在庫管理のExcel限界を示す4つのサインとAI解決策

Excelでの在庫管理が限界を迎える4つのサイン

サイン1: SKU数が増えて処理が遅くなった

200SKU規模で週次発注計算をExcelで組むと、担当者が半日かかってもおかしくありません。SKUごとの過去3ヶ月の販売実績を確認し、リードタイムを見ながら発注量を試行錯誤する。VLOOKUP関数で在庫データを参照し、IF関数で発注ロットの制約を処理し、ピボットテーブルで拠点別の在庫を集計する。ようやく完成したと思ったら、急なプロモーション企画が入って計算が振り出しに戻る。

SKUが100を超えると、Excelファイルのサイズが数十MBに膨れ上がり、関数の再計算に数分かかるようになります。500SKUを超えると、ファイルを開くだけで1分以上待たされる。こうした状況は、計算処理の複雑さが手作業の限界を超えている兆候です。

サイン2: 需要変動に発注が追いつかない

EC需要が急増した週に、在庫切れが頻発する。逆に、需要が落ち着いた週には過剰在庫が倉庫を圧迫する。SNS拡散で需要が一気に数倍へ跳ね上がる場面では、Excelでの再計算が間に合わず、計算している間に在庫が底をつく。販売機会を失うリスクが高まります。

需要変動が日々起きるようになると、Excelでの手動更新はもはや現実的ではなくなります。担当者が1日中Excelを更新し続けても、変動が追いつかない。結果として現場には古い発注計画が残り、実態とのズレが広がっていきます。発注計算の頻度が「週1回」から「週3回」「毎日」へと増えていく状況は、手動運用の限界が近づいている証拠です。

製造業の部品調達でも同じ構造が起きます。サプライヤーからの納期回答が日々変動するようになると、Excelでの手動調整は追いつかず、「朝計算した発注量が、夕方には使えなくなっている」という事態に陥ります。週1回で済んでいた発注計算が、毎日やっても間に合わない領域に入っていきます。

サイン3: 欠品と過剰在庫が同時に起きる

SKU-Aは在庫切れで販売機会を逃し、SKU-Bは倉庫に山積みで廃棄リスクを抱える。このような矛盾した状況が同時に起きるのは、発注計算がSKUごとに最適化されていない証拠です。Excelでは全SKUを横断して発注量を調整することが難しく、結果として部分最適に陥ります。

たとえば、年4回しか回らない低回転SKUが在庫全体の3割を占め、年12回転する高回転SKUが欠品を繰り返す状況を考えると、倉庫スペースを低回転SKUが圧迫し、本来置くべき高回転SKUの場所がなくなる。こうした構造的な問題は、Excel上で個別に発注量を計算しているだけでは見えてきません。

実在庫と帳簿在庫の乖離も同時発生の典型パターンです。本社倉庫の在庫データとExcelの発注計算が同期せず、現場が独自に発注した部品が倉庫に届いても、Excel上では「在庫ゼロ」のまま残る。こうした情報の非同期が、欠品と過剰在庫を同時発生させる原因になります。

サイン4: 安全在庫の計算が属人化している

「このSKUは需要変動が大きいから多めに持つ」「このSKUはリードタイムが長いから早めに発注する」。こうした判断基準を理解している担当者は限られており、発注計算が特定のベテランに集中する。その人が休めば発注が止まり、退職すれば発注の根拠ごと失われる構造リスクを抱えることになります。

安全在庫の計算式（標準偏差×安全係数）は教科書には載っていますが、実際に全SKUに適用するには、SKUごとの需要分布を分析し、安全係数を決定し、Excelで計算式を組む必要があります。200SKU分の計算を手動で行い、毎週更新し続けることは現実的ではありません。結果として、安全在庫の水準は担当者の経験と勘に頼るしかない。

在庫管理で同時に扱うべき5つの要素

SKU別の需要パターン

定番商品は需要が安定しているが、季節商品は時期によって需要が10倍変動する。EC限定品は突発的なSNS拡散で急増することもある。SKUごとに需要特性が異なるため、一律の発注ルールでは対応できません。

需要の変動係数（標準偏差÷平均）で見ると、定番SKUは0.2前後、季節SKUは0.8を超えることも珍しくありません。変動係数が大きいSKUほど、安全在庫を多く持つ必要があります。過去の販売実績、季節性、プロモーション効果、外部要因（天候、SNSトレンド）を統合して、SKUごとに需要を予測する必要がある。

リードタイムと発注ロット制約

国内サプライヤーからの調達なら2週間、海外仕入れなら2ヶ月。リードタイムが長いほど、需要予測の誤差が拡大します。リードタイムが2週間なら2週間分の需要を予測すればよいが、2ヶ月なら2ヶ月先の需要を予測する必要がある。予測期間が長いほど、誤差は大きくなります。

発注ロットの制約も無視できません。最小発注単位が100個なら、99個の需要があっても100個発注する必要がある。コンテナ単位での輸入なら、発注量は数千個単位になります。こうした制約を考慮しないと、「需要は50個だが、100個発注するしかない」という状況で過剰在庫を抱えることになります。発注ロットが大きいSKUほど、発注頻度を下げて在庫コストを抑える工夫が必要です。

安全在庫水準の動的調整

欠品を避けるための安全在庫。需要の不確実性が高いSKUほど多く持つ必要がありますが、その水準をどう決めるか。正規分布を前提とした計算式（σ×安全係数）が教科書には載っていますが、実際の需要分布は正規分布に従わないことも多い。

季節商品やプロモーション商品の需要分布は、正規分布ではなく、右裾が長い対数正規分布に近い形になることがあります。この場合、正規分布前提の計算式では安全在庫が過小評価され、欠品リスクが高まる。SKUごとに、実績データから需要分布を推定し、サービスレベル（欠品率○%以下）を満たす安全在庫水準を動的に調整する必要があります。

複数拠点の在庫配置

本社倉庫、地方倉庫、店舗在庫。複数拠点に在庫を分散配置している場合、どの拠点にどれだけ配置するかが重要です。本社倉庫に集約すれば在庫コストは下がるが、配送リードタイムが長くなる。店舗在庫を増やせば即日出荷できるが、在庫コストが跳ね上がる。

本社倉庫に全在庫を集約する戦略を取れば在庫コストは下がりますが、配送リードタイムが3日かかれば、EC需要の即日出荷には対応できなくなります。地方倉庫に分散配置すれば配送は短縮できる一方、在庫コストは1.5倍前後に膨らむ。即日出荷率を上げたければ拠点分散、在庫コストを抑えたければ集約。このトレードオフは、拠点間の在庫移動コストも考慮しながら、全体最適の視点で決める必要があります。

賞味期限・保管スペース制約

食品・医薬品は賞味期限が絡みます。FIFO（先入先出）やFEFO（期限先出）の管理が必要です。賞味期限が3ヶ月の商品なら、2ヶ月分以上の在庫を持つことはリスクです。発注量を抑えすぎると欠品し、多すぎると廃棄ロスが発生する。

倉庫容量も有限です。保管スペースを超えて在庫を持つことはできません。たとえば倉庫容量が1,000パレット分しかない条件で200SKUを配置すれば、平均5パレット/SKUしか置けません。高回転SKUに10パレット、低回転SKUに2パレットといった配分が必要ですが、Excelで全SKUの保管スペースを最適化することは困難です。倉庫の物理的な制約を考慮しないと、「計算上は発注できるが、置く場所がない」という事態に陥ります。

人手・Excelでの在庫管理が行き詰まる3つの理由

SKU数×拠点数で変数が爆発する

200SKU × 3拠点 × 4週間 = 2,400通りの発注パターン。これを手作業で最適化することは現実的ではありません。Excelで試行錯誤を繰り返しても、「これで本当に最良の発注計画なのか」を確かめる術はありません。変数が増えれば増えるほど、人間が頭の中で扱える範囲を超えていきます。

500SKU × 5拠点 = 2,500通りの在庫配置になると、各SKUの発注量、各拠点への配分量、拠点間の在庫移動量を同時に決定する必要があります。Excelではこの組み合わせ最適化を扱えず、現実的には拠点ごとに個別に発注量を決めるしかなく、全体最適は失われます。

試算してみると、200SKUの発注計画で考慮すべき組み合わせは、発注タイミング（4週分）×発注量（10段階）×拠点配分（3拠点）= 12,000通りになります。この中から最良のパターンを人間が選ぶことは、現実的ではありません。

リアルタイム需要変動に手動更新が追いつかない

EC需要が急増した日に、発注量を見直す。プロモーション企画が入った週に、再度計算し直す。需要変動が日常化している小売業では、この作業が終わる前に次の変動が入り、永遠に発注計画が完成しない状態に陥ります。

Excelで部分的に修正しても、全体のバランスが崩れていないかを確認するには、結局すべてを見直す必要があります。発注量を1つ変更すると、安全在庫水準、発注ロット制約、倉庫スペース配分がすべて影響を受ける。手動でこの連鎖を追いかけることは不可能です。

安全在庫の計算を全SKUで更新できない

「今週の売上実績を反映して、全SKUの安全在庫を再計算する」。この作業を手動で行うのは非現実的です。Excelには、過去の販売実績から需要の標準偏差を計算し、安全係数を掛けて安全在庫を算出する機能はありますが、200SKU分の計算を毎週更新するのは現実的ではありません。

運用現場では、安全在庫の計算を年1回しか更新しないというケースが珍しくありません。その間に需要パターンが変化しても、安全在庫水準は固定されたまま。結果として、需要が増加したSKUは欠品し、需要が減少したSKUは過剰在庫を抱える。安全在庫の水準は、需要実績に応じて動的に調整する必要がありますが、Excelの手動運用ではこの更新サイクルを回せません。

生産計画のExcel限界との違い

生産計画は「順序最適化」、在庫管理は「発注タイミング最適化」

生産計画のExcel限界と在庫管理のExcel限界は、表面的には似ていますが、扱う問題の本質が異なります。生産計画は「どの品種をどの順序でラインに投入するか」を決める問題。段取り替え時間を最小化し、納期を守りながらライン負荷を平準化することが目標です。計画の時間軸は「週次」「日次」単位で、生産順序が決まれば計画は完結します。

一方、在庫管理は「いつ・いくつ発注するか」を決める問題。欠品を避けながら在庫コストを最小化し、リードタイムと発注ロット制約を考慮して発注タイミングを最適化することが目標です。計画の時間軸は「月次」「週次」単位で、発注後もリードタイム中の需要変動を監視し続ける必要があります。

在庫管理固有の課題（需要予測、リードタイム、拠点間移動）

在庫管理には、生産計画にはない固有の課題があります。需要予測の精度が在庫水準を左右する。リードタイムが長いと、予測誤差が拡大する。複数拠点に在庫を分散配置する場合、拠点間の在庫移動コストを考慮する必要がある。

生産計画では、受注が確定してから計画を組むため、需要は既知です。一方、在庫管理では、将来の需要を予測して発注する必要があり、予測誤差が在庫リスクに直結します。また、生産計画では拠点間の移動は扱いませんが、在庫管理では複数倉庫間の在庫配置が重要な意思決定となります。こうした要素は、生産計画の最適化では扱いません。

最適化AIによる解決

SKU別発注量の自動計算

最適化AIは、人間が数時間〜半日かけて計算する発注量を、数分で生成します。200SKU × 3拠点の発注計画を、過去の販売実績、リードタイム、発注ロット制約、安全在庫水準を考慮しながら自動計算する。

担当者が半日かけて組む週次発注計画も、最適化AIなら数分で生成できる。発注計算時間が大幅に短縮されれば、担当者はサプライヤーとの交渉や在庫政策の改善といった本来の業務に時間を使えるようになります。

需要予測と連動した在庫補充

最適化AIは、需要予測と在庫補充を連動させます。過去の販売実績だけでなく、季節性、プロモーション効果、SNSトレンド、天候データを統合して、SKU別の需要を予測する。この予測値をもとに、発注量・発注タイミングを最適化します。

需要予測には機械学習を補助的に組み合わせます。過去の販売パターンから需要の変動を学習し、予測精度を高められる。ただし、需要予測だけでは在庫最適化は完結しない。予測値をもとに、リードタイム、発注ロット、安全在庫、拠点間移動といった制約条件を考慮しながら、ヒューリスティック探索によって最適な発注計画を生成します。

需要予測精度が改善すれば、安全在庫を減らしながら同時に欠品率も下げられる構造になります。「欠品を防ぐために多めに持つ」必要性が薄れるため、在庫水準を圧縮しつつサービスレベルを維持できる。

小売業では、EC需要の急増に対応して発注量を自動調整できるようになりました。製造業では、部品の納期遅延リスクを予測し、代替サプライヤーからの調達を自動提案する仕組みを構築した事例もあります。業界ごとに異なる需要特性に応じて、予測モデルをカスタマイズできる点が強みです。

複数拠点の在庫配置最適化

本社倉庫、地方倉庫、店舗在庫。複数拠点に在庫をどう配置するか。最適化AIは、拠点間の輸送コスト、配送リードタイム、サービスレベル制約（即日出荷率○%以上）を考慮して、拠点別の在庫配置を自動計算します。

本社倉庫に集約すれば在庫コストは下がるが、配送リードタイムが長くなる。店舗在庫を増やせば即日出荷できるが、在庫コストが跳ね上がる。こうしたトレードオフを数理モデルとして表現し、全体最適の視点で在庫配置を決定します。

複数拠点の在庫配置をAIで最適化すると、在庫回転率の向上と即日出荷率の向上を同時に達成できる場合があります。総在庫量を絞っているにもかかわらずサービスレベルが上がるという、Excelの部分最適では到達できない結果が見えてくる。

食品メーカーでは、賞味期限の短い商品を地方倉庫に優先配置し、賞味期限の長い商品を本社倉庫に集約する戦略をAIが自動立案しています。配送リードタイムと廃棄リスクの両方を考慮した在庫配置により、廃棄率が売上の3%から0.8%に削減されました。

属人化の解消

最適化AIを導入することで、発注計算の根拠が数理モデルとして可視化されます。「なぜこの発注量なのか」「なぜこのタイミングなのか」といった判断基準が、属人的な暗黙知ではなく、AIが学習したルールとして表現される。

結果として、誰が操作しても同じ品質の発注計画が生成されるようになります。ベテランの退職リスクも、引き継ぎの困難さも解消される。担当者が退職してもAIが発注計画を生成し続けるため、業務の継続性を保てる構造が手に入ります。

業界特化カスタマイズ

最適化AIは汎用ツールではなく、業界・業務に特化したアルゴリズムを構築します。小売業の在庫問題と製造業の在庫問題では、制約条件も評価指標も異なる。そのため現場ヒアリングを通して問題構造を理解し、問題に特化した探索アルゴリズムを設計します。

例えば食品小売では、賞味期限による廃棄リスクと配送リードタイムを両立させる在庫配置ロジックを組み込む。製造業では、部品の代替可能性とサプライヤーのリードタイム変動を考慮した発注計画を生成する。こうしたカスタマイズにより、汎用ツールでは実現できない実務適合性を実現しています。

OptHubの支援内容

まずは業務整理から

OptHubでは、約30分のオンライン相談で貴社の在庫管理業務の課題を整理するところからサポートしています。SKU数、拠点数、発注頻度、現在の計算手法、ボトルネックとなっている要素をヒアリングし、最適化AIで解決できる範囲を明確にします。

現場の暗黙ルールを数理モデル化

「このSKUは需要変動が大きいから多めに持つ」「このSKUはリードタイムが長いから早めに発注する」といった現場固有のルールを、最適化AIが扱える制約条件として数理モデル化します。汎用的な在庫管理システムでは対応できない複雑なルールにも対応可能です。

段階的な導入

いきなり全SKU・全拠点を対象にするのではなく、特定の商品カテゴリ、特定の拠点から始めて、効果を確認しながら範囲を広げることもできます。現場の負担を最小限に抑えながら、在庫管理業務の自動化を進めていきます。

まとめ

在庫管理がExcelで限界を迎えるのは、SKU数の増加と需要変動の激しさが、手動更新で扱える範囲を超えたからです。発注計算に半日以上かかる、需要変動に追いつかない、欠品と過剰在庫が同時に起きる、安全在庫計算が属人化する。こうしたサインが現れたら、在庫管理の手法そのものを見直すタイミングと言えます。

最適化AIは、5つの要素を同時に考慮し、数千通りの発注パターンから最良の計画を数分で生成します。需要予測と連動し、複数拠点の在庫配置を最適化し、属人化を解消する。Excel限界に直面している企業にとって、次のステップは業務整理から始まります。