在产品设计定型后，库存风险主要来自两个方面。其一，需求预测的准确度。预测做得越早，信息越不完善，预测的准确度越低，相应的库存风险也越高。其二，生产工艺的质量风险。虽说产品设计定型了，生产工艺也经过了初步验证，但从小批量的验证，转入大批量的生产，变动还是相当大，带来相应的风险。比如小批量验证期间，主要工艺是手工；大批量生产时，开发了模具，而模具本身还没有得到充分验证----生产得越多，库存风险就越高。
为了避免这样的风险，有些公司就推迟补单，比如研发人员规定，在第一批产品出来之前，不能开始生产第二批。这在一定程度上控制了库存风险，但可能增加了断货风险和运营成本。
在新品导入阶段，短缺风险也主要体现在两方面。其一，补货不及时，上新促销期间顾客的订单接到了，但到时候没法供货，也因为这样，不得不延长促销期，造成营收损失。其二，补货不及时，不均匀，虽然整体需求跟供应匹配，库存没有均匀分布在供应链的各个节点，产品转入正常销售后不久，就出现阶段性短缺，影响业务。
运营成本要么来自订单太多，要么来自订单太少。订单太多，意味着小而频繁地下单，会降低规模效应，增加供应链的单位运营成本。订单太少，意味着一旦下单，批量就相当大，规模效益是有了，却容易造成闲的时候闲死，忙的时候忙死----赶工加急，也增加了运营成本。
新品的滚动计划呢，就是基于预测的准确度和供应链的执行能力，来平衡上述三者。
简单地说，新品导入后，越早预测和录入后续需求，短缺风险越小，但越早预测，准确度越低，库存风险越高；越晚录入后续需求，预测准确度越高，库存的风险越小，但是短缺的风险越大。我们要在预测的时效性和准确度上平衡。具体地说，就是在新品上市开始验证后，多长时间开始录入后续需求？
再比如说预测的调整频率和调整幅度，预测调整频率越高，预测调整幅度越小，供应链看到的订单会越频繁，但订单量会越小，规模效益也越小；预测调整越不频繁，一旦调整，调整的幅度就越大，供应链的规模效益会更大，但又面临产能安排不均匀的问题。每天更新预测，那意味着每天都可能给供应链下单，显然是太频繁了；那每月更新预测，一个月下一次单，一次下一个月的量，看上去却有点太不频繁。这里的折中点，也是新品计划滚动频率要考虑的。
评论