サプライ・チェイン 在庫最適化システム WebSCMのご紹介

Slides:



Advertisements
Similar presentations
土木計画学 第3回:10月19日 調査データの統計処理と分析2 担当:榊原 弘之. 標本調査において,母集団の平均や分散などを直接知ることは できない. 母集団の平均値(母平均) 母集団の分散(母分散) 母集団中のある値の比率(母比率) p Sample 標本平均 標本分散(不偏分散) 標本中の比率.
Advertisements

2011 年 1 月 6 日(木) 王 暁華 経営情報学入門 ― 生産管理 ( 2 ) 2011/1/6 2-1 経営情報学入門-生産管理( 2 )
パレットレンタルシステムにおける 輸送ネットワーク形態の特徴に関する研 究 流通情報工学専攻 松山 健太郎.
サプライ・チェイン最適化 ー収益管理を中心としてー 東京海洋大学 久保 幹雄
●母集団と標本 母集団 標本 母数 母平均、母分散 無作為抽出 標本データの分析(記述統計学) 母集団における状態の推測(推測統計学)
2班 石川真希 石川雄一 伊藤豪浩 糸瀬徳 井上祐紀 井上善喬
ロジスティクス工学 第4章 確率的在庫モデル サプライ・チェインの設計と解析 第3章 在庫管理とリスク共同管理 pp
看護学部 中澤 港 統計学第5回 看護学部 中澤 港
2017/3/2 ロジスティクス・ネットワーク 最適化 東京海洋大学 久保 幹雄.
様々な仮説検定の場面 ① 1標本の検定 ② 2標本の検定 ③ 3標本以上の検定 ④ 2変数間の関連の強さに関する検定
サプライ・チェインの設計と管理 第6章 戦略的提携 pp 音複堂のケーススタディを読んでおくこと!
サプライ・チェインの設計と管理 第9章 顧客価値とサプライ・チェイン・マネジメント pp
2017/3/7 配送計画 収益管理 需要予測 東京海洋大学 久保 幹雄.
サプライ・チェイン最適化の最近の動向について
2017/3/8 配送計画 収益管理 需要予測 東京海洋大学 久保 幹雄.
経済学A ミクロ経済学(第4回) 費用の構造と供給行動
2017/3/10 スケジューリング最適化 東京海洋大学 久保 幹雄.
ロジスティクス工学 第3章 鞭効果 サプライ・チェインの設計と管理 第4章 情報の価値 バリラ・スパの事例を読んでおくこと!
5 国際貿易の構造と理論 ーーグローバル化と貿易理論ーー
2017/3/14 サプライ・チェイン最適化 東京海洋大学 久保 幹雄.
2017/3/14 サプライ・チェイン最適化入門 東京海洋大学 久保 幹雄.
統計的仮説検定の考え方 (1)母集団におけるパラメータに仮説を設定する → 帰無仮説 (2)仮説を前提とした時の、標本統計量の分布を考える
第2回 バリューチェーン1 【 Value Chain(価値連鎖) 】
サプライ・チェイン最適化の最新動向 久保 幹雄 東京商船大学 江東区越中島2ー1ー6 流通情報工学 流通管理工学講座 流通経営工学 助教授
ロジスティクス工学 第2章 経済発注量モデル サプライ・チェインの設計と管理 pp , 3.2.1節 経済的ロットサイズ・モデル
経済・経営情報コース コース紹介.
マーケティング計画.
配送計画最適化システム WebMETROご紹介
「データ学習アルゴリズム」 第2章 学習と統計的推測 報告者 佐々木 稔 2003年5月21日 2.1 データと学習
顧客 「ISO9001」と「ISO22000」の違い ISO22000 ISO9001 リスクをなくす 顧客満足 食の安全性 品質の差別化
サプライ・チェインの設計と管理 第8章 製品設計とサプライ・チェイン設計の統合 pp
母集団と標本調査の関係 母集団 標本抽出 標本 推定 標本調査   (誤差あり)査 全数調査   (誤差なし)査.
需要予測システム WebForecastのご紹介
サプライ・チェイン最適化とその周辺 東京海洋大学 東京商船大学 江東区越中島2-1-6 流通情報工学 流通管理工学講座 流通経営工学 助教授
サプライ・チェインの設計と管理 第11章 サプライ・チェイン・マネジメントのための 意思決定支援システム pp
ビールゲーム第二回発表資料 11班.
ボンドの効果 ―法と経済学による分析― 桑名謹三 法政大学政策科学研究所
需要パターンを考慮した 発注方式の比較検討
相関分析.
ロジスティクス工学 第3章 鞭効果 サプライ・チェインの設計と管理 第4章 情報の価値 バリラ・スパの事例を読んでおくこと!
The Value of Information ~情報の価値~
在庫管理 東京工業大学 曹徳弼 内容 在庫の分類 ABC管理 ロット編成手法 EOQ WW法 新聞売り子問題 発注方式.
確率論の基礎 「ロジスティクス工学」 第3章 鞭効果 第4章 確率的在庫モデル 補助資料
移庫、加工単独、加工件移庫、仕入件移庫 イメージ説明
スケジューリング最適化システム WebSeqのご紹介
ブルウィップ効果 Bullwhip Effect
経営システム工学入門実験A ビールゲーム 総評
11.3 酒屋の在庫問題(8) ユースケース 仕入販売支援システム 11. モデリング 受注する 入庫を記録する 在庫を引き当てる 受付係
事業リスク分析をベースとした 意思決定・事業評価手法
ロジスティクス工学 第2章 経済発注量モデル サプライ・チェインの設計と管理 pp , 3.2.1節 経済的ロットサイズ・モデル
ウィルスって どの位感染しているのかな? 菊池研究室  小堀智弘.
「経営システム工学総合実験」 モデリング&シミュレーション 第2回
見込・受注生産環境における 作業負荷の分散を考慮した生産座席システムの評価
配送計画最適化システム WebMETROのご紹介
「経営システム工学入門実験A」 ロジスティクス 第1回
サプライ・チェインの設計と管理 第5章 ロジスティクス戦略 pp 米国出版販売(ベーハン)のケーススタディを読んでおくこと!
母集団と標本抽出の関係 母集団 標本 母平均μ サイズn 母分散σ2 平均m 母標準偏差σ 分散s2 母比率p 標準偏差s : 比率p :
ビールゲームにおける結果と考察 9班:ユベントス.
サプライ・チェイン最適化について 研究者・実務家が知っておくべきこと
サプライ・チェイン最適化における モデリングについて
第5回 確率変数の共分散 確率・統計Ⅰ ここです! 確率変数と確率分布 確率変数の同時分布、独立性 確率変数の平均 確率変数の分散
度数分布表における平均・分散 (第1章 記述統計の復習 補足)
卒業テーマの発表 在庫量の効率管理    卒業テーマの発表        ------在庫量の効率管理      a6p21502 Huang Ping.
在庫最適化システム WebInvのご紹介 Log Opt Co., Ltd..
プログラミング論 相関
経営システム工学 入門実験 ロジスティクス第2回
回帰分析入門 経済データ解析 2011年度.
第3章 統計的推定 (その2) 統計学 2006年度 <修正・補足版>.
パレットレンタルシステムにおける在庫費用の削減策に関する研究
「経営システム工学入門実験A」 ロジスティクス 第1回
Presentation transcript:

サプライ・チェイン 在庫最適化システム WebSCMのご紹介 Log Opt Co., Ltd.

在庫最適化とは? サービスレベルのための安全在庫(中期タクティカル) 安全在庫最適配置 (サプライ・チェインの設計時における在庫最適化!) 在庫はサプライ・チェインのあらゆるレベルに存在 フロー在庫(ストラテジック) ロジスティクス・ネットワーク最適化における在庫地点の配置と輸送モードの選択 作り置き在庫(長期タクティカル) 資源配分最適化における期間の在庫 サービスレベルのための安全在庫(中期タクティカル) 安全在庫最適配置  (サプライ・チェインの設計時における在庫最適化!) ロットサイズとのトレードオフのための在庫(短期タクティカル)   ロットサイズ最適化 不確実性に対するリスクヘッジとしての安全在庫 (オペレーショナル) WebINVによる最適基在庫レベル(発注点と発注量)の設定

WebSCMの基本原理 安全在庫量はまとめて配置するほど少なくなる(統計的規模の経済の原則) 品目の価値はサプライ・チェインの下流(顧客側)に近づくほど高くなる(在庫保管費用の単価が上昇する.) サプライ・チェインの適当な地点に在庫をまとめて配置 そのために,通常は固定して扱うリード時間を最適化する.

リード時間と安全在庫量 需要の平均μ=100,標準偏差σ=100の正規分布(正確には負の部分を切り取った分布:切断正規分布) サービスレベル(品切れを起こさない確率) 95%->安全在庫係数 1.65 リード時間 (調達から品目の到着までの時間) L

リード時間と平均,安全,最大在庫量の関係 リード時間を変数とすることによる安全在庫量の削減

安全在庫と保証リード時間 保証リード時間:発注後,この時間内には商品を届けることを保証している.(E.g., ピザーラなら30分,アスクルなら1日) 安全在庫量 =2日分 下流の地点への保証リード時間 =2日 2日 2日 上流の地点の 保証リード時間 =1日=入庫リード時間 1日 生産時間=3日 在庫(生産)地点

直列多段階モデルの例 (保証リード時間がすべて0のケース) 平均需要量=100個/日 標準偏差=100 の正規分布 安全在庫比率=1 保証リード時間 =0 保証リード時間 =0 外部 供給 生産時間      3日     2日      1日     1日 商品1個あたりの在庫費用(商品の価値)      10円    20円     30円    40円 安全在庫費用 1732円 2828円 3000円 4000円 合計 11560円

WebSCMによって得られた最適解 保証リード時間=3 入庫リード時間=2 安全在庫量=3-(2+1)=0日分 生産時間      3日     2日      1日     1日 保証リード時間       0日     2日      3日     0日 安全在庫費用 1732円 0円 0円 8000円 合計 9732円 (16%減)

ネットワーク型モデル 共同管理係数α 需要地点1 N(100,100) 平均100 標準偏差100 正規分布 倉庫 需要地点2 α=2 独立分布, α=1 完全相関, α=3 負相関

1つの需要地点における安全在庫量と倉庫における共同管理した場合の安全在庫量 (共同管理係数α=1,2,3) 日

入庫リード時間 入庫リード時間: 品目発注後に生産を開始できるまでの日数 入庫リード時間=max{3,10}=10日 3日 保証リード時間

補充リード時間 補充リード時間:品目発注後に生産が完了するまでの日数 入庫リード時間=max{3,10}=10日 3日 保証リード時間 1日 10日 生産時間=1日 補充リード時間=10+1=11日

正味補充時間と安全在庫1 正味補充時間=補充リード時間ー保証リード時間 =11ー0=11日          =11ー0=11日 安全在庫 = 11日間の最大需要ー11日間の平均需要 = 安全在庫比率×SQRT(11) 3日 保証リード時間=0日 安全在庫=11日分 保証リード時間 10日 1日 10日 補充リード時間=10+1=11日

正味補充時間と安全在庫2 正味補充時間=補充リード時間ー保証リード時間 =11ー5=6日 安全在庫 = 6日間の最大需要ー6日間の平均需要          =11ー5=6日 安全在庫 = 6日間の最大需要ー6日間の平均需要 = 安全在庫比率×SQRT(6) 3日 保証リード時間=5日 5日 6日 保証リード時間 10日 1日 10日

保証リード時間を増やすと... (保証リード時間が)11日までは在庫が減少! 安全在庫も11日までは減少! 安全在庫量 11 保証リード時間

ネットワーク型モデルの例 6万円 ≦ 4日 ≧ 0日 4 ≧ 0日 3 3 6 ?日 1万円 ?日 1万円 ?日 3 ?日 3 3万円 平均=100 標準偏差=10 1万円 ?日 3 ?日 3 3万円 5万円 ?日 6万円 ≦ 1日 ≧ 0日 1 2 付加価値=1万円 3 1万円 平均=100 標準偏差=10

ネットワーク型モデルの例 (保証リード時間=0;593万円) 0日 3日 3 3 0日 6 3 3 6 0日 0日 3 3 0日 3 0日 3 0日 0日 2 2 1 1日 2 3

ネットワーク型モデル (近似解;558万円) 4日 6日 9 4 0日 6 6 3 1 3 6 6日 9日 9 9日 1 1日 9 6 3 11 9日 1 1日 9 6 3 3 6日 4日 6 3 1日 1 4 2 1 3

ネットワーク型モデル (最適解;515万円) 4日 0日 3 4 0日 3 1 3 6 0日 3日 3 3日 0日 3 3 3 0日 4日 2 2 1日 1 2 3

WebSCM データ入力項目 品目データ 品目対データ

品目データ(1) 品目ID:品目を区別するためのID 品目名称: 品目の名前 生産時間: 品目を加工したり,運搬したり,作業待ちをしたりする時間の合計 付加価値:在庫地点で付加される品目 1単位あたりの価値 保証リード時間:在庫地点において,その地点が品目を納入する(下流の)在庫点が発注後,品目の補充を行うことを保証している時間 下限:保証リード時間の下限 上限:保証リード時間の上限

品目データ(2) 補充リード時間: 在庫地点が品目を注文をした後,品目を上流の在庫地点から受けとり,それらの品目をもとに生産を完了するまでの時間 正味補充時間:補充リード時間から保証リード時間を差し引いた時間 平均:品目の需要量の平均値 標準偏差:需要の標準偏差 安全在庫率:安全在庫量を計算するための係数 安全在庫量 =  安全在庫係数×需要の標準偏差×SQRT(正味補充時間)

品目データ(3) 在庫保管比率: 在庫量から在庫費用を計算するための係数 安全在庫費用= 在庫保管比率 × 品目の価値 ×安全在庫量     安全在庫費用= 在庫保管比率 × 品目の価値 ×安全在庫量 共同管理係数:各需要地点間の相関を表現するためのパラメータ;ある在庫地点が供給する需要地点における需要が独立な場合には2. 相関が大きい場合には 1 に近い値.負の相関(逆相関)の場合には 2 より大きな値.

品目データ(4):出力データ 累積需要:自分の需要と自分の親品目を製造するために必要な量の和. 価値:品目の価値.付加価値をサプライ・チェインの上流から累積したもの. 在庫量:安全在庫量.最適化によって計算された値. 在庫費用:安全在庫費用.最適化によって計算された値.

品目対データ 子品目ID:部品(原料)に対応する品目IDを入力 親品目ID:部品から製造(生成)される品目IDを入力 必要量:親品目を1 単位製造するのに必要な子品目の数(量) 移動時間:子品目を親品目の製造場所まで輸送するための時間

例 Managing the Supply Chain –The Definitive Guide for the Business Professional –by Simchi-Levi, Kaminski,Simchi-Levi の例を改訂 15 x2 37 Part 1 Dallas ($260) 5 28 Part 2 Dallas ($0.5) Part 4 Malaysia ($180) 30 30 15 15 37 最終需要 N(100,10) 保証リード時間 =30日 39 15 3 37 17 Part 5 Charleston ($12) Part 3 Montgomery ($220) 58 32 37 58 4 8 43,508$ (40%Down) Part7 Denver ($2.5) Part 6 Raleigh ($3) 最終需要地点の保証リード時間=15日 ->51,136$

サプライ・チェインにおける 在庫削減の手法 複数拠点の在庫を1ヶ所に集約する! -> リスク共同管理(risk pooling) 製品のバリエーションを増やすのを,なるべくサプライ・チェインの下流(需要側)でやる! ->遅延差別化(delayed differentiation) また,そのために製品設計(サプライ・チェインの設計)から変える! ->製造のための設計(design for manufacturing) , ロジスティクスのための設計(design for logistics) WebSCMを使えば,上の項目すべての最適化が可能