利益:
- 人工知能のサポートにより、過去の販売および出荷データから需要予測、安全在庫、および再注文ポイントの計算を導き出す機能
- リードタイム、季節変動、サプライチェーン遅延をシナリオベースでモデル化し、計画に反映する能力
- 人工知能の予測は確率予測であり、コスト、キャッシュ、リスクを考慮した最終的な注文決定はプランナーに属することを理解する能力。
外国貿易と物流では、2 つの場所でお金が失われます。販売できない商品と、時間通りに顧客に配送できない商品です。過剰な在庫は現金を拘束し、倉庫コストと腐敗/陳腐化のリスクを生み出します。在庫の欠如は、販売の損失、顧客の不満、および緊急の（高価な）供給を意味します。この 2 つの間の紙一重を見極めるには、適切な需要予測と正確な在庫計画が必要です。国際調達の場合、商品は船上に何週間も残るため、これはさらに困難です。今日注文すると、実際には 2 か月後の需要が予測されます。この単元では、人工知能を予測および計画アシスタントとして使用する方法について説明します。
用語を定義しましょう。需要予測：過去のデータに基づいて将来の売上・使用量を予測するものです。リードタイム: 注文した瞬間から商品が入手可能になるまでの時間。輸入品の生産時間+輸送時間+通関時間の合計です。安全在庫: 需要または供給時間の変動に備えて保持される緩衝在庫です。再注文ポイント: これは、在庫がこのレベルまで低下したときに新しい注文を行う必要があるしきい値です。ざっくり言うと、「リードタイム中の予想需要＋安全在庫」です。季節変動（季節性）：年間（休日、夏期、学期）を通じた定期的な需要の増減です。
ステップバイステップ: AI を活用した予測と計画
ステップ 1 — 履歴データを準備します。予測は過去の販売/出荷データから始まります。月次または週次の販売数、キャンペーンや価格変更 (存在する場合)、および在庫切れの期間。このデータを AI に与えると (顧客の機密情報は含まず、製品と数量のみ)、トレンド、季節、ジャンプを解釈します。
ステップ 2 — パターンを削除します。 「夏は30％増加、1月は減少、年率8％の増加傾向」など、AIがデータのパターンを読み取り、わかりやすく説明します。これにより、生の数値を見ても気づかないようなパターンが目に見えるようになります。
ステップ 3 — 予測を生成し、スクリプトを作成します。 AI は過去のパターンに基づいて需要予測を概説できます。さらに価値があるのは、「悲観的/現実的/楽観的」なシナリオを生み出すことです。こうすることで、単一の数値ではなく範囲に基づいて計画を立てることができます。
ステップ 4 — 在庫パラメータを計算します。予測、リードタイム、ボラティリティがわかったら、安全在庫と再注文ポイントが計算されます。 AI は数式を実装し、ロジックを実証します。数字を確認します。
ステップ 5 — 人間の決定。最終注文数量;これは、キャッシュ フロー、倉庫容量、最低注文数量、為替レート、供給リスクを考慮してプランナーによって与えられます。予測は入力であり、決定ではありません。
注意: 需要予測は過去を考慮したものです。将来を保証するものではありません。予期せぬ出来事（工場閉鎖、税関の阻止、需要の突然の急増）により、予測が狂う可能性があります。 AI が返した単一の「正確な」数値に注文全体を帰属させるのは危険です。シナリオと安全マージンを考慮して作業します。
在庫決定コンポーネント表
コンポーネント
それはどういう意味ですか
AIの貢献
人間の決断
需要予測
予想売上高
パターン+シナリオを生成
承認/修正
リードタイム
注文→利用期間
コンポーネントに分解します
実際のデータで検証します
需要変動
需要の変動性
過去のアカウント
コメントして共有する
安全在庫
バッファ量
数式で計算します
現金とリスクのバランス
再注文ポイント
注文しきい値
計算して表示します
承認
注文数量
いくら取られますか
提案を提供します
最終決定
コピー可能な 4 つのテンプレート
1) 履歴データのパターンの読み取り:
あなたの役割: デマンドアナリストアシスタント。以下は、製品の過去 24 か月の月次売上高です。次のことを教えてください: (a) 全体的な傾向 (増加/減少、およそ %)、(b) 季節パターン (どの月が高いか低いか)、(c) 注目すべき急騰/暴落と考えられる原因 (もしあれば、私が指摘した出来事と関連付けてください)。数字を確認します。フィッティング データを追加します。データ: [月: 数量リスト]
2) シナリオ需要予測:
あなたの役割: 需要予測アシスタント。上記の履歴に基づいて、今後 6 か月間 (月次数量) の 3 つのシナリオ予測 (悲観的、現実的、楽観的) を作成します。各シナリオがどのような仮定に基づいているかを書き留めます。これは確率の予測です。それは最終的な約束ではありません。
3) 安全在庫と発注点:
あなたの役割: 在庫計画アシスタント。入力: 平均月次需要 [X] 個、需要の変動性 [説明/データ]、リードタイム [Y] 週間、望ましいサービス レベル [例: (a) 再注文ポイント (リード タイム上の予想需要 + 安全在庫) を計算し、そのロジックをステップごとに示します。(b) 安全在庫に使用したアプローチを説明します。すべての数値を確認します。確認できるように中間手順を見せてください。
4) リードタイムのリスク分析:
あなたの役割: サプライ チェーン計画アシスタント。私のリードタイムは、生産 [a] 日、海上輸送 [b] 日、通関 [c] 日、内陸輸送 [d] 日という要素で構成されます。各コンポーネントの考えられる遅延の原因と、それが注文タイミングに与える影響を抽出します。最も危険なリンクをマークし、安全マージンに関する推奨事項を提供します。提案;それを決めるのは私です。
弱いプロンプト / 強いプロンプト
弱いプロンプト:
来月はいくら注文すればいいですか？
このリクエストは、履歴データ、リードタイム、季節、資金状況を提供せずに、AI にデータに基づいていない数値を作成させます。この番号で注文するとブラインドベットになります。
強力なプロンプト:
あなたの役割: 在庫計画アシスタント。製品: [コード]。過去 12 か月の売上: [数量]。供給期間は 8 週間、最小注文数量は 500 個、在庫は 340 個です。夏には需要が高まります。今後 2 か月の現実的な需要範囲を導き出し、安全在庫と再発注ポイントを計算して、2 ～ 3 つの発注量シナリオを提案します (現金とリスクのバランスを考慮)。数値の中間ステップを表示します。最終決定は私が行います。
このプロンプトはすべての重要な入力を提供し、シナリオをプロンプトし、計算ステップを表示して検証を可能にします。
ミニケース3個
ケース 1 — 季節を追いつく。ある輸入業者は、園芸用品を一年中固定注文していました。彼は春には在庫がなくなり、夏には商品が積み重なった。 3 年間のデータでは、YZ は 3 月から 5 月にかけて需要が 40% 増加したことを明らかに示しています。プランナーはリードタイム (10 週間) を考慮して、1 月に早めに大量の注文を出しました。結果: 春の在庫切れはゼロになり、年末の過剰在庫は 25% 減少しました。 AIがパターンを示し、人間が順序を決定した。
ケース 2 — 正確な数値を信頼することの代償。プランナーは、YZ から与えられた「3,200 ユニット」という単一の見積もりに基づいて注文しました。彼はシナリオや安全マージンを使用しませんでした。お客様からの予期せぬ大量注文により在庫切れとなり、緊急航空貨物にて追加供給（単価3倍）。教訓: 単一の数値ではなく、シナリオの範囲と安全在庫に基づいて計画を立ててください。
ケース 3 — リードタイムの現実。ある企業は常に安全在庫を低く抑えていました。なぜなら、彼は納期が「6週間」だと思っていたからです。 YZ がリード タイムをコンポーネント (生産 3 + 輸送 4 + 通関 1.5 週間 ≈ 8.5 週間) に分割したところ、実際の時間の方が長く、最も不安定なリンクは税関であることが判明しました。それに応じて再注文ポイントも引き上げられました。度重なる在庫切れはもう終わりました。
よくある間違い
- 注文全体を単一の推測番号にリンクします。シナリオ (悲観的/現実的/楽観的) と安全在庫を考慮して作業します。
- リードタイムを過小評価している。生産+輸送+関税+国内輸送の合計と変動性を考慮してください。
- 季節無視。固定発注では、季節製品に在庫切れと過剰在庫の両方が発生します。
- AIにデータを与えずに予測を求める。過去のデータを基に作られた数字は捏造されたものです。
- 現金と生産能力の制約を回避します。現金が十分でなければ、最も正確な予測であっても実行することはできません。決定はその人次第です。
ヒント: AI に計算を依頼するときは、必ず「中間ステップを表示」と言ってください。安全在庫や発注点などの数値がどのように出てくるのかが分からなければ、検証することはできません。中間のステップでは、エラーをキャッチし、ロジックを学習することができます。
要約すると
需要予測と在庫計画は、過剰在庫と不足在庫のバランスを取る技術です。国際的な調達ではリードタイムが長く不安定であるため、これが困難になります。人工知能は、履歴データのパターンを読み取り、シナリオ予測を生成し、安全在庫と再注文ポイントを計算する強力なアシスタントです。しかし、予測は確率の予測です。最終的な注文の決定は、資金、生産能力、リスクを考慮してプランナーに属します。単一の数値ではなくシナリオを信頼し、リードタイムを現実的に計算し、中間ステップを検証します。
アプリケーションタスク
製品の過去 12 ～ 24 か月の販売データ (顧客の機密情報を含まない数値) を取得します。まず AI にパターン (トレンド + 季節) を読み取らせ、次に 3 つのシナリオの予測を生成します。次に、リードタイム、最小注文数量、利用可能な在庫を指定して、再注文ポイントと安全在庫を計算します。中間の手順を自分で確認してください。最後に、資金と生産能力を考慮して最終的な注文を決定し、AI シナリオと比較します。
チェックリスト
- [ ] 過去の売上データ (匿名) を AI に与えました。データに基づいて見積もりを出しました。
- [ ] トレンドや季節柄を取り除きました。
- [ ] 単一の数字の代わりに、悲観的/現実的/楽観的なシナリオを作成しました。
- [ ] リードタイムを要素に分けて現実的に計算してみました。
- [ ] 中間ステップで安全在庫と発注点を確認しました。
- [ ] 資金、生産能力、リスクを考慮して、最終的な注文を決定しました。