利益:
- 人工知能のサポートにより、再注文ポイント、安全在庫、注文数量を計算および解釈する機能
- 在庫切れ、過剰在庫、デッドストックのシナリオを分析し、アクションプランの草案を作成する能力
- 人工知能によって提案された注文数量は、リードタイム、賞味期限、予算の制約を考慮して検証する必要があることを理解する
あなたは需要を推測しました。それで、いつ、どれくらい注文しますか？在庫管理はこの質問に対する答えです。目標はシンプルですが難しいものです。適切な製品を、適切な量、適切なタイミングで提供することです。過剰な現金は棚で凍結され、割引価格で溶かされることになります。少なすぎると販売を逃し、顧客を競合他社に押しやってしまいます。この単元では、注文決定の背後にある計算を高速化し、シナリオを可視化するアシスタントとして人工知能を使用します。
最初の 3 つの基本概念:
再注文ポイント (ROP): 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。おおよそ：（平均日販×リードタイム）+安全在庫となります。
リードタイム: 注文した瞬間から商品が店頭に到着し、販売できるようになるまでの時間。
安全在庫: 需要と供給時期の不確実性に備えて保管される緩衝在庫です。予期せぬ需要の急増や供給の遅れが発生した場合の在庫切れを防ぎます。
なぜ平均だけでは十分ではないのでしょうか?
1 日あたり平均 10 個販売し、供給が 5 日あるとします。 「残り 50 個になったら注文します」と言えば十分だと思います。しかし、18 個売れた日によっては、サプライヤーが 1 日遅れることもあります。安全在庫はこれらの予期せぬ事態をカバーします。安全在庫はどのくらいありますか?需要が不安定であればあるほど、供給の信頼性は低くなります。
係数
安全在庫が増加した場合
なぜ
需要の変動性
増加する
飛躍に応えるために
リードタイム
増加する
待てば待つほどリスクは大きくなる
供給の信頼性
減少する
サプライヤーが時間通りに到着するため、バッファーの必要性が軽減されます
商品（対象商品）の重要性
増加する
在庫切れのコストは高い
賞味期限が短い
減少する
過剰な緩衝液は分解/廃棄につながります
注意: 安全在庫は、「製品ごとに 2 週間固定」のように機械的に設定されるものではありません。すぐに売れる主力商品と月に一度売れる商品のバッファーが同じであるはずがありません。
注文数量: EOQ ロジック
EOQ (Economic Order Quantity): 注文コスト (輸送、加工) と保管コスト (倉庫、資本、破損品) のバランスがとれた理想的な注文規模です。少量の注文→高額な取引コストが多すぎる。まれな大量注文 → 倉庫コストと現金コストが高い人工知能はこの残高の計算に役立ちますが、最小注文数量、ボックスフロア、キャンペーンなどの実際の制約を追加するのはユーザー自身です。
在庫切れ、過剰在庫、デッドストック
- 在庫切れ: 商品がありません。顧客が到着しました。損失を被るのはその販売だけではありません。顧客ロイヤルティも低下します。
- 過剰在庫（過剰在庫）：需要を上回る在庫。現金が拘束されると、割引圧力が生じます。
- デッドストック: 何ヶ月も動かず、販売される見込みがほとんどない在庫。倉庫はスペースを占有し、その価値が下がります。
人工知能は、販売率と在庫レベルのデータからこれら 3 つの状況を迅速に抽出し、アクション リストを提供します。
段階的な在庫分析
- データを収集します: SKU、現在の在庫、平均日販、リードタイム、最小注文数量、保存期間。
- ROP と安全在庫を計算する: 各 SKU の再注文ポイントを抽出します。
- 在庫切れ、過剰在庫、不良在庫のリスクをマークします。
- どの商品を注文するか、どの商品を割引するか、どの商品を返品/転送するかなどのアクション ドラフトを取得します。
- 確認して決定: 予算、サプライヤーの制約、保存期間を確認し、注文を確認します。
ミニケース
ケース 1 — 安全在庫の節約: 薬局では、人気のビタミンを 1 日あたり平均 30 個 (7 日分) 販売しています。彼は平均 210 個しか注文していませんでしたが、サプライヤーは 2 回 3 日遅れ、在庫切れになりました。 AI が需要の変動性と遅延履歴を分析し、90 個の安全在庫を推奨します。ROP は 300 に増加します。次の遅延で在庫切れになることはありません。月間最大 15,000 TL の売上損失が保護されます。
ケース 2 — デッドストックの整理: 衣料品店では、140 SKU のうち 22 個が 90 日間売れず、これに相当するのは 180,000 TL です。人工知能がそれらをリスト化し、「40日以内に売れなかった場合は値下げ、シーズン終了時にアウトレットに移す」という草案を作成する。マネージャーは計画を承認します。倉庫スペースと現金が解放されます。
ケース 3 — 過剰注文の防止: 食料品店の店員が、サプライヤーのプロモーションに騙されて 6 か月分の炭酸飲料を購入しようとしています。人工知能が賞味期限 (4 か月) と毎月の売上高を想定したシナリオを描くと、在庫の 30% が賞味期限を超えることがわかります。注文は 6 か月から 3 か月に短縮されます。 40,000 TL の損失が回避されます。
弱いプロンプト / 強いプロンプト
弱いプロンプト:
いくら注文すればいいですか？
データも制限もありません。意味のない答えが返ってくる。
強力なプロンプト:
あなたの役割: 在庫計画スペシャリスト。データ: SKU 2210。現在の在庫数 120。1 日の平均売上高 24、過去 30 日間の最高売上高 41。リードタイム 6 日、サプライヤーは過去 3 件の注文で 1 日遅れています。最小注文数は 50、ケース倍数は 10 です。タスク: (1) 再注文ポイントを計算します。(2) 適切な安全在庫を提案および正当化します。(3) 今すぐ注文すべきか、注文する場合はケース数はいくつですか?ルール: ケース倍数に切り上げ、最小注文ルールに従います。検証できるように、計算を段階的に示します。
コピー可能なプロンプトテンプレート
1) ROPと安全在庫の計算
次の SKU の再注文ポイントと安全在庫を計算します。毎日の売上、ボラティリティ、リードタイム、ラグ履歴を使用します。計算を段階的に示します。データ: [貼り付け]
２）株式リスクスクリーニング
以下の株価チャートをご覧ください。 3 つのリストが作成されます: (a) 15 日以内に在庫切れになるリスクのあるリスト、(b) 過剰在庫 (90 日以上の在庫) を持つリスト、(c) 60 日間使用されていないデッドストック。 SKU.Data ごとに 1 行を使用する理由: [貼り付け]
3) デッドストックアクションプラン
次の非アクティブな製品の廃棄計画を提案します: 値下げ率、バンドル オファー、譲渡または返品のオプション。保存期間を考慮してください。表にまとめて渡します。データ: [貼り付け]
4) 注文シナリオの比較
この商品の 3 つの注文シナリオを比較します: 低 (1 か月)、中 (2 か月)、高 (4 か月)。それぞれの現金、倉庫の負荷、在庫切れのリスク、および賞味期限損失のリスクを関連付けた表を作成します。データと保存期間: [貼り付け]
よくある間違い
- 安全在庫を平均値に等しくする: ボラティリティと供給の信頼性を考慮する必要があります。
- サプライヤーの遅延を無視する: 過去の遅延をリード タイムに追加する必要があります。
- ケースフロア/最小発注ルールのバイパス：AI が推奨する「37 個」は実際には適用されません。
- 賞味期限を忘れる: 過剰注文は、寿命の短い製品の損失を直接意味します。
- デッドストックを無視すると、現金とスペースが凍結されます。定期的にスキャンしてください。
- 一回限りのプロモーションに騙される：安いから買う、でも売れないと高くつく。
要約すると
優れた在庫管理は、平均化ではなく、不確実性を考慮して機能します。需要の変動性、リードタイム、保存期間とともに、再注文ポイント、安全在庫、注文数量を確立します。 AI は計算とシナリオを高速化します。ただし、区画フロア、予算、サプライヤーを確認して注文を確定します。
アプリケーションタスク
最も重要な 10 個の SKU の現在の在庫、日次売上、リードタイム、および保存期間を記載した匿名のスプレッドシートを準備します。 「2) 在庫リスク スキャン」プロンプトで 3 つのリスクをリストし、最もリスクの高い SKU について「1) ROP および安全在庫の計算」プロンプトを実行します。結果のアカウントを手動で一度検証します。
チェックリスト
- [ ] 重要な SKU の在庫/販売/供給データを収集しました。
- [ ] ボラティリティとラグに基づいて安全在庫を設定します。
- [ ] 厳格なボックスと最小注文のルールを実装しました。
- [ ] 在庫切れ、過剰在庫、デッドストックを定期的にスキャンしています。
- [ ] 注文の決定においては、賞味期限を考慮しました。
- [ ] 注文数量を手動で確認して確認しました。