需要予測
欠品と作りすぎを減らす。需要予測を、生産・調達の判断に。
生産・調達計画のための需要予測 ／ 消費財・食品メーカー 需給計画・生産管理・経営企画
販促や天候で変わる需要を、販売・在庫の実績と外部データから予測します。予測に使うデータの選定から、生産・調達の計画システムへの接続まで構築。今の予測方法と比較し、対象品目でどこまで改善できるかを確かめながら導入します。
消費財メーカーR社｜在庫過多と欠品がともに改善
ご相談で分かること: 対象品目、使うデータ、現在の予測との比較方法
実績の延長と各部門の見立てで決めていた需要の読みを、消費財メーカーR社は外部データを組み込んだ予測に置き換え、欠品と作りすぎがともに減りました
去年の同じ月の実績を並べ、担当者が販促や季節の分を見込んで上乗せする。予算の時期には各部門の見立てを集め、数字の辻褄を合わせるまでに何日もかかる。天候の崩れも、セールも、イベントも、このやり方では担当者の頭の中でしか予測に入りません。読みが上に外れれば作りすぎた在庫は廃棄に、下に外れれば欠品と売り逃しになります。どちらも同じ1本の需要の読みから出ています。
実績の延長と担当者の経験的な判断に頼っていた需要の読みを、外部データを組み込んだ予測モデルが引き受けます
- 去年の同じ月の実績を並べ、担当者が販促や季節の分を経験で見込んで上乗せする
- 天候の崩れ・セール・イベントは、担当者の頭の中でしか予測に入らない
- 予算の時期には各部門の見立てをヒアリングで集め、数字の辻褄を合わせるまでに多くの工数がかかる（消費財メーカーR社）
- 販売実績・在庫の社内データに、経済指標・気象・イベント・ECレビューなどの外部データを重ねて予測する
- 予測に効いた要因の内訳が出るので、外れたときに「天候か、販促か」を需給計画の側で確かめられる
- 予測結果は製造計画・調達計画へ自動で渡る構成にする
需要の読みが1人の担当者の経験に集中しなくなるので、季節・天候・イベントの影響を事前に計画へ組み込めます。
R社では調達と製造計画が安定し、予測の出力を予算のKPIの根拠にも使えるようになりました。
自社の品目でどこまで改善できるかは、今の予測方法との比較で確かめます。
需要予測の改善を相談する需要の見通しを、生産・調達・予算のどの判断にも使える形で、VINが窓口を分けずに設計します
需要予測の構築から、生産・調達計画への接続までをVINが設計します。需要の見通しは統計モデル・機械学習で作り、条件を満たす計画案の作成が必要な場合は数理最適化を組み合わせます。現在お使いの計画システムも含め、予測を業務で使うための構成を決めます。
予測に使う外部データは、技術提供元が積み上げた100件以上の予測実績から、対象に効くものを選んで提案します。予測モデルは回帰・時系列・決定木などを対象とデータに合わせて当て、過去の実績との誤差を比べて選びます。
予測に効いた要因の内訳が出るので、外れたときに「天候か、販促か」を需給計画の側で確かめられます。
今の予測方法と比べてから、生産・調達・予算のどの判断に使えるかを確かめます
過去の実績を使い、今の予測方法と新しい予測を比較します。品目ごとの誤差に加え、生産・調達の判断に必要な予測期間・集計単位・更新頻度を確認したうえで、本番の範囲を決めます。
期間は、技術提供元の標準的な進め方で10週間程度です（調査2週間・サンプルデータの確認2週間・検証4週間から・本番導入2週間）。品目の数・データの粒度・渡し先の数で延びます。
ご相談で分かること: 対象品目、使うデータ、現在の予測との比較方法
需要予測の改善を相談する実績データを社外に出さない構成なので、情報システム部門の審査にそのまま出せる答えがそろっています
導入の審査で情報システム部門から聞かれる点と、その答えです。稟議の資料にそのままお使いいただけます。
| 審査で聞かれる点 | 答え |
|---|---|
| 処理の場所 | クラウド・社内サーバー・閉域網から選べます |
| 外部への送信 | 閉域構成では、実績データをネットワークの外へ送りません。通信するのは外部データの取得だけです |
| 既存システムとの接続 | 販売・在庫・生産計画・調達のシステムから実績を受け取り、予測値を戻します |
稟議で聞かれる質問には、ここでそのまま答えられます
| よくいただく質問 | 回答 |
|---|---|
| 予測ツールや自社のデータ基盤で、すでに予測をしていても相談できますか | 相談できます。今の予測方法と、その予測を生産量・調達量に落とすまでに人が埋めている工程を確認します。誤差が大きい品目、計画の単位や更新頻度に合っていない箇所、打ち直しや部門間の調整が残っている箇所から、任せる範囲を決めます。 |
| ChatGPT などの汎用 AI で予測はできませんか | 汎用の生成 AI は文章を作る技術で、数値の予測を安定して出すことは不得意です。需要予測には統計モデルと機械学習を使います。生成 AI は、予測結果の説明文を作る工程などに組み合わせられます。 |
| どのくらいのデータ量が必要ですか | 季節の動きを捉えるには、目安として2年分以上の実績があると予測に反映しやすくなります。実績が少ない品目も、外部データで補って予測できるかを比較の段階で確かめます。 |
| 閉域網の構成にした場合、外部データの取得はどうなりますか | 閉域構成では、実績データをネットワークの外へ送りません。天候・カレンダー・経済指標などの外部データの取得だけが通信します。取得の経路は導入前に決めます。 |
今の予測を、どの判断に使えるところまで変えられるかをお返しします
予測している品目と、いま生産量・調達量・予算を決めている手順、そのうち人の見立てで埋めている工程をご相談ください。対象範囲・検証の進め方・必要な費用をご案内したうえで、過去の実績を使った比較で改善が見込めるかを確かめます。改善が見込める場合は、本番構築の範囲と費用をご提示します。
気象と品質の関係を読み、製造量の調整につなげた品質の予測（食品製造T社）など、需要以外の予測の事例は事例一覧にまとめています。 公開している事例をすべて見る
