去年春节前两个月，采购负责人找到我，问了三个问题：按供应商现在报的放假天数，我们的仓够不够装？仓不够的话，有货率会掉几个点？如果我去跟供应商谈，让他们少放三天假，能换回来多少？
这三个问题有一个共同特点：都没法拍脑袋，也都没法拿真实业务去试。试错的代价是整个年货节。我给他的答案是一张图，但要讲清楚这张图怎么来的，得先讲仿真最要命的那个问题。
先泼冷水：仿真最大的敌人是自己
供应链仿真这些年很火，数字孪生概念更火。我读过一份国外厂商的案例，作者说了句大实话：计划层的数字孪生”更接近理论，而不是实践”，因为输入太多、假设太多，孪生体很快和真实世界各走各路。
所以做仿真，第一件事不是建模，是回答一个质疑：凭什么相信你电脑里跑出来的曲线？
我们的做法叫基线重放。引擎搭好之后，先不回答任何未来问题，而是把去年春节的真实数据喂进去：真实期初库存、真实出库、真实供应商放假表，让仿真把去年重新”演”一遍。演出来的每日库存曲线，和去年系统里的真实进销存摆在一起对账。两条线贴得住，引擎才有资格谈未来；贴不住，回去找哪里的规则写错了，找到了再对，直到贴住为止。
这一步没有任何业务产出，纯粹是自证。但它是整个仿真工作的地基。没有这层对账，仿真报告上的每一个数字都是”动画做得不错”。
一张图回答三个问题
引擎可信之后，春节的问题变成了一个干净的数学结构：
有货率 = f( 仓容倍数 , 供应商让步天数 )
仓容是钱，让步天数是谈判。两个自变量，一个因变量。我们按 仓 × 供应商 × SKU × 日 的粒度做确定性滚动：每天 期末库存 = 期初 + 入库 − 出库，出库用缺货还原后的真实需求（第 03 篇的口径），采购按 BP 节奏下单、VLT 天后到货，放假期间不订货、需求摊到可订货日。然后扫一张网格：仓容从 1.0 倍扫到 2.0 倍，让步从 0 天扫到 5 天，每个格子跑一遍全网，得到一张有货率曲面。
画成等高线图之后，三个问题都长在同一张图上：仓容固定在现状，读”让步几天能保住有货率”；让步固定为 0，读”要多大仓才装得下”；任意组合（比如 1.5 倍仓容加让步 3 天），就是图上一个点。原来要开三次会吵的事情，变成在一张图上指三个位置。
下面这张图是可以上手玩的（DEMO 数据）：拖动鼠标查看每个格子的有货率，右侧是四个典型问题的读数。
保质期悄悄改写了整张图
第一版图出来的时候，有货率曲面漂亮得可疑：只要肯加仓容或者肯压供应商，有货率似乎总能逼近 100%。检查之后发现问题出在一个我们没建模的约束上——允收标准。
每个 SKU 都有保质期，仓库收货有允出线，短保的商品根本囤不动。低温奶按标准几乎不能为春节囤货，进口食品的可囤天数要按保质期的一定比例折算。把这个约束补进引擎：每个 SKU 的补货目标库存，不能超过”可囤天数 × 日均销”。
加完之后曲面出现了两个结构性变化。第一，有货率有了理论天花板，短保品占比高的仓，再砸资源也到不了 100%，这个数字提前告诉业务，能避免很多无谓的军备竞赛。第二，图上出现了一片我们叫”允收主导区”的区域：仓容已经很大、让步天数很少的那个角上，继续加仓容对有货率几乎零作用，唯一能撬动的杠杆只剩下谈判。
这个结论直接改变了谈判策略。原本采购打算主攻”让供应商少放假”，图出来之后，资源重新分配到了短保品类的日配频次上。一张图值多少钱，就体现在这种地方。
仿真和 AI 的关系，比你想的更近
最近 AI 圈有一个明显的转向：大家发现大模型再聪明，也不能直接在物理世界里试错，于是”先仿真、后执行”成了机器人、自动驾驶的标准路径。供应链是一模一样的处境。补货策略、仓网调整、大促备货，全是不可轻易试错的物理决策，仿真就是它们的训练场。
我的实践经验是三条：引擎必须先用历史自证，再谈预测未来；输出尽量收敛成一张决策图，而不是一堆表格，决策者没有耐心翻第二页；约束比模型重要，允收标准这种藏在业务细节里的硬约束，才是仿真和”动画”的分水岭。
下一篇换个方向：建议系统每天发出成千上万条补货建议，怎么知道它们到底有没有用。这需要一个和仿真完全不同、但同样严谨的工具：归因。
附录：仿真框架与允收约束速查表
仿真引擎骨架（日粒度确定性滚动）
最小单元：仓 × 供应商 × SKU × 日
期末库存 = 期初库存 + 当日入库 − 当日出库
出库 = 缺货还原后的真实需求（需求口径，非交易口径）
入库 = 采购下单 + VLT 天后到货
放假规则 = 放假期间不订货；需求按窗口平均摊入可订货日
可信度自证：基线重放对账——输入真实期初库存、真实出库、真实放假表，重放历史窗口；仿真曲线 vs 真实进销存逐日对账；偏差可接受才进入参数扫描。没有这一步，一切仿真结论都是”动画”。
允收标准约束
SKU 补货目标库存 = min( 原目标 , 可囤天数 × 日均销 )
可囤天数来自允收标准：允出线 = 保质期 × 比例，扣除生产到仓消耗后再打折缓冲
特例：低温奶类不可囤；进口食品按更低比例
三个结构性效果：① 有货率存在理论天花板；② 同等目标下所需仓容/让步显著变大；③ 出现”允收主导区”，区内加仓容几乎无效，只有让步天数能换有货率。
供应链实战系列 · 第 04 篇 · 卷二「补货与仿真篇」｜ 上篇：如何做补货 ｜ 下篇：建议给出去了，怎么知道有没有用 文中数字均为 DEMO 示意，非真实业务数据。