FirmAdapt

自動発注点計算:なぜ静的な安全在庫公式は機能しないのか

標準的な安全在庫公式は、需要が正規分布に従うことを前提としています。Eコマースではほぼ常にそうではなく、その不一致が慢性的な在庫切れを引き起こします。

すべてのサプライチェーンの教科書は同じ安全在庫の公式を教えています。安全在庫はZ値×需要の標準偏差×リードタイムの平方根に等しい、と。それはシンプルでエレガントですが、ほとんどのEコマースの用途には間違っています。

この公式は需要が正規分布に従うことを前提としています。つまり、任意の日の売上が平均を上回る確率と下回る確率が等しく、極端な偏差はまれであるということです。95%のサービスレベル(Z値1.65)、需要の変動性、リードタイムを代入すれば、数値が得られます。問題は、個々のSKUに対するEコマースの需要がほぼ正規分布に従わないということです。

Eコマースの需要が正規分布でない理由

カタログ内の任意の商品の日次売上データを取得し、分布をプロットしてみてください。ほぼ確実に、長い裾を持つ右に偏った分布が見られるでしょう。ほとんどの日、その商品は平均以下で売れています。しかし時折、プロモーション、ソーシャルメディアでの言及、競合の在庫切れ、季節的な急増などにより、平均の3〜5倍売れることがあります。このパターンは、正規分布では捉えられない過剰尖度(ファットテール)を持つ分布を生み出します。

あるホームデコア小売業者が上位200のSKUを分析したところ、正規性検定(p > 0.05のシャピロ・ウィルク検定)に合格した需要分布を持つものはわずか11%でした。残りの89%は有意な歪み、ファットテール、またはその両方を示していました。その89%について、標準的な安全在庫の公式は目標サービスレベルを達成するために必要な在庫を体系的に過小評価していました。

過小評価のメカニズムは次のとおりです。真の需要分布が正規分布よりも太い右裾を持つ場合、需要が計算された安全在庫を超える実際の確率は公式が予測するよりも高くなります。95%のカバレッジがあると思っていても、実際のカバレッジは85〜88%かもしれません。その7〜10%のギャップは、十分にバッファがあると思っていた商品の予期しない在庫切れとして現れます。

不規則な需要の問題

分布の形状以外にも、多くのEコマース商品は間欠的または不規則な需要を示します。ある商品は40%の日にゼロ個、45%の日に1〜3個、15%の日に10個以上売れるかもしれません。このパターンは、ロングテール商品、Eコマースチャネルで販売されるB2B商品、小規模だが熱心な顧客基盤を持つ専門的またはニッチな商品に特に多く見られます。

標準的な公式は間欠的な需要に対して完全に機能しなくなります。なぜなら、平均と標準偏差が需要パターンを意味のある形で記述できないからです。平均日次需要が2個の商品は、実際にはほとんどの日にゼロ個売れ、売れる日には15個売れるかもしれません。平均2個に基づく安全在庫の計算では、スパイクの日に対して常に在庫不足になります。

クロストン法やシンテトス・ボイラン近似法などの専門的な手法は、需要間隔(注文間の時間)と需要サイズ(注文が発生した際の注文量)を別々にモデル化することで、間欠的な需要をより適切に処理します。これらの手法は、不規則なSKUに対して標準的な公式からの意味のあるステップアップです。

動的発注点の仕組み

AI駆動の発注点システムは、静的な過去の平均ではなく、現在の状況に基づいて最適な在庫レベルを毎日(回転の速い商品では毎時間)再計算します。主要な入力には、トレンド検出を伴う直近の販売速度(過去7日、14日、28日間で需要が加速しているか、減速しているか、安定しているか)、契約上の目標ではなく直近の実績に基づく現在のサプライヤーリードタイム推定値、既知の今後の需要イベント(予定されたプロモーション、季節的なピーク、マーケティングキャンペーン)、およびSKUごとの現在のサービスレベルパフォーマンス(目標充足率を達成しているか)が含まれます。

モデルは各SKUの需要パターンにより適切な分布を当てはめます。右に偏った商品にはガンマ分布や負の二項分布が正規分布よりも適合します。間欠的な需要の商品にはクロストン法や複合ポアソンアプローチがより適切です。分布の選択は自動化されており、モデルは複数の候補をテストし、各SKUに最も適合するものを選択します。

適切な分布と動的に更新されるパラメータにより、発注点と安全在庫は継続的に調整されます。過去に需要が3倍に急増した計画的なプロモーションの前には、システムがスパイク中の十分な在庫を確保するために発注点を自動的に引き上げます。プロモーション終了後に需要が正常化すると、過剰在庫に資本を縛り付けないよう発注点は元に戻ります。

正しく行うことの金銭的インパクト

動的発注点の財務的根拠には2つの要素があります。在庫切れの削減と過剰在庫の削減です。これらを同時に正しく行うことが難しい部分です。なぜなら、両者は反対方向に引っ張り合うからです。

4,200のSKUを持つキッチン用品小売業者が静的から動的な発注点に切り替え、12か月間の結果を追跡しました。在庫切れの発生件数は34%減少し、月平均380件から251件になりました。同時に、平均在庫金額は11%減少し、280万ドルから249万ドルになりました。モデルはSKU間でより知的に在庫を配分することで、より少ない在庫でより良いサービスレベルを達成しました。

メカニズムは単純です。静的な発注点は同じサービスレベル目標を一律に適用し、必要のない商品に余分な安全在庫を持ち、必要な商品には不十分な在庫しか持ちません。動的な発注点は実際の需要変動性に比例して安全在庫を配分します。変動性の高い商品にはより多くのバッファを、変動性の低い商品にはより少ないバッファを設定します。総在庫投資額は同じか減少しながら、サービスレベルは向上します。

導入時の考慮事項

静的から動的な発注点への切り替えには、いくつかのインフラ変更が必要です。予測モデルへの日次(最低限)の自動売上データフィードが必要です。契約上の見積もりだけでなく、実際の納品日を記録するサプライヤーリードタイムの追跡が必要です。ERPまたは在庫管理システムの発注点をプログラム的に更新できるシステムが必要です。

チェンジマネジメントの側面は、テクノロジーよりも難しいことが多いです。長年静的な発注点を使用してきたバイヤーや在庫プランナーは、毎日数値を変更するシステムを信頼しないかもしれません。最善のアプローチは、動的システムを2〜3か月間シャドウモードで運用することです。既存の静的システムを上書きせずに、並行して推奨を行います。どちらのシステムがより良い結果を生み出したかを追跡し、その結果を使って切り替え前に信頼を構築します。

売上上位200〜500のSKUから始めてください。これらは在庫管理の改善による金銭的インパクトが最も大きい商品であり、通常、信頼性の高い需要分布を当てはめるのに十分な売上データがあります。動きの遅い商品のロングテールは、必要に応じて間欠的な需要の手法を使用して、後から移行できます。

静的な発注点と固定の安全在庫公式で運用を続けているEコマース小売業者にとって、理論と現実のギャップは毎月実際のコストを生んでいます。教科書の公式は、安定した予測可能な需要を持つ製造環境向けに設計されたものです。Eコマースはそれとはまったく異なり、在庫の計算はその現実を反映する必要があります。

Ecommerce retailInventory managementSupply chainAutomation

Enjoyed this? Get the next one by email

Practical writing on AI in business, from the team that builds and runs it.

Free. Unsubscribe any time. Privacy policy

See where AI fits in your business

Enter your website for a free PATH report. First findings in about a minute.