Skewed and multimodal lead-time demand (LTD) distributions can be present in supply chains. Under these conditions, logistics managers find that conventional approaches, which assume standard LTD distribution shapes, yield unreliable estimates of a single item’s reorder point (ROP) in relation to meeting fill-rate targets under a continuous review inventory policy. Furthermore, logistics managers have limited data available from which to determine the true shape of the underlying LTD distribution. In this study, I present a non-parametric bootstrap approach to set a least-biased estimate of the ROP. In addition, to deriving bootstrap expressions for non-standard LTD shapes, I derive expressions for standard distribution shapes to estimate the ROP across a range of fill rates. Thus, eliminating the double counting of stockouts with conventional fill-rate measures. Using Monte Carlo simulation experiments, I show that in comparison to the conventional state-of-the-art approaches the non-parametric bootstrap approach yields the least-biased ROP estimates robust to both the shape of the LTD distribution and the sample size. This research offers more accurate ROP estimators, which can serve as a basis for expanding the scope of future inventory management research and enabling logistics managers to reduce inventory while maintaining and even improving fill rates.

供应链中可能存在倾斜和多式联运的提前期需求 (LTD) 分布。在这些条件下，物流经理发现，假设标准 LTD 分布形状的传统方法，在持续审查库存政策下，与满足填充率目标相关，对单个项目的再订购点 (ROP) 产生不可靠的估计。此外，物流经理可用于确定潜在 LTD 分布的真实形状的数据有限。在这项研究中，我提出了一种非参数引导方法来设置 ROP 的最小偏差估计。此外，为了导出非标准 LTD 形状的引导表达式，我导出了标准分布形状的表达式，以估计在一系列填充率下的 ROP。因此，使用传统的填充率措施消除了重复计算缺货的情况。使用蒙特卡罗模拟实验，我表明，与传统的最先进的方法相比，非参数自举方法产生的最小偏差 ROP 估计对 LTD 分布的形状和样本大小都是稳健的。这项研究提供了更准确的 ROP 估算器，可以作为扩展未来库存管理研究范围的基础，使物流经理能够减少库存，同时保持甚至提高填充率。我表明，与传统的最先进的方法相比，非参数自举方法产生的最小偏差 ROP 估计对 LTD 分布的形状和样本大小都是稳健的。这项研究提供了更准确的 ROP 估算器，可以作为扩展未来库存管理研究范围的基础，使物流经理能够减少库存，同时保持甚至提高填充率。我表明，与传统的最先进的方法相比，非参数自举方法产生的最小偏差 ROP 估计对 LTD 分布的形状和样本大小都是稳健的。这项研究提供了更准确的 ROP 估算器，可以作为扩展未来库存管理研究范围的基础，使物流经理能够减少库存，同时保持甚至提高填充率。