スライド 1

1.目的
サプライチェーンにおいて重要なこと
・商品のコスト
・商品の充填率
商品の流れ
Supplie
r
DCs
①商品
Retailer
②商品
在庫
需要が予測できれば、
充填率を下げずに在庫が減らせる
2.提案手法
小売の需要を過去のデータから予測
・Campbell Soupの実際のデータで検証
充填率の維持
在庫が66%減少
商品それぞれのコストが最大1.2%減少
利益マージンの低い産業では大きな改善
3.データ
・Campbell Soupの実際のデータ1年分
内容
・4つの小売店それぞれのSKUデータ
特徴
・季節性が全ての小売店で似ている
・毎週のデータが類似
4.プロモーション
小売店は顧客に対してプロモーションを行う
・プロモーションは必ず発生する
・1日から1週間程度続く
プロモーション中は普段よりも大変大きな需要
プロモーション時の需要を分けて考える必要性
5.導入まとめ
・高い充填率を保ったまま小売の在庫を減らす
・Campbell Soupの実際のデータから
小売店の需要の予測モデルを作成&検証
・季節性
・1週間ごとの周期性
・プロモーション時と通常時の推測モデルを分ける
在庫管理のための需要予測
*需要予測
promotion
なし
CRシステムなし(情報が伝わらない)
需要予測
promotion
あり
CRシステム
提案手法
在庫管理のための需要予測
*需要予測
予測しやすい
promotion
なし
CRシステムなし(情報が伝わらない)
需要予測
promotion
あり
CRシステム
提案手法
予測が難しい
⇒promotionありの場合の、正確な予測方法が必要
在庫管理のための需要予測
*需要予測
promotion
なし
CRシステムなし(情報が伝わらない)
需要予測
promotion
あり
CRシステム
提案手法
各SKU、99%の充填率を保った上で、
Retailerの在庫を最小にすることが目的!
需要予測の問題点
高いサービス率
在庫の削減
トレードオフの関係!!
既存の需要予測方法
CRシステムなし(情報は伝わらない)
→いつあるかわからないpromotionに備え、
膨大な在庫が必要
CRシステム(promotionの開始、終了日、規模をそのつど事前連絡)
→○ promotion前に需要予測には使える
× 記録されない
提案手法
1)プロモーション期間の総需要の期待値を算出する式をえる
(1年分のデータの半分を用いて、回帰)
2)1の回帰式を用いて、testデータ期間(後半)の
プロモーション期間の総需要を予測
←プロモーション期間の総需要
の期待値に過ぎない
3)99%の充填率を満たすように、2に在庫をプラス
⇒プロモーション開始時に
DCに必要な在庫ストック量を予測
需要の予測はできたが・・・
トラックの積載量の制限がある
→必要なときに、必要な量が届かない
→優先順位を考えて、効率よく配送したい
在庫の優先付け
それぞれのリテーラーに対して、毎日、
d
各商品のReorder Point Ris 計算。
d
d
d
IP
と
を比較して、在庫量が
Ris
Ris よりも
is
多くなるように、必要なパレット数を決める。
d
is =(手元にある在庫)+(発注在庫)-(受注残)
IP
=(リテーラーがすぐに使える在庫量)
Reorder Point
Reorder Point
d
is
R
d 1  i
d
Ris


t
( Fist  PRis
)  ( M i1  M i 2 ) is
2  i
t d
=( d 1  i 日までに必要になる在庫量の予測)
M i1  0,0.25,,8
M i 2  0,0.25,,8
i  1,2,,6
Reorder Point
M i1、 M i 2 :需要の変わりやすさを表す指標
一ヶ月間promotionがない間
M i1  0 、 M i 2  0
promotion後の一ヶ月の間
M i1  0 、 M i 2  0
店頭での需要が低いリテーラーほど i は
高い
パレットの優先度
b番目のパレットの優先度
R  IP  (b 1)Qis
d
is
d
is
優先度が高い順にトラックに載せる。
トラックの荷台がいっぱいになると、
キャンベルスープからDCに配送される。
結果
結果
結果