【発注点リスト】在庫日数xリードタイムで自動AI

発注判断を「勘」から「仕組み」に変える

発注のタイミングを担当者の経験と感覚に頼っていると、担当が変わるたびに判断がばらつき、欠品や過剰在庫が起きやすくなります。毎朝「どの商品を今日発注すべきか」を個人の判断で決め続けることは、現場の負担になるだけでなく、ミスのリスクも抱えます。「あの担当者しか在庫の状況を把握していない」という属人化は、休暇や退職のたびに業務が止まる原因にもなります。在庫管理をAIや自動化の仕組みと組み合わせることで、発注判断の基準を明確にし、誰がやっても同じ水準の結果を出せる運用を目指すことができます。

発注点を計算するための基本的な考え方

発注点を算出するには、商品ごとの平均販売数（直近7〜28日程度）、現在の在庫数、仕入れにかかる日数（リードタイム）、そして安全在庫の4つのデータが必要です。在庫日数は「現在の在庫数 ÷ 1日あたりの平均販売数」で求められ、発注点は「リードタイム × 1日あたりの平均販売数 + 安全在庫」として計算できます。この発注点を現在の在庫日数が下回った商品を、発注候補としてリスト化します。計算式自体はシンプルですが、商品数が多い場合は毎日手作業で行うと時間がかかるため、自動化する価値が生まれます。AIを補助的に活用する場面としては、過去の販売データから季節変動やイベントの影響を読み取り、安全在庫の設定を見直す際に役立てることができます。

自動化の実践ステップ

発注リストの自動生成は、Google スプレッドシートと Apps Script、あるいは Python スクリプトを組み合わせることで実現できます。前日の在庫データと販売データを読み込み、発注点の計算式を適用して、在庫日数が発注点を下回った商品だけを抽出する処理を毎朝実行する仕組みです。発注数量は「発注点 − 現在の在庫数」として自動で算出できるため、担当者が確認するのは出力されたリストだけで済むようになります。最初は一部の商品カテゴリだけに絞って試すことで、設定の誤りを小さく発見しながら運用を整えることができます。完璧なシステムを最初から目指すより、小さく動かして確認するサイクルを回す方が、実務では定着しやすい傾向にあります。

運用を継続して精度を上げる

発注点の自動化は、設定して終わりではありません。週次で発注リストと実際の在庫推移を照らし合わせ、差し戻しが多かった商品や在庫過多が続いている商品があれば、安全在庫の設定や参照する販売期間を見直します。担当者が「なぜこの商品が発注候補に上がっているか」を計算の根拠から確認できる透明性を保つことも、現場の信頼を得るために重要です。自動化の仕組みが出した結果を盲目的に信じるのではなく、最終判断は担当者が行うという運用フローを維持することで、トラブルが起きても対処しやすくなります。継続的な見直しがあってこそ、自動化の精度は高まっていきます。

まとめ

在庫日数とリードタイムをもとに発注点を計算し、発注候補をリスト化する仕組みを整えることで、属人的な発注判断から脱却できます。Apps Script や Python を使った自動化と組み合わせれば、毎朝の発注確認を短時間で済ませることができます。まずは一部の商品カテゴリや一店舗だけで試し、効果を確認してから展開範囲を広げるアプローチが、現実的な進め方です。発注業務をデータに基づく仕組みに変えることが、在庫管理全体の安定につながります。