JP6740860B2 - Safety stock determination device, method and program - Google Patents
Safety stock determination device, method and program Download PDFInfo
- Publication number
- JP6740860B2 JP6740860B2 JP2016213596A JP2016213596A JP6740860B2 JP 6740860 B2 JP6740860 B2 JP 6740860B2 JP 2016213596 A JP2016213596 A JP 2016213596A JP 2016213596 A JP2016213596 A JP 2016213596A JP 6740860 B2 JP6740860 B2 JP 6740860B2
- Authority
- JP
- Japan
- Prior art keywords
- delivery
- probability distribution
- safety stock
- destinations
- destination
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 49
- 238000012384 transportation and delivery Methods 0.000 claims description 440
- 238000009826 distribution Methods 0.000 claims description 220
- 238000004364 calculation method Methods 0.000 claims description 64
- 230000001186 cumulative effect Effects 0.000 claims description 9
- 238000000611 regression analysis Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 22
- 230000001932 seasonal effect Effects 0.000 description 22
- 238000001276 Kolmogorov–Smirnov test Methods 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 5
- 239000000047 product Substances 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000005315 distribution function Methods 0.000 description 4
- 238000007476 Maximum Likelihood Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 239000002994 raw material Substances 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 2
- 239000003245 coal Substances 0.000 description 2
- 238000010790 dilution Methods 0.000 description 2
- 239000012895 dilution Substances 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 210000003739 neck Anatomy 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 239000003921 oil Substances 0.000 description 2
- 238000000528 statistical test Methods 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000006424 Flood reaction Methods 0.000 description 1
- 230000004308 accommodation Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000010779 crude oil Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本発明は、一又は複数の出荷元(生産拠点等)から複数の納品先(工場、商業施設、在庫拠点等)に納品される対象物(原料、材料、製品、商品等)に関して、各納品先で持つべき安全在庫を決定するのに利用して好適な安全在庫決定装置、方法及びプログラムに関する。 The present invention relates to objects (raw materials, materials, products, products, etc.) delivered from one or more shipping sources (production sites, etc.) to multiple delivery destinations (factories, commercial facilities, inventory sites, etc.). The present invention relates to a safety stock determination device, method, and program suitable for use in determining a safety stock to be held in advance.
鉄鋼メーカ、化学メーカ、石油メーカ、電力会社等では、原料、材料、製品、商品等の対象物を海外から船で輸入し、在庫として保管する。在庫の持ち過ぎは、キャッシュフローの鈍化や管理コストの増加を招くため、保持する在庫は少ない方が望ましい。その一方で、在庫が少なすぎると、需要・供給のばらつきを十分に吸収できず、欠品発生による生産停止を招きかねない。したがって、対象物の欠品率を一定以下に保つためには、需要・供給の変動を予測して、管理目標とする平均在庫(適正在庫)の設定が必須といえる。
しかしながら、対象物を世界各国から船で輸入する場合、発注から納品までのリードタイムが非常に長く、需要・供給のばらつきの影響を受けやすい。このため、在庫は過剰又は過小状態に陥りやすく、一度その状態に陥ったときの損失は大きい。さらに、天候不順や設備トラブル等による突発的途絶の発生、膨大な量を輸送する船の頻繁な運航変動のため、対象物の供給は大きくばらつく。したがって、適正在庫を数理的に導き出すことは難しかった。
At steel manufacturers, chemical manufacturers, oil manufacturers, electric power companies, etc., raw materials, materials, products, products, etc. are imported from overseas by ships and stored as inventory. Too much inventory will slow down cash flow and increase management costs, so it is desirable to keep a small inventory. On the other hand, if the inventory is too small, it is not possible to fully absorb the fluctuations in supply and demand, which may lead to production stoppages due to shortages. Therefore, in order to keep the out-of-stock rate of objects below a certain level, it can be said that it is essential to predict fluctuations in supply and demand and set the average inventory (appropriate inventory) as a management target.
However, when the target is imported by ship from all over the world, the lead time from ordering to delivery is very long, and it is easily affected by variations in supply and demand. For this reason, inventory tends to fall into excess or understatement, and once it falls into that state, losses are large. In addition, the supply of objects varies greatly due to the occurrence of sudden interruptions due to unseasonable weather, equipment troubles, and frequent fluctuations in the operation of ships that carry enormous amounts of cargo. Therefore, it was difficult to mathematically derive an appropriate inventory.
需要・供給の変動を予測した適正在庫設定手法として、非特許文献1では、適正在庫をサイクル在庫、安全在庫の足し合せで与える手法が提示されている。図15は、横軸が時間、縦軸が在庫量で、在庫の推移を表わし、サイクル在庫及び安全在庫と適正在庫との関係を示す。サイクル在庫は、在庫の定常的な変動分だけ持つランニング在庫であり、安全在庫は、需要・供給がばらついても欠品を起こさないように持つ在庫である。非特許文献1では、サイクル在庫を入荷ロットの平均値の半分で与え、安全在庫を「安全係数×最大リードタイム1/2×需要量の標準偏差」で計算する。ここで、最大リードタイムは、「平均リードタイム+安全係数×リードタイムの標準偏差」で与える。安全係数は、どの程度遅れを許容するか決めるパラメータであり、実務者が状況に応じて決定する。
Non-Patent
また、特許文献1では、需要情報として受注間隔が指数分布、受注納期が正規分布、受注数量がΓ分布に従い、供給情報として供給リードタイムがΓ分布に従うような、供給リードタイムが変動する状況下において、納期遵守向上と在庫費用抑制のトレードオフ関係を考慮した在庫計画を策定する方法が開示されている。
In
ところで、海上輸送によって供給される対象物は、国外の様々な地域からの納品があるため、リードタイムが発注ごとに異なる。しかしながら、非特許文献1では、リードタイムが均一の場合のみ検討されており、リードタイムが発注ごとに異なる場合、船の到着(入港)が設定したリードタイムよりも大きく遅れたときに、長期間にわたる在庫切れを起こす事態を招く。
さらに、対象物は遠方の海外から船によって輸送されるため、発注から納品までのリードタイムは1週間から数カ月程度と非常に長い。また、積地では、天候不順や、設備故障、他社船との融通等の影響を受けて出港時刻が大きくばらつく。加えて、揚地では、港の荷揚げ能力ネック、倉庫容量ネックによる洋上滞船、及び荷揚げ設備故障等の影響を受けて、在庫の供給タイミングや出港時刻がばらつく。
このため、本来予定されていた船の出港/入港時刻が大きく変更となった場合、複数の納品先での過剰/過小在庫を防ぐために、出荷時刻の更新も含め納品先の見直し等、出荷・納品計画が絶えず見直し、更新される。このように、一度発注した後に、発注元や納品先の変更が頻発すると、リードタイムを計算するために必要な発注点と納品時刻の関係が分からなくなる。すなわち、発注点と納品時刻の関係を用いて決められるリードタイムは、発注点自体が不安定であるため計算できない。
なお、ある一定期間前の予定と実績を比較して、その差分からリードタイムを計算することは可能である。しかしながら、この方法で計算されるリードタイムのばらつきは、予定期間の選び方によって変化するため不安定であり、非特許文献1や特許文献1で開示されている発注から納品までのリードタイムを用いた安全在庫計算手法では過剰/過小在庫を招く。
さらに、非特許文献1及び特許文献1は共に、一か所の生産拠点から、一拠点又は複数拠点への対象物の補充及びその在庫を検討しているのみであり、複数の生産拠点から、一拠点又は複数拠点のうちどこかに対象物を補充する場合は記述されていない。
By the way, since the objects supplied by sea transportation are delivered from various regions outside the country, the lead time differs depending on the order. However, Non-Patent
Further, since the target object is transported from a distant foreign country by ship, the lead time from ordering to delivery is very long, from one week to several months. In addition, departure times vary greatly at loading points due to unseasonable weather, equipment failure, and interchange with ships of other companies. In addition, at the landing site, inventory supply timing and departure time will fluctuate due to the effects of port unloading capacity necks, warehouse capacity necks, offshore vessels, and unloading equipment failures.
Therefore, if the originally scheduled departure/arrival time of a ship is significantly changed, in order to prevent excess/understock at multiple delivery destinations, the delivery/delivery destinations should be reviewed, including updating the delivery time. Delivery plans are constantly reviewed and updated. In this way, if the ordering source or the delivery destination frequently changes after the order is placed once, the relationship between the ordering point and the delivery time necessary for calculating the lead time becomes unknown. That is, the lead time determined by using the relationship between the order point and the delivery time cannot be calculated because the order point itself is unstable.
Note that it is possible to compare the schedule with the actual result before a certain period of time and calculate the lead time from the difference. However, the variation of the lead time calculated by this method is unstable because it changes depending on how to select the scheduled period, and the lead time from ordering to delivery disclosed in
Furthermore, both
本発明は上記のような点を鑑みてなされたものであり、一又は複数の出荷元から複数の納品先に納品される対象物に関して、発注から納品までのリードタイムが長く、また、不安定な状況下においても、各納品先で持つべき安全在庫を適切に決定できるようにすることを目的とする。 The present invention has been made in view of the above points, and has a long lead time from ordering to delivery of an object delivered from one or more shipping sources to a plurality of delivery destinations, and is unstable. The objective is to be able to appropriately determine the safety stock that each delivery destination should have, even under these circumstances.
上記の課題を解決するための本発明の要旨は、以下のとおりである。
[1] 一又は複数の出荷元から複数の納品先に納品される対象物に関して、各納品先で持つべき安全在庫を決定する安全在庫決定装置であって、
安全在庫を決定したい対象物について、過去の実績情報として、納品時刻情報、及び、納品先ごとの前記対象物の使用量の情報である使用量情報を取り込む入力手段と、
前記入力手段で取り込んだ納品時刻情報に基づいて、前記納品時刻情報に含まれる複数の納品先を一つの納品先と仮定し(以下、全納品先と呼ぶ)、前記全納品先への納品間隔の確率分布を求める第1の確率分布計算手段と、
前記入力手段で取り込んだ使用量情報と、前記第1の確率分布計算手段で求めた前記全納品先への納品間隔の確率分布とに基づいて、前記納品時刻情報に含まれる各納品先への納品間隔の確率分布を求める第2の確率分布計算手段と、
前記入力手段で取り込んだ使用量情報と、前記第2の確率分布計算手段で求めた前記各納品先への納品間隔の確率分布とに基づいて、前記各納品先で持つべき安全在庫を計算する安全在庫計算手段とを備えたことを特徴とする安全在庫決定装置。
[2] 前記第2の確率分布計算手段は、前記全納品先への納品回数のうち納品先i(iは納品先を表わす記号)への納品は、前記納品先ごとの前記対象物の使用量に応じて、Ni回に一回あると仮定することで、納品先iへの納品間隔を、前記全納品先への納品間隔の確率分布をNi回畳み込み積分した確率分布で与えることを特徴とする[1]に記載の安全在庫決定装置。
[3] 前記第2の確率分布計算手段は、納品先iへの納品回数qi、全納品先への納品回数Qとして、畳み込み積分の回数NiをQ/qiで与えることを特徴とする[2]に記載の安全在庫決定装置。
[4] 納期遅れ許容値α%を設定する納期遅れ許容値設定手段を備え、
前記安全在庫計算手段は、さらに前記納期遅れ許容値設定手段で設定した納期遅れ許容値α%に基づいて、前記各納品先への納品間隔の確率分布を1−α%網羅する点と、前記各納品先への納品間隔の確率分布の平均との差分を安全在庫日数とし、この安全在庫日数に納品先別の平均使用量を掛け合わせて、前記各納品先で持つべき安全在庫を計算することを特徴とする[1]乃至[3]のいずれか一つに記載の安全在庫決定装置。
[5] 前記全納品先への納品は、出荷元からの直接の納品と、他の納品先を経由しての納品とを含むことを特徴とする[1]乃至[4]のいずれか一つに記載の安全在庫決定装置。
[6] 前記第1の確率分布計算手段は、前記全納品先への納品間隔の確率分布が指数分布又はガンマ分布に従うとし、
前記第2の確率分布計算手段は、前記各納品先への納品間隔の確率分布がガンマ分布に従うとすることを特徴とする[1]乃至[5]のいずれか一つに記載の安全在庫決定装置。
[7] 前記第1の確率分布計算手段は、前記全納品先への納品間隔の確率分布を、前記全納品先への単位時間当たりの平均納品回数(以下、平均納品率と称する)を用いた指数分布又はガンマ分布で表わし、
平均納品率を一定として扱うことを特徴とする[6]に記載の安全在庫決定装置。
[8] 前記第1の確率分布計算手段は、前記全納品先への納品間隔の確率分布を、前記全納品先への単位時間当たりの平均納品回数(以下、平均納品率と称する)を用いた指数分布又はガンマ分布で表わし、
平均納品率を時間変化する関数としてモデル化することを特徴とする[6]に記載の安全在庫決定装置。
[9] 前記第1の確率分布計算手段は、前記関数のパラメータを所定の情報量規準に基づいて決定することを特徴とする[8]に記載の安全在庫決定装置。
[10] 前記関数は指数フーリエ級数で表わされることを特徴とする[8]又は[9]に記載の安全在庫決定装置。
[11] 前記第1の確率分布計算手段は、安全在庫を決定する対象期間である将来の平均納品率を、過去の平均納品率の定数倍として求めることを特徴とする[8]乃至[10]のいずれか一つに記載の安全在庫決定装置。
[12] 前記第1の確率分布計算手段は、前記定数倍とする定数を、将来の平均納品率の平均を過去の平均納品率の平均で除した値として求め、
前記将来の平均納品率の平均は、前記対象物の累積入荷量に比例するものとして、過去の実績情報を用いた単回帰分析により推定することを特徴とする[11]に記載の安全在庫決定装置。
[13] 前記対象物が船による海上輸送により出荷元から納品先に納品され、
前記納品時刻情報として入港時刻情報を用い、
前記全納品先への納品間隔の確率分布として船の前記全納品先への到着間隔の確率分布を用い、
前記各納品先への納品間隔の確率分布として船の前記各納品先への到着間隔の確率分布を用いることを特徴とする[1]乃至[12]のいずれか一つに記載の安全在庫決定装置。
[14] 一又は複数の出荷元から複数の納品先に納品される対象物に関して、各納品先で持つべき安全在庫を決定する安全在庫決定方法であって、
入力手段が、安全在庫を決定したい対象物について、過去の実績情報として、納品時刻情報、及び、納品先ごとの前記対象物の使用量の情報である使用量情報を取り込むステップと、
第1の確率分布計算手段が、前記入力手段で取り込んだ納品時刻情報に基づいて、前記納品時刻情報に含まれる複数の納品先を一つの納品先と仮定し(以下、全納品先と呼ぶ)、前記全納品先への納品間隔の確率分布を求めるステップと、
第2の確率分布計算手段が、前記入力手段で取り込んだ使用量情報と、前記第1の確率分布計算手段で求めた前記全納品先への納品間隔の確率分布とに基づいて、前記納品時刻情報に含まれる各納品先への納品間隔の確率分布を求めるステップと、
安全在庫計算手段が、前記入力手段で取り込んだ使用量情報と、前記第2の確率分布計算手段で求めた前記各納品先への納品間隔の確率分布とに基づいて、前記各納品先で持つべき安全在庫を計算するステップとを有することを特徴とする安全在庫決定方法。
[15] 一又は複数の出荷元から複数の納品先に納品される対象物に関して、各納品先で持つべき安全在庫を決定するためのプログラムであって、
安全在庫を決定したい対象物について、過去の実績情報として、納品時刻情報、及び、納品先ごとの前記対象物の使用量の情報である使用量情報を取り込む入力手段と、
前記入力手段で取り込んだ納品時刻情報に基づいて、前記納品時刻情報に含まれる複数の納品先を一つの納品先と仮定し(以下、全納品先と呼ぶ)、前記全納品先への納品間隔の確率分布を求める第1の確率分布計算手段と、
前記入力手段で取り込んだ使用量情報と、前記第1の確率分布計算手段で求めた前記全納品先への納品間隔の確率分布とに基づいて、前記納品時刻情報に含まれる各納品先への納品間隔の確率分布を求める第2の確率分布計算手段と、
前記入力手段で取り込んだ使用量情報と、前記第2の確率分布計算手段で求めた前記各納品先への納品間隔の確率分布とに基づいて、前記各納品先で持つべき安全在庫を計算する安全在庫計算手段としてコンピュータを機能させるためのプログラム。
The gist of the present invention for solving the above problems is as follows.
[1] A safety stock determination device that determines a safety stock to be held at each delivery destination for an object delivered from one or more shipping sources to a plurality of delivery destinations,
For an object for which a safety stock is desired to be determined, as past performance information, delivery time information, and an input means for capturing usage amount information that is information on the usage amount of the object for each delivery destination,
Based on the delivery time information captured by the input means, it is assumed that a plurality of delivery destinations included in the delivery time information are one delivery destination (hereinafter, referred to as all delivery destinations), and delivery intervals to all the delivery destinations. A first probability distribution calculating means for obtaining a probability distribution of
Based on the usage amount information taken in by the input means and the probability distribution of the delivery intervals to all the delivery destinations obtained by the first probability distribution calculation means, the delivery destination information contained in the delivery time information is delivered to each delivery destination. Second probability distribution calculating means for obtaining a probability distribution of delivery intervals;
Based on the usage amount information taken in by the input means and the probability distribution of the delivery intervals to the delivery destinations obtained by the second probability distribution calculation means, the safety stock to be held at each delivery destination is calculated. A safety stock determination device comprising: safety stock calculation means.
[2] The second probability distribution calculation means uses the object for each delivery destination for delivery to the delivery destination i (i is a symbol representing the delivery destination) among the number of deliveries to all the delivery destinations. Given once every N i times according to the quantity, give the delivery interval to the delivery destination i by the probability distribution obtained by convoluting the probability distribution of the delivery intervals to all the delivery destinations N i times. The safety stock determination device according to [1].
[3] the second probability distribution calculating means, delivery times q i to delivery destination i, as delivery times Q to all delivery destination, and characterized in providing a number N i of the convolution with Q / q i The safety stock determination device according to [2].
[4] A delivery delay allowable value setting means for setting the delivery delay allowable value α% is provided,
The safety stock calculation means further covers the probability distribution of the delivery intervals to each of the delivery destinations by 1-α% based on the delivery delay tolerance α% set by the delivery delay tolerance setting means, and The difference from the average of the probability distribution of the delivery intervals to each delivery destination is taken as the safety stock days, and this safety stock days is multiplied by the average usage amount for each delivery destination to calculate the safety stock that each delivery destination should have. The safety stock determination device according to any one of [1] to [3].
[5] The delivery to all the delivery destinations includes delivery directly from a shipping source and delivery via another delivery destination, [1] to [4] Safety stock determination device described in 1.
[6] The first probability distribution calculation means assumes that the probability distribution of delivery intervals to all the delivery destinations follows an exponential distribution or a gamma distribution,
The second probability distribution calculation means is such that the probability distribution of the delivery intervals to each of the delivery destinations follows a gamma distribution, and the safety stock determination according to any one of [1] to [5]. apparatus.
[7] The first probability distribution calculating means uses the probability distribution of delivery intervals to all the delivery destinations as an average number of deliveries per unit time (hereinafter, referred to as an average delivery rate) to all the delivery destinations. The exponential distribution or gamma distribution
The safety stock determination device according to [6], wherein the average delivery rate is treated as constant.
[8] The first probability distribution calculating means uses a probability distribution of delivery intervals to all the delivery destinations as an average number of deliveries per unit time (hereinafter referred to as an average delivery rate) to all the delivery destinations. The exponential distribution or gamma distribution
The safety stock determination device according to [6], wherein the average delivery rate is modeled as a function that changes with time.
[9] The safety stock determination device according to [8], wherein the first probability distribution calculation means determines the parameter of the function based on a predetermined information amount criterion.
[10] The safety stock determination device according to [8] or [9], wherein the function is represented by an exponential Fourier series.
[11] The first probability distribution calculating means obtains a future average delivery rate, which is a target period for determining safety stock, as a constant multiple of the past average delivery rate [8] to [10]. ] The safety stock determination device described in any one of.
[12] The first probability distribution calculating means obtains the constant, which is the constant multiple, as a value obtained by dividing the average of future average delivery rates by the average of past average delivery rates,
The safety stock determination according to [11], wherein the average of the future average delivery rate is estimated by a single regression analysis using past performance information, as being proportional to the cumulative arrival amount of the object. apparatus.
[13] The object is delivered from the shipping source to the delivery destination by sea transportation by ship,
Using the arrival time information as the delivery time information,
Using the probability distribution of the arrival interval of the ship to all the delivery destinations as the probability distribution of the delivery interval to all the delivery destinations,
Safety stock determination according to any one of [1] to [12], characterized in that a probability distribution of ship arrival intervals to each destination is used as a probability distribution of delivery intervals to each destination. apparatus.
[14] A safety stock determination method for determining a safety stock to be held at each delivery destination for an object delivered from one or more shipping sources to a plurality of delivery destinations,
Input means, for the object for which safety stock is desired to be determined, as past performance information, delivery time information, and a step of capturing usage amount information which is information on the usage amount of the object for each delivery destination,
The first probability distribution calculation means assumes that a plurality of delivery destinations included in the delivery time information is one delivery destination based on the delivery time information fetched by the input means (hereinafter, referred to as all delivery destinations). , A step of obtaining a probability distribution of delivery intervals to all the delivery destinations,
The second probability distribution calculation means, based on the usage amount information taken in by the input means, and the probability distribution of the delivery intervals to all the delivery destinations obtained by the first probability distribution calculation means, the delivery time. Determining a probability distribution of delivery intervals to each delivery destination included in the information,
The safety stock calculation means has each of the delivery destinations based on the usage amount information taken in by the input means and the probability distribution of the delivery intervals to the delivery destinations obtained by the second probability distribution calculation means. And a step of calculating a safety stock to be stored.
[15] A program for determining a safety stock to be held at each delivery destination for objects delivered from one or more shipping sources to a plurality of delivery destinations,
For an object for which a safety stock is desired to be determined, as past performance information, delivery time information, and an input means for capturing usage amount information that is information on the usage amount of the object for each delivery destination,
Based on the delivery time information captured by the input means, it is assumed that a plurality of delivery destinations included in the delivery time information are one delivery destination (hereinafter, referred to as all delivery destinations), and delivery intervals to all the delivery destinations. A first probability distribution calculating means for obtaining a probability distribution of
Based on the usage amount information fetched by the input means and the probability distribution of the delivery intervals to all the delivery destinations obtained by the first probability distribution calculation means, the delivery destination information contained in the delivery time information is delivered to each delivery destination. Second probability distribution calculating means for obtaining a probability distribution of delivery intervals;
Based on the usage amount information taken in by the input means and the probability distribution of the delivery intervals to the delivery destinations obtained by the second probability distribution calculation means, the safety stock to be held at each delivery destination is calculated. A program that causes a computer to function as a safety stock calculation means.
本発明によれば、一又は複数の出荷元から複数の納品先に納品される対象物に関して、発注から納品までのリードタイムが長く、また、不安定な状況下においても、各納品先で持つべき安全在庫を適切に決定することができる。 According to the present invention, regarding an object delivered from one or more shipping sources to a plurality of delivery destinations, the lead time from ordering to delivery is long, and even in an unstable situation, each delivery destination has it. It is possible to properly determine the safety stock to be used.
以下、添付図面を参照して、本発明の好適な実施形態について説明する。
[第1の実施形態]
まず、本発明を適用する安全在庫決定手法の概要について説明する。
本発明者は、海上輸送によって供給される対象物(原料、材料、製品、商品等)の在庫切れを抑えるためには、対象物を供給する船の到着間隔のばらつきを吸収する分だけ安全在庫を持てば良いと考えた。すなわち、安全在庫は、リードタイムのばらつきからではなく、船の納品先への到着間隔を確率分布でモデル化し、船の平均到着間隔と、船の最大の到着間隔との差分から与えればよいと考えた。このように安全在庫を設定すれば、平均到着間隔からばらついて船が到着したとしても、納品先(工場、商業施設、在庫拠点等)で対象物の在庫切れを抑えるように在庫管理ができる。
Hereinafter, preferred embodiments of the present invention will be described with reference to the accompanying drawings.
[First Embodiment]
First, an outline of a safety stock determination method to which the present invention is applied will be described.
The present inventor, in order to suppress out-of-stock of objects (raw materials, materials, products, commodities, etc.) supplied by sea transportation, the safety stock is absorbed by the variation in arrival intervals of ships supplying the objects. I thought I should have. That is, safety stock should be given not from variations in lead time but from the difference between the average arrival interval of ships and the maximum arrival interval of ships by modeling the arrival intervals of ships at the delivery destination with a probability distribution. Thought. If the safety stock is set in this way, even if the ships arrive at different intervals from the average arrival interval, it is possible to manage the stock at the delivery destination (factory, commercial facility, stock base, etc.) so as to prevent the target from being out of stock.
上記計算のためには、船の納品先への到着間隔の確率分布をモデル化することが必要である。そこで、以下に詳述するように、配船業務を解析し、配船を統計的にモデル化することで、納品先ごとに船の到着間隔の確率分布の構築を試みた。
まず、本発明者は、船の各納品先への到着間隔を解析したところ、その到着間隔はガンマ分布に近い確率分布であることを見出した。ガンマ分布は、指数分布に従って発生する到着事象が複数回生起するまでの時間間隔を表わす分布であり、現実問題では、設備の寿命時間分布や故障率の計算に使われることが多い。
For the above calculation, it is necessary to model the probability distribution of the arrival intervals of the ship. Therefore, as detailed below, we attempted to construct a probability distribution of ship arrival intervals for each delivery destination by analyzing ship dispatching work and statistically modeling ship dispatching.
First, the present inventor analyzed the arrival interval of each ship to each delivery destination, and found that the arrival interval had a probability distribution close to a gamma distribution. The gamma distribution is a distribution that represents a time interval until an arrival event that occurs according to an exponential distribution occurs a plurality of times, and is often used to calculate a life time distribution of equipment and a failure rate in a practical problem.
本発明者は、この知見に基づき、船の各納品先への到着現象も、指数分布等の特定の確率分布に従う現象から生起しているのではないかと考えた。そこで、複数の納品先を一つの納品先と仮定して(以下、全納品先と呼ぶ)、船の全納品先への到着に着目し、その到着間隔を計算した。その結果、船の全納品先への到着間隔は、指数分布やガンマ分布等のランダム性の強い確率分布に従う傾向があることを見出した。この場合に、船の全納品先への到着間隔は、出荷元からの最初の納品先への到着だけでなく、国内へ到着した船が複数の納品先を巡る多港揚げの場合も、各港への到着を全納品先への一つの到着として取り扱うことにより求める。
船が全納品先にランダムに到着する理由は、船が全納品先に到着する過程で様々な影響を受けてばらついたからであると考えた。例えば海外の遠方から輸送する船の出港時刻は、他社船との融通、荷積み待ち、設備トラブル等によってばらつく。さらに、船は、複数のリードタイムを持ち、かつ天候不順や海流等の影響を受けてばらつく。加えて、船が国内近隣の拠点に到着した後も、天候影響を受けることはもちろん、港の混雑や荷降ろし先の在庫状況によって、洋上での滞船が発生するため、船の出港/入港時刻がばらつく。このように、様々なばらつき影響を受けた船が全納品先に到着する過程で混ざりあうと、最終的にランダム性が強くなり、ランダム性が強い確率分布に近くなると考えた。
Based on this knowledge, the present inventor considered that the arrival phenomenon of a ship at each delivery destination may be caused by a phenomenon that follows a specific probability distribution such as an exponential distribution. Therefore, assuming a plurality of delivery destinations as one delivery destination (hereinafter, referred to as all delivery destinations), paying attention to the arrival at all delivery destinations of the ship, and calculating the arrival interval. As a result, it was found that the arrival intervals of ships to all delivery destinations tended to follow a highly random probability distribution such as an exponential distribution or a gamma distribution. In this case, the arrival interval of the ship to all the delivery destinations is not only the arrival from the shipping source to the first delivery destination, but also when the ship arriving in Japan goes to multiple destinations and goes to multiple destinations. Obtained by treating arrival at the port as one arrival at all delivery destinations.
I thought that the reason why the ships randomly arrived at all the delivery destinations was that they were affected by various influences in the process of arrival at all the delivery destinations. For example, the departure time of a ship that is transported from a distant place in the world varies due to accommodation with other companies' ships, waiting for loading, equipment troubles, and the like. Furthermore, ships have multiple lead times and vary due to unseasonable weather and ocean currents. In addition, even after a ship arrives at a base in Japan, the weather will not only affect it, but congestion at the port and inventory conditions at the unloading destination will also cause the ship to stay at sea. The time varies. In this way, when ships affected by various variations are mixed in the process of arriving at all delivery destinations, it is thought that the randomness will eventually become stronger and the randomness will be closer to a strong probability distribution.
以上のことを考慮して、本発明者は、対象物の配船業務は、ある二つの拠点間で単独で行われる輸送ではなく、図2に示すように、指数分布やガンマ分布等のランダム性の強い確率分布に従って全納品先に到着した船を、各納品先に各々の使用量に応じて配船する業務として捉えられると考えた。そして、この考えに基づいて、船の到着を「船の全納品先への到着」と「船の各納品先への到着」との二段階に分けて、船の各納品先への到着間隔の確率分布を、船の全納品先への到着間隔の確率分布の畳み込み積分でモデル化し、各納品先で持つべき安全在庫を算出する手法を確立した。 In consideration of the above, the inventor of the present invention does not carry out the ship-dispatching work of the target object not between the two bases independently, but as shown in FIG. We considered that ships that arrived at all delivery destinations according to a highly probable probability distribution could be regarded as the task of allocating to each delivery destination according to their usage. Then, based on this idea, the arrival of the ship is divided into two stages, "arrival of all destinations of the ship" and "arrival of each destination of the ship", and the arrival interval of each destination of the ship The probability distribution of was modeled by the convolution integral of the probability distribution of the arrival intervals of all ships, and the method to calculate the safety stock that should be held at each destination was established.
以下、本発明を適用した第1の実施形態に係る安全在庫決定手法について述べる。
図1に、第1の実施形態に係る安全在庫決定装置100の機能構成を示す。安全在庫決定装置100は、一又は複数の出荷元から複数の納品先に納品される対象物に関して、各納品先で持つべき安全在庫を決定するのに利用される。例えば鉄鋼メーカにおける鉄鉱石や石炭、化学メーカや石油メーカにおける原油、電力会社におけるLNGや石炭は、国外の出荷元から、船を利用して、国内の納品先に納品される。このようなケースにおいて、各納品先で持つべき安全在庫を計算するために、本発明は広く適用可能である。
Hereinafter, the safety stock determination method according to the first embodiment to which the present invention is applied will be described.
FIG. 1 shows a functional configuration of a safety
300はデータベースであり、実績情報が蓄積、保存されている。実績情報には、対象物別・納品先別の入港時刻情報と、対象物別・納品先別・日別の使用量情報を含む。
101は入力手段である入力部であり、データベース300から、安全在庫を決定したい対象物(製品名Xとする)について、納品先別の入港時刻情報と、納品先別・日別の使用量情報とを取り込む。なお、データベース300に保存されている全期間の実績情報を取り込むようにしてもよいし、ユーザが指定した解析対象期間の実績情報を取り込むようにしてもよい。
図4に、製品名Xについての納品先別の入港時刻情報の例を示す。納品先別の入港時刻情報は、荷卸しした納品先名と、その納品先への入港時刻と、入荷量[t]とのマトリクスとして与えられる。入港時刻情報は、本発明でいう「納品時刻情報」の例である。
図5に、製品名Xについての納品先別・日別の使用量情報の例を示す。納品先別・日別の使用量情報は、使用した納品先名と、使用した日付と、使用量[t]とのマトリクスとして与えられる。
FIG. 4 shows an example of port arrival time information for the product name X for each delivery destination. The arrival time information for each delivery destination is given as a matrix of the name of the delivered delivery destination, the arrival time at the delivery destination, and the arrival amount [t]. The arrival time information is an example of “delivery time information” in the present invention.
FIG. 5 shows an example of the usage amount information of the product name X by delivery destination and by day. The usage amount information for each delivery destination and each day is given as a matrix of the delivery destination name used, the date used, and the usage amount [t].
102は納期遅れ許容値設定手段である納期遅れ許容値設定部であり、納期遅れ許容値を設定する。納期遅れ許容値は、例えば納期遅れの割合[%]として設定される。納期遅れ許容値は、ユーザが入力装置107を介して適宜設定することができ、対象物別、納品先別に設定できるようにしてもよい。また、デフォルト値が用いられるようにしてもよい。
103は第1の確率分布計算手段である第1の確率分布計算部であり、入力部101で取り込んだ納品先別の入港時刻情報に基づいて、該納品先別の入港時刻情報に含まれる複数の納品先を一つの納品先と仮定し(以下、全納品先と呼ぶ)、船の全納品先への到着間隔の確率分布を求める。図4の例でいえば、時系列順に納品先がC,C,B,・・・となっているが、納品先の識別をなくして、船が全納品先に「2015/3/10 0:00」、「2015/3/19 14:27」、「2015/3/20 5:20」、・・・の順で到着したものとして、その間隔の確率分布を求める。船の全納品先への到着間隔の確率分布は、本発明でいう「全納品先への納品間隔の確率分布」の例である。
104は第2の確率分布計算手段である第2の確率分布計算部であり、入力部101で取り込んだ納品先別・日別の使用量情報と、第1の確率分布計算部103で求めた船の全納品先への到着間隔の確率分布とに基づいて、船の各納品先(納品先別の入港時刻情報に含まれる複数の納品先)への到着間隔の確率分布を求める。船の各納品先への到着間隔の確率分布は、本発明でいう「各納品先への納品間隔の確率分布」の例である。図2に示すように、製品名Xの対象物を積載した船は、全納品先にQ隻到着し(すなわち、全納品先への納品回数がQ)、納品先別の使用量に応じてqA隻、qB隻、・・・と配船されると考える。ここで、ある納品先iにはNi=Q/qi隻に一回、定期的に配船されると仮定して(すなわち、納品先iへの納品はNi回に一回あると仮定する)、船の納品先iへの到着間隔を、船の全納品先への到着間隔の確率分布をNi回畳み込み積分した確率分布で与える。iは納品先を表わす記号であり、図2の例ではi=A、B、・・・、Zである。
105は安全在庫計算手段である安全在庫計算部であり、入力部101で取り込んだ納品先別・日別の使用量情報と、納期遅れ許容値設定部102で設定した納期遅れ許容値と、第2の確率分布計算部104で求めた船の各納品先への到着間隔の確率分布とに基づいて、各納品先で持つべき安全在庫を計算する。
106は出力手段である出力部であり、安全在庫計算部105で計算した安全在庫の結果を出力する。例えばディスプレイ108に結果を表示したり、本装置100の外部機器に結果を送出したりする。
An
107はポインティングデバイスやキーボード等の入力装置、108はディスプレイである。
次に、安全在庫決定装置100による安全在庫決定方法を説明する。
図3は、第1の実施形態に係る安全在庫決定装置100による安全在庫決定処理を示すフローチャートである。
ステップS1で、入力部101は、データベース300から、安全在庫を決定したい対象物(製品名Xとする)について、納品先別の入港時刻情報(図4を参照)と、納品先別・日別の使用量情報(図5を参照)とを取り込む。
Next, a safety stock determination method by the safety
FIG. 3 is a flowchart showing a safety stock determination process by the safety
In step S1, the
次に、ステップS2で、納期遅れ許容値設定部102は、納期遅れ許容値α%を設定する。納期遅れ許容値α%は、納期遅れの割合[%]として設定される。
Next, in step S2, the delivery delay allowable
次に、ステップS3で、第1の確率分布計算部103は、船の全納品先への到着間隔の確率分布を求める。船の全納品先への到着は、出荷元からの直接の到着であるか、他の港を経由しての到着(多港揚げ)であるかは問わないこととする。
図6は、図4の入港時刻情報から計算した、船の全納品先への到着間隔のヒストグラムと、指数分布による近似曲線とを描いた図である。図6から分かるように、船の全納品先への到着間隔は、指数分布に従っている。ここで、指数分布とは、確率密度関数が式(1)で与えられる確率分布であり、ランダムに発生する離散事象の到着間隔を表わす。船の全納品先への到着間隔がランダムな理由は、海外の遠方から輸送する船は、天候不順や設備トラブル等の影響を受けて大きくばらつくため、様々な出荷元から出た船が日本に到着する過程で混ざりあうと、最終的にランダム性が強くなり、指数分布に近くなったからだと考えられる。λは船の全納品先への平均到着率であり、単位時間当たりの船の平均到着数を表わす。図4の入港時刻情報に対して最尤推定法を用いてλを推定した結果、その値は1.0[隻/日]となった。船の全納品先への平均到着率λは、本発明でいう「全納品先への平均納品率(単位時間当たりの平均納品回数)」の例である。
Next, in step S3, the first probability
FIG. 6 is a diagram showing a histogram of arrival intervals of ships to all delivery destinations calculated from the arrival time information of FIG. 4 and an approximate curve by exponential distribution. As can be seen from FIG. 6, the arrival intervals of the ship to all delivery destinations follow an exponential distribution. Here, the exponential distribution is a probability distribution whose probability density function is given by Expression (1), and represents the arrival interval of randomly occurring discrete events. The reason why ships arrive at all delivery destinations at random is because ships shipped from a long distance overseas are greatly affected by bad weather and equipment troubles, so ships from various shipping sources arrive in Japan. It is considered that when they were mixed in the process of arrival, the randomness eventually became stronger and became closer to the exponential distribution. λ is the average arrival rate of all ships to the delivery destination, and represents the average number of arrivals of the ship per unit time. As a result of estimating λ using the maximum likelihood estimation method with respect to the arrival time information in FIG. 4, the value was 1.0 [ship/day]. The average arrival rate λ to all delivery destinations of the ship is an example of the “average delivery rate to all delivery destinations (average number of deliveries per unit time)” in the present invention.
なお、船の全納品先への到着間隔は、ガンマ分布に従うとしてもよい。指数分布に従って発生する船を複数の会社で共有する場合、ある会社から見た全社到着間隔はガンマ分布に従う場合がある。 In addition, the arrival interval of the ship to all the delivery destinations may follow the gamma distribution. When ships that generate according to the exponential distribution are shared by multiple companies, the company-to-company arrival intervals from a certain company may follow the gamma distribution.
次に、ステップS4で、第2の確率分布計算部104は、船の各納品先への到着間隔の確率分布を求める。
図2に示すように、製品名Xの対象物を積載した船は、全納品先にQ隻到着し、納品先別の使用量に応じてqA隻、qB隻、・・・と配船されると考える。ここで、ある納品先iには常にNi=Q/qi隻に一回、定期的に配船されると仮定する。この仮定の下では、納品先iには、船が全納品先にNi隻到着するごとに一回配船される。すなわち、船の納品先iへの到着間隔の確率分布は、指数分布に従って、全納品先に到着する船がNi隻となるまでの時間の分布として与えられる。この指数分布に従う現象が一定回数生起するまでの時間は、指数分布のNi回の畳み込み積分で与えられ、一般的にガンマ分布となる。つまり、船の納品先iへの到着間隔の確率分布をgi(t)とすると、Ni及びλの2つのパラメータを用いることで、式(2)のようにガンマ分布でモデル化できる。
Next, in step S4, the second probability
As shown in FIG. 2, the ship loaded with the product of the product name X arrives at all the delivery destinations, Q ships, and is distributed as q A ships, q B ships,... Think ship. Here, it is assumed that a delivery destination i is always dispatched once every N i =Q/q i vessels. Under this assumption, the delivery destination i is dispatched once every N i vessels arrive at all the delivery destinations. That is, the probability distribution of the arrival intervals of the ships to the delivery destination i is given as a distribution of the time until the number of the ships arriving at all the delivery destinations becomes N i according to the exponential distribution. Time behavior according to the exponential distribution until the predetermined number of times occur is given by N i times the convolution integral of the exponential distribution, the general gamma distribution. That is, assuming that the probability distribution of the arrival interval of the ship to the delivery destination i is g i (t), it is possible to model with a gamma distribution as shown in Expression (2) by using two parameters of N i and λ.
なお、畳み込み積分の回数Niは、上記計算方法に限らない。例えば納品先別の使用量の割合に応じてNiを決定したい場合は、全納品先の入船数Qに納品先別の使用量の割合を掛けた値をNiとして与えればよい。具体的には、A,Bの2つの納品先を仮定し、それぞれの使用量の割合が0.4、0.6であるとする。このとき、納品先A,BそれぞれのNiは、納品先Aに対してはQ×0.4、納品先Bに対してはQ×0.6とすれば、使用量の割合に応じたNiが決められる。 The number N i of convolution integration is not limited to the above calculation method. For example, when it is desired to determine N i in accordance with the usage rate of each delivery destination, the value obtained by multiplying the number Q of incoming ships at all delivery destinations by the usage rate of each delivery destination can be given as N i . Specifically, two delivery destinations A and B are assumed, and it is assumed that the ratios of the respective usage amounts are 0.4 and 0.6. In this case, the delivery destination A, B each N i is, Q × 0.4 for delivery destination A, if Q × 0.6 for delivery destination B, corresponding to the ratio of the amount Ni is determined.
図7は、船の納品先Bへの到着間隔のヒストグラムと、納品先Bに関してλ、Niをそれぞれ計算し、式(2)を用いて作成したガンマ分布による近似曲線とを描いた図である。各納品先への入船回数qi、ガンマ分布のパラメータλ、Niは、図4の入港時刻情報から計算し、表1〜表3に示す値を与えた。λ、Niという2つのパラメータを用いるだけで、実績に近い曲線を得られる。 FIG. 7 is a diagram showing a histogram of arrival intervals of the ship to the delivery destination B and an approximate curve based on the gamma distribution created using Equation (2) by calculating λ and N i for the delivery destination B, respectively. is there. The number of arrivals q i at each delivery destination and the parameters λ and N i of the gamma distribution were calculated from the arrival time information in FIG. 4, and the values shown in Tables 1 to 3 were given. A curve close to the actual result can be obtained only by using two parameters of λ and N i .
この近似曲線の妥当性を確保するためには、コルモゴロフ・スミルノフ検定(KS検定)等を用いた統計検定を実施することが望ましい。KS検定は、ある二つの母集団又は確率分布が同一の分布に従っているという帰無仮説を立て、この帰無仮説が成立するかどうか検定する手法である。KS検定では、この帰無仮説が成立している確率p値を計算し、p値が0.05以下であれば、帰無仮説が棄却され、二つの母集団又は分布が同一の分布に従っていないと検定できる。今回、図7のヒストグラムと近似曲線とに対して、有意度5%にてKS検定を実施した。その結果、p値は0.62となり、0.05よりも十分大きな値を示し、ヒストグラムと近似曲線とが同一の分布に従っているという帰無仮説は棄却されなかった。 In order to ensure the validity of this approximated curve, it is desirable to carry out a statistical test using the Kolmogorov-Smirnov test (KS test) or the like. The KS test is a method of establishing a null hypothesis that two populations or probability distributions follow the same distribution, and testing whether or not this null hypothesis holds. In the KS test, the probability p value that this null hypothesis holds is calculated. If the p value is 0.05 or less, the null hypothesis is rejected and the two populations or distributions do not follow the same distribution. Can be tested. This time, the KS test was performed on the histogram and the approximate curve in FIG. 7 with a significance of 5%. As a result, the p value was 0.62, which was a value sufficiently larger than 0.05, and the null hypothesis that the histogram and the approximate curve follow the same distribution was not rejected.
次に、ステップS5で、安全在庫計算部105は、各納品先で持つべき安全在庫を計算する。
式(2)で与えられた船の納品先iへの到着間隔の確率分布の下で、納期達成率を1−α%以上に保つためには、確率分布gi(t)を1−α%網羅する点と、確率分布gi(t)の平均値の差分を安全在庫日数として与えればよい。安全在庫日数をZ[日]、船の納品先iへの到着間隔の確率分布gi(t)の累積分布関数をGi(・)と置き、累積分布関数の逆関数をG-1(・)と置くと、納期達成率1−α%以上に保つ安全在庫日数は式(3)となる。
Next, in step S5, the
Under the probability distribution of the arrival interval of the ship to the delivery destination i given by the equation (2), in order to keep the delivery time achievement rate at 1-α% or more, the probability distribution g i (t) is set at 1-α. % The difference between the coverage points and the average value of the probability distribution g i (t) may be given as the safety stock days. Let Z [day] be the safety stock days, G i (.) be the cumulative distribution function of the probability distribution g i (t) of the arrival interval of the ship to the destination i, and let the inverse function of the cumulative distribution function be G −1 (・) is put, the number of days of safety stock that keeps the delivery rate at 1-α% or more is given by equation (3).
ただし、式(3)により計算される安全在庫日数は、納期遅れをα%以下に保つ計算式であり、在庫切れがこの確率で発生することはない。なぜならば、式(3)により計算される安全在庫日数は在庫の使用量一定を仮定しているからである。実務上は、ある対象物の在庫が少ないと予め分かっている場合、船の予定到着時間を見越して、事前に他の対象物への使用振り替え等で、在庫切れが発生しないように生産を調整できる。 However, the safety stock days calculated by the formula (3) are formulas for keeping the delivery delay at α% or less, and the stockout will not occur at this probability. This is because the safety stock days calculated by the equation (3) are based on the assumption that the amount of stock used is constant. In practice, if it is known in advance that the stock of a certain object is low, the production will be adjusted in advance by anticipating the expected arrival time of the ship and transferring it to other objects in advance so that the stock will not be out of stock. it can.
表4に、納期遅れ許容値α%を5%として設定し、納品先別に安全在庫日数[日]を計算した結果を示す。
安全在庫は、図5の使用量情報から、納品先別の平均使用量[t/日]を計算し、表4で得られた安全在庫日数[日]に掛け合わせて求める。表5に、平均使用量[t/日]の計算結果を示す。また、表6に、安全在庫日数[日]に平均使用量[t/日]を掛けて、安全在庫[t]を計算した結果を示す。
Table 4 shows the result of calculating the safety stock days [days] for each delivery destination by setting the delivery delay allowable value α% as 5%.
The safety stock is calculated by calculating the average usage [t/day] for each delivery destination from the usage information in FIG. 5 and multiplying it by the safety stock days [days] obtained in Table 4. Table 5 shows the calculation results of the average usage [t/day]. Table 6 shows the result of calculating the safety stock [t] by multiplying the safety stock days [days] by the average usage [t/day].
このように、船の全納品先への到着間隔の確率分布と、船の各納品先別の配船数を与えることで、畳み込み積分の計算を用いて、安全在庫を計算することができる。
図8は、納品先Bにおいて初期在庫を本実施形態に係る安全在庫決定方法で与え、在庫推移を計算した結果である。今回計算した安全在庫を用いれば、在庫切れが発生していないことが分かる。また、表7に、複数の対象物に対して安全在庫を計算した結果を示す。このように、各種の対象物について、納品先ごとに安全在庫をユーザに提示することで、在庫を適正に保つことができる。
In this way, the safety stock can be calculated by using the convolution integral calculation by giving the probability distribution of the arrival intervals of the ship to all the delivery destinations and the number of ships assigned to each delivery destination of the ship.
FIG. 8 is a result of calculating the inventory transition by giving the initial inventory at the delivery destination B by the safety inventory determination method according to the present embodiment. If you use the safety stock calculated this time, you can see that there is no out-of-stock. Further, Table 7 shows the result of calculating the safety stock for a plurality of objects. In this way, by presenting the safety stock of various objects to the user for each delivery destination, the stock can be appropriately maintained.
次に、ステップS6で、出力部106は、ステップS5において計算した安全在庫の結果を出力する。
Next, in step S6, the
以上述べたように、海外や多港揚げによる一又は複数の出荷元から、海上輸送により複数の納品先に納品される対象物に関して、発注から納品までのリードタイムが長く、また、不安定な状況下においても、納期達成率を一定以上に保つように各納品先で持つべき安全在庫を適切に決定することができる。これにより、例えば決定した安全在庫と現状の安全在庫とを比較することで、納品先ごとに在庫多少を見極めることが可能となり、大きな在庫削減が期待される。
また、安全在庫を決定する際に、船の到着を「船の全納品先への到着」と「船の各納品先への到着」との二段階に分けて、船の各納品先への到着間隔の確率分布を、船の全納品先への到着間隔の確率分布の畳み込み積分でモデル化するようにした。例えば船の各納品先への到着間隔の確率分布を実績情報から直接的に求める手法も考えられるが、船の全納品先への到着間隔の確率分布を求めるのに比べると精度が劣ってしまう。それに対して、本発明を適用した手法では、船の到着を「船の全納品先への到着」と「船の各納品先への到着」との二段階に分けて、N数の多い、船の全納品先への到着間隔の確率分布を精度良く求めた上で、船の各納品先への到着間隔の確率分布を求めるので、安全在庫の決定精度を向上させることができる。
As described above, the lead time from ordering to delivery is long and unstable with regard to the objects delivered from one or more shipping destinations overseas or from multiple ports to multiple destinations by sea transportation. Even under the circumstances, it is possible to appropriately determine the safety stock to be held at each delivery destination so as to maintain the delivery rate achievement rate above a certain level. Thus, for example, by comparing the determined safety stock with the current safety stock, it becomes possible to determine the amount of inventory for each delivery destination, and a large inventory reduction is expected.
In addition, when determining safety stock, the arrival of the ship is divided into two stages: "arrival at all destinations of the ship" and "arrival at each destination of the ship", and The probability distribution of arrival intervals is modeled by the convolution integral of the probability distribution of arrival intervals to all delivery destinations of the ship. For example, it is possible to directly calculate the probability distribution of the arrival intervals of each ship from the actual information, but the accuracy is inferior to that of calculating the probability distribution of the arrival intervals of all the ship's destinations. .. On the other hand, in the method to which the present invention is applied, the arrival of a ship is divided into two stages, “arrival of all destinations of the ship” and “arrival of each destination of ship”, and the number of N is large. Since the probability distribution of the arrival intervals of the ship to all the delivery destinations is accurately obtained and the probability distribution of the arrival intervals of the ship to each delivery destination is obtained, the accuracy of determining the safety stock can be improved.
[第2の実施形態]
第1の実施形態で説明した安全在庫決定手法によって、対象物別に、所望の解析対象期間における各納品先で持つべき安全在庫を決定できるようになった。
ここで、対象物の供給途絶の発生確率が季節により変動する場合がある。対象物は遠方の海外から輸送されるため、洪水、台風、寒波等の季節影響を受けて供給量が変動することが知られている。例えばオーストラリアから出荷される対象物は、オーストラリアが雨季となる1〜3月に洪水等の自然災害により陸上のサプライチェーンが分断され、対象物の出荷停止リスクがある。したがって、1〜3月より前の時期に予め供給途絶を予想して、通常よりも多くの安全在庫を確保しなければならない。
[Second Embodiment]
With the safety stock determination method described in the first embodiment, it is possible to determine the safety stock to be held at each delivery destination in a desired analysis target period for each object.
Here, the probability of occurrence of supply interruption of the object may vary depending on the season. It is known that the amount of supply fluctuates due to seasonal influences such as floods, typhoons, and cold waves because the target is transported from distant foreign countries. For example, in the case of an object shipped from Australia, there is a risk that the shipping of the object will be suspended due to the fragmentation of the onshore supply chain due to a natural disaster such as a flood during the rainy season in Australia in March to March. Therefore, it is necessary to anticipate a supply interruption in the period before 1 to 3 months and secure more safety stock than usual.
第1の実施形態で説明した安全在庫決定手法では、このような季節変動を考慮して安全在庫を決定するようにはしていない。
この場合に、解析対象期間を、季節変動を考慮したいメッシュに合わせて小分割し、小分割した期間それぞれに対して安全在庫を決定することが考えられる。しかしながら、安全在庫を高精度に決定するためには、小分割した期間中にも、十分に多くの実績情報が必要となる。つまり、納品頻度が少ない対象物に対しては適用できない。特に本発明を適用して安全在庫を計算する対象物は、遠方の海外から輸送されることが想定されるため、大ロット、低頻度納品となる場合が多く、期間を小分割すると、安全在庫を高精度に決定できるほど実績情報が揃わない場合が多い。
The safety stock determination method described in the first embodiment does not determine the safety stock in consideration of such seasonal variation.
In this case, it is conceivable that the analysis target period is subdivided according to the mesh in which the seasonal variation is taken into consideration, and the safety stock is determined for each subdivided period. However, in order to determine the safety stock with high accuracy, a sufficient amount of record information is required even during the subdivided period. In other words, it cannot be applied to objects whose delivery frequency is low. In particular, the objects for which safety stock is calculated by applying the present invention are assumed to be transported from a distant foreign country, and thus are often delivered in large lots and infrequent deliveries. In many cases, the performance information is not collected enough to accurately determine.
本発明者は、上記課題を解決するため、第1の実施形態で説明した「船の全納品先への到着間隔」と「船の各納品先への到着間隔」の確率分布に改良を加え、季節変動まで考慮して、船の各納品先への到着間隔の確率分布をモデル化しようと試みた。
船の各納品先への到着間隔の確率分布に季節変動要素を加えるには、この確率分布が時刻で変化するようなモデルを構築すればよいという思想に至ったが、季節変動発生確率は、対象物や年によって異なる上、その発生要因は多岐に渡るため、個々の対象物に対して定量的に季節変動を設定することは非常に困難であった。さらに、船の入港時刻は、納品先別で見ると数が少ないため、季節変動を高精度に推定するためには、より多くの実績情報が必要であった。
In order to solve the above-mentioned problems, the present inventor adds an improvement to the probability distributions of “the arrival intervals of ships to all delivery destinations” and “the arrival intervals of ships to each delivery destination” described in the first embodiment. We tried to model the probability distribution of the arrival intervals of ships to each destination, taking into account seasonal variations.
In order to add a seasonal variation element to the probability distribution of the arrival interval of a ship to each delivery destination, we came up with the idea that a model in which this probability distribution changes with time should be constructed, but the seasonal variation occurrence probability is It is very difficult to quantitatively set seasonal variation for each target, because the factors vary depending on the target and year, and the factors that cause it vary. Furthermore, the number of ship arrival times is small when viewed by destination, so more actual information was required to estimate seasonal fluctuations with high accuracy.
そこで、船の全納品先への到着に着目し、実績情報が多数ある全納品先への船の入港時刻を用いて、季節変動を含めた船の全納品先への到着間隔の確率分布をモデル化し、そのモデル化した確率分布を用いて、船の各納品先への到着間隔の確率分布を作成すればよいことに想到した。
具体的には、第1の実施形態では一定として扱ってきた平均到着率λを時刻sで時間変化する関数λ(s)としてモデル化することにより、季節変動まで考慮して、船の全納品先への到着間隔の確率分布を作成する。そして、第1の実施形態と同様に、船の各納品先への到着間隔の確率分布を、船の全納品先への到着間隔の確率分布の畳み込み積分で与えれば、季節変動まで考慮して、船の各納品先への到着間隔をモデル化できるとの結論に至った。
Therefore, paying attention to the arrival of ships at all the delivery destinations, using the arrival time of the ships at all the delivery destinations that have a large amount of actual information, the probability distribution of the arrival intervals of the ships at all the delivery destinations including seasonal fluctuations is calculated. It was thought that the probability distribution of the arrival interval of the ship to each delivery destination should be created using a model and using the modeled probability distribution.
Specifically, by modeling the average arrival rate λ, which has been treated as constant in the first embodiment, as a function λ(s) that changes with time at time s, all the deliveries of the ship can be considered in consideration of seasonal variations. Create a probability distribution of arrival intervals at the destination. Then, similarly to the first embodiment, if the probability distribution of the arrival intervals of the ship to each delivery destination is given by the convolution integral of the probability distribution of the arrival intervals of all the delivery destinations of the ship, seasonal fluctuations are taken into consideration. It was concluded that the arrival intervals of ships to each destination can be modeled.
このように平均到着率λ(s)の非一様性まで考慮した到着過程を非一様ポアソン過程と呼ぶ。非一様ポアソン過程は、個々のイベントは独立に到着するが、平均到着率が時間により変化する現象を表わす過程である。
次に、具体的に、船の全納品先への到着間隔が非一様ポアソン過程に従うときに、λ(s)及び安全在庫を決定する流れを説明する。ただし、以下に示す方法は、船の全納品先への到着間隔が非一様ポアソン過程に従う場合に限らない。例えば船の全納品先への到着間隔の確率分布がガンマ分布等の独立同分布に従い、その平均到着率が時間変化するような計数過程(非一様リニューアル過程)であっても構わない。非一様リニューアル過程は、非特許文献2に示す時間伸縮理論を用いれば、非一様ポアソン過程と同等に扱える。
The arrival process that takes into account the nonuniformity of the average arrival rate λ(s) is called a nonuniform Poisson process. The non-uniform Poisson process is a process in which individual events arrive independently, but the average arrival rate changes with time.
Next, specifically, a flow of determining λ(s) and safety stock when the arrival intervals of all ships to the delivery destination follow the non-uniform Poisson process will be described. However, the method described below is not limited to the case where the ship arrival intervals at all the delivery destinations follow the non-uniform Poisson process. For example, a counting process (nonuniform renewal process) in which the probability distribution of arrival intervals of ships to all delivery destinations follows an independent distribution such as a gamma distribution and the average arrival rate thereof changes with time may be used. The nonuniform renewal process can be treated in the same manner as the nonuniform Poisson process by using the time warping theory shown in
平均到着率λ(s)は、対象物ごとにその形状や周波数成分が異なるため、実績情報に基づいて決定しなければならない。平均到着率λ(s)を実績情報から推定する手法について以下に説明する。
まず、平均到着率λ(s)は、式(4)に示す指数フーリエ級数でモデル化する。次に、この指数フーリエ級数のパラメータを統計的な情報量規準に基づいて決定することで、対象物一つ一つに適合したパラメータを決定する。
The average arrival rate λ(s) has to be determined based on the record information because the shape and the frequency component are different for each object. A method of estimating the average arrival rate λ(s) from the record information will be described below.
First, the average arrival rate λ(s) is modeled by the exponential Fourier series shown in Expression (4). Next, the parameters of this exponential Fourier series are determined based on a statistical information criterion, thereby determining the parameters that are suitable for each object.
式(4)の指数フーリエ級数において、Ai,Biはモデル形状を与える変数、Pは周期である。指数フーリエ級数では、周期Pを設定することによって、様々な周期の変動をモデル化することができる。例えばP=1年とすれば、一年周期の季節変動をモデル化することができる。また、モデル形状を与える変数Ai,Biは、そのパラメータ数によって様々な周波数成分をモデル化することができる。
本実施形態では、平均到着率λ(s)のパラメータは、式(5)のように赤池情報量規準(AIC:Akaike's Information Criterion)を用いて決定する。AICとは、モデルの評価指標の一つであり、式(5)の第一項はモデルの対数尤度関数、第二項はパラメータ数を表わす。AICは、尤度関数の最大化によりパラメータを決定する最尤推定法に加えて、モデルの複雑さを表すパラメータ数が評価指標として追加された基準である。AICでは複数のモデル同士を比較して、モデルの当てはまりの良さと複雑さのバランスが最も良いモデルを決定できる。
In the exponential Fourier series of equation (4), A i and B i are variables that give a model shape, and P is a period. In the exponential Fourier series, by setting the period P, variations in various periods can be modeled. For example, if P=1 year, the seasonal variation of one year cycle can be modeled. Also, the variables A i and B i that give the model shape can model various frequency components depending on the number of parameters.
In the present embodiment, the parameter of the average arrival rate λ(s) is determined using the Akaike's Information Criterion (AIC) as shown in Expression (5). AIC is one of the evaluation indexes of the model, the first term of the equation (5) represents the log-likelihood function of the model, and the second term represents the number of parameters. The AIC is a criterion in which the number of parameters representing the complexity of the model is added as an evaluation index in addition to the maximum likelihood estimation method that determines the parameters by maximizing the likelihood function. In AIC, a plurality of models are compared with each other, and a model having the best balance between goodness of fit and complexity can be determined.
ここで、非一様ポアソン過程に従う全納品先への入港時刻の時系列{si}n i=1の尤度関数は、時刻si-1からsiまで船到着事象が生じず、時刻siにおいて船到着事象が生じる確率として、式(6)で表わされる。 Here, the likelihood function of the time series {s i} n i = 1 of Arrival time to all delivery destination according nonuniform Poisson process, the ship arrived event does not occur from time s i-1 to s i, time Equation (6) represents the probability that a ship arrival event will occur at s i .
個々の船到着事象が独立であると仮定すれば、式(7)のように、尤度関数は積の形式で表現できる。 Assuming that each ship arrival event is independent, the likelihood function can be expressed in the form of a product, as in equation (7).
以上のように、式(4)で示した平均到着率λ(s)を式(7)に代入して尤度関数を作成し、その尤度関数が最大となるパラメータを最尤推定法により求め、得られた対数尤度と、モデルのパラメータ数を式(5)に代入してAICを求めてモデル同士を比較すれば、複数のモデルから最も当てはまりが良いモデルを決定することができる。 As described above, the average arrival rate λ(s) shown in equation (4) is substituted into equation (7) to create a likelihood function, and the parameter that maximizes the likelihood function is calculated by the maximum likelihood estimation method. If the obtained logarithmic likelihood and the number of parameters of the model are substituted into the equation (5) to obtain the AIC and the models are compared with each other, the model with the best fit can be determined from a plurality of models.
以下、本発明を適用した第2の実施形態に係る安全在庫決定手法について述べる。なお、第1の実施形態に係る安全在庫決定手法との相違点を中心に説明し、第1の実施形態との共通点については詳細な説明を省略する。
図9に、第2の実施形態に係る安全在庫決定装置200の機能構成を示す。入力部201、納期遅れ許容値設定部202、第2の確率分布計算部204、安全在庫計算部205、出力部206、入力装置207及びディスプレイ208は、第1の実施形態における入力部101、納期遅れ許容値設定部102、第2の確率分布計算部104、安全在庫計算部105、出力部106、入力装置107及びディスプレイ108と同様であり、その説明を省略する。
第1の実施形態との違いとして、第1の確率分布計算部203は、平均到着率λ(s)を推定する推定部203aを備える。
また、周期Pを設定する周期設定部209を備える。周期Pは、ユーザが入力装置207を介して適宜設定することができる。また、デフォルト値が用いられるようにしてもよい。季節変動を考慮するという観点からいえば、殆どの場合、一年周期の季節変動をモデル化するためにP=1年と設定するものと考えられる。
Hereinafter, a safety stock determination method according to the second embodiment to which the present invention is applied will be described. It should be noted that the description will focus on the differences from the safety stock determination method according to the first embodiment, and a detailed description of common points with the first embodiment will be omitted.
FIG. 9 shows a functional configuration of the safety
As a difference from the first embodiment, the first probability
Further, a
次に、安全在庫決定装置200による安全在庫決定方法を説明する。
図10は、第2の実施形態に係る安全在庫決定装置200による安全在庫決定処理を示すフローチャートである。
ステップS11、S12は、第1の実施形態におけるステップS1、S2と同様であり、ここではその説明を省略する。
Next, a safety stock determination method by the safety
FIG. 10 is a flowchart showing a safety stock determination process by the safety
Steps S11 and S12 are the same as steps S1 and S2 in the first embodiment, and a description thereof will be omitted here.
ステップS13で、第1の確率分布計算部203の推定部203aは、ステップS11で取り込んだ納品先別の入港時刻情報に基づいて、平均到着率λ(s)を推定する。本実施形態では、周期Pは1年とし、最大一年周期の季節変動をモデル化するものとする。
図11に、ある対象物についての納品先別の入港時刻情報の例を示す。第1の実施形態でも述べたように、時系列順に納品先がA,C,A,・・・となっているが、納品先の識別をなくせば、船が全納品先に「2015/1/6 15:00」、「2015/1/12 21:00」、「2015/1/14 6:00」、・・・の順で到着したものとすることができる。
In step S13, the
FIG. 11 shows an example of port arrival time information for a certain object for each delivery destination. As described in the first embodiment, the delivery destinations are A, C, A,... In chronological order. However, if the delivery destinations are not identified, the ship will deliver to all delivery destinations in “2015/1. /6 15:00”, “2015/1/12 21:00”, “2015/1/14 6:00”, and so on.
図12及び表8に、図11の入港時刻情報から得られる全納品先への入港時刻から、AICを用いてモデルを決定した結果を示す。
図12(a)は平均到着率λ(s)の推定結果を示すグラフであり、AICが最も低かったパラメータ数が5個の場合の推定結果を描いている。また、図12(b)は全納品先への入港時刻に線分を表示したものである。図12から見てとれるように、船の到着頻度は、2015年5月から2015年7月付近が最も低かったことが分かる。
表8は、式(4)のパラメータ数と、パラメータの値と、AICの関係を表わす。表8から見てとれるように、図11の入港時刻情報では、パラメータ数が5のときにAICが最も低いことが分かる。このようにAICを用いてモデルを決定することによって、モデルの当てはまり度とパラメータ数のバランスを考慮したモデルを決定することができた。
12 and Table 8 show the results of determining the model using the AIC from the arrival times at all the delivery destinations, which are obtained from the arrival time information in FIG.
FIG. 12A is a graph showing the estimation result of the average arrival rate λ(s), and illustrates the estimation result when the number of parameters having the lowest AIC is 5. Further, FIG. 12B shows line segments at the time of arrival at all delivery destinations. As can be seen from FIG. 12, it can be seen that the ship arrival frequency was lowest around May 2015 to July 2015.
Table 8 shows the relationship between the number of parameters in equation (4), the parameter values, and the AIC. As can be seen from Table 8, in the port entry time information of FIG. 11, it can be seen that the AIC is the lowest when the number of parameters is 5. By thus determining the model using the AIC, it was possible to determine the model in consideration of the goodness of fit of the model and the balance of the number of parameters.
次に、ステップS14で、第1の確率分布計算部203は、船の全納品先への到着間隔の確率分布を求める。ステップS14は、第1の実施形態では一定として扱ってきた平均到着率を時刻sで時間変化する関数λ(s)とすること以外はステップS3と同様であり、ここではその説明を省略する。
Next, in step S14, the first probability
次に、ステップS15で、第2の確率分布計算部204は、船の各納品先への到着間隔の確率分布を求める。ステップS15は、第1の実施形態では一定として扱ってきた平均到着率を時刻sで時間変化する関数λ(s)とすること以外はステップS4と同様であり、船の納品先iへの到着間隔の確率分布をgi(s,t)とすると、Ni及びλ(s)の2つのパラメータを用いることで、式(8)のようにガンマ分布でモデル化できる。
Next, in step S15, the second probability
各納品先への入船回数qi、ガンマ分布のパラメータNiは、図11の入港時刻情報から計算し、表9、表10に示す値を与えた。 The number of arrivals q i to each delivery destination and the parameter N i of the gamma distribution were calculated from the arrival time information in FIG. 11, and the values shown in Tables 9 and 10 were given.
以上のように、AICを基準として推定した平均到着率λ(s)と、ガンマ分布のパラメータNiを決めたことによって、非一様性まで考慮して船の各納品先への到着間隔の確率分布をモデル化できた。 As described above, by determining the average arrival rate λ(s) estimated based on the AIC and the parameter N i of the gamma distribution, the non-uniformity is taken into consideration and the arrival interval of each ship to the delivery destination The probability distribution could be modeled.
推定結果の妥当性は、第1の実施形態と同様に、KS検定等を用いた統計検定を実施することが望ましい。ただし、式(8)の確率分布は、時刻sに依存する関数であるため、第1の実施形態のように納品先別の入港時刻情報と直接比較することは難しい。
そこで、安全在庫計算期間内において、式(8)の確率分布に従う乱数を十分多い回数発生させ、得られた標本と、納品先別の入港時刻情報とを比較することでKS検定を実施する。乱数は、まず式(8)の確率分布を非特許文献2に記載の時間伸縮理論にて非一様ポアソン過程に変換する。その後、非特許文献3に記載のアルゴリズムに従って、非一様ポアソン過程に従う乱数を生成した(希薄化アルゴリズム)。
図13は、船の各納品先への到着間隔と、希薄化アルゴリズムによりランダムに生成した標本とを比較したグラフである。表11に、両標本に対して、実績とモデルの標本の母代表値に差はないという帰無仮説の下、有意水準5%で両側のKS検定を実施した結果を示す。納品先A,B,Cに対して、モデルをそれぞれ1685、746、665回発生させ、KS検定を行った結果、KS検定のP値は全ての拠点で有意水準5%を上回っており、帰無仮説は棄却されなかった。すなわち、実績とモデルの標本の母代表値に差があるとは言えなかった。
As for the validity of the estimation result, it is desirable to carry out a statistical test using a KS test or the like, as in the first embodiment. However, since the probability distribution of Expression (8) is a function that depends on the time s, it is difficult to directly compare it with the arrival time information for each delivery destination as in the first embodiment.
Therefore, the KS test is performed by generating a sufficiently large number of random numbers according to the probability distribution of Expression (8) within the safety stock calculation period and comparing the obtained sample with the arrival time information for each delivery destination. The random number first transforms the probability distribution of equation (8) into a non-uniform Poisson process by the time warping theory described in
FIG. 13 is a graph comparing the arrival intervals of ships to each delivery destination and samples randomly generated by the dilution algorithm. Table 11 shows the results of carrying out a two-sided KS test at a significance level of 5% under the null hypothesis that there is no difference between the actual and model sample representative values for both samples. The model was generated 1685, 746, and 665 times for each of the delivery destinations A, B, and C, and the KS test was performed. As a result, the P value of the KS test exceeded the significance level of 5% at all sites. No hypothesis was rejected. In other words, it cannot be said that there is a difference between the actual results and the representative value of the sample of the model.
次に、ステップS16で、安全在庫計算部205は、各納品先で持つべき安全在庫を計算する。
式(8)で与えられた船の納品先iへの到着間隔の確率分布の下で、納期達成率を1−α%以上に保つためには、確率分布gi(s,t)を1−α%網羅する点と、確率分布gi(s,t)の平均値の差分を安全在庫日数として与えればよい。安全在庫日数をZ(s)[日]、船の納品先iへの到着間隔の確率分布gi(s,t)の累積分布関数をGi(・)と置き、累積分布関数の逆関数をG-1(・)と置くと、納期達成率1−α%以上に保つ安全在庫日数は式(9)となる。
Next, in step S16, the
Under the probability distribution of the arrival interval of the ship to the delivery destination i given by the equation (8), in order to keep the delivery time achievement rate at 1-α% or more, the probability distribution g i (s, t) is set to 1 The difference between the point covering -α% and the average value of the probability distribution g i (s, t) may be given as the safety stock days. Let Z(s) [days] be the safety stock days, and let G i (.) be the cumulative distribution function of the probability distribution g i (s, t) of the arrival interval of the ship to the delivery destination i, and take the inverse function of the cumulative distribution function. Is set as G -1 (.), the safety stock days to keep the delivery rate at 1-α% or more is given by equation (9).
ただし、第1の実施形態でも述べたように、式(9)により計算される安全在庫日数は、納期遅れをα%以下に保つ計算式であり、在庫切れがこの確率で発生することはない。なぜならば、式(9)により計算される安全在庫日数は在庫の使用量一定を仮定しているからである。実務上は、ある対象物の在庫が少ないと予め分かっている場合、船の予定到着時間を見越して、事前に他の対象物への使用振り替え等で、在庫切れが発生しないように生産を調整できる。 However, as described in the first embodiment, the safety stock days calculated by the expression (9) is a calculation expression that keeps the delivery delay to α% or less, and the stock out will not occur with this probability. .. This is because the safety stock days calculated by the equation (9) are based on the assumption that the amount of stock used is constant. In practice, if it is known in advance that the stock of a certain object is low, the production will be adjusted in advance by anticipating the expected arrival time of the ship and transferring it to other objects in advance so that the stock will not be out of stock. it can.
図14に、納期遅れ許容値α%を5%として設定し、納品先別に安全在庫日数[日]を計算した結果を示す。図14に示すように、平均到着率を時刻sで時間変化する関数λ(s)としてモデル化したことにより、季節に応じて安全在庫日数を計算できていることがわかる。特に図12に示したように、図11の入港時刻情報では、5月から7月にかけて供給量が減ることが確認できていたが、図14に示すように、上記期間は普段よりも多めに安全在庫日数を持つような結果が得られた。 FIG. 14 shows the result of calculating the safety stock days [days] for each delivery destination with the delivery delay allowable value α% set to 5%. As shown in FIG. 14, by modeling the average arrival rate as a function λ(s) that changes with time at time s, it can be seen that the safety stock days can be calculated according to the season. In particular, as shown in FIG. 12, in the port arrival time information of FIG. 11, it was confirmed that the supply amount decreased from May to July, but as shown in FIG. 14, the above period is larger than usual. Results were obtained with a safety stock days.
安全在庫は、納品先別の平均使用量[t/日]を計算し、得られた安全在庫日数[日]に掛け合わせて求める。表12に、平均使用量[t/日]の計算結果を示す。また、表13に、安全在庫日数[日]に平均使用量[t/日]を掛けて、安全在庫[t]を計算した結果を示す。このように、非一様ポアソン過程を用いて船の全納品先への到着間隔の確率分布をモデル化することにより、季節変動まで考慮して安全在庫を計算することができた。 The safety stock is obtained by calculating the average usage [t/day] for each delivery destination and multiplying it by the obtained safety stock days [days]. Table 12 shows the calculation results of the average usage [t/day]. Further, Table 13 shows the result of calculating the safety stock [t] by multiplying the safety stock days [days] by the average usage [t/day]. In this way, by modeling the probability distribution of the arrival intervals of ships to all delivery destinations using the non-uniform Poisson process, it was possible to calculate the safety stock in consideration of seasonal fluctuations.
次に、ステップS17で、出力部206は、ステップS16において計算した安全在庫の結果を出力する。
Next, in step S17, the
ところで、本実施形態で求めた安全在庫は過去実績に基づく値であり、将来の供給予定まで見越して安全在庫を決定することを考える。
ここで、将来の平均到着率の季節変動の現れ方が、過去実績から推定した平均到着率λ(s)の季節変動の現れ方と変わらず、さらに畳み込み積分の回数Niも過去から変わらないと仮定する。すると、将来の平均到着率λ将来(s)は、実績情報を用いて決定した平均到着率λ過去(s)を将来の供給量に合うように定数倍すれば、平均到着率λ将来(s)の予測値が求められる。具体的には、実績情報を用いて決定した平均到着率の平均値をλ過去平均、将来予想される平均到着率の平均値をλ将来平均と置き、実績情報を用いて推定した平均到着率λ過去(s)と置けば、将来予想される季節変動を表わす平均到着率λ将来(s)は式(10)によって決定することができる。
By the way, the safety stock obtained in the present embodiment is a value based on the past performance, and it is considered that the safety stock is determined in anticipation of future supply schedule.
Here, how to appear in the seasonal variation of the average arrival rate of the future, not the same as appear the way of seasonal variation of the average arrival rate, which was estimated from past experience λ (s), also unchanged from the past further convolution number N i of the integration Suppose Then, the future average arrival rate λ future (s) can be calculated by multiplying the average arrival rate λ past (s) determined using the actual information by a constant number so as to match the future supply amount. The predicted value of) is obtained. Specifically, the average arrival rate determined using the actual information is set as λ past average, the average expected arrival rate in the future is set as λ future average, and the average arrival rate estimated using the actual information is set. Assuming λ past (s), the average arrival rate λ future (s), which represents the seasonal variation expected in the future, can be determined by the equation (10).
平均到着率は、対象物の解析対象期間における入荷量の累積値(以下、累積入荷量)に比例する。したがって、将来予想される平均到着率の平均値λ将来平均は、累積入荷量の将来予測値が分かれば、式(11)でモデル化できる。式(11)のa,bは定数であり、単回帰分析等を用いて実績情報から推定すればよい。 The average arrival rate is proportional to the cumulative value of the arrival amount of the target object during the analysis target period (hereinafter, the cumulative arrival amount). Therefore, the average value λ future average of the average arrival rate predicted in the future can be modeled by the formula (11) if the future predicted value of the cumulative arrival amount is known. In Expression (11), a and b are constants, and may be estimated from the performance information using single regression analysis or the like.
このように、将来の供給条件が過去と異なる場合にも、事前に船の全納品先への到着間隔の確率分布の予測モデルを設けることで安全在庫を決定することができる。もし、畳み込み積分の回数Niも将来変更が予想される場合は、まず式(12)に示すように、式(11)から得られたλ将来平均に解析対象期間を掛け合わせて全納品先への予想入船数Q´を求める。 As described above, even if the future supply conditions are different from those in the past, the safety stock can be determined by providing the prediction model of the probability distribution of the arrival intervals of all ships to the delivery destination in advance. If the number of convolution integrals N i is also expected to change in the future, first, as shown in equation (12), the λ future average obtained from equation (11) is multiplied by the analysis target period, and all delivery destinations are calculated. Calculate the expected number of ships entering the ship Q'.
次に、式(13)に示すように、全納品先への予想入船数Q´に対象物別・納品先別の予定使用量の割合を掛けてNiを求めれば、Niの予測値を求めることができる。 Next, as shown in the equation (13), if the expected number of arrivals Q'to all the delivery destinations is multiplied by the ratio of the planned usage amount for each object/delivery destination to obtain N i , the predicted value of N i is obtained. Can be asked.
以上より計算された、Niとλ将来平均を用いれば、将来の供給予定まで見越して安全在庫を決定することができる。 By using the N i and λ future average calculated as described above, the safety stock can be determined in anticipation of future supply schedules.
また、過去の実績情報を用いて推定する平均到着率λ過去(s)の解析期間は、単年でも複数年でも構わない。例えば、もし実務者が過去複数年の平均的な季節変動をモデル化したい場合は、複数年の実績情報に対して平均到着率λ過去(s)を推定すればよい。もし、実績の中で最も季節変動影響が大きかった年でも、納期順守率を一定以上に防ぐように安全在庫を設定したい場合は、その単年のデータ対して平均到着率λ過去(s)を推定すればよい。このように、解析対象期間を変えて季節変動をモデル化することで、より現実の要求に合致した安全在庫量を決定することができる。 The analysis period of the average arrival rate λ past (s) estimated using the past record information may be a single year or a plurality of years. For example, if the practitioner wants to model the average seasonal variation over the past multiple years, the average arrival rate λ past (s) may be estimated for the actual information for multiple years. If you want to set the safety stock to prevent the delivery-time compliance rate above a certain level even in the year with the greatest seasonal impact in the actual results, calculate the average arrival rate λ past (s) for that single-year data. You can estimate it. In this way, by modeling the seasonal variation by changing the analysis target period, it is possible to determine the safety stock quantity that more closely matches the actual requirements.
なお、本実施形態においては、平均到着率λ(s)に指数フーリエ級数を使用したが、これに限定されず、例えばフーリエ級数や多項式が用いられてもよい。
また、情報量基準としてAICを使用したが、これに限定されず、モデルの決定に関する他の情報量基準を使用することも可能である。例えばベイズ情報量基準(BIC)等の情報量基準が用いられてもよい。
In this embodiment, the exponential Fourier series is used for the average arrival rate λ(s), but the present invention is not limited to this, and for example, Fourier series or polynomial may be used.
Further, although the AIC is used as the information criterion, the present invention is not limited to this, and it is possible to use other information criterion for determining the model. For example, an information criterion such as Bayes information criterion (BIC) may be used.
以上、本発明を実施形態と共に説明したが、上記実施形態は本発明を実施するにあたっての具体化の例を示したものに過ぎず、これらによって本発明の技術的範囲が限定的に解釈されてはならないものである。すなわち、本発明はその技術思想、又はその主要な特徴から逸脱することなく、様々な形で実施することができる。
本発明を適用した安全在庫決定装置は、例えばCPU、ROM、RAM等を備えたコンピュータ装置により実現される。なお、図1、図9では安全在庫決定装置100、200を一台の装置として図示したが、例えば複数台の装置により構成される形態でもかまわない。
また、本発明は、本発明の機能を実現するソフトウェア(プログラム)を、ネットワーク又は各種記憶媒体を介してシステム或いは装置に供給し、そのシステム或いは装置のコンピュータがプログラムを読み出して実行することによっても実現可能である。
Although the present invention has been described along with the embodiments, the above embodiments merely show examples of embodying the present invention, and the technical scope of the present invention is construed in a limited manner by these. It must not be. That is, the present invention can be implemented in various forms without departing from its technical idea or its main features.
The safety stock determination device to which the present invention is applied is realized by, for example, a computer device including a CPU, a ROM, a RAM, and the like. Although the safety
The present invention also provides software (program) that realizes the functions of the present invention to a system or apparatus via a network or various storage media, and the computer of the system or apparatus reads and executes the program. It is feasible.
100、200:安全在庫決定装置
101、201:入力部
102、202:納期遅れ許容値設定部
103、203:第1の確率分布計算部
203a:推定部
104、204:第2の確率分布計算部
105、205:安全在庫計算部
106、206:出力部
209:周期設定部
300:データベース
100, 200: Safety
Claims (15)
安全在庫を決定したい対象物について、過去の実績情報として、納品時刻情報、及び、納品先ごとの前記対象物の使用量の情報である使用量情報を取り込む入力手段と、
前記入力手段で取り込んだ納品時刻情報に基づいて、前記納品時刻情報に含まれる複数の納品先を一つの納品先と仮定し(以下、全納品先と呼ぶ)、前記全納品先への納品間隔の確率分布を求める第1の確率分布計算手段と、
前記入力手段で取り込んだ使用量情報と、前記第1の確率分布計算手段で求めた前記全納品先への納品間隔の確率分布とに基づいて、前記納品時刻情報に含まれる各納品先への納品間隔の確率分布を求める第2の確率分布計算手段と、
前記入力手段で取り込んだ使用量情報と、前記第2の確率分布計算手段で求めた前記各納品先への納品間隔の確率分布とに基づいて、前記各納品先で持つべき安全在庫を計算する安全在庫計算手段とを備えたことを特徴とする安全在庫決定装置。 A safety stock determination device for determining a safety stock to be held at each delivery destination for an object delivered from one or more shipping sources to a plurality of delivery destinations,
For an object for which a safety stock is desired to be determined, as past performance information, delivery time information, and an input means for capturing usage amount information that is information on the usage amount of the object for each delivery destination,
Based on the delivery time information captured by the input means, it is assumed that a plurality of delivery destinations included in the delivery time information are one delivery destination (hereinafter, referred to as all delivery destinations), and delivery intervals to all the delivery destinations. A first probability distribution calculating means for obtaining a probability distribution of
Based on the usage amount information fetched by the input means and the probability distribution of the delivery intervals to all the delivery destinations obtained by the first probability distribution calculation means, the delivery destination information contained in the delivery time information is delivered to each delivery destination. Second probability distribution calculating means for obtaining a probability distribution of delivery intervals;
Based on the usage amount information taken in by the input means and the probability distribution of the delivery intervals to the delivery destinations obtained by the second probability distribution calculation means, the safety stock to be held at each delivery destination is calculated. A safety stock determination device comprising: safety stock calculation means.
前記安全在庫計算手段は、さらに前記納期遅れ許容値設定手段で設定した納期遅れ許容値α%に基づいて、前記各納品先への納品間隔の確率分布を1−α%網羅する点と、前記各納品先への納品間隔の確率分布の平均との差分を安全在庫日数とし、この安全在庫日数に納品先別の平均使用量を掛け合わせて、前記各納品先で持つべき安全在庫を計算することを特徴とする請求項1乃至3のいずれか1項に記載の安全在庫決定装置。 Equipped with delivery delay allowable value setting means for setting the delivery delay allowable value α%,
The safety stock calculation means further covers the probability distribution of the delivery intervals to each of the delivery destinations by 1-α% based on the delivery delay tolerance α% set by the delivery delay tolerance setting means, and The difference from the average of the probability distribution of the delivery intervals to each delivery destination is the safety stock days, and this safety stock days is multiplied by the average usage amount for each delivery destination to calculate the safety stock that each delivery destination should have. The safety stock determination device according to any one of claims 1 to 3, characterized in that.
前記第2の確率分布計算手段は、前記各納品先への納品間隔の確率分布がガンマ分布に従うとすることを特徴とする請求項1乃至5のいずれか1項に記載の安全在庫決定装置。 The first probability distribution calculation means assumes that the probability distribution of delivery intervals to all the delivery destinations follows an exponential distribution or a gamma distribution,
The safety stock determination device according to any one of claims 1 to 5, wherein the second probability distribution calculation means makes the probability distribution of delivery intervals to each delivery destination follow a gamma distribution.
平均納品率を一定として扱うことを特徴とする請求項6に記載の安全在庫決定装置。 The first probability distribution calculation means uses a probability distribution of delivery intervals to all the delivery destinations as an exponential distribution using an average number of deliveries per unit time (hereinafter, referred to as an average delivery rate) to all the delivery destinations. Or expressed by gamma distribution,
The safety stock determination device according to claim 6, wherein the average delivery rate is treated as constant.
平均納品率を時間変化する関数としてモデル化することを特徴とする請求項6に記載の安全在庫決定装置。 The first probability distribution calculation means uses a probability distribution of delivery intervals to all the delivery destinations as an exponential distribution using an average number of deliveries per unit time (hereinafter, referred to as an average delivery rate) to all the delivery destinations. Or expressed by gamma distribution,
7. The safety stock determination device according to claim 6, wherein the average delivery rate is modeled as a function that changes with time.
前記将来の平均納品率の平均は、前記対象物の累積入荷量に比例するものとして、過去の実績情報を用いた単回帰分析により推定することを特徴とする請求項11に記載の安全在庫決定装置。 The first probability distribution calculating means obtains the constant to be the constant multiple as a value obtained by dividing the average of future average delivery rates by the average of past average delivery rates,
The safety stock determination according to claim 11, wherein the average of the future average delivery rate is estimated by a single regression analysis using past record information, as being proportional to the cumulative arrival amount of the object. apparatus.
前記納品時刻情報として入港時刻情報を用い、
前記全納品先への納品間隔の確率分布として船の前記全納品先への到着間隔の確率分布を用い、
前記各納品先への納品間隔の確率分布として船の前記各納品先への到着間隔の確率分布を用いることを特徴とする請求項1乃至12のいずれか1項に記載の安全在庫決定装置。 The object is delivered from the shipper to the destination by sea transportation by ship,
Using the arrival time information as the delivery time information,
Using the probability distribution of the arrival interval of the ship to all the delivery destinations as the probability distribution of the delivery interval to all the delivery destinations,
The safety stock determination device according to any one of claims 1 to 12, wherein a probability distribution of a ship arrival interval to each of the delivery destinations is used as a probability distribution of a delivery interval to each of the delivery destinations.
入力手段が、安全在庫を決定したい対象物について、過去の実績情報として、納品時刻情報、及び、納品先ごとの前記対象物の使用量の情報である使用量情報を取り込むステップと、
第1の確率分布計算手段が、前記入力手段で取り込んだ納品時刻情報に基づいて、前記納品時刻情報に含まれる複数の納品先を一つの納品先と仮定し(以下、全納品先と呼ぶ)、前記全納品先への納品間隔の確率分布を求めるステップと、
第2の確率分布計算手段が、前記入力手段で取り込んだ使用量情報と、前記第1の確率分布計算手段で求めた前記全納品先への納品間隔の確率分布とに基づいて、前記納品時刻情報に含まれる各納品先への納品間隔の確率分布を求めるステップと、
安全在庫計算手段が、前記入力手段で取り込んだ使用量情報と、前記第2の確率分布計算手段で求めた前記各納品先への納品間隔の確率分布とに基づいて、前記各納品先で持つべき安全在庫を計算するステップとを有することを特徴とする安全在庫決定方法。 A safety stock determination method for determining a safety stock to be held at each delivery destination for objects delivered from one or more shipping sources to a plurality of delivery destinations,
Input means, for the object for which safety stock is desired to be determined, as past performance information, delivery time information, and a step of capturing usage amount information which is information on the usage amount of the object for each delivery destination,
The first probability distribution calculation means assumes that a plurality of delivery destinations included in the delivery time information is one delivery destination based on the delivery time information fetched by the input means (hereinafter, referred to as all delivery destinations). , A step of obtaining a probability distribution of delivery intervals to all the delivery destinations,
The second probability distribution calculation means, based on the usage amount information taken in by the input means, and the probability distribution of the delivery intervals to all the delivery destinations obtained by the first probability distribution calculation means, the delivery time. Determining a probability distribution of delivery intervals to each delivery destination included in the information,
The safety stock calculation means has each of the delivery destinations based on the usage amount information taken in by the input means and the probability distribution of the delivery intervals to the delivery destinations obtained by the second probability distribution calculation means. And a step of calculating a safety stock to be stored.
安全在庫を決定したい対象物について、過去の実績情報として、納品時刻情報、及び、納品先ごとの前記対象物の使用量の情報である使用量情報を取り込む入力手段と、
前記入力手段で取り込んだ納品時刻情報に基づいて、前記納品時刻情報に含まれる複数の納品先を一つの納品先と仮定し(以下、全納品先と呼ぶ)、前記全納品先への納品間隔の確率分布を求める第1の確率分布計算手段と、
前記入力手段で取り込んだ使用量情報と、前記第1の確率分布計算手段で求めた前記全納品先への納品間隔の確率分布とに基づいて、前記納品時刻情報に含まれる各納品先への納品間隔の確率分布を求める第2の確率分布計算手段と、
前記入力手段で取り込んだ使用量情報と、前記第2の確率分布計算手段で求めた前記各納品先への納品間隔の確率分布とに基づいて、前記各納品先で持つべき安全在庫を計算する安全在庫計算手段としてコンピュータを機能させるためのプログラム。 A program for determining a safety stock to be held at each delivery destination for an object delivered from one or more shipping sources to a plurality of delivery destinations,
For an object for which a safety stock is desired to be determined, as past performance information, delivery time information, and an input means for capturing usage amount information that is information on the usage amount of the object for each delivery destination,
Based on the delivery time information captured by the input means, it is assumed that a plurality of delivery destinations included in the delivery time information are one delivery destination (hereinafter, referred to as all delivery destinations), and delivery intervals to all the delivery destinations. A first probability distribution calculating means for obtaining a probability distribution of
Based on the usage amount information fetched by the input means and the probability distribution of the delivery intervals to all the delivery destinations obtained by the first probability distribution calculation means, the delivery destination information contained in the delivery time information is delivered to each delivery destination. Second probability distribution calculating means for obtaining a probability distribution of delivery intervals;
Based on the usage amount information taken in by the input means and the probability distribution of the delivery intervals to the delivery destinations obtained by the second probability distribution calculation means, the safety stock to be held at each delivery destination is calculated. A program that causes a computer to function as a safety stock calculation means.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016213596A JP6740860B2 (en) | 2016-10-31 | 2016-10-31 | Safety stock determination device, method and program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016213596A JP6740860B2 (en) | 2016-10-31 | 2016-10-31 | Safety stock determination device, method and program |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018073200A JP2018073200A (en) | 2018-05-10 |
JP6740860B2 true JP6740860B2 (en) | 2020-08-19 |
Family
ID=62114024
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016213596A Active JP6740860B2 (en) | 2016-10-31 | 2016-10-31 | Safety stock determination device, method and program |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6740860B2 (en) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7107048B2 (en) * | 2018-07-17 | 2022-07-27 | 日本製鉄株式会社 | FLEET PORTFOLIO DESIGN DEVICE, METHOD AND PROGRAM |
JP7103004B2 (en) * | 2018-07-17 | 2022-07-20 | 日本製鉄株式会社 | Yard waiting time predictor, method and program |
JP7110793B2 (en) * | 2018-07-26 | 2022-08-02 | 日本製鉄株式会社 | Appropriate inventory determination support device, method and program |
JP7249265B2 (en) * | 2019-11-27 | 2023-03-30 | 株式会社日立物流 | Inventory planning device and inventory planning method |
CN113537890B (en) * | 2021-07-16 | 2024-02-02 | 国网江苏省电力有限公司 | Calculation method of safety stock in electric power warehouse |
-
2016
- 2016-10-31 JP JP2016213596A patent/JP6740860B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
JP2018073200A (en) | 2018-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6740860B2 (en) | Safety stock determination device, method and program | |
US11093893B2 (en) | Apparatus and method of maintaining accurate perpetual inventory information | |
Adulyasak et al. | Benders decomposition for production routing under demand uncertainty | |
Ziarnetzky et al. | Rolling horizon, multi-product production planning with chance constraints and forecast evolution for wafer fabs | |
Pauls-Worm et al. | An MILP approximation for ordering perishable products with non-stationary demand and service level constraints | |
Ait-Alla et al. | Robust production planning in fashion apparel industry under demand uncertainty via conditional value at risk | |
Babai et al. | On the empirical performance of (T, s, S) heuristics | |
Wang | Optimal sequence of container ships in a string | |
Yildiz et al. | Production planning using evolving demand forecasts in the automotive industry | |
Seitz et al. | Increasing accuracy and robustness of order promises | |
Birkmaier et al. | Towards a robust digital production and logistics network by implementing flexibility measures | |
Tang et al. | Investigation of berth allocation problem in container ports considering the variety of disruption | |
Stålhane et al. | A dual-level stochastic fleet size and mix problem for offshore wind farm maintenance operations | |
Sai Suraj et al. | Positioning of Inventory in Supply Chain Using Simulation Modeling. | |
Felberbauer et al. | Comparing the performance of two different customer order behaviors within the hierarchical production planning | |
US9491312B1 (en) | Telecommunication price-based routing apparatus, system and method | |
Meyersdorf et al. | Cycle time reduction for semiconductor wafer fabrication facilities | |
De Kok | Buffering against uncertainty in high-tech supply chains | |
Michna et al. | The impact of lead time forecasting on the bullwhip effect | |
JP2020013261A (en) | Yard waiting demurrage time prediction device, method and program | |
Plinta et al. | Adaptive inventory control system for material items with continuous non-stationary demand | |
CN114219247A (en) | Processing method and device of equipment consumables, computer equipment and storage medium | |
JP6613743B2 (en) | Safety stock determination device, method and program | |
Wang et al. | A matheuristic for making order acceptance decisions in multi-product, multi-stage manufacturing systems | |
Barco et al. | The effect of transfer lot size on manufacturing lead time: a stochastic analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190605 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200519 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200623 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200706 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6740860 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |