Supply Chain Workspace

• 低頻度品や新商品など、需要が「読めない」商品の予測が困難。


• 天候やイベント等の外部データ、キャンペーンの効果/影響を織り込めず、予測精度が上がらない。

• 倉庫のキャパシティや庫内業務リソースが拠点毎に異なる中で、欠品と過剰在庫のトレードオフを迫られる。


• 異なる環境下にある拠点毎に、最適な発注量を人手で計算することには限界がある。

• 限られた時間の中で、膨大なSKUに対し、
  得意先毎のロット合わせ等を考慮しつつ人手で発注業務を行うため、
  業務負荷が高い且つ担当者の経験と勘に依存している。

• AI推奨値の根拠が不明瞭で信憑性に欠ける。


• 欠品が起きても、その理由が入荷遅れによるものか、需要予測が外れたか等、原因が切り分けられず、改善の打ち手が講じられない。

高精度な需要予測

• 精度の向上、精度が上がり切らない際に支障をきたさないため、インプットデータの加工と予測単位の切り分けを行います。


• 統計的な異常値の検出・除外に加え、価格・販促・気温変化等に対する需要の変化を推計、年末年始やGWなど予測が難しい期間は過去数年の需要傾向から補正します。

ビジネスルールを織り込んだ
在庫・発注量シミュレーション＆最適化

• トレードオフの関係にある、欠品率・在庫数量・発注回数(業務負荷)のトライアングルに対し、自拠点が今どのポジションにあるかを可視化します。


• 各種パラメータを変更してシミュレーションを実行すれば、各指標の推移がどう変化するかを試算でき、拠点ごとに異なる最適点を探ることができます。

日々の発注業務をAIで自動化・効率化

• 最低発注ロットの充足や在庫状況を考慮のうえ、
  拠点×SKU毎の推奨発注量をAIが算出します。


• 発注頻度と自動発注条件の充足度合いをベースに「自動発注」「要検討」「原則手動」の3区分へSKUを自動で仕分けます。

個社独自の区分をそのまま適用することもできます。

拠点 × SKU 単位で
欠品要因やAIの算出根拠を可視化

• 入出荷量・在庫・推奨発注量(ロット換算含む)の
  推移を拠点×SKU単位で表示、AIによる数量算出根拠を確認したうえで発注数量を調整できるため、AIの計算をブラックボックス化させません。


• 欠品については、入荷が遅れたか、需要予測がおかしいか、推奨発注量と実際の発注量がずれているか等の観点でドリルダウンし、要因を特定できます。

• 最低発注ロットの充足や、在庫状況を考慮の上で、拠点×SKU毎の推奨発注量をAIが算出、発注候補リストを表示します。


• 1週先までの予測出荷量や在庫情報等を参照しながら数量調整・発注が可能です。

• 入出荷量・在庫・推奨発注量(ロット換算含む)の推移を、AIの数量算出根拠として表示します。


• 違和感があるSKUについては根拠を確認した上で発注数量の調整ができます。

• 欠品率・在庫数量・発注回数(業務負荷)のバランスを調整し、トレードオフの関係にある3指標の最適点を拠点毎にシミュレーションします。


• 「現状比シミュレーション結果」で在庫回転日数・連続発注・欠品率の現状からの改善見込み度合いを確認できます。

• 「前日在庫 − 出荷量 ＋ 入荷量」の推移と安全在庫の関係を表示し、欠品状況を可視化します。


• 入荷遅れ／予測のブレ／AI推奨と実際の発注量のズレ／棚容量 の観点で欠品の要因を絞り込めます。