库存计划（Inventory Planning）是什么？ 它是 APS 智能供应链计划体系的MPS 资源校准点：把分散在 ERP、MES、WMS、采购系统里的 Fab 产能、Die Bank、库存、物料与外协资源，汇聚成一份全局资源池，为 MPS 提供"真实可用资源"的决策基线。
本文基于上海斯歌 APS 智能供应链计划管理解决方案中 Inventory Planning 库存计划的公开资料，做技术向拆解，不含营销表述。
库存计划解决什么技术问题
MPS 排程的瓶颈不在排产算法，而在排程基线的真实性。一份主计划要敢下达，需逐层确认 4 类资源校验问题：产能是否真可用、库存 / Die Bank 能否转化、物料外协能否接力、有限资源优先保障谁。库存计划的目标，是把分散在各系统的资源数据，变成 MPS 可直接使用的资源可用性结论------它不替代 S&OP 做经营取舍，也不替代现场批次排产，只负责回答"在既定需求、优先级和约束下，企业真正有哪些资源可以承诺、转化和分配"。
全局资源池：按"如何影响 MPS"组织
传统模式下，Fab、封测、测试、库存、Die Bank、物料、外协信息分散在 ERP、MES、WMS、采购系统和各团队 Excel 中，口径不一致、更新时间不同。库存计划构建覆盖全链路的全局资源池，统一纳入 5 大类资源：
- Fab、封装和测试产能及关键设备与瓶颈资源
- 成品、WIP、原材料和在途库存
- Good Die、Binning Die、Aging Die 及其封装路径、认证状态和客户归属
- 关键物料、外协封测、供应商和物流网络
- Allocation 规则、客户优先级与供应风险
重点不在于把资源放进同一张看板，而是放进同一套计划模型：系统看到的不只是"库存数量"或"Fab 总产能"，而是这些资源对 MPS 的真实影响。
AI 资源规划引擎：4 组引擎联合
在全局资源池之上，构建 AI 驱动的资源规划引擎，由 4 组 Intelligence 联合完成：
| 引擎 | 职责 |
|---|---|
| AI Capacity Intelligence | 识别 Fab、封装和测试的真实可用能力与潜在瓶颈 |
| AI Inventory Optimization | 判断哪些库存可直接交付、哪些仍需转化、哪些可能形成积压 |
| AI Die Bank Intelligence | 结合 Binning / Aging / 封装路径 / 认证状态 / 客户归属，判断哪些 Die 可优先转化分配，哪些正在形成错配或老化风险 |
| AI Constraint Intelligence | 校验物料齐套、外协交期、测试资源、供应风险与业务规则 |
四组引擎持续预测资源变化趋势，识别短缺、积压、瓶颈与不可转化库存，模拟不同投片、封测和 Die 分配方案，推荐可执行的调整路径。
系统给 MPS 的三份结论 + 五类就绪
资源平衡结果转化为 MPS 可直接使用的 5 类输入准备（Readys）：
| Ready | 含义 |
|---|---|
| Capacity Ready | 产能是否就绪 |
| Inventory Ready | 可交付库存是否覆盖目标需求 |
| Die Ready | Die Bank 是否可转化为目标成品 |
| Material Ready | 关键物料与外协是否到位 |
| Constraint Ready | 关键约束是否已识别并纳入计划 |
同时输出三份决策结论：哪些订单可以承诺、哪些资源需要提前调整、哪些计划目标不能直接下达（升级 S&OP）。MPS 不再在"订单 + 产能"假设上排程，而在"订单 + 真实可用资源"基线上排程。
传统库存管理 vs 斯歌 APS 库存计划（技术视角）
| 维度 | 传统库存管理 | 斯歌 APS 库存计划 |
|---|---|---|
| 管理对象 | 库存数量、账面水位 | 真实可用资源能力 |
| 数据来源 | ERP / WMS 各管各的，口径不一 | 全局资源池统一纳入，同一套计划模型 |
| 转化判断 | 只看"有没有库存" | 判断 Die 能否转、库存能否交付 |
| 对 MPS 价值 | 提供静态库存表 | 三份结论 + 五类就绪 |
结论：库存计划不是"更低的库存水位"，而是 MPS 的资源校准点------把分散资源变成一份能被全链路使用的真实资源事实，是后端排程能否成立的技术前提。
