Dynamic Dual-Period Multi-Criteria Inventory Decision Framework (DPMC-IDF): An Empirical Comparison with ABC and ABC-XYZ

あなたは、広大な海ではなく、数千もの製品が漂う海を航行する巨大な貨物船の船長であると想像してください。あなたの仕事は、どのアイテムを最も安全で手が届きやすい場所に積み込み、どのアイテムを奥深くの船倉にしまい込むかを決定することです。これが、在庫を確保し、ビジネスの収益性を維持するための極めて重要なプロセスである「在庫管理」の世界です。何十年もの間、船長たちは、ABC分析とXYZ分析という、二つの古くから信頼されている地図に頼ってきました。

ABCを、一年の間にそのアイテムがどれだけの利益を生み出したかのみを重視する地図だと考えてください。それは、友人が一年間にどれだけピザを食べたかを、それが一晩で食べたのか、それとも一ヶ月にわたって分散して食べたのかを無視してランク付けするようなものです。一方、XYZは、需要がどれほど「凹凸」があるかに注目する地図です。この地図は「変動係数」という数学的ツールを用いて、その売れ行きが穏やかな湖のように安定しているのか、それとも荒れた海のように激しいのかを推測します。問題は、これらの古い地図は静的なものであることです。これらは一年間を一つの大きな、ぼやけた写真として捉えています。もし11月に突然の嵐が襲ってきた場合、地図は混乱し、一年中ずっと嵐だったと判断してしまいます。その結果、船長たちは不適切な在庫補充を行ってしまうのです。

この論文では、**動的二期間多基準在庫決定フレームワーク（DPMC-IDF）**という、新しい動的なコンパスを紹介しています。この新しいツールは、一年間を一度に眺めるのではなく、年を二つの半分（例えば二つの学期のように）に分割し、それらの間でアイテムがどのように動いているかを観察します。単に「いくら稼いだか？」と問うのではなく、「パイのシェア（占有率）はどう変化したか？」「売上は急増したのか、それとも急落したのか？」と問いかけます。これを行うことで、古い地図が見逃してしまうトレンド、例えば、静かに成長している製品や、一度限りのスパイク（急増）があったものの実際には安定している製品などを特定できることを目指しています。著者は、この新しいコンパスが、欠品を防いだり、誰も欲しがらないアイテムに無駄な資金を投じたりすることを防げるかどうかを確認するために、古い地図と比較検証を行いました。

古い地図 vs 新しいコンパス

この論文は、従来のABC-XYZ法には重大な盲点がある、と主張しています。それは、世界が「定常的」、つまり時間の経過とともに大きく変化しないという前提に基づいていることです。著者は、これがしばれて事実ではないことを示しています。例えば、ある製品が11ヶ月間は毎月10個売れていたものの、12ヶ月目にホリデーセールによって100個売れたとしましょう。古いXYZの地図は、一年間全体を見渡し、その巨大な跳ね上がりを見て、高い「変動性」スコアを算出します。そして、その製品を「不安定なZアイテム」とラベル付けし、マネージャーに対して、それを予測不能な要素として扱うよう指示します。しかし実際には、その製品は11ヶ月間は穏やかだったのです！古い地図は、その一ヶ月の出来事によって、まるで一度のハリケーンがあっただけで「常に嵐である」と予報する天気予報のように、騙されてしまったのです。

同様に、古いABCの地図は、たとえ売上が毎月減少していたとしても、総売上高が多いという理由だけで、その製品を「高価値」とランク付けすることがあります。それは、一度マラソンを走ったことがあるという理由だけで、その後一度も走っていないランナーを「最速」とランク付けするようなものです。

新しいツール：時間を分割し、変化を観察する

DPMC-IDFフレームワークは、以下の3つの巧妙な手法によってこれを解決します。

1. ホライゾンの分割： 一年を丸ごと見るのではなく、年を二つの期間（期間1と期間2）に切り分けます。アイテムが前半にどのようにパフォーマンスを発揮し、その後後半にどうなったかを確認します。これは、一年間の成績を平均して出すのではなく、一学期と二学期の成績を別々にチェックするようなものです。
2. パーセンタイル・ランキング： 単純な平均値（一つの極端な数値によって歪められる可能性があるもの）を使用する代わりに、アイテム同士を比較検討します。「このアイテムは他のアイテムの75%よりも成績が良かったか、あるいは悪かったか？」と問いかけます。これにより、ランキングは外れ値に対してより強固なものになります。
3. 変動指数（VI）： これが秘伝のソースです。これは、第一期間から第二期間にかけて、アイテムの売上シェアが正確にどれだけ変化したかを計算します。そして、物語を伝える三文字のコード（例：LHVやHMM）を付与します。
   • LHVは、「低（Low）」シェアから始まり、「高（High）」シェアへと変化し、「変動（Volatile）」している（急速に成長しているが、変化も激しい）ことを意味するかもしれません。
   • HMMは、「高（High）」シェアから始まり、「中（Medium）」に留まり、「緩やか（Moderate）」である（安定しているが、わずかに減少傾向にあるスター）ことを意味するかもしれません。

シミュレーション：3つの製品の物語

このアイデアをテストするために、著者はわずか3つの製品からなる小さなシミュレーションの世界を作成しました。

• 製品A： 着実で信頼できるが、競合他社に市場シェアを徐々に奪われている製品。
• 製品B： 最初は緩やかだが、後半に人気が爆発する季節性の製品。
• 製品C： 一度だけ奇妙で巨大な売上のスパイクが発生したが、その後は通常に戻った安定した製品。

古い地図のミス：

• 古いXYZの地図は、製品B（成長中のスター）と製品C（一度限りのスパイク）の両方を「不安定なZアイテム」とラベル付けしました。両者が高い変動性スコアを持っていたためです。この地図は、健全な成長トレンドと、一度限りの一時的な現象を区別できませんでした。
• 古いABCの地図は、製品Aと製品Bを同じ「高価値」のバケットに入れ、製品Aが衰退している一方で製品Bが上昇しているという事実を無視しました。

新しいコンパスの成功：

• DPMC-IDFは、製品BをLHV（低から高へ、変動的）と正しく特定し、投資が必要な成長トレンドであることを認識しました。
• 製品Cについては、MLV（中から低へ、変動的）とラベル付けし、そのスパイクは一時的なものであり、実際には減少傾向にあるため、永続的な優先アイテムとして扱うべきではないと判断しました。
• 製品Aについては、HMMとして捉え、たとえ安定していても、競争力を失いつつあることを察知しました。

このシミュレーションテストにおいて、新しいフレームワークは分類においてゼロのミスを記録しましたが、古い手法はいくつかのエラーを出しました。著者は「誤分類リスク低減指数（MRRI）」を算出し、この特定のシナリオにおいて、新しいツールが古い手法と比較してエラーのリスクを**100%**削減したことを明らかにしました。

実世界のテスト：StellarMart ストア

しかし、論文はシミュレーションに留まりません。著者はこの新しいコンパスを、4つの地域（東、西、南、北）にまたがる25の製品と5,000件の取引を持つStellarMartという店舗の実データに適用しました。彼らは2023年の売上データを使用して、2024年に何が起こるかを予測しました。

ここでの物語は、少し複雑になります。新しいツールが常に勝利するわけではありませんでした。

• 南地域では、DPMC-IDFはヒーローとなり、古い手法と比較してエラー率をほぼ半分に削減しました。
• しかし、北および西地域では、新しいツールは従来のABC-XYZマップよりも実際にはわずかにパフォーマンスが劣っていました。
• 4つの地域すべてを合わせた場合（合計100アイテム）、新しいツールは、統合されたABC-XYZマップと比較して、単純なエラー率を約**5.5%**減少させました。

著者は、製品のトレンドが、監視している二つの期間の後に「反転」する場合、新しいツールが苦戦することを発見しました。例えば、ある製品が2023年の後半に減少したが、2024年に再び回復した場合、二つの期間に大きく依存している新しいツールは、その製品が減少を続けると誤って予測してしまう可能性があります。一年間全体を平均化していた古いツールは、こうした反転を平滑化することで、偶然にもうまく機能することがありました。

これが意味すること

論文は、DPMC-IDFは強力な新しいツールであるが、すべてを解決する魔法の杖ではない、と結論付けています。このツールは、製品が構造的な変化（着実な上昇や着実な下落など）を起こしている場合に真価を発揮します。なぜなら、トレンドの方向性を見ることができるからです。これは、マネージャーが、古い地図が見逃してしまう「成長中のスター」や「衰退していく光」を特定するのに役立ちます。

しかし、著者は、製品の挙動が予測不可能であったり、急速に反転したりする場合、新しいツールは躓く可能性があることも認めています。彼らは将来的に、より多くの期間を観察するか、あるいは他の意思決定手法と組み合わせることで、ツールを改善できる可能性を示唆しています。

要約すると、DPMC-IDFフレームワークは、よりダイナミックで「時間を意識した」在庫管理の方法を提供します。年を分割し、アイテムの動きを観察することで、企業はよりスマートな在庫補充の選択ができることを示唆しています。しかし、あらゆる新しいテクノロジーと同様に、これは特定の条件下で最も効果を発揮するものであり、その限界を明確に理解した上で使用する必要があります。著者の研究は、古い地図も依然として有用ではあるものの、複雑で変化の激しい現代のサプライチェーンには、より柔軟な新しいコンパスが必要であることを示しています。