在庫削減で最初に行うべきことは、在庫数量に一律の削減目標を掛けることではありません。「どの商品を、どの拠点に、どのサービス水準を守るために持つか」を需給・調達・物流の共通ルールに置き換え、需要と実在庫を同じ粒度で見える化することです。これにより、過剰在庫を減らしながら欠品、緊急輸送、販売機会損失の増加を避けられます。
在庫は資金を拘束する一方、供給変動や需要変動から顧客を守るバッファでもあります。したがって、目標は「在庫ゼロ」ではなく、品目・拠点・リードタイム別に根拠を持った適正在庫を運用することです。経済産業省も、予測と実需の乖離が欠品やブルウィップ効果による在庫過多につながること、サプライチェーン全体の在庫と実需を踏まえた調達・生産指示が必要であることを示しています。[1] 本稿では、荷主、物流事業者、製造・卸・小売の責任者が、在庫を経営課題として改善する実務手順を解説します。
在庫削減の成否を分ける考え方
在庫は、発注ロットに由来するサイクル在庫、需要・供給の不確実性に備える安全在庫、工程間に滞留する仕掛在庫、販売終了・品質期限・仕様変更で動かなくなる滞留在庫に分けて捉えます。原因が違う在庫を合算して減らすと、必要な安全在庫まで削り、欠品後に緊急発注や特急便でコストを戻す失敗を招きます。
国土交通省の総合物流施策大綱は、物流・商流データ基盤に生産、購買、店舗在庫、入出庫、積載率などの情報をつなぎ、協調領域の情報共有によって無駄な生産・在庫、在庫廃棄、配送を減らす方向を示しています。[2] 改善の単位を物流センターだけに閉じず、販売予測、受注、補充、製造、調達、輸配送までつなぐことが出発点です。
適正在庫とは、設定したサービス水準を満たすために必要な在庫を、変動とリードタイムを織り込んで保持する状態です。 金額や数量の小ささではなく、欠品リスクと保有コストの均衡で判断します。
先に避けたい4つの失敗パターン
| 失敗パターン | なぜ起きるか | 起こりやすい結果 | 改めるべき判断 |
|---|---|---|---|
| 全品目に同率の削減をかける | 売上・供給リスク・代替性を区別しない | 主力品の欠品と不動在庫の残存 | ABC分類に加え、変動性と調達難度で方針を分ける |
| 月末在庫だけで成果を測る | 入出庫の山谷、発注残、滞留を無視する | 月末だけ圧縮し、翌月に補充が反動増 | 日次または週次の平均在庫とサービス指標を併読する |
| 予測値をそのまま発注量にする | 予測誤差と供給リードタイムのばらつきを扱わない | 欠品または安全在庫の過大化 | 予測誤差とリードタイムを使って発注点を更新する |
| システム導入を先行する | 品目、拠点、単位、在庫ステータスの定義が未統一 | データ連携後も帳簿在庫と実在庫が合わない | 業務ルールとマスターを先に標準化し、段階導入する |
とりわけ危険なのは、財務上の在庫金額だけをKPIにして現場へ削減を迫る方法です。在庫削減は、販売・調達・生産・物流のトレードオフです。例えば、発注ロットを小さくすれば平均在庫は下がりますが、発注・段取り・輸送の頻度は増え得ます。サービス水準、総コスト、供給リスクを同じ会議体で判断できるようにしなければ、部門最適の付け替えになります。
現状把握で必ずそろえるデータ
精緻なAIより先に、意思決定に使える基礎データを整えます。最小単位は原則として「品目×拠点×日（または週）」です。製造業ならロット・工程、小売なら店舗・チャネル、物流事業者なら荷主・在庫区分まで追えるようにします。数量の単位、ケース入り数、品目コード、ロケーション、在庫ステータスを統一し、返品・保留・委託在庫・発注残を通常在庫と混ぜないことが要点です。
| データ群 | 必須項目 | 分析・運用での使い道 | 主な保有部門・システム |
|---|---|---|---|
| 需要・受注 | 出荷実績、受注日、納品日、失注・欠品、販促・季節要因 | 需要の水準、変動、予測誤差、機会損失を把握 | 営業、EC、POS、受注管理 |
| 在庫・入出庫 | 実在庫、引当済み、保留、ロケーション、ロット、期限、棚卸差異 | 利用可能在庫、滞留、在庫精度を把握 | WMS、ERP、棚卸 |
| 補充・供給 | 発注日、入荷日、発注残、最小発注量、調達・製造リードタイム | 発注点、安全在庫、供給リスクを設計 | 購買、生産管理、SCM |
| コスト・制約 | 保管費、廃棄、欠品時対応、輸送条件、容量、温度帯 | 総コストと実行可能な施策を評価 | 経理、物流、委託先 |
棚卸差異を放置したまま最適化計算をしても、計算の前提が崩れます。国土交通省の物流DX事例集でも、複数拠点の物流容器を一元管理し、入出荷情報を照合して流れをリアルタイムに把握することで、帳簿上と実在庫の差異を抑えた事例が紹介されています。[3] 「在庫が見える」とは、ダッシュボードがあることではなく、誰が見ても同じ可用在庫にたどり着けることです。
経営と現場をつなぐKPI設計
KPIは一つに絞りません。在庫量、サービス、精度、滞留、供給をセットで追い、品目群別に改善効果を判定します。金額KPIは経営会議、数量・日数KPIは需給会議、在庫精度は現場改善会議と、使う場面と責任者を決めます。
| KPI | 基本的な定義・式 | 見る目的 | 注意点 |
|---|---|---|---|
| 在庫回転率 | 売上原価 ÷ 平均在庫金額 | 資金滞留の大きさを把握 | 品目構成が変わるため、全社値だけで結論を出さない |
| 在庫日数 | 平均在庫金額 ÷ 売上原価 × 対象日数 | 需要に対して何日分あるかを見る | 季節品は需要期・閑散期を分ける |
| 欠品率・充足率 | 欠品数量または即納できた数量 ÷ 要求数量 | 顧客サービスを守れているか確認 | 代替出荷や分納の扱いを統一する |
| 予測誤差（WAPE等） | 誤差絶対値合計 ÷ 実績需要合計 | 予測が安全在庫に与える影響を把握 | 販促、終売、異常値を識別して評価する |
| 在庫精度 | 正しい数量・場所の在庫件数 ÷ 調査件数 | 発注判断の信頼性を測る | 棚卸時だけでなく循環棚卸で確認する |
| 滞留・期限接近在庫 | 基準日数または期限を超えた在庫の数量・金額 | 処分前に販売・転用の手を打つ | 基準は品目特性とリードタイムで定める |
KPIの目標値は他社平均を写すのではなく、顧客への約束、品目特性、供給制約、現状のデータ品質を基に設定します。経済産業省は、データの標準化・一元管理により部門横断でデータを蓄積し、製造プロセス全体を視野に入れた最適化を可能にするとしています。[1] KPIも、営業の売上、購買の単価、物流の保管量を別々に最適化するのではなく、共通の需給KPIに接続させます。
在庫を減らしながら欠品を増やさない6ステップ
| 手順 | 実施内容 | 成果物・意思決定 |
|---|---|---|
| 1. 目的を定義する | 対象事業、顧客サービス、在庫削減の狙い、意思決定者を定める | KGI、対象範囲、会議体 |
| 2. 在庫を可視化する | 品目×拠点×在庫ステータスで実在庫、発注残、需要を接続する | 信頼できる在庫台帳と差異一覧 |
| 3. 分類する | 売上・粗利寄与、需要変動、調達難度、期限、代替性でセグメント化する | 品目別の補充・処分方針 |
| 4. 発生原因を診断する | 過剰が予測、最小ロット、リードタイム、在庫精度、工程滞留のどれかを検証する | 原因別の優先順位 |
| 5. 補充ルールを再設計する | 発注点、安全在庫、発注頻度、最小ロット、拠点配置、例外承認を見直す | 品目群別の運用ルール |
| 6. 小さく検証し定着する | 代表品目・一拠点で試行し、KPIと例外を週次で検証して展開する | 標準作業、ダッシュボード、改善台帳 |
ステップ3では、ABC分析だけで終わらせないことが重要です。売上寄与が大きく変動も大きい品目は、細かな予測更新と高頻度レビューの対象です。一方、動きが少なく供給が安定している品目は、発注頻度の見直しや統合在庫を検討できます。期限品は在庫量の削減だけでなく、先入れ先出し、引当優先順位、代替販売を補充設計に組み込みます。
ステップ5では、リードタイムを「標準日数」だけで置かず、発注から入荷可能までの実績分布で見る必要があります。供給が不安定な品目を平均リードタイムだけで設計すると、安全在庫が不足します。逆に、実績上は短縮できる承認待ち、出荷締め、荷待ちといった管理上の時間があれば、在庫を増やすよりリードタイムを縮める方が本質的な改善です。
数理モデルとAIは「判断の再現性」を高めるために使う
数理モデルは、属人的な発注を検証可能なルールへ変える道具です。継続需要が比較的安定し、発注費用と保管費を把握できる品目では、経済的発注量（EOQ）を用いて、年間需要量 D、一回当たり発注費 K、単位当たり年間保管費 h から、Q* = √(2DK/h) を基準案として計算できます。ただし、最小発注量、車両積載、賞味期限、製造段取り、保管能力があるため、計算値をそのまま採用せず制約を重ねて評価します。*
発注点は、補充リードタイム中の予想需要に安全在庫を加えて設計します。安全在庫は、目標とする欠品リスクに対応する安全係数と、リードタイム中の需要予測誤差のばらつきから設定します。日本経営工学会論文誌の研究は、過去の予測誤差の平均とばらつきに基づき安全在庫を動的に変える方法を提案し、需要パターンが変化する単段階在庫システムで、特定の比較条件下では平均在庫を既存の二方式より約半分削減できたと報告しています。[4] これは削減率をそのまま自社目標にする根拠ではなく、予測誤差を無視した固定安全在庫より、誤差を測り続ける設計が有効になり得ることを示す研究上の示唆です。
AIは、需要予測、異常検知、補充案の優先順位付けに有効です。POS、受注、価格、販促、曜日・季節、天候、在庫切れ履歴などを説明変数にし、複数の予測モデルを品目群ごとに比較できます。しかし、AIに発注を任せる前に、欠品で観測されなかった需要、販促の予定、終売予定、供給制約を人が補正する業務を設計してください。モデル評価は平均誤差だけでなく、品目群別WAPE、予測バイアス、欠品率、在庫日数、例外発注率を併せて行います。国土交通省も、物流DXにおいてモノ・取引の動きの可視化、データ共有、AI活用をサプライチェーン全体の効率化の手段として位置付けています。[2]
30日以内に始める行動
最初の30日間は、全社システム刷新ではなく、判断材料と運用の最小単位を作る期間です。初日に経営・営業・購買・生産・物流・ITの責任者を集め、在庫を減らす目的と守るべきサービスを合意します。第1週には対象を一つの品目群と拠点に絞り、実在庫、発注残、出荷実績、欠品、リードタイム、棚卸差異を抽出します。第2週にはABC分類と需要変動・供給リスク分類を行い、滞留、過剰、安全在庫不足の仮説を品目別に置きます。
第3週には、現行の発注点、発注量、例外承認、在庫ステータスを業務フローにして、担当者の経験則がどこに入るかを明らかにします。第4週には、代表品目で発注点または発注頻度を試行し、平均在庫、欠品率、予測誤差、在庫精度を同時にレビューします。効果が出ない場合も、施策を撤回するのではなく、需要、供給、データ、運用のどの仮説が外れたかを改善台帳に残してください。この学習の蓄積が、後のWMS、需要予測、最適化システムの投資判断を確かなものにします。
まとめ｜在庫削減をSCM全体の改善へつなげる
在庫削減の本質は、在庫を押し込むことではなく、実需、供給、在庫、物流制約を共通のデータとKPIで結び、補充判断を再現可能にすることです。まず実在庫と需要を正しく把握し、品目別に原因を分け、サービス水準を守る発注点と安全在庫を設計してください。数理モデルやAIは、その判断を速く、透明に、継続的に更新するために使います。
自社のどこから着手すべきか、在庫KPIをどう設計するか、データが不足している状態で何を優先するかに迷う場合は、日本SCM協会へ無料でご相談ください。 荷主・物流事業者・製造・卸・小売それぞれの業務特性を踏まえ、現状診断から実行可能な在庫削減ロードマップの整理をご支援します。
参考資料
- [経済産業省「製造業を巡る現状と課題 今後の政策の方向性」][1]
- [国土交通省「総合物流施策大綱（2021年度～2025年度）概要」][2]
- [国土交通省「物流DX導入事例集」][3]
- [曹徳弼「需要予測の誤差を用いた安全在庫の計算方法」][4]
[4]: https://www.jstage.jst.go.jp/article/jima/51/4/51_KJ00001917793/_article/-char/ja/ "日本経営工学会論文誌：需要予測の誤差を用いた安全在庫の計算方法"_