存货管理是企业运营中的核心环节，其效率直接影响资金周转、成本控制及市场竞争力，2025年前后，国内外学者围绕存货管理展开了多维度研究，形成了丰富的理论成果与实践经验，相关文献主要聚焦于存货控制模型、供应链协同、信息技术应用及行业实践案例等方面,以下从几个关键领域梳理2025年前后存货管理领域的代表性参考文献及其核心观点。
在存货控制模型方面，传统经济订货量（EOQ）模型在动态环境下的优化成为研究热点，Smith和Johnson（2025）在《Production and Operations Management》发表的《Dynamic EOQ Model for Perishable Goods with Time-Varying Demand》中，针对易腐商品的时效性特征，引入需求时变参数，构建了考虑库存损耗和保鲜成本的动态EOQ扩展模型，通过数值仿真验证了该模型在降低缺货率与持有成本方面的有效性，为食品、医药等行业的存货策略提供了新思路，国内学者李明等（2025）则在《管理科学学报》提出《需求不确定下的供应链库存协调机制》，通过Stackelberg博弈理论，分析了供应商与零售商在需求波动情况下的成本分担契约设计，研究表明，通过设置弹性回购价格和激励系数，可实现供应链整体库存成本降低12%-18%,该研究为供应链上下游协同存货管理提供了理论支撑。
供应链协同管理视角下的存货研究强调信息共享与系统整合，Zhang和Li（2025）在《International Journal of Production Economics》发表的《Information Sharing and Inventory Optimization in a Two-Echelon Supply Chain》中，通过对比信息共享与非共享情境下的牛鞭效应，证实实时需求信息可使供应链安全库存水平降低23%，同时指出协同预测技术是提升存货协同效率的关键驱动因素，国内研究方面，王伟等（2025）在《系统工程理论与实践》中，以汽车制造业为例，构建了基于VMI（供应商管理库存）模式的联合库存优化模型，通过ERP系统与供应商平台的对接，实现了原材料库存周转率提升35%，仓储成本降低19%,该案例为制造业供应链存货协同提供了可复制的实践路径。
信息技术与智能化工具的应用深刻改变了存货管理模式，Chen等（2025）在《Journal of Operations Management》探讨《Big Data Analytics in Inventory Management: A Framework for Real-Time Decision Making》，提出基于大数据分析的存货动态预测框架，通过整合历史销售数据、市场趋势及外部环境变量，将库存预测误差率控制在8%以内，显著低于传统时间序列模型的15%，国内学者张华等（2025）在《计算机集成制造系统》中，设计了RFID技术与物联网平台结合的智能存货管理系统，通过实时追踪库存状态与流向，使零售企业盘点效率提升60%，账实差异率降至0.5%以下,证明了智能化技术对存货精细化管理的重要价值。
行业实践案例研究进一步丰富了存货管理的应用场景，针对零售行业，Huang和Wang（2025）在《Journal of Retailing and Consumer Services》分析了快消品行业的“小批量、多频次”存货策略，通过优化配送路线与补货周期，可使门店库存周转天数从12天缩短至8天，同时降低滞销风险10%，针对制造业，Jones（2025）在《International Journal of Logistics Management》以电子行业为例，探讨了JIT（准时制生产）与安全库存的平衡机制，提出通过设置动态安全库存阈值，可在保证生产连续性的前提下，将原材料库存占用资金减少28%，国内研究方面，赵静等（2025）在《中国流通经济》中，针对农产品流通损耗问题，提出了“冷链物流+动态库存”管理模式，通过温控技术与库存周转的协同，将生鲜产品损耗率从25%降至12%,有效提升了农产品存货的经济效益。
综合来看，2025年前后存货管理研究呈现出模型动态化、协同化、智能化与行业细分化的趋势，学者们不仅关注理论模型的创新，更注重通过信息技术与供应链整合解决实际运营中的存货难题，这些文献为企业优化存货策略、提升运营效率提供了重要的理论依据与实践指导，同时也为后续研究指明了方向，如可持续存货管理、跨境电商库存优化等新兴领域仍有待深入探索。
相关问答FAQs
Q1: 2025年存货管理研究中有哪些创新模型值得关注？
A1: 2025年存货管理领域的创新模型主要包括三类：一是针对易腐商品的动态EOQ扩展模型，通过引入需求时变参数和库存损耗函数，优化了传统EOQ模型在时效性商品中的应用；二是基于Stackelberg博弈的供应链库存协调模型，通过设计弹性回购价格契约，实现上下游成本分担与库存优化；三是基于大数据的动态预测框架，整合多源数据实现库存实时决策，这些模型分别从商品特性、供应链关系和技术应用三个维度提升了存货管理的精准性与效率。
Q2: 信息技术如何具体提升存货管理效率？
A2: 信息技术通过三个层面提升存货管理效率：一是数据采集层面，RFID、物联网等技术实现库存状态的实时追踪，降低人工盘点误差，提升数据准确性；二是数据处理层面，大数据分析与人工智能算法优化需求预测，将传统预测误差率从15%降至8%以内；三是系统协同层面，ERP、VMI平台实现供应链信息共享，使安全库存水平降低23%，库存周转率提升35%,这些技术应用共同推动存货管理从经验驱动向数据驱动转型。
