中小企業向け在庫最適化
物理的な商品の流通を扱う中小企業は、大規模なサプライチェーンネットワークを持っていなくても、在庫レベルを適切に管理する必要があります。特に急成長している場合はなおさらです。在庫管理は、資産管理と在庫最適化という二面性の問題です。Lokadは予測最適化技術を通じて後者を実現します。Lokadを、いつ購入すべきか、どれだけ購入すべきか、どこに発送すべきか、そして何もしないと死蔵在庫となる恐れがある低回転商品の対策を指示する在庫管理のサポート役と考えてください。我々の技術は、販売や購入の単位数が少ない（数量的に限定された）場合や、履歴が10年にも満たない（深みが限られる）場合に対応するように設計されています。
多くの在庫管理アプリは見た目は良いものの、整然としたExcelシートと比べて付加価値を提供できないものがほとんどです。もしあなたのアプリが、Excelでは到底実現できない在庫パフォーマンスを発揮しないのなら、そのアプリがそもそも必要なのか疑問に思うべきです。
Joannes Vermorel、Lokad創設者
Lokad TV
HYMA Skog & Trädgårdは、北欧を代表する、林業、園芸、DIY、狩猟、アウトドア製品の主要プロバイダーです
まず、自分で構築するための文献を購入し、サプライチェーン最適化のMatlab関数をGoogleで探しているときに、Lokadを見つけました。彼らは私が探していたものを、しかもはるかに優れた形で提供してくれました。現在、我々はこのサービスをビジネスに導入し、毎日のように最適化と購買判断に活用しています！
Anders Carlsson、CEO
ケーススタディ
あなたの予測在庫コパイロット
在庫レベルはバランスが重要です：在庫が少なすぎれば顧客対応が不十分になり、多すぎれば保管コストが急上昇します。在庫管理ソフトウェアが導入されれば、在庫レベルの最適化が可能になります。Lokadは予測最適化を通じて、より低い在庫レベル、向上したサービス、死蔵在庫の削減、生産性の向上を実現します。これは、補充などの日常業務に多くの事務スタッフを割けない小規模企業にとって特に重要です。特に、若くダイナミックな企業では、煩雑な業務から解放された時間がさらなる急成長を促します。
通常、私たちは「いつ、どれだけ購入するか」という問題に取り組むことから始め、日次レポートとして再注文すべき推奨数量を提供します。このプロセスには、発注スケジュール、仕入先の最小注文数量（MOQ）、価格割引、不一致なリードタイム、または複数調達など多くの微妙な点が伴います。Lokadはこれらすべての制約に対応します。
しかしながら、ニーズに応じて、Lokadは以下のような在庫関連の様々な問題にも対処します：
- 長期保管料を回避するためのFBAからの在庫回収
- 複数拠点間での在庫バランスの調整
- スコアカードを用いた仕入先の信頼性評価
- 在庫として保持するか、またはドロップシッピングで対応するかの判断
- 低回転商品の特定と、死蔵在庫回避のためのプロモーション
- ….
Lokadは「ソフトウェア＋サービス」コンボを提供します。マネージドサービスにご加入いただくと、サプライチェーンサイエンティストがあなたのアカウントに担当として割り当てられます。彼らは、あなたの過去のデータを推奨再注文数量などの実行可能な数字に変換する役割を担います。内部では、この専門家が当社のウェブアプリと、予測サプライチェーン最適化に特化したドメイン固有プログラミング言語「Envision」を駆使し、AI/ITの専門知識を必要とせずに、Lokadの技術を最大限に活用できるようにします。
古典的な予測を超えて
単一の平均的な未来のみを予測する手法は、中小企業には適していません。在庫コストは極端な状況に集中します：需要が大幅に過小評価されると品切れが発生し、逆に需要が大幅に過大評価されると死蔵在庫が生じます。その中間では、在庫は穏やかに回転します。
しかし、市場に出回っているほとんどのソフトウェア製品は、本質を見誤り、残念ながら中小企業が直面する問題に対処するには不適切な古典的な時系列予測を採用しています。
Lokadは確率的予測技術を採用しています。あらゆる可能な未来に確率を割り当て、需要だけでなく、リードタイムや返品についても（該当する場合は）予測します。より広く見れば、不確実性の要因すべてを予測する必要があります。
確率的予測は、古典的な安全在庫計算などの時代遅れの手法を大きく上回ります。これらは現実を過度に単純化し、需要が断続的または不規則な場合には効果が薄いことが多く、中小企業ではよく見られる状況です。あらゆる可能な未来に確率を割り当てる、すなわち極端なシナリオがもたらす影響を定量化することが、予測在庫最適化への第一歩となります。
第二のステップは、例えば各SKUごとに、再注文すべきすべての可能な数量（単位ごとに）を検討することです。私たちはSKUごとのmin/maxポリシーによる補充を考えません。代わりに、すべてのSKUを対象に、MOQやバッチサイズなどの運用上の制約を考慮しながら、企業にとって最も投資収益率が高い追加在庫1単位を探し出します。
そして最終ステップ、経済的な優先順位付けに至ります。追加在庫1単位の購入機会は、損益におけるドルまたはユーロで評価されるべきです。これらの要素を経済的ドライバー、すなわち粗利益、保管コスト、品切れペナルティなどと呼びます。最適化の最終結果は、不確実な未来と企業戦略に完全に沿った再注文数量となります。
リーン在庫パフォーマンス
補充に関して、Lokadのウェブアプリは、本日再注文すべき正確な数量と、それを説明するドルまたはユーロ表示のKPIを提供する表形式レポートを表示します。
このレポートは、ウェブダッシュボードで閲覧するほか、Excelスプレッドシートとしてダウンロード可能であり、さらにERPへの自動インポートをスケジュールすることも可能です。
Lokadは、追加の後処理や手動での微調整を必要としない数値を提供します。この偉業を達成するには、次の2点が求められます：
- 最先端の確率的予測モデルと数値最適化ソルバーを備えた技術。
- 過去のデータを活用し、避けられないデータの問題を軽減するエンドツーエンドの数値レシピを構築する才能ある専門家。 実際、従来の多くの計画ソリューションはリーンに反しており、過去のデータは手動での「クレンジング」が必要で、予測モデルは手動での「調整」が必要で、注文数量も手動での「微調整」が求められるなど、すべての作業がスタッフを消耗資源のように扱うことになります。
Lokadはその逆を実現します。努力が投資され、企業に最適な特注の数値レシピとして蓄積されます。
3 Sproutsは、赤ちゃん向けのユニークでモダンな製品をデザインしています。2007年以降、おもちゃやベビー用品はオンラインまたは世界中の小売店で見つけることができます。
急速な成長に伴い、3 Sproutsでは在庫管理を支援するソリューションが必要でした。Lokadは全市場向けに在庫を予測し、各倉庫への発注書を生成するシステムを構築することで、困難なプロセスをシンプルかつ正確にしました。
Banu Khurana、共同オーナー
ケーススタディ
| 古典的なソリューション | 古典的ソリューションの問題点 | Lokadが採用した解決策 |
|---|---|---|
| 古典的な予測（例：毎日、毎週、毎月の平均） | 断続的または不規則な需要には適さない | 不確実性を包含する確率的予測 |
| 予測モデルの調整と予測の編集 | 非常に時間がかかり、投資回収率が低い | 機械学習モデルの自己校正 |
| ABC分析 | SKUの粗い分類、数多くの例外事例 | すべてのSKUの複雑さを完全に考慮 |
| Min/Max在庫法 | 死蔵在庫が継続して発生する | 各追加在庫単位の投資収益率に基づいて優先順位を付ける |
| 安全在庫 | 充足率を保証しない安全でない手法 | 直接的な品切れペナルティを反映した堅牢な最適化 |
| リードタイムの設定可能性 | 変動するリードタイムに対応せず、時間がかかる | 確率的予測を用いてリードタイムを学習・予測 |
| 在庫カバー（在庫日数）の設定可能性 | 充足率を保証しない別の安全でない手法 | SKUごとに経済的に在庫カバーを最適化 |
| MOQ、価格割引、マルチソーシング | サポートされず、手作業によるオーバーライドが必要 | カスタムロジックによるネイティブサポート |
| 商品ごとの価格設定 | 需要は価格から独立していると仮定される | 製品価格を活用した需要予測 |