見込み生産の「作りすぎ」「足りない」を解決する需要予測カレンダー

はじめに — 見込み生産に共通する悩み

「来月のセールに向けて、何個増産すべきか？」

食品、化粧品、日用品、部品——見込み生産を行うすべての企業がこの問いに直面しています。

経済産業省の調査によれば、製造業の在庫管理ミスによる機会損失・廃棄損は売上の数%に相当するとされています。それでも多くの現場では、増産量の判断がベテランの経験と勘に頼りきりです。

EC販売が売上の柱になりつつある企業では、状況はさらに深刻です。楽天・Amazon・Yahoo!・ふるさと納税と複数のプラットフォームで、年間30件以上のセールイベントが発生します。すべてを頭の中で管理するのは、もはや限界です。

本コラムでは、ERPNext上に構築した需要予測カレンダーの機能とテクノロジーを、経営者の皆さまに向けてご紹介します。

---

1. この機能で「できること」

---

🗓️ 1-1. 経営情報を一元管理するダッシュボード

需要予測カレンダーは、単なる予測ツールではなく、経営に必要な情報を集約した全社ダッシュボードです。

中心となるのは以下の3つのタブです。

タブ	内容	経営メリット
🔥 需要イベント	ECセール・季節イベントの月間カレンダー	いつ、何が動くかが一目でわかる
🏭 生産	日別の生産実績 vs 計画	計画通り進んでいるか即座に確認
📈 予測精度	AI予測の的中率を品目別に表示	予測の信頼度を数字で確認

これに加え、売上・受注、会計、仕入れ・在庫の各タブも備えており、ERPNextの各モジュールのデータを横断的に把握できます。

▼ 実際の需要予測カレンダーの操作画面です。

---

🤖 1-2. AIによる自動需要予測

裏側では Meta（旧Facebook）が開発したオープンソースの時系列予測AI「Prophet」 が動いています。3つの予測エンジンが、用途に応じて使い分けられます。

エンジン	予測期間	主な用途
内示予測	8週間先	製造計画の立案
EC予測	2週間先	在庫補充の判断
全社予測	3ヶ月先	経営判断・資金計画

内示予測は製造計画に、EC予測は在庫補充に、全社予測は経営判断に——それぞれ最適な粒度と時間軸で予測を提供します。

---

🛒 1-3. ECセールの影響度を自動算出

取り込んだ各イベントの実効影響度を自動算出します。ポイントは「一律に増産しない」こと。過去90日間の実際の販路構成比に基づいて按分します。

例: 楽天スーパーSALE（調整率 +30%）のとき、楽天での売上比率が73%なら、実効影響は +21.9% 。これが実際の増産目安になります。

一律30%増産すれば、楽天以外のチャネル分まで作りすぎてしまい、廃棄ロスの原因になります。このシステムは、そのリスクを自動的に排除します。

---

⏪ 1-4. リードタイム逆算とアラート通知

イベント開始日からリードタイムを自動逆算し、段階的にアラート通知します。

例: 3月4日のセール開始に対して

• 2月20日 — 原材料発注期限（調達リードタイム7日）
• 2月27日 — 製造開始期限（製造リードタイム3日）
• 3月2日 — 出荷準備期限（出荷リードタイム2日）

各期限の3日前に通知ベル 🔔 にアラートが届くため、この例ではイベント12日前から段階的にリマインドされます。リードタイム設定は自社の実情に合わせてカスタマイズ可能です。

---

🛡️ 1-5. 予測精度の見える化と安全策

「AIの予測って、本当に当たっているの？」

この疑問に答えるため、品目ごとのMAPE（平均絶対パーセント誤差）をリアルタイムで計算し、信号表示（🟢20%以内 / 🟡30%以内 / 🔴要改善）で一覧できます。

さらに、予測が外れた場合の安全策も整備しています。

対処法	内容
手動オーバーライド	個別の値を手動変更可能。変更値はAIの再実行で上書きされない
一括 % 調整	特定品目・期間に ±N% の補正を一括適用
自動再チューニング	精度が閾値を超えると週次でパラメータを自動再調整

---

2. 技術の概要

---

🧠 2-1. Prophet が見込み生産の予測に適している理由

Prophetが見込み生産型の製造業に適している理由は明確です。

特性	製造業での意味
年間・週間の季節性を自動認識	「金曜は出荷が多い」「年末は増える」を自動学習
祝日・イベントの影響を組み込める	日本の祝日やECセールを特殊な日として注入可能
乗法的季節性	売上が倍になれば変動幅も倍——実態に即したモデル
GPU不要で軽量動作	クラウドAI不要。自社サーバーで十分動く

2023年にMetaがProphetリポジトリをアーカイブ化しましたが、現在も問題なく動作しています。後継のNeuralProphetはAPI互換があり、将来の差し替えも低コストです。本システムの予測ロジックは1メソッドに集約されており、ライブラリ差し替えの影響範囲は限定的です。

---

🔄 2-2. 自律改善ループ

通常、機械学習モデルはデータサイエンティストが定期的にチューニングしますが、このシステムではAIが自動で精度を計測し、パラメータを再調整します。

ステップ	処理内容
① 精度計測	過去2〜4週の予測と実績を比較し、MAPEを算出
② 閾値判定	MAPEが30%超でチューニング開始
③ パラメータ探索	主要パラメータの組み合わせを最大48通り試行
④ 最適値を保存	最も精度の高いパラメータセットを自動採用

加えて、過去の製造実績から曜日別の補正率を自動計算し（例：金曜は月曜出荷分を含め多めに製造する慣行を反映）、事後補正もかけています。

データサイエンティストは不要です。 システムが自動で学習・改善し続けます。

---

🔐 2-3. セキュリティ — データは外部に出ない

売上データや取引先情報は最も重要な企業秘密です。本システムは自社サーバー完結型で設計されています。

• 売上・受注・予測データ → 自社ERPNext DB内に保管
• AIモデル → 自社CPUで学習・推論（外部API不使用）
• ICSハブ → localhost通信のみ。外部送信なし
• アクセス制御 → ERPNextのロールベース権限管理を適用

クラウドAIサービスへの依存はゼロです。

---

⚠️ 2-4. AIの限界 — 正直にお伝えします

パターン	理由	対処法
新商品	過去データがない	「データ不足」と表示し予測をスキップ
SNSバズ	過去の延長では予測不能	手動で ±N% 調整
災害・パンデミック	AIの検出範囲を超える	トレンド感度パラメータの自動調整で部分対応
取引先の突然の取引停止	ゼロ想定がない	手動オーバーライド

これらの限界に対しても、すべて手動オーバーライドで対処可能です。

---

3. 導入ガイド

📋 前提条件

条件	詳細
ERPNext v15 以上	ERPNext.JPの環境であれば問題なし
過去の売上データ	Sales Invoice 30日分以上
EC注文がERPNextに入っていること	EC連携についてもご相談いただけます

📅 立ち上がりスケジュール

時期	マイルストーン
Week 1–2	カスタムアプリ導入。セールイベント自動生成。カレンダー運用開始
Week 5–6	データ蓄積により全社予測が開始
Week 9–12	精度ダッシュボードでモニタリング。初回の自動チューニング
90日〜	自律チューニング本格稼働。精度が安定

💰 コスト

追加サーバー費用・外部クラウドサービスともに不要です。既存のERPNextサーバー上で動作します。日常運用は全自動で、月1回の精度レビュー（15分程度）のみで運用できます。

---

4. まとめ — 「経験と勘」を「データとAI」で補強する

このシステムは、現場の経験を否定するものではありません。経験を数値化し、組織知として蓄積する仕組みです。

従来の運用	導入後
セール予定を手作業で管理	自動でカレンダーに入る
経験で増産量を判断	実績から実効影響度を自動計算
直前に気づいて慌てる	12日前から段階的にアラート
AIの精度が不安	ダッシュボードで常にモニタリング
調整に専門家が必要	AIが自己チューニング
データ流出が心配	自社サーバー内で完結

---

技術スタック

要素	技術
基盤ERP	ERPNext（Python / Frappe Framework）
予測エンジン	Prophet（オープンソース時系列AI）
イベント集約	ICSハブ（マイクロサービス）
外部クラウド	不要（自社サーバーで完結）

---

「うちの商品でも予測できる？」「データはどのくらい必要？」そんな疑問がございましたら、**30分の無料オンライン相談**でお気軽にお尋ねください。最短2週間でカレンダー機能からご利用いただけます。