需要予測だけでは工場は回らない。中小製造業が生産計画と在庫最適化までつなぐ現実解

「AIで需要予測を始めたのに、欠品も過剰在庫も減らない」

中小製造業のDXでは、こうしたことが起こります。

需要予測の精度が上がれば、生産計画も在庫も自然に良くなる。そう考えたくなります。しかし、予測値はあくまで「これからどれくらい売れそうか」を示す材料です。工場が実際に作れる量、材料が入る時期、段取り替えにかかる時間、どこまで在庫を持つかまでは決めてくれません。

需要予測を現場で役立てるには、次の3つをつなぐ必要があります。

1. どれくらい売れそうかを考える需要予測
2. いつ、どの設備で、どれだけ作るかを決める生産計画
3. 欠品と過剰在庫の間で、どこまで持つかを決める在庫方針

この記事では、中小製造業が需要予測だけで終わらず、生産計画と在庫最適化までつなぐための現実的な進め方を整理します。高価なシステムの導入から始めるのではなく、まずExcelで現状を見えるようにし、1つの製品群から運用を整える流れで説明します。

需要予測だけでは、なぜ現場が楽にならないのか

需要予測が示すのは、市場や顧客からどれくらい注文が入りそうかという見通しです。

一方、生産計画では、設備能力、人員、材料、段取り、保全予定、納期を考える必要があります。在庫管理では、需要のばらつきだけでなく、調達や製造にかかるリードタイム、欠品時の影響、保管費用も考えます。

つまり、3つは役割が違います。

領域	答える問い	主に見るもの
需要予測	どれくらい必要になりそうか	受注履歴、季節性、営業情報、顧客動向
生産計画	いつ、どこで、どれだけ作れるか	設備能力、人員、材料、段取り、納期
在庫方針	どこまで在庫を持つか	需要変動、リードタイム、欠品影響、保管費用

予測値だけを「そのまま作る数量」として現場に渡すと、実行できない計画が生まれます。特定の設備に負荷が集中する、材料が間に合わない、段取り回数が増えすぎる、必要な品番より作りやすい品番を優先してしまう。こうした問題は、需要予測モデルを高性能にするだけでは解決しません。

最初に、製品を需要の特徴で分ける

すべての製品を同じ方法で予測すると、需要の違いを反映できず、予測や在庫判断を誤りやすくなります。

たとえば、毎月安定して売れる量産品と、数か月に1回だけ注文が入る補修部品では、需要の形が違います。大口顧客向けの専用品と、多数の顧客が購入する標準品でも、予測の考え方は変わります。

まずは、製品を次のように分けます。

製品の特徴	予測の考え方	計画・在庫の考え方
安定して繰り返し売れる	過去実績を基に予測しやすい	定期的に補充し、在庫を細かく見直す
季節によって増減する	季節性を考慮する	繁忙期前に能力と材料を確認する
顧客案件で大きく変動する	営業の見込情報を重視する	複数の需要シナリオで能力を確認する
注文が不定期に発生する	通常品と分けて扱う	受注生産、共通化、最低在庫を検討する
新製品で履歴がない	類似品や営業情報を使う	少量で開始し、短い周期で見直す

特に、注文がない期間が続き、突然まとまった注文が入る需要は「間欠需要」と呼ばれます。補修部品や保守部品などで起こりやすく、通常の月平均だけでは扱いにくい需要です。こうした品番は、安定品と同じ指標や在庫方針で管理しない方がよい場合があります。

期間によって、予測の使い道が違う

需要予測は、見る期間によって目的が変わります。

以下の期間区分は一例です。実際には、材料の調達期間、製造リードタイム、顧客から求められる納期に合わせて設定します。

期間	主な情報	主な用途
1〜4週間	確定受注、内示、直近の営業情報	日程計画、材料確認、段取り順序
1〜3か月	受注傾向、見込案件、季節変動	月次生産量、人員、外注、材料手配
4〜12か月	市場動向、顧客計画、新製品情報	能力増強、設備投資、採用、長納期材料

短期と中期の期間は一部重なります。同じ時期でも、短期では確定受注や内示を中心に生産日程を決め、中期では設備、人員、材料の大枠を確認します。

短期では、予測値より確定受注や内示の比重が高くなります。明日の生産順序を、半年前の平均需要だけで決めることはできません。

中期では、1個単位まで正確に当てることよりも、現状の設備能力で足りるのか、材料を早めに確保すべきかを判断できることが重要です。

長期では、個々の品番を正確に予測することよりも、需要の増減に対して、設備能力、採用、外注、長納期材料をいつ準備するかを判断することが目的です。

同じ予測値を、日々の順序計画と半年後の設備判断にそのまま使うと、目的が混ざります。まず、期間ごとに何を決めるための予測なのかを明確にします。

予測モデルの前に、データの意味をそろえる

需要予測を始めるとき、最初に問題になるのはAIモデルではありません。

受注履歴や在庫データの意味が、部門や担当者によって違うことです。

たとえば、受注数量の中にキャンセル分が残っている。品番変更によって同じ製品の履歴が分断されている。受注日と希望納期が混ざっている。在庫数には検査待ちや保留品が含まれている。こうした状態では、高度なモデルを使っても判断を誤ります。

最低限、次のデータを確認します。

データ	確認すること	よくある問題
受注・出荷履歴	何の日付を需要として扱うか	受注日、出荷日、希望納期が混在する
品番マスター	旧品番と新品番をどうつなぐか	品番変更で履歴が分断される
現在庫	どの需要に使える在庫か	出荷可能、引当済み、検査待ち、保留の区別ができていない
仕掛品	いつ完成する見込みか	工程内にあるだけで完成時期が不明
リードタイム	実際に何日かかったか	標準値だけで実績との差が分からない
設備能力	期間内に何時間使え、品番ごとに1個作るのに何分かかるか	理論能力だけで停止や段取りを含まない
段取り時間	主要な品番の切替パターンごとに何分かかるか	実測せず担当者の感覚に依存する
営業情報	案件確度と受注時期	コメントだけで数量や時期が曖昧

とくに注意したいのが、標準リードタイムと実績リードタイムの違いです。マスター上は10日でも、実際には材料待ちや検査待ちを含めて20日かかっていることがあります。

需要予測の精度を数ポイント上げるより、リードタイムや段取り時間を実測値に直した方が、計画が現実に近づくことがあります。

最初からAIを使う必要はない

需要予測というと、高度なAIを使わなければならないように見えます。

しかし、最初に比較すべきなのは、前月実績、前年同月実績、移動平均、指数平滑法などの単純な方法です。

移動平均は、直近3か月や6か月など、一定期間の実績を平均して次の需要を見積もる方法です。指数平滑法は、古い実績よりも直近の実績を重く見て、次の需要を予測する方法です。どちらもExcelで試しやすく、予測の基準として使えます。

ただし、単純な指数平滑法は、明確な増減傾向や季節変動がない製品に向いています。季節性がある製品では、その変動を考慮できる方法を使う必要があります。

こうした単純な方法でも十分に使える製品がある一方、高度なモデルを使っても予測しにくい製品もあります。

最初は、次のような順番で進めます。

1. 前月実績や前年同月実績を使い、比較の基準となる簡単な予測を作る
2. 移動平均や指数平滑法で予測し、基準となる予測と比べる
3. 過去データを前半と後半に分け、前半のデータで予測し、後半の実績と比べる
4. 営業担当者の案件情報を加えた場合と、加えない場合を比べる
5. 予測誤差だけでなく、欠品や過剰在庫がどう変わるかを見る

高度な予測モデルは、価格、営業日数、販促、気象、顧客計画など、需要に関係する情報が継続的にそろってから検討します。データが少ない段階では、複雑な仕組みを使うより、単純な予測方法の方が安定することもあります。

MAPEだけで予測精度を判断しない

需要予測では、MAPEという指標がよく使われます。MAPEは、Mean Absolute Percentage Errorの略で、日本語では「平均絶対パーセント誤差」と呼ばれます。実績に対して予測が何％ずれたかを平均した指標です。

直感的に分かりやすい一方で、実績が0のときは計算できず、実績が小さいと誤差率が極端に大きくなる問題があります。注文がない月が多い品番では、MAPEだけで比較すると判断を誤りやすくなります。

そのため、予測方法を評価するときは、予測の精度と、現場や経営への影響を表す指標を組み合わせます。

指標	正式名称・日本語名	見る内容	注意点
MAE	Mean Absolute Error 平均絶対誤差	予測が実績から、元の単位で平均どれだけずれたか	個数、重量、金額など、単位が異なるデータ同士は比較しにくい
MAPE	Mean Absolute Percentage Error 平均絶対パーセント誤差	予測が実績から平均で何％ずれたか	実績が0の場合や、需要量が少ない品番には使いにくい
MASE	Mean Absolute Scaled Error 平均絶対スケール誤差	前期実績や前年同月実績を使った単純な予測を基準にして、それより誤差が小さいかを見る。一般に1未満なら、基準となる予測より良い	季節性がある製品では、前年同月など、適切な基準を選ぶ必要がある
予測バイアス	予測の偏り	予測が実績より多めか、少なめか	MAEやMAPEのように誤差の大きさだけを見る指標では、予測が多めか少なめかは分からない
欠品数・過剰数	実際に不足・余剰となった数量	需要予測と生産・在庫運用の結果として生じた業務への影響	在庫方針や生産能力の影響も受ける

予測誤差が同じ10個でも、不足する10個と余る10個では、経営への影響が違います。不足すれば納期遅延や失注につながり、余れば在庫費用や廃棄につながります。

そのため、単に誤差を小さくするのではなく、「不足側の誤差をどこまで許容するか」「余剰側の誤差をどこまで許容するか」を品番ごとに考える必要があります。

1つの予測値ではなく、幅で見る

需要予測を「来月は100個」と1つの数字だけで示すと、その数字が確定値のように扱われます。

しかし、予測には必ず不確実性があります。実務では、基準となる予測に加えて、需要が少ない場合と多い場合も考えた方が計画を作りやすくなります。

シナリオ	使い方
需要が少ない場合	過剰在庫や生産しすぎのリスクを見る
基準となる場合	通常の人員、材料、生産量を決める
需要が多い場合	残業、外注、材料不足、能力不足を確認する

たとえば、基準予測が100個でも、過去のばらつきや営業情報をもとに80〜130個の範囲を想定するなら、100個だけで計画を固定するのではなく、130個になったときに何が足りなくなるかを先に確認します。

この幅は、安全在庫を考える材料にもなります。ただし、安全在庫は需要のばらつきだけでは決まりません。調達・製造リードタイムのばらつき、目標とする納品水準、欠品時の影響も含めて決めます。

予測値を、作れる計画に変える

需要予測を生産計画に落とすときは、予測数量だけを見ません。

概念的には、次の情報を組み合わせます。

追加で生産する数量 ＝ 計画期間内の総需要 ＋ 期末に残したい在庫 − 現在使える在庫 − 計画期間内に完成・入荷する予定数量

この式は、これから追加でどれだけ生産する必要があるかを考えるための基本的な整理です。計算する数量は、今月や今週など、同じ計画期間にそろえます。

計画期間内の総需要は、すでに注文を受けている確定受注と、まだ受注していないものの今後入ると見込む需要を合わせた数量です。ただし、予測需要の中に確定受注が含まれている場合は、同じ注文を二重に数えないようにします。

項目	意味
計画期間内の総需要	確定受注と、まだ確定していない予測需要を合わせた数量
期末に残したい在庫	計画期間が終わった時点で、欠品を防ぐために残しておきたい数量
現在使える在庫	検査待ち、保留、不良などを除き、計画期間内の需要に充当できる在庫数量。総需要に確定受注を含める場合は、その確定受注に引き当て済みの在庫も含める
計画期間内に完成・入荷する予定数量	すでに生産中の仕掛品が完成する予定数量や、外注先・仕入先から完成品として入荷する予定数量

たとえば、計画期間内の確定受注が100個、まだ確定していない予測需要が50個なら、総需要は150個です。期末に30個を残したい一方、現在使える在庫が60個、期間内に完成・入荷する予定が20個ある場合、追加で生産する数量は100個です。

150 ＋ 30 − 60 − 20 ＝ 100

なお、期間全体の数量が足りていても、完成や入荷の時期が納期に間に合わない場合があります。月単位で数量を確認した後、週単位や日単位でも不足が起きないかを確認します。

ただし、この追加生産量をそのまま計画にしても、設備や材料の制約を超えていれば実行できません。

確認する制約は次の通りです。

• ボトルネック工程の能力
• 作業者と必要技能
• 原材料と購入部品の入荷予定
• 金型、治具、検査設備の使用可能時間
• 品番切替にかかる段取り時間
• 保全や校正による設備停止
• 品質検査と出荷判定にかかる時間
• 特急品や優先顧客の扱い

ここでいうボトルネック工程とは、需要に対して処理能力に余裕が少なく、工場全体の生産量を制約しやすい工程です。

すべての設備を100%稼働させることが、工場全体の最適になるとは限りません。前工程が作りすぎると、ボトルネックの前に仕掛品がたまり、リードタイムが長くなることがあります。まず、どの工程が全体を制約しているかを確認し、その工程を基準に計画します。

月次・週次・日次で計画を分ける

生産計画も、期間によって役割が違います。

計画の単位	主な目的	決めること
月次	需要と供給能力の大枠を合わせる	製品群別の生産量、人員、外注、材料
週次	直近の変動を反映する	品番別数量、設備負荷、欠品対応
日次	現場で実行できる順序にする	生産順序、担当者、設備、開始時刻

月次では、営業、生産、調達が同じ需要見通しを共有します。営業は案件情報を出し、生産は設備や人員の能力を確認し、調達は材料の入荷可能性を確認します。部門ごとに別々の数字で判断するのではなく、共通の需要見通しをもとに、生産量、材料、人員、在庫の方針を合わせることが重要です。

週次では、確定受注、キャンセル、設備故障、材料遅延を反映して計画を更新します。日次では、段取り順序や現場の欠勤まで含めて実行順を決めます。

月次計画を毎日作り直すと方針が安定せず、日次計画を月1回しか見直さないと現場変動に追いつけません。期間ごとに、どこまで固定し、どこから変更できるかを決める必要があります。

段取り時間を計画に入れる

多品種小ロットの工場では、加工時間だけでなく段取り時間が生産能力を左右します。

同じ材料や金型を使う品番をまとめれば、段取り回数は減ります。しかし、まとめすぎると、まだ必要でない品番を先に作り、在庫が増えます。逆に、納期順だけで細かく切り替えると、段取り時間が増えて生産量が下がります。

このため、生産順序では次のバランスを取ります。

優先するもの	メリット	行き過ぎた場合の問題
納期	遅延を減らしやすい	段取りが増えやすい
品番の類似性	段取りを減らせる	作りすぎや後回しが起こる
大口ロット	稼働が安定する	小口品が待たされる
ボトルネック効率	工場全体の産出量を守れる	稼働率だけを優先すると、不要な仕掛品が増えたり、納期の近い品番が後回しになったりする

最初から難しい計算や専用システムを使う必要はありません。まずは段取り時間を記録し、「この品番の次に、どの品番を作れば切替時間が短くなるか」を表にします。それだけでも、生産する順番を決めやすくなり、段取りによるロスを減らせます。

品番や設備が増え、担当者が表を見ながら調整するのが難しくなった段階で、生産計画を支援する専用システムを検討します。こうしたシステムは、材料の入荷予定、設備の空き時間、段取り、生産する順番などをまとめて確認し、実行しやすい計画を作るために使います。

在庫は、すべての品番で同じ持ち方をしない

在庫最適化というと、在庫を一律に減らす活動だと思われがちです。

しかし、在庫には欠品を防ぎ、工程間の変動を吸収する役割があります。減らすべきなのは、目的が不明な在庫、使う見込みが低い在庫、同じ理由で繰り返し積み上がる在庫です。

品番は、売上や利益への影響と、需要の変動性を組み合わせて分けると整理しやすくなります。

品番の特徴	在庫方針の例
重要度が高く、需要が安定	頻繁に見直し、過剰を抑えながら欠品を防ぐ
重要度が高く、需要が変動	営業情報を早く入れ、上振れ時の対応を決める
重要度が低く、需要が安定	まとめ生産や定期補充を検討する
重要度が低く、需要が不定期	受注生産、共通部品化、最低在庫を検討する
長期保守が必要	供給責任と陳腐化リスクを分けて考える

同じ「3か月分の在庫」という基準をすべての品番に当てはめると、需要のばらつきやリードタイムの違いを反映できません。その結果、品番によっては欠品や過剰在庫を招きます。

在庫方針は、品番の重要度、需要の形、リードタイム、代替可否、欠品時の影響で変えていくと良いでしょう。

KPIは予測精度だけで終わらせない

需要予測を導入すると、予測と実際の誤差だけが評価されやすくなります。

そのため、KPIは3つの段階で見ます。

段階	KPIの例	分かること
予測	MAE、MASE、予測バイアス	予測がどの程度ずれ、どちらに偏ったか
計画	計画達成率、計画変更の回数と理由、残業時間	計画が実行可能だったか
経営・顧客	納期数量遵守率、欠品率、在庫回転率、過剰在庫額	事業成果につながったか

納期数量遵守率は、約束した日までに、約束した数量を納められた割合です。

予測誤差が小さくなっても、欠品率や在庫回転率が改善しなければ、予測が生産計画や在庫方針に反映されていない可能性があります。逆に、予測誤差が多少残っていても、欠品と過剰在庫が減り、残業時間や急な計画変更が減ったなら、運用としては前進しています。

最初の90日でやること

需要予測、生産計画、在庫最適化を一度に全社展開する必要はありません。

まず、1つの製品群か、1つのラインに対象を絞って試します。小さく始めることで、データの問題や現場で運用しにくい点を確認してから、対象を広げられます。

最初の30日：データと製品を整理する

• 対象とする製品群を決める
  最初から全品番を対象にせず、売上への影響が大きい製品、欠品が多い製品、過剰在庫が目立つ製品などから、1つの製品群を選びます。
• 受注、出荷、在庫、仕掛品の定義をそろえる
  どの時点を受注とするのか、検査待ちや引当済みの在庫を使用可能在庫に含めるのかなど、部門ごとに異なる数字の意味をそろえます。
• 品番変更やキャンセルを整理する
  旧品番と新品番が別々の製品として集計されていないか、キャンセルされた注文が受注実績に残っていないかを確認します。
• リードタイムと段取り時間を実測する
  マスターに登録されている標準時間だけでなく、実際に材料の入荷や生産、検査、品番切替に何日・何分かかっているかを確認します。
• 需要の特徴で製品を分ける
  毎月安定して売れる製品、季節によって変動する製品、顧客案件で大きく変動する製品、注文が不定期に入る製品に分けます。

最初の30日で予測モデルを完成させる必要はありません。この期間の目的は、データの意味をそろえ、どの製品を同じ方法で扱えるのか、どの製品は別の方法で考える必要があるのかを明確にすることです。

60日目まで：単純な予測と生産能力の表を作る

• 前月、前年同月、移動平均、指数平滑法を比較する
  前月と同じ数量、前年の同じ月と同じ数量、直近数か月の平均、直近の実績を重く見る方法という複数の予測を作り、どの方法が実績に近いかを比べます。
• 需要が少ない場合、基準となる場合、多い場合の3つを作る
  予測を1つの数字に固定せず、需要が下振れした場合と上振れした場合も想定し、在庫や設備能力への影響を確認します。
• ボトルネック工程の週別能力を見える化する
  最も負荷が集中している工程について、1週間に使用できる時間を確認します。そのうえで、品番ごとの加工時間や段取り時間を使い、予定している生産量に何時間必要かを計算します。必要時間が使用可能時間を超えていれば、計画の見直しが必要です。
• 材料と段取りを含めて、実際に作れる量を確認する
  設備能力が足りていても、材料が入らない、金型が使えない、段取り替えが多いと計画通りには作れません。予測数量が現実に生産可能かを確認します。
• 予測のずれ方を確認する
  予測が平均でどれだけずれたかだけでなく、常に多めに予測しているのか、少なめに予測しているのかを確認します。欠品と過剰在庫のどちらにつながっているかも見ます。

対象を1つの製品群やラインに絞った試行であれば、まずExcelでも始められます。目的は、高度な予測システムを作ることではなく、需要の見通しと工場が実際に作れる量を、同じ表で確認できるようにすることです。

90日目まで：在庫方針と見直しの周期を決める

• 製品群ごとに在庫方針を決める
  安定して売れる製品は一定量を補充し、不定期にしか注文が入らない製品は受注生産にするなど、需要の特徴に合わせて在庫の持ち方を変えます。
• 欠品した場合と余った場合の影響を整理する
  欠品による納期遅延や失注の影響と、過剰在庫による保管費用や廃棄の影響を比べ、どちらをどこまで許容するかを決めます。
• 月次で需要と供給を確認する場を作る
  営業が受注見込みを共有し、生産が設備や人員の能力を確認し、調達が材料の入荷予定を確認します。部門ごとに違う数字で判断しない状態を作ります。
• 週次で直近の変化を反映する
  確定受注、キャンセル、材料遅延、設備故障などを週単位で確認し、必要に応じて生産量や順序を見直します。
• KPIを3つの段階で確認する
  予測のずれだけでなく、計画通りに生産できたか、欠品や過剰在庫が減ったか、納期や残業時間が改善したかまで確認します。

具体的には、「なぜこの数量を作るのか」「材料、人員、設備のどこが足りないのか」「なぜこの在庫を持つのか」を、関係する担当者が説明できる状態です。

専用ツールを検討するタイミング

Excelで運用を始めると、やがて限界が見えてきます。

品番数や工程数が多い。材料の入荷状況や設備能力を踏まえた調整が複雑になる。設備故障や特急品によって、生産計画を頻繁に変更する必要がある。複数の工場や外注先まで含めて調整しなければならない。

こうした状況になり、Excelや担当者の手作業だけでは計画を維持することが難しくなった段階で、生産計画や需要予測を支援する専用システムを検討します。

ただし、次の条件が整っていない状態でツールを入れても、期待した効果は出にくくなります。

確認項目	導入前に必要な状態
品番・工程マスター	実態に合い、更新担当が決まっている
設備能力	標準時間と実績との差を把握している
段取り時間	主要な切替パターンを記録している
リードタイム	標準値だけでなく実績を見ている
在庫定義	使用可能、引当済み、保留を区別できる
運用体制	誰が計画を更新し、誰が承認するか決まっている

ツールが現場の計画ルールを自動で作ってくれるわけではありません。

まとめ：予測・計画・在庫を1つの流れにする

需要予測だけでは、工場は回りません。

予測値を、設備能力、材料、段取り、人員、在庫方針につなぎ、実行できる生産計画に変える必要があります。

中小製造業が最初にやることは、高度なAIモデルを選ぶことではありません。

製品を需要特性で分ける。受注、在庫、リードタイムの意味をそろえる。単純な予測と比較する。需要を1つの数字ではなく幅で見る。ボトルネック工程で作れる量を確認する。品番ごとに在庫を持つ理由を決める。

この流れを、まず1つの製品群で作ります。

予測、生産計画、在庫最適化を別々の活動にせず、1つの運用としてつなぐ。

それが、中小製造業にとっての現実解です。

出典・参考リンク

経済産業省｜2025年版ものづくり白書｜https://www.meti.go.jp/report/whitepaper/mono/2025/index.html

OTexts｜Forecasting: Principles and Practice, 3rd ed. 5.5 Distributional forecasts and prediction intervals｜https://otexts.com/fpp3/prediction-intervals.html

OTexts｜Forecasting: Principles and Practice, 3rd ed. 5.8 Evaluating point forecast accuracy｜https://otexts.com/fpp3/accuracy.html

OTexts｜Forecasting: Principles and Practice, 3rd ed. 3.3 Moving averages｜https://otexts.com/fpp3/moving-averages.html

OTexts｜Forecasting: Principles and Practice, 3rd ed. 8.1 Simple exponential smoothing｜https://otexts.com/fpp3/ses.html

International Journal of Forecasting｜Another look at measures of forecast accuracy｜https://doi.org/10.1016/j.ijforecast.2006.03.001

European Journal of Operational Research｜Supply chain forecasting: Theory, practice, their gap and the future｜https://doi.org/10.1016/j.ejor.2015.11.010

Journal of the Operational Research Society｜Forecasting and stock control for intermittent demands｜https://doi.org/10.1057/jors.1972.40