先在这里给各位拜个早年，祝各位新年大吉，事事顺利！

我们都见过不少了这条经典的安全库存公式，同时伴随着而来的各种解说文章，笔者就不再在这里重复。

{Z * SQRT (Avg. Lead Time * Standard Deviation of Demand ^2 + Avg. Demand ^2 * Standard Deviation of Lead Time ^2)}.

要知道在标准正态下，得出的概率比率（又可以成为周期服务水平），随着结果的不同，Z值也因此不同，比如84%的概率，Z值就是1，一般都说成达到这个概率就是要1个标准差，如下图，如果在正态标准中要到95%的概率，就是1.65个标准差，Z值就是1.65

但是Z值仅仅就是这么一回事吗？怎么理解，笔者很少见有相关文章解说，最多就是介绍查表，或者通过EXCEL公式求解。因此，笔者在这里说一下怎么理解Z值，才容易加深运用库存公式。

Z值是一个临界值，是标准化的结果。但是这个值本身没有意义的，有意义的是在于标准正态分布模型中代表的概率。笔者引入一个例子去理解这个Z值。

如果公司有50位员工，那意味着就是有50个工资数，从3000到15000不等，假如当中的平均值是7500元，因此当有的人是3000元，有的人是9000元，这些员工的工资数据合计除以总的数据数，就是平均值7500元，但是要如果只知道平均值，而不知道各员工的具体数值，那么衡量这些人工资是否相当接近还是彼此差异很大，这个时候就要适用标准差。

标准差就是所有数减去其平均值的平方和，所得结果除以该组数之个数（或个数减一，即变异数），再把所得值开根号，所得之数就是这组数据的标准差。

标准差有助于理解某数据离平均值有多远，差距有多少。

同样是7500元的平均值，总体标准差是2000和标准差是8000，后者的贫富悬殊就比前者严重得多。

但是又会延伸出一个问题，如果数据量很大的话，数据就不好计算。比如一个个体的标准差是10，另外一个是50，如果有一万份数据，或许有一万个标准差数据。所以要引入Z值，Z值就是用来衡量标准差的标准。

假如设立这个Z值的单位是10的话，标准差是5，那么就是5/10=0.5，另外的标准差是10的话，10/10=1，不同的标准差就会带来不同的Z值结果。

因此通过这个确立一个标准，概率50%的Z值是0.000，向下49%来计算就为负值，向上延伸就是正值，不同的概率就以不同的Z值来衡量不同的概率数据。

相信这么一来，各位能够容易理解到Z值究竟是怎么一回事了吧？！

来源：林梦龙，作者：林梦龙