死蔵在庫を防ぐためのダブルクォンタイル予測
各SKUに関連付けられた在庫は、将来を見越したものです。より技術的な観点からは、SKUの再注文ポイントはクォンタイル予測と見なすことができます。クォンタイルは、ストックアウトを回避するため、サービスレベルと同等の確率で発生する最小の在庫量を示します。
この見方は非常に有用である一方、実際には在庫過多のリスク、すなわち死蔵在庫が発生するリスクについて何も触れていません。なぜなら、統計的に直接扱われるのはあくまでストックアウト側の問題だからです。しかし、商品が消耗性の場合や、製品の需要が急激に消失する可能性がある場合、在庫過多のリスクは重要となります。これは、次世代製品が市場に登場する際に家電製品で見られるような状況です。
例：西洋の小売業者が、スノーチェーンなどを販売しているケースを考えます。これらのチェーンの輸入にはリードタイムが3か月かかります。小売業者が所在する地域はそれほど寒くなく、5年に1度の冬だけがスノーチェーンの使用を正当化します。寒い冬ごとに、地域のスノーチェーンの需要は1,000セットです。この状況では、サービスレベルが80％を超える任意のクォンタイル予測では、ストックアウトの確率を20％未満に抑えるために1,000セット以上の在庫を持つことが示唆されます。しかし、冬がそれほど寒くなければ、小売業者は数年間にわたり1,000セット以上の未販売のスノーチェーン在庫を抱えてしまうことになります。通常のクォンタイルによる再注文ポイントの算出は、需要が急増する上方の状況に焦点を当てていますが、需要が消失する下降局面については何も示しません。
しかし、在庫過多のリスクはクォンタイルによって管理することも可能ですが、そのためにはサービスレベルとは異なるτ（タウ）と、リードタイムとは異なるλ（ラムダ）の値を用いたセカンドクォンタイル計算が必要です。
通常の状況では、次のようになります：
R = Q(τ, λ)
以下のように
- Rは再注文ポイント（単位数）
- Qはクォンタイル予測モデル
- τはサービスレベル（パーセンテージ）
- λはリードタイム（日数）
上記の例に示されるように、このような再注文点の計算は、需要低下に伴う金融リスクを考慮せず、企業が死んだ在庫を抱える結果となる大きな値を導く可能性があります。
在庫過剰のリスクに対処するために、式は以下のように改訂できます:
R = MIN(Q(τ, λ), Q(τx, λx))
以下の通り:
- τxは在庫過剰の最大許容リスクです
- λxは在庫を処分するための適用期間です
この場合、通常の再注文点は代替の分位点計算によって制限されます。
パラメータτxは在庫過剰の許容リスクを反映するために使用される。そのため、通常のサービスレベルで90%の値を用いるのではなく、一般的に10%程度またはそれ以下の低い割合が考慮される。
パラメータλxは、商品の在庫価値が、商品が劣化しやすいまたは陳腐化しているためにリスクにさらされる期間を示すために使用される。
例: 2日間のリードタイムを持つトマトを販売する食料品店のケースを考えてみましょう。小売業者は、棚に置いてから5日以内にトマトが市場価値の20%を失うと見積もっています。したがって、トマトの在庫は十分に低く保つべきであり、5日以内に全在庫が売り切れない確率が10%未満であるようにします。このため、小売業者は、高い品揃えを維持するためにτ=90%およびλ=2日の再注文点Rの第二の式と、死んだ在庫リスクを抑えるためにτx=10%およびλx=5日を組み合わせて採用しています.
現時点では、Salescastはネイティブに二重分位点計算をサポートしていませんが、異なるリードタイムおよびサービスレベルのパラメータを用いて2回実行することで、同様の効果を得ることが可能です.
