在庫を最適化し、サービスレベルを向上させるための機械学習手法

企業はすべて、顧客サービスを最高レベルに保ちながら、在庫コストをできるだけ低く抑えようとしています。 最近では、サプライ チェーンの回復力がコストと利益の最前線に立っています。 この目的のために、過去数十年のゼロ在庫とジャストインタイムの概念はその有効性を失いました. の AIおよび機械学習技術の使用 は、世界で最も古い問題の XNUMX つとして知られている問題に取り組むための多くの新しい解決策を切り開いてきました。

在庫投資からより多くを得ようとするときに焦点を当てるべきサプライチェーン計画のXNUMXつの主要な領域があります。 上から下へ、そして異なる時間範囲で、それぞれが全体像を正しくするために重要であるため、それらを個別にターゲットにすることが重要です。

サプライチェーン在庫計画担当者のXNUMXつの分野に焦点を当てる必要があります

1）予測誤差をより適切に削減する 需要計画で予測エラーを削減 機械学習を使用する

2）次のような規範的なアルゴリズムを使用してより良い在庫目標レベルを確立する マルチエシェロン在庫最適化（MEIO)

3）供給フローをと同期させる S&OP & S&OE 機械学習を使用して、サプライヤーの顧客と運用パターンを予測（学習）します

4）使用 機械学習アルゴリズム 安全在庫の価値を改善し、混乱を予測してリスクを軽減し、回復力を向上させる

予測エラーの削減

サプライチェーンで必要とされる在庫の量に影響を与えるXNUMXつの重要な要因は、サプライヤーのリードタイムと需要の不確実性です。 在庫計画と管理の予測は必ずしも完璧ではありませんが、プロセスとテクノロジーの改善によって精度を高めるためにできることはたくさんあります。 予測と「コンセンサス需要」（つまり、すべての部門によるXNUMXつの予測番号の集計と合意）も、予測誤差を決定するために使用されます。 したがって、企業がコラボレーションを促進するための強力なプロセスを実施していない場合、他のどの分野でもうまくいくことはできません。 予測アルゴリズムは、特に機械学習技術を使用する場合の優れた出発点ですが、新旧の製品の予測ポリシーの設計と利害関係者を決定するためのプロセスを導入する必要があります。 さらに、システムはさまざまな参加者による貢献の正確さを監視し、それに応じて入力の重みを調整できます。

Multi Echelon Inventory Optimization（MEIO)

多くの製品、地域、顧客が存在するエンドツーエンドのサプライチェーンでは、在庫をどこにどれだけ配置するかを把握するのが非常に難しい場合があります。 在庫予算の割り当て方法を再調整する方法はたくさんあります。 さらに、在庫プーリングと生産延期の戦略は、計画どおりに複雑で実行が難しい場合があります。 マルチエシェロン在庫最適化（MEIO）システムにより、企業はこれらすべてを考慮して、サプライチェーンのどこに、サプライチェーンの各段階で在庫を確保するかを決定できます。 会社が手動システムを使用している場合（したがって、各製品の補償期間をほぼ推測している場合）、または統計的安全在庫値とその「仮定」の影響を計算するための適切なプロセスが整っていない場合カスタマーサービスについては、どのように MEIO システムはサプライチェーンを支援できます。 MEIOは、基本的に最急降下法を使用したAI手法であり、さまざまな顧客や製品のコストとサービスレベルの間のトレードオフを提供します。 また、サービスレベルとコストのトレードオフに基づいて、最適な在庫レベルを定義します。

販売および運用計画

の一環として、 S&OP & S&OE 企業がバッファストック、予測需要、およびバックログから来る在庫需要を満たす方法を決定する必要があるプロセス。 あるいは、容量や材料の制約、またはその他の運用効率の懸念により、企業は実際に必要になる前に在庫を購入または構築する必要があるかもしれません。 製造プロセスのスループットまたは信頼性の変化、および仕掛品の量はすべて、必要な在庫と時期に影響を及ぼします。 とにかく、コンセンサスを提供する供給計画プロセス S&OP 計画は、これらの決定が行われる最初の場所です。 それ以外で、 S&OP ソリューションは、前述の有限の容量、材料、および操作上の制約の影響を考慮していません。 このため、統合されていない限り、在庫レベルの管理は効果的に達成されません。 S&OE サプライヤからの短期的な混乱、WIPの変更、製造上の問題、または需要の急激な変化に対応するためのソリューション。 計画の連続体では、 S&OP & S&OE 真のデジタルサプライチェーンツインを使用して、同じシステム内で実行されます。 必要なのは、システムのデータの粒度と頻度だけです。

機械学習を使用した安全在庫の計算

安全在庫の要件は、ほんの数例を挙げると、需要の変化、季節変動、製品ライフサイクル、地域のイベント、リソースの可用性、特定の地域で予想される天候の混乱など、多くの要因に応じて変化する傾向があります。 機械学習アルゴリズムは、安全在庫の必要性に影響を与えるサプライチェーンの根本的なパターンを見つけるのに役立ちます。 これらのパターンとその根本原因に基づいて、各製品（家族）、顧客、または地域の安全在庫の適切なレベルを予測できます。 このような在庫計画および管理手法は信頼性が高く、在庫コストとサービスレベルに大きな影響を与える可能性があります。

要約すると、サプライチェーンの在庫計画と管理には、在庫の削減と顧客サービスの向上に大きな影響を与える可能性のある多くの領域があります。 通常、企業は最初に需要計画に焦点を合わせ、次に在庫管理に焦点を合わせ、補充計画などの在庫目標レベルを設定する簡単な方法を導入します。 その後、彼らはより良い在庫目標に焦点を合わせます MEIO システムと、供給計画、安全在庫計算、およびを使用したより予測可能な実行などのより優れた供給側戦略 S&OE ソリューション。 サプライチェーン戦略とサプライチェーン計画におけるAI / MLの使用に関する完全なガイドについては、ここをクリックしてください。 こちら.