在庫・販売

食材発注の廃棄を減らす7つの計画要素と最適化AI

食材発注の廃棄は、店長の発注センスの問題ではなく、計画の構造の問題です。来店数は天候・予約・曜日・SNSバズで変動し、メニュー間で食材は共有され、生鮮品の鮮度は数日で落ち、サプライヤーのロットと締切は固定で、原価率は3割という上限に縛られている。これだけの軸を、人手の経験と紙の発注表で同時に満たそうとすると、廃棄か欠品のどちらかに必ず転がってしまいます。 食材発注の廃棄が多くなる根本原因を整理し、発注計画に組み込むべき7つの要素、最適化AIによって廃棄を抑えながら欠品も防ぐ仕組み、業務整理から始める導入の進め方までを通しで紹介します。

この記事でわかること

  • 食材発注の廃棄が多くなる4つの構造的な根本原因
  • 発注計画に同時に組み込むべき7つの要素と相互の絡まり方
  • Excelと経験則の発注では限界が来る理由
  • 最適化AIによる発注の自動化と廃棄・欠品を同時に減らす仕組み

なぜ食材発注の廃棄が飲食経営で重要なのか

食材発注の精度は、原価率・廃棄率・欠品率の3つを同時に決める経営指標です。発注が多すぎれば廃棄になり、少なすぎれば欠品で機会損失が出る。ちょうど良い発注を続けられる店ほど、同じ売上規模でも営業利益が数ポイント単位で違ってきます。

廃棄1%が利益を直撃する原価構造

飲食業の営業利益率は5〜10%、原価率は30〜35%が標準的なレンジです。この構造で食材廃棄率が1%上振れするとどうなるか。原価100万円のうち1万円が廃棄として消え、それは売上で言えば3万円分の利益に相当します。月100万円の食材原価を扱う店なら、廃棄率1pt悪化で月3万円の利益が消える計算で、年間にすれば36万円。決して見逃せる金額ではありません。

廃棄率が3%、5%まで上がっている店は珍しくありません。多くの場合、店長自身が「どれくらい廃棄しているか」を正確には把握しておらず、棚卸しで発覚する仕組みになっています。廃棄を減らすには、まずどのメニューのどの食材で、どの曜日にどれだけ発生しているかを可視化する必要があります。

廃棄が同時に欠品を招く矛盾

廃棄削減を声高に叫ぶ店長ほど、実は欠品を頻発させています。なぜか。「廃棄を出すな」のプレッシャーで発注を絞ると、土曜のディナーで看板メニューが切れ、客が他店に流れる。翌週は反動で多めに発注し、月曜の雨で大量廃棄。振り子のような揺れ動きが続いていきます。

この現象は、廃棄と欠品が「需要予測の精度」という1つの根に由来する双子の症状だからです。需要を当てられない発注表は、片方を抑えるともう片方が暴れる構造を持っています。仕入数量の判断は廃棄と欠品という相反するリスクの中心で行わなければならず、片側に倒した瞬間に反対側のコストが膨らんでいきます。

食品ロス規制と社会的圧力

2019年施行の食品ロス削減推進法以降、外食産業も食品ロス削減目標の対象になっています。さらに2025年以降、ESG投資の文脈でフランチャイズ本部や上場チェーンには定量的な廃棄削減コミットが求められるようになりました。

個店経営でも、SNSで「閉店間際に大量廃棄を見た」という投稿が拡散すれば、ブランド毀損は避けられません。廃棄削減は今や、利益と社会的責任の両面から経営者の意思決定に乗ってくるテーマになっています。

食材発注の廃棄が多くなる根本原因

なぜ多くの飲食店で、廃棄が止まらないのでしょうか。原因は店長の発注スキルではなく、計画問題そのものの構造にあります。

来店予測の不確実性

発注の前提となる来店数は、曜日・季節・天候・予約・周辺イベント・SNS露出が複合的に効いてくる、極めて読みにくい変数です。たとえば、ある居酒屋では雨の月曜は晴れの月曜より来店が4割落ち、近隣でコンサートがある日のラストオーダーは通常の1.5倍混むといった非線形な変動が起きます。

人手で来店を予測するとき、よく使われるのは「先週同曜日の実績 + 経験則の補正」です。この方法は安定した日には機能しますが、天候の急変、予約変動、外部要因の重なりが起きた途端に外れます。来店予測を「過去の平均」ではなく「複数要因の関数」として扱える仕組みがなければ、発注の精度は永遠に頭打ちになります。

生鮮品の鮮度寿命

食材には消費期限と品質寿命という二重の時間制約があります。鮮魚は仕入れから2日以内に提供しないと刺身グレードから加熱用に格下げ、生野菜は3〜5日で見栄えが落ち、冷凍肉でも解凍後24時間が品質の境目になります。

鮮度寿命は、在庫を持ち越せる日数の上限を決めます。仮に来週の予約が15名見えていても、明日入荷する活け締めの鯛をその予約まで持たせることはできません。発注計画は、入荷タイミングと消費タイミングを鮮度寿命の枠内に収める制約問題を毎日解いている、と言い換えられます。

メニュー間の食材共有が見落とされる

飲食店のメニューは、食材を共有しています。トマトはマルゲリータピザにも、トマトソースパスタにも、サラダにも入る。鶏ももは唐揚げにも、煮込みにも、親子丼にも使う。1つの食材が複数メニューにまたがる構造は、発注の最適化を一気に難しくします。

メニュー単位で発注を考えると、トマトはピザ用に1ケース、パスタ用にもう1ケース、サラダ用に半ケースと積み上がっていきます。実際には1ケースを共有すれば足りるところを、メニュー別の頭で発注するから過剰になる。BOM(Bill of Materials、メニュー別の食材構成表)と需要予測を組み合わせて発注量を逆算する仕組みがなければ、共有食材の見落としで廃棄が出続けます。

発注の属人化と勘の継承困難

ベテラン店長は、長年の経験で「梅雨入り直後はサラダが落ちる」「給料日後の金曜は単価が上がるからステーキを多めに」といった微細な調整を頭の中でかけています。問題はこの暗黙知が、店長が変わった瞬間に失われることです。

新店長が引き継ぎ書を読んでも、再現できるのは数値だけで、判断軸そのものは引き継げません。チェーン展開を進める企業ほど、この属人化が成長のボトルネックになっています。発注のロジックを、人ではなく仕組みに残す必要が出てきます。

発注計画で同時に考えるべき7つの要素

ここからは、発注計画の中で同時に成立させなければならない7つの要素を整理します。1つでも欠けると、廃棄か欠品のどちらかが顕在化していきます。

1. 日次・時間帯別の来店需要

最初の要素は、需要そのものの粒度です。週次や日次の合計だけ見ても、ランチ・ディナーの差、土曜18時のピーク、平日21時以降の減衰は捉えられません。たとえばある定食屋では、土曜のランチが平日ランチの2倍来る一方、ディナーは平日と変わらず、週合計では平準化されて見える、ということが起こります。

需要を時間帯別の確率分布で表現できれば、ピーク時間帯に必要な仕込み量と、平日の控えめな仕込み量を分けて発注できます。需要の粒度を粗いまま放置すると、平均値での発注が「ピーク時に欠品し、オフピークに余る」という最悪の組合せを生みます。

2. メニュー別食材引当(BOM)

ある研究では、レストランの売上トップ10メニューが食材原価の70%以上を占めていることが報告されています。発注計画は、このメニュー別の販売予測をBOM(食材構成表)で食材量に変換することから始まります。

たとえば「日替わりトマトパスタ」が1食で生トマト150g、オリーブオイル15g、ニンニク5gを使うなら、明日の予測販売数25食からトマト3.75kg、オリーブオイル375g、ニンニク125gが逆算できます。複数メニューでこの計算を積み上げ、共通食材は合算する。手作業でやると30分以上かかる工程ですが、ここを正確に解かないと発注は永遠に勘の世界に留まります。

3. 鮮度寿命と保管制約

各食材には消費期限と品質寿命があり、それぞれ保管条件(冷蔵・冷凍・常温)に応じた寿命を持ちます。発注計画は「いつ入荷して、いつまでに使い切るか」を鮮度寿命の枠内で組み立てる必要があります。

冷蔵庫の容量も制約として効いてきます。鮮魚を多めに仕入れたくても、冷蔵庫の上段が他の仕込みで埋まっていれば追加保管できません。発注は単に「いくら買うか」ではなく、「鮮度寿命×保管スペース×消費スピード」の三重の枠の中で量を決める問題です。

4. サプライヤーのロット・リードタイム

サプライヤーは納品ロット(最小発注単位)と納品リードタイム(発注から到着までの日数)を持っています。トマトは1ケース20kg単位、鮮魚は当日の市場入荷分から、業務用調味料は1週間前発注必須、といった具合に食材ごとに条件が違います。

ロット制約を無視して「1.2kgだけ欲しい」と思っても、実際には20kg単位でしか買えません。発注は、必要量とロット単位を整合させる切り上げ判断と、複数回発注で平準化するか一気にまとめるかの選択を、毎日繰り返しています。

5. 価格変動と原価率の上限

食材価格は季節と相場で変動します。台風で野菜が高騰した週、漁獲量が少なかった日は、メニューの原価率が3割を超える瞬間があります。原価率上限を守るには、価格高騰時に代替食材へ切り替えるか、発注量を絞るかの判断が必要です。

代替食材はメニュー間の食材共有とも絡みます。トマトが高騰しても、トマトソースパスタの予測販売が高い日は外せない。一方、サラダのトッピング用なら他の野菜で代替できる。価格×メニュー優先度×原価率上限という3軸の判断は、人手で日々こなすには負荷が高い領域です。コスト・品質・納期と同様に、互いに引っ張り合う複数指標を同時に追わなければならない多目的最適化の典型例になっています。

6. 仕込み単位と作業負荷

発注量は、調理現場の仕込み単位とも整合させる必要があります。煮込みのベースは10食分単位で作るのが効率的、揚げ物の下処理は1回20食分が限界、といった現場固有のロットが存在します。

「明日の予測が23食だから23食分の食材」という発注は、仕込みの作業効率を無視しています。実際には20食分か30食分の単位で仕込み、過不足を吸収する設計になります。仕込み単位を発注計画に織り込めないと、現場で「足りない」「余った」が頻発し、結局は店長の感覚で量を決めることに戻っていきます。

7. 予約・宴会・キャンセルの織り込み

予約・宴会の確定情報は、最も信頼できる需要シグナルです。20名宴会が確定していれば、コース料理の食材は確実に必要になります。ただし、当日キャンセルが入る確率と、予約客の追加注文が乗ってくる確率も同時に効いてきます。

キャンセル率の織り込みは、業態によって幅があります。ビジネス層中心の店なら2〜5%、観光地のディナーなら10%超ということもあります。予約という確定要素と、キャンセル・追加という不確実要素を発注計画にどう反映するかは、需要予測モデルの精度を左右する論点です。在庫と需要予測を同時に扱う設計は、業界を問わず過剰在庫と欠品を同時に解消するための前提となります。

なぜExcelと経験則の発注では限界があるのか

ここまで見てきた7要素を、Excelと店長の経験で同時に解こうとすると、どこかで必ず破綻します。何が限界なのかを整理します。

7要素を同時に解けない人手の限界

たとえば50メニュー × 80食材 × 7日先までの発注を考えると、変数の数は数千を超え、人手で同時に最適化することは不可能に近づきます。Excelで対応しようとすれば、「先週同曜日の実績をコピーして1割増減」というシンプルなロジックに落ち着き、来店予測の不確実性も鮮度寿命もメニュー間の共有も、計算式に組み込めません。

実際の現場では、店長は朝の5分か10分で発注を決めています。この時間で7要素を厳密に最適化することは無理で、結果として「先週と同じ」「念のため多め」のどちらかに偏った発注表ができあがります。Excelでの計画業務は、変数同士の連動や確率的な需要分布を扱えない時点で、現場の意思決定に必要な解像度を失っているのです。

引き継ぎが効かない暗黙知の壁

ベテラン店長の発注は、過去の失敗と成功から積み上がった暗黙知の塊です。「梅雨入り後の最初の金曜は雨でも来る」「月末月初は接待で日本酒が出る」といった経験則は、店長交代時に確実には引き継がれません。

新店長が引き継ぎ書を読んでも、書かれた数字を再現するだけで、判断のロジックは復元できない。チェーン展開する企業ほど、この属人化は経営の弱点になります。発注ロジックを人ではなく仕組みに残せない限り、店舗の品質は店長次第というギャンブル状態が続いてしまうのです。

最適化AIが切り拓く食材発注の解決

食材発注は、ここまで挙げた7要素を同時に扱える「組合せ最適化問題」として定式化できます。多数の意思決定変数と制約条件が絡み合う計画問題であり、最適化AIが力を発揮する領域の1つです。解決の本質は、精度・スピード・透明性の3つに整理できます。

来店予測と発注量の同時最適化(精度)

最適化AIは、過去のPOSデータ・天候・曜日・予約・SNS言及などの複数要因から来店数を分布として予測し、その分布に対してメニュー別BOMを掛け、食材別の発注量を組み立てる仕組みを持っています。1点予測ではなく確率分布を持ち込むため、確度の高い時間帯はピッタリ発注し、不確実性が高い時間帯はバッファを上乗せする判断が自動で出せます。

精度の鍵となるのは、来店予測・BOM・鮮度寿命・サプライヤーロット・原価率上限・仕込み単位・予約のすべてを同時に評価する設計です。1つの軸を最適化するのは簡単ですが、互いに干渉する複数の軸を同時に成立させる解を探すには、大規模な組合せ空間の探索が欠かせません。守るべき条件を数式として明示し、その範囲内で最善解を導く仕組みが、汎用ツールとの本質的な違いになります。

当日キャンセル・予約変動への即時再計算(スピード)

10時の段階で大型団体のキャンセルが入った瞬間、最適化AIは現状の在庫と残りの予約・予測来店を読み込み、その日の追加発注をキャンセルしたり、翌日の発注を絞ったりする再計画を数秒で出します。

人手では「一度決めた発注は変えない」運用が普通で、結果として変動を吸収できないまま廃棄に直行します。再計画のスピードが、そのまま廃棄削減幅に直結する経営指標になっていきます。

多目的最適化と意思決定の透明性

食材発注は、廃棄最小化・欠品最小化・原価率遵守・作業負荷平準化といった複数の目的を同時に追いかけます。最適化AIは多目的最適化のフレームワークを持ち、目的の重み付けや優先順位を明示的に設計できます。

透明性の観点で重要なのは、出力が「なぜこの発注量なのか」を説明可能な形で残せる点です。「土曜のサーモンを通常より20%増やしたのは、過去3年の同週平均で土曜18時台のサーモン提供数が金曜の1.7倍だったため」「月曜のトマトを2割減らしたのは、雨予報下の月曜来店が晴天比で7割という分布から導いた」といった形で、判断の根拠を制約条件と評価関数の言語で残せます。店長の暗黙知に依存しない、組織として再現可能な発注の仕組みになるのです。

まとめ

食材発注の廃棄は、店長の発注センスではなく計画の構造の問題です。来店予測の不確実性、生鮮品の鮮度寿命、メニュー間の食材共有、発注の属人化という4つの根本原因が、廃棄と欠品を同時に発生させています。

発注計画には、日次・時間帯別の来店需要、メニュー別BOM、鮮度寿命、サプライヤーのロット・リードタイム、価格変動と原価率上限、仕込み単位、予約・キャンセルの織り込みという7要素を同時に組み込む必要があります。Excelと経験則では、これだけの軸を同時に成立させることはできません。

最適化AIは、来店予測と発注量の同時最適化(精度)、当日変動への即時再計算(スピード)、多目的最適化と説明可能な意思決定(透明性)の3点で、廃棄を抑えながら欠品も防ぐ仕組みを提供します。導入は業務整理とスモールスタートから始め、現場理解を軸に段階的に拡張していく進め方が、無理なく成果につながる道筋です。

関連コラム

現場の最適化のヒントを今すぐ受け取りませんか?

資料請求・お問い合わせはお気軽に。
現場が変わる一歩をサポートいたします!
お問合せはこちら

「OptHub」資料請求

AIで最適な運用計画を実行できる仕組みを実現。
「OptHub Solution」 の詳細な資料をご提供します。

  • OptHubの概要
  • 業界別の最適化例
  • OptHubの提供価値
  • 導入の流れと想定予算
  • OptHub事例集

無料今すぐダウンロード