ABC XYZ分析（在庫）

ABC XYZ分析は、その前身であるABC分析と同様に、カタログ内で最も優れたパフォーマンスを発揮する製品を特定するための分類ツールです。これにより、適切なサービスと安全な在庫レベルを決定することができます。通常、ABC分析は単一の基準（通常は販売数量または収益）に焦点を当てていますが、ABC XYZ分析は第二の次元（需要の不確実性または変動性）を数値化しようとします。パフォーマンスのわずかに高い解像度のスナップショットを提供するかもしれませんが、ABC XYZ分析は依然として基礎となる数学的原理の単純な適用であり、官僚主義と不安定性を増幅するだけです。また、古典的なABC分析の制約をすべて引き継いでおり、数学的なごまかしによってさらに大きな虚偽の安心感を提供するとも言えます。

ABC XYZ分析の実施

ABC分析は、一定期間にわたってSKUを3つのクラスに財務的に分解し、サプライチェーンの実践者によるSKUの財務的重要性の分析を提供することを目指しています¹。一方、ABC XYZ分析はさらに一歩進んでいます。観察期間における各SKUの需要変動（または変動性）を理解し、古典的なA、B、Cクラスに加えてX、Y、Zクラスを統合しようとします。要するに、需要変動は観察期間において需要がどれだけ変化したかを示す尺度です。これには予期せぬおよび/または孤立した非常に高い（または低い）需要の期間、またはSKUの単位数が実際に必要だった数を予測するのが困難な持続的な全体的な困難（または他の理由による需要の変動）が反映される可能性があります。これらの変動をX、Y、Zの指定で捉えることを目的としています。

この新しい9つのカテゴリ分類において、XクラスのSKUは最も安定しており（需要変動が最も少ない）、Yクラスはやや安定しており（適度な需要変動がある）、Zクラスは最も不安定である（需要変動が最も多い）とされています。古典的なABC分析に基づいて、サプライチェーンの実践者は、観察期間を通じてのカタログのより微妙な分析結果を提示されます。ここでは、SKUが2倍の次元で分析されます。

新しい分類を処理するために、サプライチェーンの実践者は、古典的なABC分析と同じ初期のステップを実行します。このステージが完了すると、XYZの分析に進みます。XYZの分析では、次のものが必要です。

• 需要変動クラスの希望数: 通常は3つに制限されますが、柔軟性があります。
• 各クラスを分離するための閾値: サプライチェーンの実践者の裁量によるものです。例えば、Xクラスは<=10%、Yクラスは>10-25%、Zクラスは>25%とすることができます。
• 観察期間全体の各SKUの平均: どのスプレッドシートでも簡単に計算できます。
• 各SKUの標準偏差と変動係数: これもどのスプレッドシートでも簡単に計算できます。

サプライチェーンの実践者にとって、標準偏差は、1年間のデータを基に、ある月の売上がその年の月間平均からどれだけ異なるかを表します。サプライチェーンの実践者がこの情報を持っていると、変動係数（CV）を計算することができます。CVは相対標準偏差とも呼ばれ、与えられたデータポイントが平均からどれだけ離れているかをパーセンテージで表します。この場合、CVは観察期間全体でのSKUの売上の変動の大きさを表します。このパーセンテージ値は、標準偏差を平均で割ることで得られます。

CVが計算されたら、サプライチェーンの実践者は、予め決められた閾値に基づいて、SKUをそれぞれのX、Y、Zクラスに分類します。これにより、収益と需要の変動に基づいてSKUが9つのカテゴリに分類される行列ができます。

図1. ダウンロード可能なExcelスプレッドシートに掲載されているモデルのABC XYZ分析。具体的な計算については、関連する列内の数式を参照してください。

Excelスプレッドシートをダウンロードする: abc-xyz-analysis-tool.xlsx

ABCとABC XYZの数学的な視点

純粋に数学的な視点から見ると、ABCとABC XYZの両方の分析は、関数をマッピングするための無限の量的な尺度である「モーメント」の概念を活用しようとします。現在の文脈では、関数は売上データの分布であり、興味のあるモーメントは最初の2つです。従来のABC分析では「平均」、ABC XYZ分析では「平均」と「分散」です。ABC分析に関しては、最初のモーメント（平均）に焦点を当てているため、この方法を移動平均セグメンテーションと呼ぶ方がより正確です。基本的には、需要の不確実性を特定する試みはありません。そのため、ABC XYZ分析は、2番目のモーメント（分散）を活用してこの不確実性を定量化しようとします。これにより、ABC XYZ分析は移動平均-分散セグメンテーション手法により近いものとなります。平均は一般的に理解されていますが、分散は少し専門的な表現です。要するに、分散は一連の値（ここでは平均月間売上データ）がその平均値からどれだけ分散しているかを表します。ABC XYZは、この追加の数学的ツールを利用して、データセットの変動の複雑な理解に到達しようとします。これらのツールがどれだけ効果的に適用されるかは、「ABC XYZの制限」で再評価されます。

ABC XYZ分析が在庫ポリシーに与える影響

ABC XYZ分析の教科書的な応用は、ABC分析と同様に、サービスレベルと安全在庫の目標を割り当てることに焦点を当てています。新しいABC XYZマトリックスを使用することで、サプライチェーンの専門家は理論的には興味のあるSKUをより良く可視化し、収益に関する懸念だけでなく需要の変動の影響を反映した在庫ポリシーを調整することができます。

安全在庫

ABC XYZの直接的な応用は、より良い安全在庫の目標です。AクラスのSKUは自然に最も高いレベルを受けますが、ABC分析とは異なり、XYZクラスを使用してAクラス（またはCクラス）のメンバーを区別しようとする試みがあります。ABC XYZ分析の支持者は、このアプローチが最も輝くと主張しており、以下ではこの視点を通じて4つの極端なケースについて分析します。

• AX: これらのSKUは高い収益を生み出し、需要の変動が少ないです。そのため、サプライチェーンの専門家は、高いサービスレベルの目標を達成するために、他のAクラスのSKUよりも低い安全在庫レベルが必要と判断するかもしれません。
• AZ: これらのSKUはAXやAYと同様に高い収益を生み出すかもしれませんが、需要の変動が大幅にあります。その結果、より高い安全在庫レベルが慎重であると見なされるかもしれません。
• CX: これらのSKUは利益が低く、需要の変動も少ないです。AX、AY、AZ、BX、BY、BZに比べて、安全在庫のレベルは低くなるでしょう。
• CZ: これらのSKUは利益が低く、需要の変動が高いです。サプライチェーンの観点からは、これらのSKUは両方の世界の最悪を表しています。理論的には、これらのSKUは安全在庫のレベルが低く、可能な中止の候補となります。

一般的な経験則として、ABC XYZ分析は、x軸に沿って移動するにつれて、需要を予測する難しさに応じてSKUにより多くの安全在庫が必要であることを示しています（ただし、CZ SKUは上記のように特筆すべき例外です）。

サービスレベル

直感的には、AクラスのSKUのサービスレベルを維持することが最も重要ですが、x軸を移動するにつれてレベルを下げることも選択肢となります。例えば、AX SKUは、前者と比較して需要の変動が少ないため、AZ SKUよりも高いサービスレベルの目標を持つ可能性があります。y軸を下に移動するにつれて、サービスレベルの目標は通常低下し、CZ SKUが9つのカテゴリーの中で最も低いサービスレベルの目標を受けるのは当然のことです。

図2. モデルABC XYZマトリックス。y軸には収益、x軸には需要の変動が表示されています。このマトリックスは、各指定に対する潜在的なサービスレベルの目標を表示し、収益が減少し需要の変動が増加するにつれてレベルが低下します。

ABC XYZの制約事項

ABC XYZ分析は、カタログに対する（わずかながら）より深い洞察を提供すると主張されていますが、ABC分析の制約事項をすべて保持しながら、ほとんど実質的な内容を提供する試みです。要するに、それは重要性のない革新であり、ABC分析に欠けていたさらなる欠点のクラスを作り出すとさえ言えるでしょう。

ABC XYZへの実用的な異議

• 低解像度： ABC XYZマトリックスの9つのカテゴリは、需要の上昇と下降の傾向（図3のハリーポッターとテスラのTシャツを参照）、限られたオファリング（スエズ運河のTシャツを参照）、および季節性（冬の靴を参照）などの需要パターンを見逃しています。その結果、これらが在庫ポリシーに与える影響は完全に未知のままです。この制約事項は、供給チェーンの実践者が各軸にさらに多くのクラスを任意に選択していないことを前提としていますが、このアプローチの自由な性質から考えると、それは完全に可能です。

図3. ライングラフは、モデルデータセットでABC XYZ分析が見逃したエッジケースを示しています。例えば、ハリーポッターとテスラのTシャツはともにBYクラスのSKUとして終了し、同じサービスレベルと安全在庫の目標を受け取ります。これは、SKUが明らかに完全に逆方向にトレンドしているという事実を無視しています。

• 不安定性の増加： ABC XYZ分析は、ABC分析によって作成された任意で不安定な分類を拡張します。CZとCY、またはBZとBYの間の実際の金銭的な差は、ほとんど目に見えないほど小さいか、ほとんど財務上気づかれないかもしれません。さらに、ABC分析と同様に、これらのほとんど気づかれない差異は、選択した時間枠によって変動する可能性があります。例えば、SKUは選択した時間枠（月次、四半期、年次の時間枠）の拡大または縮小によってAZとCZの間を振動することがあります。上記で説明した9つのカテゴリの選択と同様に、より大きなまたは小さな時間枠を選択することには、それ以上またはそれ以下の意味はありません。したがって、このような不安定な入力に基づいてサービスレベルと安全在庫の目標を設定することは、深刻な欠陥です。

• 官僚主義の増加： 上記で説明した不安定なカテゴリは、管理者が介入し、それぞれに異なる方針を確立する必要があるという定義によって要求されます。残念ながら、これによりさらに多くの官僚主義が生み出され、帯域幅が浪費されます。A-SKUとB-SKUの違いがわずかなパーセンテージポイント（またはわずかな金額）である可能性があるように、YクラスとZクラスのSKUのCVの差異は最大でもかすかなものです。これらのパラメータは完全に任意であり、最終的には委員会によって決定されるため、疑問の余地があります。SKUが観察期間中に9つのカテゴリの間を簡単に移動できることを念頭に置いて（それがどこで終了するかに関係なく）、この情報に基づいて任意のサービスレベルを設定することは、不必要な管理と会議の発生のみならず、コストのかかるストックアウトイベントの発生確率を高めます。 さらに、これらの任意のパラメータを設定するために関与するシェフの多く、もしくはほとんどは、アプローチを解析するための必要な数学的なトレーニングを持っていないでしょうし、数値レシピに有意義に貢献することもできません。この批判は、_ABC XYZへの理論的な異議_で詳しく説明されています。また、増加した分類と官僚主義にもかかわらず、ABC XYZ分析は実際にはなぜ特定の製品が予測困難であるか（CZ SKUなど）を特定しないことにも注意する必要があります。むしろ、それらが予測困難であることを単に確認し、管理者はこれらの偶然の分類に任意に適用する安全在庫の数式について議論することになります。

• 財務的な視点の欠如: ABC XYZ分析は、根本的には経済ドライバーに対する第一次のアプローチに基づいています。要するに、この考え方では、SKUは直接的な利益貢献の観点でのみ考慮されます。ABC XYZは需要の変動も考慮しているように見えますが、その基盤は依然として各SKUが個別の直接的な意味（収益など）でどれだけ貢献しているかに基づいています。このアプローチでは、SKUを単独で見るのではなく、組み合わせとして見るべきです。この微妙な違いは、第二次のアプローチの特徴であり、たとえ前者が重要な収益をもたらさなくても、在庫にあることで後者の販売を容易にすることができるため、CX SKUの価値はその直接的な価値をはるかに上回る場合があります。したがって、既に任意の分類プロセスによって生じる任意の在庫ポリシーは、これらの微妙な経済ドライバーに完全に無関心です。これは、真の価値が実現されていないSKUの在庫切れの事例をほぼ確実に引き起こすでしょう。²

ABC XYZへの理論的な異議

ABC XYZ分析は、半高度な数学的原理の適用によって、古典的なABCアプローチの優れたバージョンのように思われるかもしれません。しかし、ABC XYZがモーメント理論を採用していることは、暗黙の統計分析が不完全であるために単純化されているということです。平均値と分散がこのタイプの数学的分析の有効な要素であると言えるのは公平ですが（つまり、ランダムな需要変数の分布を理解するため）、他の同様に有益なモーメントが完全に見落とされています。

三次モーメントである歪度は、ABC XYZ分析では取り上げられておらず、四次モーメントである尖度も取り上げられていません。売上が平均値の周りにどれだけ均等に分布しているか（またはしていないか）は、歪度によって測定されます。一方、尖度は、データセットが正規分布のデータセットと比較してどれだけ「尖っている」または「平ら」なのかを測定します。これらのモーメントは、基礎となるデータに有益な洞察を提供するため、堅牢な統計分析では標準的な手法として取り入れられるべきです。³

その結果、ABC XYZ分析の統計的調査の妥当性は、最良の場合でも未完成であり、最悪の場合では誤解を招くものです。実際、現代のコンピューティングと統計技術の性質上、4つのモーメントに制限する必要はありません。したがって、これらのモーメントを組み込んだABC XYZの理論的な将来のバージョンであっても、比較的弱いものになるでしょう。

Lokadの見解

ABC XYZ分析は、根本的にはABC分析を改善しようとする不必要で誤った試みです。ABC分類の固有の制限を置いておいても、XYZの計算は、研究問題が誤解されているために有意義な洞察をもたらすことができず、選択されたツールが適切でないために実行することができません。

ABC XYZは、予測が困難なSKU（例：AZまたはCZ）に適切な在庫ポリシーを特定することを目指していますが、なぜこれらのSKUが予測が困難であるかを特定することはありません。さらに、SKU同士の相互作用（間接的な価値）についても詳細な視点を提供せず、微妙なサービスレベルとそれに対応する在庫レベルの目標を決定する上で重要な役割を果たしています。これらの懸念を無視することで、分析は実質的には暗闇で手探りしている状態です。

基礎となるツールに関しては、この手法は前任者の任意のパラメータを2倍にし、クラスの数を3倍にすると同時に、統計の一部の理解を取り入れています。ABC XYZの支持者がどれほど善意を持っていても、この違反は無視できません。潜在的な危険は、XYZの計算が読者に提示する厳密さの外観です。ABC分析とは異なり、動作するコンピュータと機能する脳を持つほとんどの人にアクセス可能なABC XYZは、初心者にとってはかなり高度で印象的に見えるいくつかの統計原則を活用しようとしていると主張しています。しかし、これは自己の重みを支えることのできない流行語の杖です。売上データの適切な統計分析は、モーメントを使用して可能ですが、ABC XYZの分析で見つかるものよりもはるかに洗練されたモーメントの理解が必要です。

結局のところ、ABC XYZ分析は統計的な堅牢性を犠牲にして、一般的なサプライチェーンの実践者にアクセス可能な状態を維持しています。このトレードオフにより、不安定性が増幅され、ユーザーが関心のある基本的な問題から注意をそらされます。このような手法を超えたビジネスを持つ実践者は、ABC XYZが解決しようとする問題に対するLokadの製品グレードのPIRソリューションのデモンストレーションを手配するために、contact@lokad.comまでメールでお問い合わせください。

ノート