保持较低的备件库存水平通常是理想的选择，尤其是对于持有成本较高的昂贵备件。然而，这种做法可能导致缺货风险，进而引发生产损失，即所谓的惩罚成本。当持有成本等于（或略高于）惩罚成本时，即可实现成本最优化的补货策略。

本案例研究展示了如何利用AssetStudio的AeROS™可靠性分析工具优化关键备件的补货策略，从而在库存成本与短缺风险之间取得平衡。

进行成本优化分析需要以下输入参数：

• 每日惩罚成本: 每单位备件缺货导致的每日生产损失成本
• 每日持有成本: 每单位备件在仓库中的每日存储成本
• 需求模型: 备件需求间隔时间的分布规律
• 需求模型: 需求模型

分析结果将提供建议策略及相关成本，包括：

• 最大库存水平: 建议的最大库存量（仓库库存+在途库存）
• 再订货点（ROP）: 触发补货的库存水平
• 最小库存水平: 预期最低库存量
• 平均库存水平: 平均库存量
• 达成可用率: 备件可用的概率
• 年消耗量: 备件年平均消耗量
• 年补货次数: 年平均补货频率
• 年惩罚成本: 因缺货导致的年平均损失成本
• 年持有成本: 年平均库存存储成本

假设某备件A具有以下特性：

• H持有成本: $5/天/单位
• 惩罚成本: $10,000/天（缺货时的生产损失）
• 需求分布: 指数分布，平均需求间隔时间为22天
• 交货周期 Lead time : 平均20天

问题: 何种补货策略能使总库存成本最小化？

备件补货政策的成本优化...

将上述数据输入AeROS的备件分析工具进行仿真：

仿真算法评估不同的再订货点（ROP），并计算相应的年惩罚成本和持有成本。当惩罚成本等于或低于持有成本时，即达到最优ROP。

以下是分析结果：

该工具支持批量处理（最多500个备件，本例仅分析1个）。最优策略的结果如下：

• 年总成本（持有+惩罚）: 约$11.3k
• 权衡分析: 提高ROP可降低惩罚成本，但会增加持有成本，导致总成本超过$11.3k；反之，降低ROP会减少持有成本，但惩罚成本上升，同样推高总成本。

以下图表展示了仓库中备件的可用性变化情况：

• 蓝色曲线: 5000次仿真的平均可用性
• 绿色曲线: 最后一次仿真的备件数量变化

• 惩罚成本估算的挑战: 准确的惩罚成本估算可能较为困难，因其取决于生产停工的影响。部分运营商会通过加班或临时调整生产率来缓解缺货影响。
• 基于可用率的策略: 部分资产管理人倾向于设定目标可用率（如95%可用率，即接受5%的缺货风险）。AeROS的备件分析工具也支持此类策略的制定。