製造業の需要予測：実務ガイド

ホーム » リソース » 製造業の需要予測：実務ガイド

推定読書時間： 14 分

製造業の需要予測とは、顧客がどの製品を、どれだけ、いつ必要とするかを推定することです。過去の需要実績に今後の変化に関する情報を組み合わせ、購買部門と生産部門が共通の前提で判断できるようにします。

実務に役立つ予測があれば、販売の可能性があるものをすべて在庫にすることなく、必要な準備を進められます。誤差や前提を見直すことで、今確定すべきことと、まだ待てることを判断しやすくなります。需要予測は、需要計画の一部です。需要計画には、市場情報を検討し、需要の計画値について合意するまでの、より広いプロセスが含まれます。

実務上の課題は2つあります。意思決定に必要な精度で需要を見積もることと、その需要への対応を実行できる生産計画を立てることです。SkyPlanner APSは、生産に関する判断を具体化する詳細なスケジューリングを担います。判断が変わるたびに、設備ごとの作業順序を組み直す手間を省けます。

ここからは、需要を予測し、その誤差を評価して、実務に活用する方法を説明します。

1. 予測を使って何を決めるのかを明確にする

予測モデルを選ぶ前に、何を決める必要があるのかを整理しましょう。リードタイムの長い製品向けに資材を確保する場合、翌月の在庫補充分を決める場合、生産シフトの追加を検討する場合では、必要な情報の細かさが異なります。

データを集める前に、次の4点を書き出します。

• 予測対象：完成品、製品群など、計画の対象となる品目を明確に定義します。
• 単位：個、パック、キログラムなど、統一した物量単位を使います。売上金額だけでは、価格や製品構成の変化を見落とすことがあります。
• 対象期間：顧客が製品を必要とする時期を定めます。データで把握できる場合は、一貫して顧客の希望日を基準にします。
• 予測の先行期間：調達と製造のリードタイムを踏まえ、何期先までの判断が必要かを定めます。

資材が必要になる4週間前に調達を確定するのであれば、1週間先だけを正確に予測できても不十分です。購買部門が実際の判断に使わなければならない、4週間前の時点で算出した予測値を評価してください。

何を決めるかに合わせて、計画の粒度を選びます。製品群単位の予測は、将来のシフト追加の検討には役立つかもしれませんが、仕様ごとに異なる部品のどれを買うべきかまでは分かりません。一方、めったに注文されない仕様を一つずつ予測すると、有用な情報よりもノイズが増えることがあります。製品群の合計と品目別の内訳の整合性を保ち、構成比の変化が資材や生産能力に影響するかを確認しましょう。

見込生産では、需要予測が在庫補充の判断に役立ちます。受注生産では、確定受注に基づいて実際の製造指示を出し、予測は複数の製品で共通して使う生産能力やリードタイムの長い資材の確保に活用できます。予測があるからといって、受注の裏付けのない完成品在庫を作る必要はありません。

販売目標と需要予測は分けて管理します。目標は企業が売りたい量を示し、予測は顧客が必要とすると現時点で見込まれる量を示します。現在の工場の生産能力に合わせて予測を引き下げても、対応できない可能性のある需要を隠すだけで、問題の解決にはなりません。

2. 顧客が必要とした数量を表す需要履歴を整える

品目別・期間別に、一貫した基準で需要数量をまとめます。ERPの出荷実績を出発点にしてもかまいませんが、その日付と数量が実際に何を表しているのかを確認してください。

注意したいのが納入遅延です。ある週に必要とされた製品を翌週に出荷すると、最初の週の需要が少なく、翌週の需要が異常に多いように見えてしまいます。製品をいつ、どれだけ用意すべきかを予測するのであれば、可能な限り顧客の希望時期を使いましょう。自社の納入遅延を需要のパターンとして学習させないことが大切です。

営業部門や生産・業務部門とともに、履歴を次の観点で確認します。

• 重複レコード、単位換算、製品コードの変更を確認し、データを修正します。返品やキャンセルは、その理由に応じて扱いましょう。すべての修正を新たなマイナス需要として扱わないようにします。
• 実際に需要がゼロだった期間は残します。記録がないことは、必ずしも需要がゼロだったことを意味しません。また、需要の少ない週を削除すると、予測値を過大にしてしまうことがあります。
• 欠品、割当制限、生産能力の制約があった期間を明示します。顧客が100個必要としていたときに60個しか出荷できなかったとしても、需要が60個だったことにはなりません。未充足の要求数量が記録されていれば、それを使います。失注した需要を推定する場合は、推定値であることを明記してください。
• 販促、単発契約、新製品の発売、製品の販売終了を確認します。元の履歴データは保存し、モデルに使う時系列データを補正した理由を記録します。

整理した数量を時系列のグラフにします。水準が安定しているか、増加や減少が続いているか、季節的なピークが繰り返されているか、注文の間隔が長く空いているかを確認しましょう。こうしたパターンから、試すべき予測手法を絞り込めます。

親製品の生産計画から所要量が決まる部品については、部品ごとに独立した需要予測を行わないようにします。こうした従属需要は、部品表と資材所要量計算に基づいて求めるべきです。別々に予測すると、同じ購買判断に対して矛盾する数量が示されるおそれがあります。

3. 需要パターンに合う予測手法を選ぶ

どの製品にも最適な予測手法はありません。まず単純な手法を比較の基準とし、別の手法を使うことで、必要な意思決定が改善するかを確かめましょう。

需要の特徴	まず試したい手法	確認するポイント
比較的安定した需要	直近の移動平均、または単純指数平滑法	平均を取る期間が、実際の変化を隠さずにノイズをならせているか
繰り返される季節的な需要	比較可能な直近の同じ季節の実績を基準とし、季節性を扱う予測モデルを試す	祝休日の時期、稼働日数、製品ラインアップが変わっていないか
継続的な増加・減少傾向	トレンドを考慮した指数平滑法など、傾向を扱えるモデル	成長が続いているか、それとも製品が成熟期に近づいているか
測定できる要因と関連する需要	回帰分析、または適切な機械学習モデル	予測を出す時点で、その要因に関する情報を実際に入手できるか
需要ゼロの期間が多く、ときどき注文が入る	Croston法系の手法など、間欠需要に対応した予測手法	需要のない週を一つずつ当てられるかだけでなく、補充に必要な期間全体での予測性能
実績がほとんどない新製品	類似製品の実績と、一定の手順で整理した営業・顧客の見立て	発売時の前提、既存製品からの需要の移行、実際の需要をどれだけ速く予測に反映できるか

単純指数平滑法は直近の実績を重く扱いますが、基本形ではトレンドや季節性をモデル化しません。Croston法系の手法は、ゼロ以外の需要数量とその発生間隔を考慮して間欠需要を扱います。ただし、次の注文に関する不確実性がなくなるわけではありません。

移動平均の分かりやすい例として、直近3週間の需要が80個、100個、120個だったとします。3週間移動平均による翌週の予測は、次のようになります。

予測値 = (80 + 100 + 120) ÷ 3 = 100個。

この計算は簡単に説明できますが、実際の上昇傾向への追随が遅れることもあります。3つの実績値で示せるのは計算の仕組みであり、その製品に手法が適していることではありません。

候補となる手法は、直近の需要実績や、季節性のある品目なら比較可能な直近の同じ季節の実績といった、単純な基準と比較します。複雑なモデルを採用する理由は、名前の高度さではありません。学習に使っていないデータでの予測性能が優れているか、実務上よりよい判断につながることが必要です。

販促や経済指標を使うモデルでも、将来の入力値には現実的な想定が必要です。予測を出した時点では得られなかった情報を使って検証すると、実際に可能だった以上によい結果に見えてしまいます。また、予測に役立つ関係があるだけでは、その要因を変えれば特定の売上増加が起きるという因果関係の証明にはなりません。

4. 基準となる予測を残し、事業上の知見を加える

過去の実績だけですべては分かりません。顧客が操業停止を発表している場合もあれば、販売代理店が拠点を増やす場合や、新しい製品が旧モデルに取って代わる場合もあります。

統計モデルによるベースラインを確認できるようにしておき、業務上の判断による調整は1件ずつ別に記録します。数量、対象期間、理由、担当者、見直し日を記載してください。調整を加える前に、その影響がモデルや別の調整ですでに織り込まれていないか確認します。

ある週のベースラインが100個だったとします。営業部門から、新規顧客による追加需要20個の根拠が示されました。これは、すでに織り込まれている需要とは別の純増分です。見直し後の予測は120個になります。ただし、その顧客が別の製品から需要を移しているのであれば、単純な需要増として扱わず、移行元の製品も調整します。

こうすることで、追加需要が実際に発生したか、どの期間に発生したか、手動調整によって予測が改善したかを具体的に検証できます。継続的にベースラインの誤差と調整後の予測誤差を比較しましょう。有益な情報を反映する調整は残し、繰り返し楽観的な予測につながる調整は原因を調べます。

先行きが不確かな新製品の発売や大型契約については、基本ケースに加え、妥当な範囲の上振れ・下振れケースを、それぞれの前提とともに残します。これらは計画用のシナリオであり、統計的に校正された予測区間ではありません。資材を引き当てるか、シフトを追加するか、製品在庫を持つ判断を後に延ばすかなど、シナリオによって変わる意思決定を洗い出すために使います。

5. 意思決定に必要なリードタイムで予測誤差を測る

発行した予測はすべて、発行日、対象期間、品目、バージョンとともに保存します。需要実績が判明したら、納入直前に改訂した最新版ではなく、実際に判断や対応が必要だった時点で利用できた予測と比較してください。

予測手法の選定には、過去データを使ったバックテストを行います。過去のある時点で利用できた情報だけでモデルを当てはめ、必要な期間先まで予測します。その後、予測の起点を先に進め、同じ手順を繰り返します。このローリング方式なら、将来の実績情報を過去の予測に混入させることなく、実務と同じ条件で検証できます。

予測誤差の計算例

ある製品について、4週間分の予測を評価するとします。以下の表の各行では、いずれも対象週の4週間前に発行し、保存した予測を使います。ここでは、符号付き誤差を「予測値 − 需要実績」と定義するため、正の値は過大予測を示します。

対象週	保存した予測値	需要実績	符号付き誤差	絶対誤差
第1週	110	100	+10	10
第2週	110	120	−10	10
第3週	110	80	+30	30
第4週	110	100	+10	10
合計	440	400	+40	60

この結果を3つの指標で見ると、それぞれ異なる側面が分かります。

平均絶対誤差（MAE）= 絶対誤差の合計 ÷ 期間数 = 60 ÷ 4 = 週当たり15個。

MAEは、典型的な誤差の大きさを製品の数量単位で示すため、理解しやすい指標です。ただし、予測が過大になりやすいか、過小になりやすいかは分かりません。

加重絶対パーセント誤差（WAPE）= 絶対誤差の合計 ÷ 需要実績の合計 × 100 = 60 ÷ 400 × 100 = 15%。

この例のように需要量が負にならない場合、WAPEは需要総量に対する絶対誤差の割合を示します。各週の予測誤差がすべて15%以内だったという意味でも、85%の確率で需要を満たせるという意味でもありません。

平均符号付き誤差（バイアス）= 符号付き誤差の合計 ÷ 期間数 = 40 ÷ 4 = 週当たり+10個。

ここで定義した符号の取り方では、予測は平均すると過大でした。4週間の合計では、需要実績を40個、つまり需要実績総量の10%上回っています。過大予測と過小予測は合計すると相殺されることがあるため、バイアスだけでは誤差の大きさを表せません。

この4行は指標を説明するための例であり、検証に十分な履歴ではありません。その製品に関係する季節性、受注パターン、変化を反映できるよう、予測の起点をずらした検証を十分に行ってください。

精度指標を誤解しないために

平均絶対パーセント誤差（MAPE）は、各期間の絶対誤差をその期間の需要実績で割って求めます。需要実績がゼロの場合は定義できず、ゼロに近い場合も値が不安定になるため、需要が断続的に発生する製造品目で標準的に使う指標としては適していません。

WAPEは、一部に需要ゼロの期間があっても計算できますが、需要実績の合計がゼロの場合は定義できません。また、分母が需要量によって変わるため、個数で見た誤差が変わらなくても、需要が増えるだけで比率が改善することがあります。同じ検証期間を使い、MAE、バイアス、単純なベースラインと併せて評価してください。

製品群の合計だけを見ると、ある仕様は常に過大予測、別の仕様は過小予測になっていても見逃すことがあります。全体の平均値だけでなく、顧客への供給に支障を来すリスク、高額な在庫、重要なリソースの負荷につながる製品を確認してください。

予測誤差率に、どの製品にも当てはまる許容基準はありません。同じ15個の誤差でも、安価な共通部品と、出荷頻度の低い完成組立品とでは影響が異なります。欠品や余剰のコスト、補充リードタイム、選択できる対応策を踏まえて予測を評価します。バッファは不確実性とサービス水準に関する方針に基づいて決め、すべての生産数量に単純にMAEを上乗せすることは避けてください。

6. 予測を生産の意思決定につなげる

見直し後の予測は、顧客需要の推定値です。生産数量はそれとは別に、確定受注、使用可能な在庫、既存の生産計画による入庫予定、維持したい在庫水準を考慮して決めます。

同じ需要を二重に計上しないようにします。予測が120個で、そのうち70個が確定受注になっている場合、同一期間内で受注分を予測から差し引く単純な予測消費ルールでは、未受注の予測分は50個です。総需要は120個のままで、190個にはなりません。実際の運用ルールでは、異なる日付や需要区分をまたいで予測を消費する場合もあります。

ここで、使用可能な製品在庫が30個あり、期末に10個を残したいとします。生産による入庫予定はありません。120個の需要を満たすには、120 + 10 − 30 = 100個を生産する案になります。ただし、これは在庫や完成品が、それぞれ対応する需要の必要時点より前に利用できることが前提です。

基準生産計画では、こうした品目別の数量と供給可能日を具体化します。MRPは、承認された生産計画に必要な資材や部品を計算します。ただし、予測や在庫残高だけでは、工場に期日どおり生産できる余力があるとは判断できません。

例えば、この100個の生産に、製品当たり0.2時間の機械稼働と、段取りに二時間が必要だとします。重要な設備で必要な時間は22時間です。その設備では、ほかに確約済みの作業が20時間分ある一方、完了期限までに使える時間は40時間しかありません。今回の生産案を含めると負荷は42時間です。二時間の能力不足を解消するか、使用条件を満たす代替設備を使うか、確約内容を見直す必要があります。

設備負荷を収めるためだけに、顧客需要の予測を110個に引き下げてはいけません。需要の推定値はそのまま確認できるようにし、供給不足にどう対応するかを判断してください。

SkyPlannerで対応方針に沿った作業をスケジューリングする

予測の変化を受けて生産の確約内容を変更すると、複数の設備やオーダーにわたってスケジュール調整が必要になることがあります。1つのロットを追加するだけでも、後続工程、すでに各設備で順番を待つ作業、それらに依存する納期に影響します。

SkyPlanner APSは、こうした作業を共通のリソース別スケジュールにまとめます。作業設備・作業区、シフト、作業者、工程、所要時間を定義し、優先順位とロックで計画を調整します。SkyPlannerのスケジューリング用人工知能であるArcturusは、設定された能力、使用可能なリソース、工程間の依存関係を踏まえて作業の割り付けを計算します。ガントチャートには、その結果として得られた作業順序と完了日が表示されます。

先ほどの100個の生産案では、機械加工の所要量を、残りの工順や同じリソースを使うほかの作業と関連付けて確認できます。影響を受ける設備すべての作業順を手作業で整合させなくても、承認済みのシフト変更や優先順位の変更によって、必要な時点までに作業が完了するかを検討できます。

資材制約を考慮するスケジューリングを有効にすると、Arcturusは在庫と入荷予定資材の利用可能時点を考慮して開始時刻を計算します。購買品の納入予定日は、あくまで利用可能になる見込みを示すもので、在庫が更新されるのは入荷を確認した時点です。設備に空きがあっても、資材や前工程の準備が整っていなければ着手できません。

予測と補充の意思決定は、引き続き需要計画の業務プロセスやERPで行ってください。SkyPlannerは、予測から製造作業を自動生成するものではありません。担当者が作成した作業や、システム連携を通じて取り込んだ生産作業をスケジューリングします。SkyPlannerは、公開REST APIを通じてあらゆるERPやMESと連携できます。そのため、意思決定を管理する既存システムを維持したまま、その決定を実行するための詳細なスケジューリングを改善できます。

需要が変わるたびに手作業でスケジュールを組み直しているなら、SkyPlannerを選ぶ理由はここにあります。何を重視するかは計画担当者が決め、Arcturusがその判断を実行に移すために、リソースごとの作業順序を計算します。

スケジュール再調整の迅速化がFredman Operationsにもたらした変化

食品に安全に使えるキッチン用品や包装製品を製造するフィンランドのFredman Operationsでは、以前は設備が空く時刻やシフトごとの生産能力を正確に把握できないまま、手作業で作業の優先順位を決めていました。急なスケジュールの再調整には、1時間以上かかることもありました。

同社はSkyPlannerの導入により、L7とLTRのシステムを連携させ、生産能力と作業を1つのガントチャートで確認できるようにしました。同社の事例によると、受注残全体の前倒し依頼に対応できるかどうかの確認は、手計算では何時間もかかっていたところ、今では数秒で済みます。また、担当チームからは、残業が減り、スケジュール変更にもより迅速に対応できるようになったと報告されています。

ここでの効果は、生産側の対応にあります。要求内容の変更が作業や納期にどう影響するかを、まだ対策を取れるうちに把握できることです。

需要予測と生産現場の対応をつなぐ

意思決定のタイミングに合わせて、見直しの頻度を決めましょう。新たな需要情報が入ったら基準となる予測を更新し、重要な例外については営業部門と検討します。また、それぞれの判断に必要なリードタイムに合わせ、その時点で保存しておいた予測の誤差を追跡します。定期的な予測の修正によって、生産部門がすでに実行に向けて準備している確約事項まで、知らないうちに書き換わらないようにしてください。

合意した変更によって生産数量や製品を供給できる日が変わる場合は、生産作業の情報を更新し、リソースのスケジュールを確認します。これにより、何が変わり、その結果いつ何を納入できるのかについて、購買・生産・営業が共通の認識を持てます。

こうした変更への対応で、計画の手作業をどう減らせるかを確認するには、SkyPlannerのデモをご予約ください。予測の変更を受けて決定した生産数量の例を1つ、その工順と、製品が必要となる日付とともにご用意ください。これらを出発点に、共用する生産能力や、ほかの確約済みの案件への影響を具体的に確認できます。まずはご自身で操作してみたい方は、デモデータでSkyPlannerをお試しください。