自動発注システム比較７つのポイントー東京大学先端科学技術研究センター先端物流科学寄付研究部門_江崎貴裕

自動発注システムを比較・導入する際に考慮しなければならない点についてまとめたトークの資料です。

Transcript

1. infonerv
2. RULE DESIGN 東京大学工学系研究科航空宇宙工学専攻 JST/さきがけ研究員 スタンフォード大学/客員研究員 東大先端研先端物流科学寄付研究部門/特任講師 株式会社infonerv/取締役 NII/特別研究員 ルートエフデータム株式会社/エグゼクティブアドバイザー • • • • • 日本学術振興会/特別研究員
3. 「使える」自動発注システムとは 自動発注ベンダー選び７つのポイント オススメの自動発注プロダクト（宣伝）
4. 「使える」自動発注システムとは 自動発注ベンダー選び７つのポイント オススメの自動発注プロダクト（宣伝）
5. 「使える」自動発注システムとは • 需要予測は飽くまで１要素にすぎない • その他の制約条件の方が遥かに重要！ • 「精度がいい＝在庫制御がうまくいく」とは限らない • そもそも「精度がいい」といってもいろいろな指標・考え方がある • 「高精度なモデル」が年間364日完璧な予測をするが、1日だけ経営危 機に陥るレベルの大量発注ミスをしたら？ • （ちなみに）予測精度が高いモデルはサプライチェーン全体でみると 悪影響を及ぼすこともある
6. 「使える」自動発注システムとは • 現場では様々な「イレギュラー」や「特殊な運用」が存在する • いちいち手作業で対応していたら、結局「自動化しない方が楽」になりうる • 数多くの制約条件を満たすシステム実装は難易度が高いため、後出しで要件 を追加できない場合が多い • システム発注側が事前に（できるだけ）すべて要件をリストアップできる必 要がある • 例えば「製造業向け」の自動発注システムはEC向けには使えない場合が多い
7. 「使える」自動発注システムとは 自動発注ベンダー選び７つのポイント オススメの自動発注プロダクト（宣伝）
8. ポイント①初期費用 • 基幹システムを改修してオンプレで開発する場合、数千万の初期費用が掛かる場合が多 い。一方、開発後運用中のコストは押さえられる。 • 導入後に要件変更する場合は追加でコストがかかる（尚、最初から完璧なものを作り 切るのはかなり困難。使ってみないとわからないことが多い。） • SaaS型の自動発注システムの場合、初期費用は0円～に抑えられる。 • 運用中のコストは多少かかるが、いつでも止められるのでリスクは少ない。途中での 機能追加も比較的安価な場合も（プロダクト全体の機能追加になるため）。 • 既存の多様な機能をすぐ利用可能。
9. ポイント②計算速度 • SKU数が多いと、すべての計算を実行するまでに一晩かかるケースも良くある • オンプレだとこの場合が多い • 朝判明したイレギュラーな受注に対応できない • 夜中や早朝にも受注が発生する場合（ＥＣなど）、数分～数十分で計算を終わらせる必 要がある • SaaSだとマシンリソースを動的に増やせるため高速な対応ができるケースがある • オンプレで実現しようとするとインフラへの投資が過大になりやすい
10. ポイント③制約条件対応 • 仕入れ先ごとに「最低◦◦ケース以上」や「トータルの容積をコンテナの単位に揃えた い」などの多様な制約条件に対応できるか • 需要予測した結果に基づいて在庫が膨らまないように今発注しなくてもいいものを追 加で発注する必要がある • これには「最適化」と呼ばれる技術が必要 • 対応できるプロダクトは非常に少ない • これが自動でできないと結局人が調整する必要が生じる
11. ポイント④リードタイムや発注日、倉庫営業日 • リードタイム • 2,3日なのか90日なのかで使用すべき需要予測のアルゴリズムも大きく異なる • 発注予定日 • 毎日発注するのか、月一回なのかで大違い。また、祝日や国内外の長期休暇も重要。 • 倉庫の入荷可能日 • 土日や年末年始は（出荷はされるが）入荷ができないケース • 前もって多めに在庫を入れておく必要がある
12. ポイント⑤精度とアルゴリズム • 需要予測は100％当たるわけではないので、予備の在庫をいくつにするかが重要 • 例えば「月に1回売れるかどうか」という商品がいついくつ売れるかを当てるのは不 可能。 • 良くあるのが、「予測誤差の標準偏差に安全係数をかける」という方法 極めて古典的で時代遅れな手法。余程安定した出荷が見られるケースを除き、欠品し まくる、または不要な在庫を積んでしまう。 • 理想は需要の複雑なパターンに応じてそれぞれ適切な安全在庫を設定すること。これを やっている自動発注システムは非常に少ない。 • ちなみに、各製品が需要予測の予測精度を公表していても、あまりあてにしないほうが よい（自社の未来のデータでテストしたわけではないため）
13. ポイント⑥例外事象への対応 • 一部の商品を別の倉庫を移動したせいで、データ上、大量の出荷が発生してしまった • 特別な注文がかかったときだけ受注発注するが普段は在庫したくない • 仕入れ先で欠品しており、入荷できなかったため在庫切れで出荷が落ち込んだ • クリスマス前だけ売れる商品はクリスマス後は一切発注したくない • この商品だけは「絶対に欠品してはいけない」設定にしたい • 商品がアップデートされ品番も変わったが以前の販売データも考慮したい • etc…
14. ポイント⑦AIの解釈性 • なぜこの発注数なったのか、計算を（足し算引き算レベルでいいので）追うことができる • 様々な要因を考慮して発注数調整する必要があるため、数字だけでは何が起きているか わからなくなりがち • 需要予測で検知したパターンなどを示してくれるか • 販売が下がる予測をしている等 • 予測の結果在庫の予測がどうなるかグラフなどで見れるか • 導入や使い方のサポートがどれくらいあるか
15. 「使える」自動発注システムとは 自動発注ベンダー選び７つのポイント オススメの自動発注プロダクト（宣伝）
16. 必要な機能を突き詰めた自動発注AI「α-発注」 • 2021年に我々が立ち上げた株式会社infonervが提供するプロダクト • EC小売り、卸、メーカーと極めて幅広い顧客層に対応
17. 必要な機能を突き詰めた自動発注AI「α-発注」 ①導入費用 0円。データを入れればすぐ利用可能。カスタマイズ機能をご要望の場合は柔軟に対応。 ②計算速度 商品数によるが、多くの場合5分～10分程度。高度なインフラ構築に投資。 ③制約条件 極めて広範な制約条件に対応。後から新しいルール追加も可能な独自設計。 ④リードタイムや発注日、倉庫営業日 すべて自在に設定可能。仕入れ先ごとにも設定できる。 ⑤精度とアルゴリズム 機械学習や在庫制御理論の最先端のアルゴリズムを採用し、日々アップデート。 ⑥例外事象への対応 本スライドで紹介したものを含む広範な事象に対応可能な機能群の提供。 ⑦AIの解釈性 すべての計算根拠が理解できるように情報を記載。コンサルタントによるサポートも充実。