需要予測手法とは?~生産計画の精度を上げる計算方法~
需要予測手法とは?~生産計画の精度を上げる計算方法~

製造業の生産性向上を進めるなら
まず生産計画の精度の向上を
考慮に入れる必要があります

でもそのまえにお客様からの注文が
どのようにやってくるのか
需要予測がとても大切です

 
でもその需要予測の手法には
どのようなものがあるのか?
ご存じない方も多いとのことで
需要予測手法について情報を
整理してみることにしました

今回も読み終えるまでの時間
しばらくお付き合いください

 

需要予測の2つの方向性

需要予測を進めるには以下の
大きく2つの方向性があります

需要予測を進める方向性
方向性1:ヒトの感覚による予測
方向性2:統計的計算による予測

 

方向性1:ヒトの感覚による予測

取引先の方向性や営業情報
季節的な変動や市場動向など
考えるべきことは結構多くあります

ただの勘だけに頼ることは危険だと
考える方もいらっしゃるかもですが
実はこの人間の勘というものは
結構優秀なんですよ

なので次の統計的計算の手法を
組み合わせて予測することが
結構重要になってくるんですよね

 

2:統計的計算による予測

これには使える手法が3つあります

次の章で詳しく説明していきます

 

需要予測に使える3つの統計的手法

需要予測には統計的手法として
以下の3つが代表的です

需要予測の統計的手法
手法1:移動平均法
手法2:指数平滑法
手法3:回帰分析法

それぞれもう少しだけ
補足を進めてみましょう

 

手法1:移動平均法

平均法は皆さまご存じかと思います

過去実績の平均を計算することで
需要予測として採用するのは
通常、最初に思いつく予測手法です

この移動平均法というのは
平均を移動型で計算する手法です

 
たとえば対象範囲を6か月とすれば
過去6か月分の平均を計算します

意図はもっとも近い6か月だけを
参考にする計算の方が
精度が高いだろうとする考え方です

 

移動平均法の計算例

移動平均法の事例

移動平均法の計算例

4月の予測値
  予測値 = (32+27+36+44+48+50)/6
      = 39.5 ≒ 40
5月の予測値
  予測値 = (27+36+44+48+50+40)/6
      = 40.8 ≒ 41

 
たとえば上記の計算例をご覧下さい

今期の4月の予測値を計算するのに
昨年度の実績値を参考にします

次数:6か月と設定した場合
過去の実績値、具体的には昨年度の
10月、11月、12月、1月、2月、3月の
平均を求めることで予測値とします

同様に5月の予測値を計算するのに
11月、12月、1月、2月、3月、4月の
平均を求めることで予測値とします

さらに『近さ』を重視するため手法
加重移動平均法というのもあります

 

加重移動平均法の計算例

加重移動平均法の計算例

加重移動平均法の計算例

4月の予測値
  予測値 = (0.1*36+0.2*44+0.3*48+0.4*50)
      = 46.7 ≒ 47
5月の予測値
  予測値 = (0.1*44+0.2*48+0.3*50+0.4*47)
      = 47.8 ≒ 48

 
今期の4月の予測値を計算するのに
昨年度の実績値を参考にしますが
次数:4か月として重みづけを
掛け算して算定する手法です

具体的には過去の実績値の
12月、1月、2月、3月を参考にし
もっとも近い3月実績に0.4を
次に近い2月実績に0.3を
次に近い1月実績に0.2を
最も遠い12月実績に0.1を掛けて
より近い方に重みをつけて
平均を求めることで予測値とします

4つの実績に掛けてる指数の合計が
1になっているのて自然と平均に
なっているわけですよね

 

同様に5月の予測値を計算するのに
1月、2月、3月、4月を参考にし
もっとも近い4月実績に0.4を
次に近い3月実績に0.3を
次に近い2月実績に0.2を
最も遠い1月実績に0.1を掛けて
予測値を計算します

この『近さ』を重視する考え方を
さらに重視する計算手法に
指数平滑法という手法があります

 

手法2:指数平滑法

指数平滑法とは2つの情報を
組み合わせて予測値を計算します

具体的には過去の予測値と実績値

計算式は以下のとおり

 
予測値=a×前回実績値+(1-a)×前回予測値
(a:平滑定数)

aが1に近くなるほどより新しい
実績データを重視した予測ができ
0に近くなるほど
過去データを重視した計算になります

この計算方法は重みaを
指数関数的に変化させていくことに
大きな特徴があります

 

手法3:回帰分析法

回帰分析法イメージ

回帰分析法イメージ

 
上記に示した実績の推移①→②を
y=ax × b等の数式に置き換えて
将来の需要を予測する手法が
この回帰分析法です

説明したい変数yを目的変数
それを予測するための変数xを
説明変数とよびます

説明変数が1つの場合を短回帰分析
複数の場合を重回帰分析と言います

現在ではビッグデータ分野で
多様されている手法でもあるので
改めて深く学習をしてみても
いいのかも知れませんね

 

まとめ

需要予測はそれぞれの業界や
主要取引先の状況によって
適した手法や情報収集範囲が
変わってくるものです

なのでこればかりは最適な手法を
探り当てるしかないのが現状です

つまり何ごとも仮説→検証で
実際に試して見つけていくのが
もっとも効率的な方向性であり
ここから逃げていては始まりません

ぜひ自社の環境に最適な
需要予測の手法を確立してください

 

 

それでは今日はここまでです

今後とも宜しくお付き合い下さい☆

長文乱文を最後まで読んでくださり

いつもありがとうございます♪

すべては御社の発展のために
すべてはあなたの笑顔のために

 

セミナーに参加して職場改革を進めよう!
 
 

当サイトの管理人:西本文雄が登壇する、今後開催予定のセミナー情報を公開中!!

 
あなたの職場では改善は進んでいますか?

 従業員一人ひとりが積極的に職場を良くすることを習慣にしている。そんな職場はとても雰囲気もいいですし、お客さまからも信頼されますし、そもそも働いていて楽しいです。そんな職場づくりには仕事の基礎スキルである整理・整頓・清掃からスタートさせていくことが基本です。

 そこで今回はサイトのリニューアルを記念して、100名様限定で『従業員の意識を高める3S活動のマル秘ノウハウ』資料の無料ダウンロードを再開することとしました!

 ぜひ、あなたの職場をよくするためのヒントとしてご活用いただければ幸いです。

社員が変わる!職場も変わる!従業員の意識を高める3S活動のマル秘ノウハウ

おすすめの記事