Operations

スマート在庫予測

何を、どれだけ、いつ発注すべきかが分かる。

スマート在庫予測 is 在庫管理予測システム for teams that want the reasoning shown, not hidden. Plans start at $49 a month with a 14-day free trial.

無料トライアルを始める

小規模な小売・卸の多くは勘で発注しています。先月の売上を並べた表計算か、三年前に誰かが設定してそれ以来触られていない発注点です。仕入先の納品が一週間遅れるまで、ある商品が動き出すまで、繁忙期が前年より早く来るまでは、それで持ちます。スマート在庫予測は勘を品番ごとのモデルに置き換え、各数値の隣に計算根拠を示します。発注担当が反論できるようにするためです。

予測が実際に出すもの

売上履歴をCSVで取り込むと、エンジンは品番ごとに需要モデルを推定します。全商品をまとめた平均モデルではありません。回転の速い商品と遅い商品は挙動が異なり、まとめて平均すると両方について自信たっぷりに外す予測への最短経路になります。

商品ごとに、指定した期間の日次予測、安全在庫、発注点、経済的発注量、欠品予想日、現在庫での在庫日数が出ます。これらはすべて、それを生んだ入力値とともに表示されます。

日次需要予測: 指定期間について、品番ごとの傾向と曜日季節性。
安全在庫: 需要のばらつきと調達期間のばらつきを合わせて算出。
発注点: 調達期間中の予測需要に安全在庫を加えた水準。
経済的発注量: 発注費用と保管費用が釣り合う発注ロット。
欠品予想日: 在庫と入荷予定が零になるまで予測を日ごとに積み上げた日付。
ABC区分: 売上寄与によるパレート分類。注意を金額の大きいところに向けるためです。

表計算が季節性を読み違える理由

表計算での一般的な手法は、売上履歴を曜日でまとめ、各曜日を平均と比べるものです。もっともらしく見えて、静かに間違っています。需要が伸びているなら、系列の後半の日付は単に後ろにあるという理由で大きくなります。曜日でまとめると傾向が各群に塗り広がり、着実に伸びている商品が木曜に山を持つように見えてしまいます。

このエンジンは先に傾向を除去します。季節指数は各観測値と中心化移動平均の比から求め——これが古典的な分解法です——その結果は、履歴の前半と後半の両方で一貫して成り立つときにのみ適用されます。これにより、三月の一度きりの販促が恒久的な三月効果になることはありません。

仕入先を織り込んだ安全在庫

安全在庫の式の多くは需要のばらつきだけを見ています。それは問題の半分です。仕入先が十四日と言って十日から二十四日の幅で納品するなら、調達期間そのものがリスク源であり、需要分散だけで算出した緩衝ではそれを覆えません。

ここで使う式は、両方の項を含む標準的なものです。

SS = z × √( L × σd² + d² × σL² )

ここで z はサービス水準の係数、L は平均調達期間（日）、σd は日次需要の標準偏差、d は平均日次需要、σL は調達期間の標準偏差です。サービス水準95%なら z は1.645、99%なら2.326です。画面には使用した値と各入力が表示されるので、緩衝が不自然に見えるとき、どの入力が押し上げているかが分かります。

モデルの選び方

すべての品番で勝つ予測手法は存在しないので、エンジンは二つを推定してデータに決めさせます。重要なのはその決め方で、モデルが見ていないデータで判断します。

履歴を分割するデータが21日以上あるとき、直近20%を検証用として取り置き、推定には一切使いません。
ホルト法を推定する水準（アルファ）と傾向（ベータ）の格子探索。取り置いたデータに対する予測誤差で評価します。
線形傾向を推定する学習期間に当てた直線を、同じやり方で評価します。
公正に比較する線形モデルが勝つのは、取り置いたデータでホルト法を明確に上回るときだけです。これによりノイズを理由に選ばれることを防ぎます。
季節性を適用して報告する季節指数を乗せ、選ばれた手法、その母数、取り置いたデータでのRMSEを予測の隣に表示します。

これは見た目より重要です。推定に使ったのと同じデータで予測を評価すると、ノイズを覚え込んだモデルが報われます。典型的な症状は、平滑化母数が上限に張り付いて逆方向の傾向を作ることです。データを取り置くのは、バックテストでは見事に見えて倉庫で損を出すモデルを本番に出さないための、最も安価な防護策です。

こんな方に

単一店舗の小売

数百品番、倉庫ひとつ、専任の発注担当なし。スターターは300品番に対応し補充リストをメールで送ります。価値は並べ替えられた欠品一覧にあり、予測グラフにはありません。

複数拠点とD2Cブランド

需要の性質が異なる拠点にまたがる在庫と、変動する調達期間。グロースは拠点別予測、季節性モデル化、調達期間の記録を加えます。

卸と流通

数千品番で、実際の仕事は何を無視するか決めることです。売上によるABC区分と仕入先ごとにまとめた発注案により、二万五千行が短い判断リストになります。

表計算から移る場合

現在の手順がピボットテーブルと補充列なら、移行はCSV書き出しです。両者が一致するまで表計算を残してください。予測を信頼するまでの最短経路になることが多いです。