menu

企業の「生産性改革」実現を支援する「コヒーレント・コンサルティング」

coherent consulting
047-455-3510
生産性向上ツール
Optimal inventory simulator
最適在庫シミュレーター

最適在庫シミュレーターとは?

面積原価管理に基づく在庫管理を行うことで
真の意味で生産性を最大化、
つまり投入資源に対する利回りを最大化する
「最適在庫管理」を行う仕組みです。

在庫管理など、すでに枯れきって新しい考え方など
有り得ないというのが大方の感想だと思いますが、
ここで説明する手法はこれまでの在庫管理の概念を
覆す全く新しい考え方です。

コヒーレント・コンサルティングでは、
面積原価管理の概念に基づいた「最適在庫管理」の仕組みに対して
2021年9月に特許取得いたしました。

■従来の在庫管理の問題点

多くの製造業でごく普通に行われている生産の方法ですが、大きな問題があります。
生産計画を立案する生産管理部門では、手番ベースでの生産計画が立てられています。

つまり、生産管理部門は現場が確実にオーダーがこなせる手番、
リードタイムを確保して、月次や週次の生産計画、生産の目安をショップに指示します

従来から、このような「適正在庫」を計算するための
手法が数多く提案されています。
その中でも、「交差比率(=粗利率×在庫回転率=粗利/棚卸在庫金額)」を
使った適正在庫を計算する方法が流通業を中心に提案されています。
細かい話になるので詳細は「生産性お役立ちブログ」の記事に譲りますが、

結論を言うと「交差比率」は投入資源に対する利回りを概算レベルで表しますが、
それは結果であってどうすれば最も儲かる在庫管理ができるかは教えてくれません。

つまり、従来の在庫管理論は、儲けの視点、生産性の視点での在庫管理ではありません。したがって、理論通りに在庫管理を行っても本当に儲かるかどうかは分かりません

また最近、AIを活用した需要予測がブームになっています。
しかし、どんなに将来の需要予測の精度を上げても、完全に的中させることはできません。
そこには必ず誤差が含まれているのです。
最近のAIのよる需要予測は、「将来どれだけ売れるかを当てること」が目的化しており、
利益を最大にするという本来の目的から乖離した取り組みになってしまっているように思えます。
ただし、決してAIによる需要予測を否定しているわけではありません。

また、多くの企業、特に中小企業では、「そもそも基本的な在庫オペレーションさえ
できておらず、在庫管理以前であり、最適在庫管理といわれてもピンとこない」という
ご感想をよく頂きます。しかし、これは逆なのです。

基本的な在庫オペレーションができないのは、そもそも在庫管理を行う意義がよく分からず、在庫管理で何がよくなるかが実感でないため、在庫管理を行うモチベーションが働かないからです。

生産性向上ツール
Productivity improvement method
最適在庫管理のあるべき姿
在庫管理の「生産性」を最大化

「最適在庫管理」は、在庫管理の「生産性」を最大化します。
つまり、在庫として投入した資源に対する利回りを最大化する在庫管理手法です。

最適化のKPIは、「面積原価利益率」です。
真の意味で「生産性」を最大化する在庫管理手法です。

図の上半分は、発注点管理を行っている場合の在庫の推移を表しています。
下半分は、在庫推移に対する面積原価です。
例えば、図のB入庫分の商品は、2月の前半で売れていますが、売上は2月末に計上
されます。下の図のBの長方形が、在庫Bの面積原価です。
その他のA、C、Dも同様に下のA、C、Dの長方形がそれぞれの面積原価です。

最適在庫管理の基本原理は、商品の取引先からの入庫から商品の
売り上げまでの期間を通して、面積原価を把握し面積原価利益率
を評価することで商品の「生産性」を評価するものです。

以上の例は、月末締め売上の発注点管理における在庫管理モデルのケースでした
が、定期発注方式などその他の在庫管理モデルでも同様に面積原価利益率を評価する事ができます。

一見面倒くさそうですが、大きなメリットがあります。

それは、現在の在庫管理モデルでどのようなオペレーションを行えば、
「生産性」を最大にすることができるかシミュレーションできることです。

在庫管理を行っている企業なら、在庫のPSI(仕入れ、販売、在庫)の数値は把握しているはずです。
PSIさえ把握できていれば、ここで説明している
「最適在庫管理」を行うことができます。

さて、在庫管理を行うということは、何らかの在庫管理モデルに従って、
在庫管理オペレーションを行っています。
代表的な在庫管理モデルとしては、以下のものが有名でほとんどの企業がいずれかの方法を行っています。

①定量発注モデル(発注点管理)
②定期発注モデル

ここでは、定量発注モデルでの「最適在庫管理」の方法を説明します。

定量発注モデルの特性を決めるパラメータは以下の通りです。

上記のパラメータの内、黒字のパラメータは自社で自由に決めることはできません。
例えば、D:平均需要量、σ:需要の標準偏差は、市場の特性なのでもちろん勝手に決めら
れません。T:調達期間、c:購入単価、L:手配原価は取引先との交渉の結果決まるので、
もちろん自由に決めることはできません。
なお、ここでL:手配原価といっているのは、1回の発注の手配にかかる運賃、事務経費
などです。また、K:発注点、A:安全在庫、Z:平均在庫は、他のパラメータから計算で
求められます。

安全在庫 A = α√T*σ、 発注点 K = D・T+ α√T・σ

結局、自社で自由に設定できるパラメータは、H:発注量、 α:安全係数だけです。

「最適在庫管理」では、このH:発注量、
α:安全係数の2つのパラメータ値の組み合わせに対して面積原価利益率を計算し、
「生産性」を最大化する2つのパラメータの組み合わせを求めています。

下図は、上記の方法で計算したシミュレーションの結果です。
安全係数を0~2.0、発注量を1000~2000の間で、
それぞれ20個ずつの刻みでシミュレーションしています。

上図からは、安全係数:0.75、発注量:1200個の場合の面積原価利益率が最大、
5.22%になることが分かります。

ちなみに、単なる利益率だけで見ると安全係数:0.25、発注量:1840個のケースが、
最大になることが分かりますが、その場合の面積原価利益率:4.78%/日で、
約8%も「生産性」が違います。

さらに、意識せずに不味いパラメータを選ぶとこの例でも、20%程度の差となってしまいます。

以上は、定量発注モデルのケースでしたが、同様に定期発注モデルでも計算することができます。

ちなみに、定期発注モデルの場合、自由に決めることのできるパラメータは、
発注サイクルと安全係数です。また、この場合では、発注する時の発注量の計算方式の違いにより、
以下の様な需要予測モデルにも同様に適用できます。

需要予測手法
移動平均モデル
指数平滑モデル
ウィンターズモデル
ARIMAモデル
AI(機械学習、ディープラーニング

以上の「生産性」を最大化する「最適在庫管理」の仕組みを使って、
コヒーレント・コンサルティングでは、次のようなサービスを行います。

知的資産経営の事例:株式会社千葉アスレティックセンター

知的資産経営の事例:株式会社千葉アスレティックセンター 業種:スポーツクラブ  売上規模:約4億円、会員数 約3000名 2013年から知的資産経営に取り組み、3年連続増収増益達成、元スポーツ庁長官 鈴木大地は当クラブOB

生産性改善の事例(建設業G):中島熱化学工業株式会社

業種:管工事業(化学プラント・メンテナンス) 有害物質の取り扱いが強み 売上規模: 約7億円 年間受注件数:約160件 ビジネス形態:受注設計からの個別受注生産 業務プロセス: 引合・見積、受注、プロジェクト計画、設計、資材・外注発注、資材受入、現場作業管理、検査、引き渡し