Powered by
Powered by
BLOG
最終更新日：
目次 ➖
製造業では、いかにして適正在庫を維持するかが、業績に直結する重要な課題となります。
本記事では、適正在庫を維持するための計算方法や、適正在庫を目指すための具体的な方法などについて解説しています。
適正在庫維持にお悩みの方や、製造業における適正在庫維持に難しさを感じている企業は、ぜひご覧ください。
在庫を適正化するなら需要予測AIの活用がお勧め
需要を高度に予測することで、適正な在庫状態を実現
→資料を見てみる
製造業における「適正在庫」とは、適切な量の在庫を適切なタイミングで保有している状態を指します。
製造業では、顧客のニーズや生産プロセスに合わせて、原材料から生産途中製品、最終製品まで、さまざまな段階で在庫が発生します。これらの在庫を適正に維持し続けることで、生産プロセスの円滑な運営と効率化を促進できます。
反対に、適正在庫が維持できないと、在庫不足によって生産ラインが停止する、製品の生産が追いつかず需要に対応できない、製品の供給リードタイムが伸びるなどの問題が発生します。このような事態を防ぐためにも、在庫を適切に管理し適正量を維持することが求められます。
また、適正在庫を維持するには、在庫の最適な量を見極めることが重要です。供給の安定性や需要の予測精度など、さまざまな要因を考慮して在庫レベルを最適化する必要があります。
製造業における在庫の最適化には需要予測の改善が効果的
まずは自社に合った需要予測の手法の選び方を確認
→資料で見てみる
安全在庫とは、急な需要増加や供給の遅れなどによる欠品を防ぐために、最小限保持すべき在庫を意味します。予期せぬ事態に備えた「保険」と言い換えることもできるでしょう。
多くの製造業では、材料の入荷遅延や製造機械の故障などの突発的な問題によって供給が止まったときを想定して、余分に持っておく在庫を「安全在庫」としています。
サイクル在庫は、発注から次の発注までの間に消費された半分の在庫量のことです。製造業では、製品の製造から次の製造までの間の「販売用の在庫」を「サイクル在庫」とすることが多いです。
この安全在庫とサイクル在庫の数を足して、適正在庫と見なす方式があります。
適正在庫の計算方法のなかでも、この「安全在庫＋サイクル在庫」がもっとも基本的な手法です。
【安全在庫の計算式】
安全係数×使用量の標準偏差× √(発注リードタイム＋発注間隔)=安全在庫
※安全係数は欠品許容率を指す
【サイクル在庫の計算式】
一定期間の需要数÷2=サイクル在庫
在庫回転率とは、一定期間内に在庫が何回転したか、すなわちどれだけ早く売れたかを示す数字です。在庫回転期間は、製品の在庫がすべて売れるまでにどれくらいかかったか、平均期間を指します。
在庫回転率と在庫回転期間を計算し、これらの数値を照らし合わせて適正在庫を見積もる手法があります。
製造業では、この手法を利用して生産スケジュールを調整することで、無駄な在庫を減らすよう試みることが多いです。
【在庫回転率の計算式】
年間売上高÷月間平均在庫高=在庫回転率
※ここでは1年間に在庫が入れ替わった回数を基準としています
【在庫回転期間の計算式】
月間平均在庫高÷年間売上高×12か月=在庫回転期間
例）年間の売上高200万円、月平均が100万円の在庫高の商品の場合
100÷200×12=6
→在庫回転期間が約6か月
上記で紹介した在庫回転率を、在庫回転日数で割ることでも適正在庫を算出できます。
在庫回転日数は、在庫回転期間をさらに「日数」で見た数値です。つまり、商品の在庫が何日で入れ替わったかを示すのが、在庫回転日数となります。
この計算方法を使うことで、在庫がどれだけ効率的に売れているかがわかります。売れ行きがいい製品については生産のペースを上げる、その逆であれば生産ペースを落とす、といった調整が可能になります。
【在庫回転日数の計算式】
日数÷在庫回転率=在庫回転日数
安全在庫の数値に、実際の顧客の需要数を足すことで適正在庫とする方式です。
需要が急増した場合にも対応できるように、通常の販売予測数に加えて、安全在庫を確保しておくという考え方です。
【計算式】
一定期間の需要数+安全在庫数=適正在庫数
注意点として、この方式を使うには、一定期間の顧客の需要をあらかじめ把握しておく必要があります。
そのため、すでに需要の把握ができている既存商品に対して、あるいは需要予測や調査によって信頼できるデータが取れている場合に有効な方式となります。
交叉比率とは、特定の商品でどの程度売上が立っているかを示す指標です。この交叉比率を使って適正在庫の金額を算出できます。
製造業においては、完成品と原材料の在庫比率から生産のバランスをとることが重要です。交叉比率を使って計算することで、「原材料を過剰に仕入れてしまった」「生産予定数に対して、完成品の在庫が不足している」といった事態を防ぐことが可能です。
【交叉比率の計算式】
在庫回転率×粗利益率=交叉比率
【交叉比率を用いた適正在庫金額の計算式】
売上目標÷在庫回転率=適正在庫金額
例）交叉比率が100％、粗利益率が10％、在庫回転率が10%の場合
→売上目標が2,000万円の場合、適正在庫金額は200万円となる
製造業で適正在庫を維持するためには、生産計画と発注方法の最適化が不可欠です。
まず、需要予測をもとにした正確な生産スケジュールを立て、製品の過剰生産や不足生産を回避する必要があります。また、市場の変動に柔軟に対応するために、生産計画は定期的に見直しを実施します。
発注方法についても同様です。余剰在庫や欠品を防ぐために、製造ラインや製品特性に応じて発注方法を適切に使い分けることが大切です。
需要が予測可能である、あるいは通年で一定の需要がある製品の場合は、定期発注方式を適用する。需要の予測が難しい、あるいは需要が不規則な製品の場合は、定量発注方式を適用する。このように、発注方法を分けることで在庫を適正数に近づけられます。
・関連記事：発注数を決定するための需要予測とは？おすすめのツールについても徹底解説！
リードタイムの短縮も、適正在庫の維持に効果的です。
製造から製品が顧客の手に届くまでのリードタイムが長いと、多くの在庫を長期間保持する必要があります。逆に、リードタイムが短いと在庫保持期間が短くなるため、生産サイクルを短縮したり、保持する在庫を削減したりできます。
これらの理由から製造業では、リードタイムの短縮による在庫最適化が重要です。
リードタイムの短縮には、以下のような方法が考えられます。
・取引先とのコミュニケーションを通じて、原材料の調達リードタイムを短縮
・生産プロセスの効率化を図り、製造リードタイムを短縮
上記を実現するためには、原材料の調達から納品に至るまでの各プロセスでの効率化を試みてください。
需要予測とは、製品の需要を事前に予測することです。製品の需要や売れ行きを予測できれば、製品の生産数や原材料の数などを計算し、必要な分だけを無駄なく確保できます。
特に製造業では、新製品を導入する際に需要予測が求められます。また、既存製品の需要も絶えず変化を続けることから、定期的な需要の見直しが必要となります。
市場での需要は、季節性・業界トレンド・国内外の経済状況など、さまざまな条件によって変化していきます。そのため、正確な需要予測をおこなうためには、過去の販売データに加え、さまざまな外部情報を分析することが重要です。
製造業で適正在庫管理をおこなうには、正確な需要予測の実施が必要不可欠です。市場の需要を正確に把握することで、生産数と需要のバランスが取れるようになります。
需要予測によって余剰在庫・在庫不足の発生を防止し、販売機会損失を防ぎ売上を最大化できるだけでなく、在庫保管コストの削減や生産プロセスの効率化も叶うのです。
具体的に、製造業では以下のようなシーンで需要予測がおこなわれます。
・生産計画：将来的な需要を予測し生産計画に反映することで、需要と供給を調整し、生産ラインの効率を最適化します
・在庫管理：市場の需要を把握することで、在庫を適正レベルに維持し、在庫の過不足を防ぎます
・発注管理：需要予測の数字をもとに原材料や部品などの発注量を決め、必要なタイミングで必要な量を発注するようにします。余剰在庫や在庫不足を防ぐだけでなく、製造プロセスの中断や遅延を回避し、生産ラインをスムーズに運営できます。
参考記事：製造業におけるAIを活用した需要予測 導入ステップや事例などの基礎を解説
製造業で需要予測に用いられる方法はいくつかあります。そのうち、代表的な4つの方法をご紹介します。
・関連記事：需要予測の手法とは？用いられるツールから事例まで徹底解説！
もっとも単純かつ簡易的な需要予測の手法のひとつが、Excel（エクセル）の活用です。
Excelは表計算ツールであり、FORECAST関数やTREND関数など、需要予測に役立つ多くの関数が用意されています。この関数を利用して、簡易的な需要予測をおこないます。
需要予測にExcelを利用する最大のメリットは、導入費用がかからない点です。予算が限られている小規模な製造業社であっても導入しやすいでしょう。
また、Excelは多くの企業ですでに導入されているツールであることから、新たなツールを導入する際の学習コストや抵抗感が少ない点もメリットです。
デメリットとして、後述の予測手法に比べて精度が低いという点が挙げられます。
Excel関数の知識と統計知識も求められることから、Excelの基本操作はできても需要予測ができる人は少ないといった状況もよく見られます。
そのため、需要予測の業務が個人に依存し属人化が起きやすい、ナレッジや技術の継承が困難であるなどの点も考慮が必要です。
需要予測システムは、需要予測の実施に特化した専用システムです。システムが自動で予測をおこなうため、Excelを使うよりも正確な需要予測が可能です。
特に、需要が安定している製品の生産計画や在庫管理において、精度の高い予測が可能です。製造ラインの効率化や、原材料の適切な発注が可能となります。
また、需要予測だけでなく、製造計画や流通計画などの立案にも活用できます。製造過程での資材の無駄を削減し、全体的なコストパフォーマンスを向上できるでしょう。
ただし、システムの導入費用や運用費用が発生するため、コスト面での負担が発生するというデメリットもあります。また、運用に際しても、システムのメンテナンスやカスタマイズには専門知識が必要です。
特に製造業では、製品ごとに異なる生産プロセスや材料が関わります。システムのカスタマイズや運用には、ほかの業種・業態に比べてより専門知識が求められるでしょう。
基幹業務系システムを、需要予測に活用する方法も考えられます。
基幹業務系システムとは、勤怠・労務管理や受注・販売管理などの業務プロセスを総合的に支援するためのシステムです。製造業においては、製品の生産計画や工程管理、在庫管理、品質管理など、製造業に特有の業務の管理をおこなうことが多いです。
基幹業務系システムには、需要予測を支援する機能が搭載されているものもあります。これらの機能を活用することで、需要予測がおこなえます。
また、基幹業務系システムを使えば、在庫管理を一元化することもできます。発注システムや在庫管理システムなどの複数システムを個別に管理する必要がなくなるため、在庫管理がしやすくなり、全体の管理コストも削減できます。
ただし、基幹業務系システムは、ほかのツールよりも導入コストが高いケースがほとんどです。保守運用にも費用がかかるため、予算が限られた中小規模の製造業社にとっては導入ハードルがやや高く、システムのメインの役割が需要予測ではないため、需要予測の精度が担保できなかったり、ほかのツールに比べて考慮できる要素が少ない点が欠点として挙げられます。
また、システムの運用には専門的な知識が求められることから、運用知識を持つ専任担当者が必要となる点もデメリットでしょう。
需要予測AIツールは、需要予測システムにAI（人工知能）を組み込んだツールです。
AIの主要な特徴である機械学習を活かし、市場の変化や他データとの相関関係、複雑な需要パターンなどを考慮して、精密な予測をおこなえるのが特徴です。
多種多様なデータと高度な分析により、製造業特有の複雑な市場動向や、製造プロセスの変化を考慮した、高精度で柔軟な予測がおこなえます。
また、導入費用が比較的安価であり、専門知識不要で誰でも簡単に使えることから、企業の規模に関わらず導入しやすいという点も大きなメリットです。
デメリットとして、予測の精度がデータの質と量に依存する点があります。そのため、製造過程で得られるデータが少ない、データの内容が不完全といった場合には、予測の精度が低下する場合があります。
また、需要予測AIツールは主にSaaSモデルで提供されるため、カスタマイズ性には限界があるという点も注意が必要です。SaaSは汎用的なツールを提供するモデルのため、企業独自の要望に合わせたカスタマイズは難しいケースがあります。
・関連記事：AIを活用した需要予測とは？手法に加えて必要データや運用などを紹介！
製造業での適正在庫管理を目指す場合には、ノーコード型需要予測AIツール「Deep Predictor」がおすすめです。
Deep Predictorは、最適な需要予測の計算方法を自動で導き出します。そのため、専門知識がなくても誰でも簡単に高精度な需要予測が実施でき、その結果に基づいた適正在庫の管理が可能となります。
また、Deep Predictorなら、製造プロセスの複雑さと変動性を考慮し、最適な予測モデルを構築し、原材料から完成品までの全工程に及ぶ在庫レベルを動的に調整し、生産効率の最大化とコスト削減を実現できます。
加えて、専門知識不要で誰でも使えるツールであることから、従来の手法ではブラックボックスであった在庫管理プロセスも透明化されます。製造業における在庫管理のオペレーションを、関係者が理解し管理することが可能です。
製造業における適正在庫の維持にお悩みの企業には、AI CROSSが提供するノーコード型需要予測AIツール「Deep Predictor」がおすすめです。
適正在庫のために需要予測ツールを導入したい、製造業に適したツールを探しているといったご要望がありましたら、まずは資料請求でお問い合わせください。
※この記事は下記の情報を参考に制作しております。
・需要予測の誤差を用いた安全在庫の計算方法（東京工業大学 – 曹 徳弼氏）
