基于零部件的基本库存水平补货策略，在多周期订单产品需求不确定情况下构建两阶段随机优化模型：第一阶段在需求未知情况下，规划不同零部件基本库存水平决策变量，实现系统收益最大化；第二阶段针对订单交货期约束创新性设计订单指派决策变量，考虑在不确定需求收益和订单延期惩罚情况下，最大化订单期望收益.通过采样获取不同需求场景，并将不确定需求转成期望需求，针对该期望需求下的单阶段确定性模型求解，并与随机模型结果进行对比.数值实验表明，随机模型的优化结果远差于确定性模型，即未知信息具有一定的价值；同时通过对模型中参数的灵敏度分析，得到了实际中提升系统收益的策略.