安全在庫は2つのばらつきで決まる
安全在庫は、需要のばらつきと調達リードタイムのばらつきの両方を吸収するための在庫です。多くの工場では安全在庫を「平均消費量の◯日分」と一律に決めていますが、これでは需要が安定した品目に在庫を持ちすぎ、変動の大きい品目で欠品します。
教科書的な計算式は、需要の標準偏差とリードタイムの長さ、リードタイムの標準偏差と平均需要を組み合わせ、目標サービス率に対応する係数を掛けるものです。需要のばらつきだけを考える式を使っている工場も多いのですが、実務で欠品を起こすのは、リードタイムのばらつき（納期遅れ）の方であることが少なくありません。
在庫最適化AIの役割は、この計算を品目ごとに、より実態に近い分布で行うことです。需要予測の誤差の分布、リードタイムの実績分布を学習し、目標サービス率を満たす最小の在庫を計算します。最適化計算と機械学習の組み合わせで、生成AIの出番はほとんどありません。
出発点は約束LTと実績LTの差を測ること
調達リードタイムの実績値が取れていないことは、調達・SCMのAIで最大のボトルネックになりやすい点です。購買システムには発注日と約束納期がありますが、実際の入荷日は受入検査や倉庫の入庫記録に別々に入っていて、発注番号で突き合わせられていないことがよくあります。分納や前倒し納入があると、さらに対応関係が崩れます。
最初にやるべきは、品目・サプライヤーごとに「約束リードタイム」「実績リードタイム」「その差（遅れ日数）」を時系列で出すことです。これだけで、平均は守られていても月に数回大きく遅れるサプライヤーや、特定の時期（年末・連休前後）に遅れが集中する品目が見えてきます。
需要側のデータも同じです。出荷実績や受注を需要と見なすと、欠品で出荷できなかった分が需要から抜け落ちます。部品の在庫では、MESの工程での消費実績（どのロットで何個使ったか）が最も実態に近い需要データになります。需要予測に必要なデータで扱う論点と同じです。
品目区分ごとにサービス率を決める
全品目に同じサービス率（欠品しない確率）を求めると、在庫は膨らみます。品目を区分し、区分ごとに目標を決めるのが一般的です。
| 区分の例 | 特徴 | 目標サービス率の考え方 |
|---|---|---|
| 金額大・需要安定 | 在庫金額への影響が大きい | 計算どおりに絞る。発注頻度を上げて在庫を減らす |
| 金額小・需要安定 | 管理の手間に見合わない | 余裕を持たせ、発注の手間を減らす |
| 需要変動大・代替不可 | 欠品が生産停止に直結 | 高めに設定。リードタイム短縮も並行して交渉 |
| 需要が間欠的（補修部品など） | 平均と分散が推定しにくい | 専用の予測手法を使う。個別判断を残す |
目標サービス率は、AIが決めるものではありません。欠品したときの損失（生産停止、緊急輸送、顧客への違約）と、在庫を持つコスト（資金、保管、陳腐化）のバランスを経営が決め、AIはその目標を満たす最小在庫を計算します。間欠的な需要は補修部品・少量多品種の需要予測で詳しく扱います。
公開されている成果の読み方
在庫削減の数字は、海外の先進工場から発表されています。WEFのグローバル・ライトハウス・ネットワークでは、云南白药（昆明）が衛星センシング・IIoT・LLMを使い、在庫日数を38%、欠品率を30%減らしたとされます（2025年9月発表）。美的厨热（芜湖）はAI計画システムとサプライチェーンのコントロールタワーで在庫日数を30%減らしました（2026年1月発表）。中国の36氪の記事（2026年1月）では、宁波のプラスチック金型工場がERPと連携したエージェントで在庫資金を800万元から500万元に減らした例が紹介されています。
導入の手順
この順番だと、AIのモデルを作る前の2と3の段階で、すでに見直すべき品目が見えてきます。調達全体の位置づけは製造業の調達・SCMのAIを参照してください。
よくある質問
安全在庫は「平均消費量の◯日分」で決めてはいけませんか
全品目一律だと、需要が安定した品目で在庫を持ちすぎ、変動の大きい品目で欠品します。需要とリードタイムのばらつきを品目ごとに測り、区分ごとのサービス率から計算するほうが在庫と欠品の両方を減らせます。
リードタイムの実績はどこから取ればよいですか
購買システムの発注日・約束納期と、受入検査や倉庫・MESの入庫実績を発注番号で突き合わせます。分納がある場合は、最後の入荷日か、必要数量がそろった日のどちらで測るかを決めておきます。
在庫最適化に生成AIは使いますか
在庫の計算自体は統計・機械学習・最適化の領域で、生成AIは使いません。生成AIは、計算結果の説明や、担当者が見直すべき品目のコメント作成などの補助に使われます。
この記事に出てくる用語
この記事を書いた人
DELMIA Apriso を中核とした MES / 製造DX の導入・運用・人材育成と、製造業向けAIの調査・開発・教育を手がけるITコンサルティング企業。ISO 9001:2015 / ISO 27001:2022 認証取得。 日本・中国・米国で製造業のMES・データ基盤・AI導入を手がけた実務者が、欧米・中国の一次情報にあたって書いています。
