موجودی ایمنی (Safety Stock) مقدار اضافه‌ای از کالاست که به‌عنوان سپر در برابر عدم‌قطعیت نگه می‌داریم — عدم‌قطعیت در تقاضا، و عدم‌قطعیت در زمان تحویل تامین‌کننده. اگر تقاضا و زمان تحویل دقیقاً همان چیزی بودند که برنامه‌ریزی کرده‌ایم، به موجودی ایمنی نیازی نبود. پس این عدد در واقع قیمتی است که برای نادقیق‌بودن پیش‌بینی و نوسان تامین می‌پردازیم، نه یک «ذخیره‌ی احتیاطی» عمومی.
ساده‌ترین شکل محاسبه این است: موجودی ایمنی برابر است با ضریب سطح خدمت (z) ضرب در انحراف معیار تقاضا در طول زمان تامین. اگر تقاضای روزانه نوسان دارد و زمان تحویل ثابت فرض می‌شود، فرمول به SS = z × σd × √L تبدیل می‌شود، که در آن σd انحراف معیار تقاضای روزانه و L زمان تحویل بر حسب روز است. ضریب z از سطح خدمت هدف می‌آید: برای سطح خدمت حدود ۹۵ درصد مقدار آن نزدیک به ۱٫۶۵ و برای حدود ۹۹ درصد نزدیک به ۲٫۳۳ است.
نکته‌ی مهمی که در این فرمول پنهان است، رابطه‌ی غیرخطی سطح خدمت و موجودی است. بالابردن سطح خدمت از ۹۵ به ۹۹ درصد موجودی ایمنی را حدود ۴۰ درصد بیشتر می‌کند، در حالی که از نظر مشتری تفاوت چهار درصدی ممکن است حس نشود. به همین دلیل تعیین سطح خدمت یکسان برای همه‌ی اقلام یکی از گران‌ترین تصمیم‌های پنهان در برنامه‌ریزی موجودی است.
فرمول ساده زمانی کافی است که زمان تحویل ثابت باشد. در عمل، خیلی از تامین‌کنندگان، به‌خصوص در شرایطی که واردات و گمرک در میان است، زمان تحویل متغیر دارند. در این حالت باید نوسان زمان تحویل هم وارد شود: SS = z × √(L × σd² + d² × σL²)، که در آن d میانگین تقاضای روزانه و σL انحراف معیار زمان تحویل است. در بسیاری از اقلام وارداتی، سهم نوسان زمان تحویل در موجودی ایمنی از سهم نوسان تقاضا بیشتر است، و اگر فقط روی دقت پیش‌بینی کار کنید، اهرم اصلی را نادیده گرفته‌اید.
ورودی این فرمول‌ها یک فرض پنهان دارد: خطای پیش‌بینی را معیار نوسان می‌گیرند، نه خود تقاضا. اگر موجودی ایمنی را بر اساس انحراف معیار فروش تاریخی محاسبه کنید، در واقع فرض کرده‌اید پیش‌بینی شما هیچ ارزشی ندارد. روش دقیق‌تر این است که انحراف معیار خطای پیش‌بینی (مثلاً بر اساس RMSE در افق زمان تحویل) را به‌جای نوسان خام تقاضا وارد کنید؛ هر بهبود واقعی در دقت پیش‌بینی آنگاه مستقیماً در موجودی ایمنی کمتر دیده می‌شود.
سه اشتباه رایج در عمل می‌بینیم. اول، استفاده از یک درصد ثابت (مثلاً «۲۰ درصد مصرف ماهانه») برای همه‌ی اقلام، که اقلام پرنوسان را کم‌پوشش و اقلام پایدار را بیش‌ازحد پوشش می‌دهد. دوم، محاسبه‌ی یک‌باره و فراموش‌کردن بازبینی؛ نوسان تقاضا و زمان تحویل تغییر می‌کنند و عدد باید دست‌کم هر فصل دوباره سنجیده شود. سوم، نادیده‌گرفتن اقلامی که تقاضای منقطع دارند؛ برای کالایی که ماه‌ها فروش صفر و ناگهان یک سفارش بزرگ دارد، فرض توزیع نرمال در فرمول معتبر نیست و باید از روش‌های مخصوص تقاضای منقطع یا از قاعده‌های تصمیمی ساده‌تر استفاده کرد.
نقطه‌ی شروع عملی، قبل از هر فرمول، طبقه‌بندی اقلام است: با ترکیب تحلیل ABC (ارزش) و XYZ (قابل‌پیش‌بینی‌بودن تقاضا) تعیین کنید کدام اقلام سطح خدمت بالا می‌خواهند و کدام می‌توانند با پوشش کمتر کار کنند. سپس برای هر دسته سطح خدمت جداگانه تعیین و فرمول را فقط برای اقلام کلیدی با داده‌ی کافی اجرا کنید. برای بقیه، یک قاعده‌ی ساده و شفاف بهتر از یک مدل پیچیده‌ی بدون داده‌ی قابل‌اعتماد است.
در نهایت، موجودی ایمنی را باید یک تصمیم مدیریتی دید، نه فقط یک خروجی نرم‌افزار. هر عدد باید به یک سطح خدمت مشخص، یک هزینه‌ی نگهداری مشخص و یک مالک مشخص گره بخورد. وقتی در جلسه‌ی S&OP می‌پرسید «چرا این قلم این‌قدر موجودی ایمنی دارد؟» و پاسخ، یک فرض شفاف درباره‌ی نوسان و سطح خدمت است، نه «چون همیشه همین بوده»، آن موقع موجودی ایمنی به ابزار تصمیم تبدیل شده است.