是“刚刚好”

这一章讲了 MRP 跑不准的六大原因、动态安全库存、智能 ABC 分类、缺料预警和呆滞料管理。核心就一句话：

MRP 的最高境界不是“不缺料”，也不是“零库存”，而是“刚刚好”——需要的时候有，不需要的时候没有。

“刚刚好”很难达到，因为需求和供应永远在波动。但 AI 工具能让你离“刚刚好”更近一点：动态安全库存减少过度储备，智能分类把精力用在刀刃上，缺料预警把救火变成防火，呆滞料预警把事后处理变成事前预防。

下一篇文章我们进入供应商管理与采购协同——MRP 算出来要买什么，但东西能不能按时到、质量好不好、价格合不合理，取决于供应商。AI 在这块能帮 PMC 做什么？我们接着聊。