Upgrade to Pro — share decks privately, control downloads, hide ads and more …

薬局の在庫発注管理の難しさと機械学習活用

kakehashi
October 28, 2021

 薬局の在庫発注管理の難しさと機械学習活用

kakehashi

October 28, 2021
Tweet

More Decks by kakehashi

Other Decks in Business

Transcript

  1. 2 フレームワーク アジェンダ
 2
 • 自己紹介
 • 在庫発注管理 3ステップ
 •

    在庫発注管理の方法論
 • 薬局の在庫発注管理の難しさと機械学習活用
 

  2. 3 フレームワーク インフラ ミドルウェア 保坂 桂佑 株式会社カケハシ AI在庫管理 データサイエンティスト 兼

    エンジニア 経歴 • 2007年〜2015年 NTTデータ数理システムでデータ分析のコンサルティング • 2016年〜2020年 リクルートコミュニケーションズ (現リクルート) データサイエンティストとして配本最適化、 CM出稿最適化など ドメイン横断のプロジェクトを推進 その後機械学習エンジニアグループのマネジャーを経験 • 2021年より現職 専門 • 統計、データマイニング、機械学習 (主にテーブルデータ) • 数値計算 趣味 • テニス、スキー、子育て 自己紹介
 3

  3. 在庫発注管理の方法論
 5 発注方式
 内容
 定量発注方式
 残りの在庫が一定数(発注点)以下になったら発 注する方式
 定期発注方式
 「毎月1日」といった形で発注するタイミングを設 定する方式


    簡易発注方式
 重要度の低い商品に適用される方法。「ダブル ビン方式」と「補充方式」に大別される。
 不定量不定期発注方式
 発注数ではなく、出荷対応日数やリードタイム日 数、在庫日数を元に毎回異なる数を発注
 同期化発注方式
 発注先と契約し、毎日一定数を納品させる方式
 分納発注方式
 計画に合わせて在庫が必要になるタイミングで 発注する方式
 在庫発注管理の改善は製造業やスーパー、コンビニのような小売業で長く取り組まれてきており、様々な手 法が知られている。
 https://it-trend.jp/inventory_control/article/ordering-sysytem 需要予測方法
 内容
 時系列分析法
 今までの販売実績を時間経過に沿ってデータ 分析する方法。一般的には4つの手法が使わ れている。
 
 ▪非季節手法
 ▪季節手法
 ▪ARIMA(自己回帰和分移動平均)モデル
 ▪重回帰分析
 移動平均法
 過去の売上から算出される「移動平均」をもと に需要予測をする手法
 指数平滑法
 過去の販売の予測値と実績値を割り出すこと によって導き出される「予測値」を用いて需要を 予測する手法
 加重移動平均法
 移動平均法の一種で、移動平均法よりも最新の需 要変動の影響を加味した手法 
 https://it-trend.jp/inventory_control/article/97-0040
  4. 薬局の在庫管理の難しさ - 在庫管理単位の問題
 10 エンシュア・H バニラ味 コーヒー味 ストロベリー味 バニラ味 24缶入り

    コーヒー味 24缶入り ストロベリー味 24缶入り セルベックスカプセル 50mg PTP 10カプセルシート PTP 21カプセルシート バラ PTP 10カプセルシート 10枚入り PTP 10カプセルシート 100枚入り PTP 10カプセルシート 300枚入り PTP 21カプセルシート 10枚入り PTP 21カプセルシート 50枚入り PTP 10カプセルシート 150枚入り バラ 500カプセル入り 1瓶 バラ 3000カプセル入り 1瓶 発注の粒度(GS1コード) 処方の粒度(YJコード) 逆に発注時には、在庫管理には細かすぎる単位でのコード体系を用いて発注を行っている。
 どれを何個持っていても違いはない
  5. 薬局の在庫管理の難しさ - 在庫管理単位の問題
 11 エンシュア・H バニラ味 コーヒー味 ストロベリー味 バニラ味 24缶入り

    コーヒー味 24缶入り ストロベリー味 24缶入り セルベックスカプセル 50mg PTP 10カプセルシート PTP 21カプセルシート バラ PTP 10カプセルシート 10枚入り PTP 10カプセルシート 100枚入り PTP 10カプセルシート 300枚入り PTP 21カプセルシート 10枚入り PTP 21カプセルシート 50枚入り PTP 10カプセルシート 150枚入り バラ 500カプセル入り 1瓶 バラ 3000カプセル入り 1瓶 発注の粒度(GS1コード) 処方の粒度(YJコード) AI在庫管理では新たに在庫管理に適切な単位を定義し、コード体系を作っている。
 在庫管理に適切な粒度
  6. 需要発生メカニズムを考慮し、初回来局 (≒急性疾患)と再来局(≒慢性疾患)をそれぞれ別のアルゴリズムで 予測する方法を採用している。 薬局の在庫管理の難しさ - 需要の発生メカニズム
 15 処方箋データ 初回来局分 再来局分

    再来局 予測モデル構築 初回来局 予測モデル構築 初回来局 予測モデル構築 再来局 予測モデル構築 直近来局 初回来局 予測モデル予測 再来局 予測モデル予測 需要予測
  7. 初回来局分予測モデル
 • 高精度な需要予測が行えると言われているFacebook開 発のProphetを使用
 • 年間のシーズナリティや、年をまたぐ傾向(減少傾向、増 加傾向)、週の中の傾向を抽出して予測
 ◦ 季節性疾患、薬の移行傾向が抽出できる 


    ◦ 長い期間に渡る傾向の抽出には、その分長期間のデータが必要にな る(eg. 年間シーズナリティ抽出には1年以上必要) 
 
 • 外部要因の変数(外生変数)を考慮できる
 ◦ コロナ、スギ花粉量、さくらんぼ収穫時期のようなものも変数として用 意すれば考慮して予測できる 
 
 • 周期性が見られない部分は誤差とみなされる
 ◦ 個人個人の行動は周期性があっても、それが積み重なると周期性が 見えなくなり、誤差と思われてしまう 
 ◦ 
 • 薬局 x 薬 単位でモデルを作る必要がある
 ◦ 他薬局の薬との類似性は考慮できない 
 https://www.nogawanogawa.com/entry/time_series 16

  8. 21