2025-05-05

自動発注とは？仕組み・導入メリット・ExcelやAIを使った実践方法を解説

この記事のポイント

在庫最適化は「削減」ではなく「適正化」
まずはExcelで「見える化」から始める
発注判断の自動化には段階的アプローチを
Prophetやscikit-learnを使えば、季節性・トレンドを加味した精度の高い予測が実現。
在庫の最適化は、コスト削減だけでなく、販売機会の損失を防ぎ、キャッシュフローを健全に保つための経営施策。

監修者プロフィール

坂本将磨

フォローする

Microsoft MVP・AIパートナー。LinkX Japan株式会社代表取締役。東京工業大学大学院にて自然言語処理・金融工学を研究。NHK放送技術研究所でAI・ブロックチェーンの研究開発に従事し、国際学会・ジャーナルでの発表多数。経営情報学会優秀賞受賞。シンガポールでWeb3企業を創業後、現在は企業向けAI導入・DX推進を支援。

発注業務は、売上や在庫状況に応じて適切なタイミングと数量を判断する必要があり、多くの企業で属人化や判断のばらつきが課題になっています。
この課題を解決する方法として注目されているのが「自動発注」です。
本記事では、自動発注の仕組みや導入メリット、ExcelやPython、AIを活用した現実的な実装方法まで、わかりやすく解説します。

ステップ2：IF関数で発注判定のロジックを作る

ステップ3：VBAで通知や出力の自動化（応用）

Python・AIを使った発注自動化の高度化

1. Prophetによる時系列予測と発注自動化

2. scikit-learnによる多変量予測モデル

3. 自動発注トリガーのスクリプト例（簡易版）

4. AIによる動的な閾値調整・自動ルール学習

段階的な導入ステップと注意点

ステップ1：ルールを可視化し、判断基準を明確にする

ステップ2：Excelでの運用を定着させる

ステップ3：PythonやPower Automateで部分的に自動化

ステップ4：例外対応・人の関与ポイントを決める

注意点：マスタデータと実績の精度が命

発注自動化の活用事例

小売業の自動発注事例：日配品の発注ミス削減

製造業の自動発注事例：部材の調達リードタイム短縮

まとめ：自動発注は業務の“仕組み化”と“利益向上”を同時に実現する

自動発注とは？

自動発注とは、在庫数・売上動向・需要予測などのデータに基づき、発注のタイミングや数量をシステムが自動で判断・実行する仕組みです。属人的な判断を排除し、安定した供給体制と業務効率を両立させるために、多くの企業が導入を進めています。

人手による発注の限界

発注の自動化

従来の発注業務では、現場担当者が「在庫が減ってきたからそろそろ注文しよう」といった経験と勘で判断しており、次のような課題が頻発していました。

担当者ごとの判断基準がバラバラで、発注ミスや欠品が起きる
販売データや在庫情報を手作業で確認する時間がかかる
忙しいと発注が遅れ、販売機会を失う

こうした状況に対して、自動発注は「ルールとデータに基づく仕組み」で対応します。

発注点・リードタイム・安全在庫との関係

自動発注では、以下のような在庫管理指標を組み合わせて発注判断を行います：

要素	役割
発注点（ROP）	発注すべき在庫水準のしきい値
リードタイム	発注から納品までにかかる日数
安全在庫	需要変動や納期遅延に備える予備の在庫

例：
平均日販が10個、リードタイム5日、安全在庫20個の場合
→ 発注点 = 10×5 + 20 = 70個
この閾値を下回ったときに自動的に発注処理を走らせることで、欠品リスクを最小限に抑えられます。

自動発注の導入メリット

自動発注システムイメージ

自動発注を導入することで、単に「発注作業を自動にする」だけではなく、在庫管理・業務効率・経営指標にまで良い影響を与えるさまざまなメリットが得られます。ここでは、導入によって得られる代表的な3つの効果を紹介します。

1. 属人化・発注ミスの防止

多くの現場では、発注担当者の経験や勘に依存しており、「あの人がいないと発注できない」「人によって判断がブレる」といった属人化が課題です。自動発注の仕組みを導入することで、

発注判断をルール化・可視化
ミスの起きやすい「数量の転記」「在庫確認」の作業を自動処理
担当者の不在時や引継ぎ時も安定稼働が可能

になります。結果として、ヒューマンエラーによる欠品・過剰在庫の防止につながります。

2. 在庫最適化とキャッシュフロー改善

発注のタイミングと量を適切に調整することで、過剰在庫によるコストを削減し、欠品による販売機会損失も回避できます。

在庫回転率の改善 → 倉庫スペースや保管コストの圧縮
発注の平準化 → 仕入れコストの最適化
資金の滞留削減 → キャッシュフローの健全化

特に中小企業では、資金の流動性が経営に直結するため、自動発注＝財務健全化への一手にもなります。

3. 業務負荷の軽減とスピードアップ

発注業務には、毎日の在庫確認、売上データの確認、在庫表の記入、発注書作成など多くのルーティン作業が含まれています。自動発注を導入することで、

担当者の業務時間を1日あたり1〜2時間削減
ミスの確認作業や修正対応を大幅に削減
発注処理の即時化・一括対応が可能

となり、少人数でも安定してオペレーションを回せる体制を作れます。

このように、自動発注は「現場の効率化」にとどまらず、経営改善・リスク回避・収益性向上に直結する投資効果の高い取り組みです。

Excelで始める自動発注の仕組み

Excelで始める自動発注

自動発注というと大掛かりなシステム導入が必要と思われがちですが、まずはExcelから手軽に始めることが可能です。Excelを使えば、「一定の在庫水準を下回ったら発注すべき」というルールを関数やVBAで再現でき、属人化の排除や判断の明確化につながります。

ここでは、Excelでできる代表的な3つのステップを紹介します。

ステップ1：ROPの自動計算（発注点）

発注のしきい値（ROP＝Reorder Point）は、以下の式で算出できます：

=平均日販 × リードタイム + 安全在庫

例：

平均日販：10個
リードタイム：5日
安全在庫：20個
→ 発注点（ROP）= 10 × 5 + 20 = 70

Excelであれば、次のようにセルを指定して関数で計算できます。

=E2*F2+G2

（E列：平均日販、F列：リードタイム、G列：安全在庫）

ステップ2：IF関数で発注判定のロジックを作る

次に、現在庫＋発注残が発注点を下回ったかどうかを判定するIF関数を設定します。

=IF(C2+D2<H2,"発注必要","OK")

C列：現在庫
D列：発注残
H列：発注点（ROP）

このようにして「発注のタイミング」を明確な数式で自動判定できるようになります。

ステップ3：VBAで通知や出力の自動化（応用）

IF関数による発注判定ができたら、次はVBAで通知やファイル出力を自動化することも可能です。以下は、90日移動平均を使って発注判断を行い、「発注必要」と判断された日付の行にフラグを立てるコード例です：

Sub PredictAndOrder()
    Dim ws As Worksheet
    Set ws = ThisWorkbook.Sheets("SalesData")

    Dim i As Long
    For i = 91 To ws.Cells(ws.Rows.Count, 2).End(xlUp).Row
        Dim avgSales As Double
        avgSales = WorksheetFunction.Average(ws.Range("B" & i - 90 & ":B" & i - 1))
        
        If avgSales > 150 Then
            ws.Range("C" & i).Value = "発注必要"
        End If
    Next i
End Sub

さらに発展させれば、以下のような処理も自動化できます：

発注が必要な商品を別シートに転記
発注書をPDFで出力
担当者にメール送信（Outlook連携）

詳細は以下の記事もご覧ください。

【関連記事】

エクセルでできる需要予測の基本｜関数・VBAの使い方・限界を解説

このように、まずはExcelで自動発注の「判断ロジック」を定義し、そこにVBAやPythonを段階的に組み込むことで、現場に合った形でムリなく自動化を進めることができます。

Python・AIを使った発注自動化の高度化

Excelによる自動発注は手軽に始められますが、複数商品の管理・複雑な需要変動・多拠点対応などには限界があります。こうした課題を解決するために、PythonやAIを活用してより高度な発注自動化を実現する企業が増えています。

ここでは、Pythonによる予測ロジックの実装や、AIを用いた需要予測・最適発注の代表的な手法をご紹介します。

1. Prophetによる時系列予測と発注自動化

Facebookが開発した時系列予測ライブラリ「Prophet」は、以下のような特徴があります：

日次・週次・月次の変動パターンを学習可能
祝日・曜日・季節性を考慮した高精度な予測
少ないデータ量でも使いやすく、パラメータ調整も容易

例：過去2年分の売上データをもとに、今後30日間の需要を予測 → 需要が発注点を超える場合のみ、自動で発注リストに追加

このように、未来の売上を先読みして発注を判断することで、欠品・過剰在庫の両方を抑制できます。

2. scikit-learnによる多変量予測モデル

販売数量は天候、曜日、イベントなど複数の要因に影響される場合があります。こうした複雑な関係を捉えるには、scikit-learnによる回帰モデルやツリーモデルの活用が効果的です。

ランダムフォレストやXGBoostで「販売数を予測」
特徴量に「気温」「キャンペーン有無」「在庫残量」などを加味
予測結果と在庫データを組み合わせ、商品ごとに最適な発注量を算出

この方法により、属人的判断では対応しきれない予測精度と商品ごとの最適化が可能になります。

3. 自動発注トリガーのスクリプト例（簡易版）

以下は、Pythonで在庫・予測データから発注判定を行う簡単な例です。

import pandas as pd

df = pd.read_csv("inventory.csv")  # 在庫データ
df["予測売上"] = df["平均日販"] * df["リードタイム"]
df["ROP"] = df["予測売上"] + df["安全在庫"]

df["発注必要"] = df["現在庫"] < df["ROP"]
df[df["発注必要"]].to_csv("order_list.csv", index=False)