安全在庫計算の限界を突破せよ：深層強化学習AI vs 統計モデルの在庫最適化対決

サプライチェーンの「不確実性」に、計算式だけで挑むのは無謀かもしれない

物流現場では、「欠品は怖い。でも在庫は減らせと言われる。どうすればいいんだ」というジレンマが常に存在している。

これまでの常識では、過去の出荷データから標準偏差を出し、安全在庫係数を掛けて「ここまでは大丈夫」というラインを引くのが定石であった。いわゆる発注点方式や、Excelでの需要予測に基づく在庫管理である。しかし、この数年で状況は一変した。突発的な特需、原材料の供給遅延、物流の2024年問題によるリードタイムの不安定化。これらは、きれいな正規分布を描く教科書通りの世界では起こり得ない「外れ値」の連続である。

「計算式通りに発注しているのに、なぜか欠品する」「安全在庫を積んでいるのに、必要な時にモノがない」。もし今、こうした矛盾に直面しているなら、それは手法そのものが現代の複雑性に追いついていない可能性がある。エンドツーエンドのサプライチェーンを俯瞰したとき、ボトルネックは計算式の前提そのものに潜んでいることが多い。

ここでは、一つの検証モデルを紹介する。従来の「統計的在庫管理」と、自ら試行錯誤して最適解を学ぶ「深層強化学習AI」。この両者を全く同じ仮想工場、同じトラブル続きのサプライチェーン環境に放り込み、どちらが優秀な管理者として振る舞えるのかを競わせたシミュレーションがある。論理や理屈ではなく、シミュレーション結果という定量的な「事実」から、次世代の在庫管理のヒントを探っていきたい。

なぜ今、在庫管理の「定石」を疑うべきなのか

「欠品なき在庫削減」という矛盾への挑戦

製造業における在庫管理は、常に二律背反（トレードオフ）との戦いである。在庫を極限まで減らせばキャッシュフローは良くなるが、顧客からの急な注文に応えられず機会損失（欠品）を出してしまう。逆に、欠品を恐れて在庫を積み増せば、保管コストや廃棄ロス、そして何より運転資金の固定化というリスクを招く。

このバランスを取るために、長らく「安全在庫（Safety Stock）」という概念が頼りにされてきた。リードタイム中の需要変動を吸収するためのバッファである。しかし、この概念には大きな落とし穴がある。それは「過去の変動幅が将来も続く」という前提に基づいている点だ。

実務の現場で発生する失敗の多くは、この「前提の崩壊」に起因している。例えば、部品製造業の事例では、過去3年のデータに基づいて完璧な安全在庫を設定していたものの、サプライヤーの突発的な設備故障による納入遅延には対応できなかった。計算式は「需要のブレ」は考慮していても、「供給の寸断」までは織り込んでいなかったのである。

従来の統計的手法（発注点方式）が抱える構造的弱点

一般的に広く使われている発注点方式（ROP: Reorder Point）や、定期発注方式における発注量計算は、多くの場合、需要が正規分布に従うことを仮定している。しかし、実際の需要データを見てみると、ロングテールであったり、突発的なスパイクがあったりと、正規分布とは程遠い形状をしていることがほとんどだ。

また、従来の手法は「近視眼的」になりがちである。「今の在庫がこのラインを切ったから発注する」というルールベースの判断は、現時点の状態しか見ていない。「来週からキャンペーンが始まるから需要が増えるはずだ」とか「港湾ストライキのニュースがあるからリードタイムが伸びるかもしれない」といった、将来の環境変化や外部要因を動的に判断に取り込むことが極めて苦手なのである。

熟練の担当者は、こうした計算式に現れない情報を「勘」で補正して発注を行ってきた。しかし、ベテランの引退やサプライチェーンの複雑化により、その「勘」すらも通用しなくなってきている。ここで、固定的なルールではなく、環境との相互作用の中で最適な行動を学習する「強化学習」というアプローチが注目されるわけだ。

ベンチマーク検証の設計：AI vs 統計モデル

比較対象：伝統的(s, S)政策 vs DQN（深層Qネットワーク）

この検証モデルでは、在庫管理の教科書的な手法である「(s, S)政策」と、深層強化学習の一種である「DQN（Deep Q-Network）」を対決させる。

• 統計モデル代表：(s, S)政策
  在庫レベルが発注点 $s$ を下回った時点で、目標在庫レベル $S$ まで補充するよう発注する手法である。シンプルで運用しやすく、多くの在庫管理システム（WMS）やERPに標準実装されているロジックだ。ここでは、過去データから統計的に最適と計算された $s$ と $S$ を設定している。

• AI代表：DQNエージェント
  深層学習（ディープラーニング）と強化学習を組み合わせたAIである。このAIには「いつ、どれだけ発注するか」というルールは一切教えない。代わりに、「在庫保持コスト」「欠品ペナルティ」「発注コスト」という3つの評価基準を与え、「トータルのコストを最小化するように行動せよ」とだけ指示する。AIは仮想空間で何万回もの失敗（欠品や過剰在庫）を繰り返し、徐々に「この状況ではこう動くのが最適だ」という勝ち筋（方策）を学習していく。

評価シナリオ設定：安定期・急変動・リードタイム遅延

公平性を期すため、両者には全く同じ需要データとサプライチェーン環境を与える。期間は仮想的な52週間（1年間）。以下の3つのフェーズを混ぜ込んだ過酷なシナリオが用意されている。

1. 安定期（Week 1-20）: 需要が平均値周辺で推移する、比較的穏やかな期間。
2. 需要急変期（Week 21-35）: 季節変動を模した需要の増加トレンドに加え、突発的な大口注文（スパイク）が発生する期間。
3. 供給混乱期（Week 36-52）: 需要は落ち着くものの、サプライヤーからのリードタイムが通常の3日から最大10日までランダムに遅延する期間。

この環境下で、AIと統計モデルがそれぞれ発注指示を出し、最終的にどちらが「コストを抑えつつ、顧客満足度を維持できたか」を競う。

評価指標：在庫保持コスト、欠品損失、発注コストの総和

勝敗の判定基準は「トータルコスト」である。以下の3つのコストの総和を比較する。

• 在庫保持コスト: 在庫1個を1週間保管するためにかかる費用（倉庫代、金利、陳腐化リスクなど）。ここでは単価の1%と設定。
• 欠品損失（ペナルティ）: 注文に応えられなかった場合の損失。機会損失だけでなく、信用の失墜を含めて在庫保持コストの10倍という重いペナルティを設定。
• 発注コスト: 1回の発注にかかる事務処理や輸送の手配コスト。発注量に関わらず固定で発生。

この設定は、実際の製造業のPL（損益計算書）へのインパクトを模している。欠品は絶対に避けたいが、無駄な在庫も持ちたくない、そして頻繁すぎる発注は物流費を圧迫する。このトリレンマをどう解くかが鍵となる。

検証結果サマリー：総コストで見るAIの衝撃

シナリオ別コスト削減率の比較グラフ

シミュレーションの結果は、非常に興味深いものとなっている。52週間のトータルコストにおいて、深層強化学習AIは統計モデル((s, S)政策)と比較して、約23%のコスト削減を達成した。

特に差がついたのは「需要急変期」と「供給混乱期」である。

• 安定期: 両者の差はわずか数%であった。需要が安定しているなら、統計的な計算式でも十分に最適解が出せるということだ。既存の手法が決して無能なわけではない。
• 需要急変期: ここでAIが頭角を現した。統計モデルが急な需要増に反応しきれず欠品（またはその後の過剰発注）を繰り返す中、AIは欠品を最小限に抑えつつ在庫レベルをコントロールした。
• 供給混乱期: 最も差が開いたのがこのフェーズである。リードタイムが読めない状況下で、統計モデルは安全在庫の設定が機能せず欠品を連発したが、AIは早期発注によってこの危機を乗り切った。

在庫推移の可視化：AIはいつ発注をかけたのか？

在庫推移のグラフ（チャート）を重ね合わせると、両者の「性格」の違いが浮き彫りになる。

統計モデルのグラフは、のこぎりの刃のように規則的だ。在庫が減り、発注点を割ると発注し、在庫が増える。しかし、急な需要スパイクが来ると在庫が底をつき、慌てて発注するもののリードタイム中は欠品状態が続く、という「後手後手」の対応が見て取れる。

一方、AIのグラフは不規則で有機的である。興味深いのは、「まだ在庫が十分にあるのに発注している」タイミングがあることだ。これは一見すると無駄な在庫積み増しに見えるが、その数週間後にやってくる需要の波やリードタイムの遅延を見事にカバーしていた。まるで、嵐が来る前に食料を買い込む熟練の管理者のような振る舞いである。

逆に、在庫が減ってきているのに「あえて発注しない」場面もあった。これは、その直後に需要が落ち込む（あるいは発注コストをまとめて払う方が安い）と判断した結果であり、結果的に過剰在庫を回避していた。

詳細分析：AIは「何」を見て判断を変えたのか

では、なぜAIはこのような高度な判断ができたのだろうか。深層強化学習のブラックボックスを少し覗いてみよう。AIは魔法を使っているわけではなく、設定された「状態（State）」からパターンを見つけ出しているに過ぎない。

【局面1】突発的な大口注文への対応力

統計モデルは「現在の在庫量」しか見ていない。しかし、今回のDQNエージェントには「過去数週間の需要の変化率」も入力データとして与えられている。

需要急増期の初期段階において、AIは「需要がじわじわ増えているトレンド」を検知した。統計モデルが「まだ発注点には達していない」と静観している間に、AIは需要の加速度を学習し、「このペースだと来週には在庫が枯渇する」と予測して先行発注を行った。これは、強化学習における「将来価値の最大化（遅延報酬の考慮）」という特性が強く出た結果である。目先の在庫コスト増よりも、将来の欠品ペナルティ回避の方が「最適」だと計算したのだ。

【局面2】リードタイム遅延時の先行発注行動

供給混乱期において、AIはさらに驚くべき適応を見せた。リードタイムが3日から7日、10日と延び始めると、AIは発注のタイミングを劇的に早めたのである。

統計モデルにとってリードタイムは固定パラメータ（または平均値）として設定されているため、現実の遅延に対応できない。しかしAIは、直近の入荷実績データから「最近、届くのが遅い」という環境変化を敏感に察知し、安全在庫のバッファを動的に厚くするような行動をとった。

これは「ブルウィップ効果（サプライチェーンの川上で変動が増幅する現象）」の抑制にもつながる。必要な時に必要なだけ早めに手配することで、パニック発注による無駄な在庫の山を作らずに済んだのである。

【局面3】需要減退期の在庫圧縮スピード

需要の波が去った後、統計モデルはしばしば過剰在庫を抱え込む。急増期の設定のまま発注を続けてしまうからだ。いわゆる「在庫の慣性」である。

対してAIは、需要がピークアウトした兆候（減少トレンド）を検知すると、即座に発注をストップした。在庫レベルが発注点を割っていても、である。「もうすぐ売れなくなるから、今ある在庫だけで逃げ切れる」という判断だ。これにより、シーズン終了後の廃棄ロスや、次の商戦に向けた倉庫スペースの圧迫を防ぐことができた。

導入前に知っておくべき「深層強化学習」のコストと制約

ここまでAIの有用性を見てきたが、物流DXコンサルタントの視点から、留意すべき重要な事実がある。深層強化学習は決して万能薬ではなく、導入には高いハードルと明確な適性条件が存在する。

学習に必要なデータ量と品質の壁

まず、AIが賢くなるためには膨大な「経験」が必要である。シミュレーション環境を構築するためには、自社の過去の需要データ、リードタイムの実績、コスト構造などが正確にデジタル化されている必要がある。「在庫データは月末に棚卸しするまで正確な数字がわからない」という状態では、強化学習は適用できない。

また、シミュレータの精度が命である。現実とかけ離れたシミュレーション（Sim）でいくら学習しても、現実（Real）では役に立たない「Sim-to-Real」問題が発生する。現場の制約条件（倉庫の容量、発注単位、サプライヤーの休暇カレンダーなど）をどこまで忠実にモデル化できるかが、プロジェクト成否の大部分を握ると言えるだろう。

「ブラックボックス」問題と説明可能性

「なぜ今、この量を発注したんだ？」と現場の責任者に問われたとき、統計モデルなら「計算式でこうなったからです」と明確に説明できる。しかし、深層強化学習の場合、「ニューラルネットワークがそう判断したからです」としか言えない場面がどうしても出てくる。

この説明可能性の欠如は、現場の納得感を得る上で大きな障壁になる。近年、GDPRなどの規制強化や企業コンプライアンスの観点から、AIの判断根拠を可視化するXAI（Explainable AI：説明可能なAI）技術への需要が急速に高まっている。SHAPなどの分析ツールを活用してブラックボックスを解消する取り組みも進んでいるが、それでもベテラン担当者の「勘」とAIの「判断」をすり合わせるプロセスは不可欠だ。

いきなり全自動化するのではなく、AIを「発注推奨（レコメンド）ツール」として使い、人間が最終判断を下す形から小さく始めて成果を可視化し、段階的にスケールアップしていくのが、最も現実的なアプローチと言える。

計算リソースと導入コストの現実的なROI分岐点

深層強化学習モデルのトレーニングには、GPUなどの強力な計算リソースと、専門的なエンジニアリング工数がかかる。数千品目ある在庫すべてに個別のモデルを作るのは、コスト的に見合わないケースが一般的だ。

ROIが合う領域:

• 需要変動が激しく、予測が困難な製品
• 単価が高く、在庫リスクや欠品ペナルティが大きい重要品目
• リードタイムが長く不安定な海外調達品

従来手法で十分な領域:

• 需要が安定的で予測しやすい定番品（Cランク品など）
• 単価が安く、多少の過剰在庫が許容される消耗品

すべての在庫管理を一律にAI化するのではなく、ABC分析を行い、人間の手に負えない「Aランクの難物」にこそ、最新のAI技術を投入すべきである。

まとめ：AIは「魔法」ではなく、現場を救う「強力なパートナー」

今回の検証で明らかになったのは、深層強化学習AIが持つ「環境適応能力」の高さである。固定的な計算式に縛られることなく、刻一刻と変化する状況に合わせて最適な手を打ち続けるその姿は、まさに目指すべき理想的な在庫管理のあり方かもしれない。

しかし、導入にはデータの整備や適用範囲の見極めといった入念な準備が必要だ。「自社のデータでAIは学習できるのか？」「どの製品から適用すれば効果が出るのか？」といった疑問は、多くの企業が直面する共通の課題である。

こうした課題を解決し、自社への適用を検討する際は、専門的な知見を取り入れることで導入リスクを大幅に軽減できる。いきなり大規模なシステム導入を決定するのではなく、まずは自社の過去データを使ったシミュレーションを行い、「もしAIを使っていたら、どれだけコストが下がっていたか」を定量的に試算するところから始めるのが、成功への王道である。その客観的な数字を見てから、本格的な導入を検討しても遅くはない。

複雑化するサプライチェーンの荒波を乗りこなすために、AIという新しい羅針盤の活用を検討してみてはいかがだろうか。