TPMとはトヨタの関係とは？

TPMはトヨタ生産方式（TPS）とは別の概念ですが、目的は共通しています。TPSが自働化やジャストインタイムで生産の流れを最適化するのに対し、TPMは、設備の安定稼働を実現し、故障・不良・災害の発生ゼロを目指す取り組みです。両者は相互補完の関係にあります。

TPMにおける小集団活動とは？

TPM活動では、職場単位で少人数のチームを組み、ロス削減や品質向上を目指す改善活動を行います。これを小集団活動と呼び、従業員一人ひとりが自ら考え、改善提案を出すことを重視します。現場主体の改善を積み重ねることで、全体最適を実現します。

TPMトレーニングとは？

TPMトレーニングは、設備保全・品質管理・安全管理に関する知識やスキルを習得する教育プログラムです。作業者自身が設備を理解し、異常を早期に発見・対処できるようにすることを目的としています。教育・訓練の柱はTPMの「8本柱」のひとつに位置づけられます。

在庫管理術

自動車サービスパーツの管理｜業界特有の課題と欠品・過剰在庫を防ぐ実務手法

自動車のサービスパーツ（補給部品・補修部品）とは、販売後の車両を修理・整備するための部品です。故障や事故による修理のほか、車検・点検時の整備、摩耗・劣化した部品の交換などに用いられます。

管理する品目数が多いうえ、新車の量産終了後も、長期間にわたり供給体制の維持を求められることがあり、この特殊な時間軸が在庫管理を難しくしています。一般的な在庫管理の理論だけでは対応しきれず、欠品と過剰在庫の両方が慢性化しやすくなります。

本記事では、ABC分析・安全在庫計算といった基本手法から、間欠需要品への向き合い方、自動車業界特有の供給義務・設計変更対応まで、実務で使える粒度で整理します。

■ この記事で分かること

自動車サービスパーツの在庫が「なぜ」合わなくなるのか、その構造的な原因
ABC分析・安全在庫計算という基本手法と、間欠需要品への現実的な向き合い方
供給義務・設計変更・IATF16949など、自動車業界特有の論点と実務対応

なぜ自動車サービスパーツの在庫管理は難しいのか

👉 このパートをまとめると！
自動車サービスパーツは、数万点という品目数に加え、量産終了後10〜15年続く供給義務という特殊な時間軸を持ちます。「いつまでも終わらないのに、需要は読めない」という構造が、欠品と過剰在庫が同時に起きやすい根本原因になっています。

多品種・膨大な部品点数という基本課題

自動車は数万点規模の部品から構成されています。さらに車種・年式・グレード・仕向地・仕様変更によって品番が細分化されるため、管理対象となるサービス品番が膨大になります。倉庫のキャパシティが先に限界を迎え、「置き場所がないから減らしたいが、欠品も避けたい」というジレンマが常態化しやすくなります。

inventory management system (5)

需要予測が難しい理由

サービスパーツの需要は、新車販売とは違う動き方をします。

突発的な需要変動
事故修理や特定ロットの不具合対応など、平時の消費とは無関係な理由での発注が集中
業界特有の長い時間軸
モデルチェンジによる旧部品の需要断絶や、量産終了後も長く続く供給義務など、自動車業界ならではの事情で需要を読みにくい（※詳細は次章）

この「終わらない・でも読めない」という特性が、通常の在庫管理を難しくしている根本原因になっています。

自動車業界特有の事情にどう対応するのか

👉 このパートをまとめると！
自動車部品は量産終了後も10〜15年程度の取引慣行が続きます。この間、型・金型の保管コスト、設計変更に伴う品番の紐づけ、IATF16949が求めるトレーサビリティなどの、他業界の在庫管理では扱われない点での対応が必要となります。

自動車業界のサービスパーツ管理の難しさの理由

量産終了後10〜15年続く供給義務と型・金型の保管コスト

自動車部品は、量産が終了した後も一定期間、補給部品としての供給を続けることが業界の慣行となっています。目安として10〜15年程度とされることが多いですが、これは法令で一律に定められた義務ではなく、メーカーとサプライヤー間の取引条件や顧客要求事項（SQM/CSRなど）に基づいて運用されています。

この供給義務のなかで見落とされがちなのが、型・金型の保管コスト。量産終了後も、補給生産のために金型を保管し続ける必要があります。この保管費用の負担の在り方は業界内でも課題として認識され、是正に向けたガイドライン整備が進められています。

設計変更・品番スーパーセッションへの対応

モデルチェンジや仕様変更のたびに部品の品番が変わることがあります。このとき、旧品番の在庫が残っている状態で新品番に切り替わると、「旧品番は他の車両に使えるのか」「在庫としてどう扱うのか」という判断が必要になります。

これを品番スーパーセッション（新旧品番の紐づけ）と呼び、システム上でこの紐づけを正しく管理できていないと、旧品番が過剰在庫として塩漬けになったり、逆に新品番の供給が追いつかず欠品したりします。

IATF16949が求めるトレーサビリティと在庫管理の接続

自動車部品の品質マネジメント規格であるIATF16949では、識別及びトレーサビリティ（工程や部品のロットを追跡できる状態にすること）や、市場からのサービス情報を品質改善にフィードバックする仕組みが求められています。

これは一見、在庫管理とは別の話に見えますが、実際には密接に関係しています。在庫のトレーサビリティが取れていなければ、不具合が発生した際に対象ロットを特定できず、回収範囲を必要以上に広げてしまうリスクが生じます。在庫管理システムを整備することは、品質保証の土台を作ることにもつながります。

「担当者の勘」に頼る管理がもたらす限界

👉 このパートをまとめると！
ベテラン担当者の経験に頼った在庫管理は、在庫水準のばらつき・担当者不在時の業務停滞などのリスクを抱えます。加えてエクセルや、基幹システムのサービスパーツに特化されていない在庫モジュールでは、理論在庫と実在庫の乖離が起きやすくなります。原因不明のまま補正入力でしのいでいる現場も少なくありません。

属人化が抱えるリスク

自動車のサービスパーツの属人化管理が抱える課題

在庫管理の現場では、ベテラン担当者が経験と勘で発注量・タイミングを判断しているケースが多く見られます。この状態には次のようなリスクがあります。

安全在庫の水準が担当者ごとにばらつく
同じ部品でも、判断する人によって「多めに持つ」「少なめで様子を見る」の基準が変わってしまいます
担当者不在時に業務が停滞する
休職・異動・退職が起きた瞬間に、発注判断の拠り所がなくなります
新人への引き継ぎが困難
「なぜその数量にしたか」が言語化されていないため、教育に時間がかかります

エクセル・汎用基幹システムの限界

もうひとつの根深い問題が、理論在庫と実在庫の乖離です。エクセルで管理している場合は、出入庫のたびに手入力で転記する運用になりがちで、入力漏れや二重入力といった人為的なズレが起きやすくなります。

一方、生産管理や販売管理を行う基幹システム（ERP）の在庫モジュールを流用しているケースでは、サービスパーツ専用にシステム設計されていないこともあります。加えて日次バッチ処理^※2が前提なため、出入庫記録のリアルタイム性は高くありません。

さらに現場では紙の伝票や手入力を挟むことも多く、記録と実態の間にタイムラグが生まれます。棚卸のたびにこの乖離が差異として表面化しますが、原因を追えないまま「補正入力」で帳尻を合わせている現場も少なくありません。

※2：1日分の出入庫データを夜間などにまとめて処理し、翌日にシステムへ反映する仕組み

欠品と過剰在庫を同時に防ぐ実務手法

👉 このパートをまとめると！
すべての部品に同じ管理コストをかけるのは非効率です。ABC分析で管理の手間を配分したうえで、品目ごとの需要パターン（安定的か、間欠的か）を確認し、間欠需要の部品には「予測を当てる」のではなく「早く気づいて動く」という発想への転換が現実的な対応になります。

ABC分析による優先順位付けの基本

発注・出荷頻度におけるABC分析

すべての部品に同じ管理コストをかけるのは非効率であり、現実的でもありません。ABC分析は、年間の出荷金額や使用金額など、管理上の重要度を示す指標をもとに部品をランク分けし、管理の手間のかけ方に差をつける手法です。ちなみに出荷頻度を基準とする場合、金額基準とは別の分類として使い分ける必要があります。

▶ 関連記事：「出荷頻度を軸としたABC分析による在庫管理手法」

区分	目安	管理方針
A区分	出荷金額上位例：累積70%程度まで	需要予測・安全在庫計算をしっかり行う
B区分	中位（累積70〜90%程度）	標準的な発注点管理を行う
C区分	下位（残り。品目数としては最も多い）	個別に精緻な予測を行うより、簡易な発注管理を基本にする

ポイントは、金額影響の小さいC区分に予測の手間をかけすぎないことです。また、ABC分析はあくまで金額・重要度による分類であり、需要が安定的に発生するか間欠的にしか発生しないかという需要パターンとは別の軸になります。

C区分には間欠需要の部品が多く含まれる傾向がありますが、金額影響が大きなA区分の中にも間欠需要ながら重要部品間欠需要は存在します。次に説明する「当てにいかない」という考え方は、ABCの区分にかかわらず、需要が間欠的な部品全般に当てはまります。

安全在庫の考え方と計算式

安全在庫とは、需要や納期のブレによる欠品を防ぐために、平均的な必要量に上乗せして持つ在庫のことです。発注点方式では、リードタイム中に見込まれる平均需要に安全在庫を上乗せしたものが発注点になります。代表的な安全在庫の計算式は次の通りです。

安全在庫＝安全係数 × 需要のばらつき（標準偏差） × √(調達リードタイム)

安全係数
欠品許容度に応じて設定する数値。「欠品をどこまで許容するか」というサービス率の目標から決まる
需要のばらつき
過去の出荷実績から算出する標準偏差。需要が比較的安定して発生する部品では有効に機能し（多くはA・B区分に該当する。A区分でも需要が間欠的な部品は例外）、標準偏差を日次データで算出した場合は、リードタイムも日数でそろえる必要がある
調達リードタイム
発注してから納品されるまでの期間。長いほど必要な安全在庫は増える

この式は、需要が比較的安定して発生し、かつ調達リードタイムが大きく変動しないことを前提にした簡略式です。

リードタイム自体の変動が大きい場合は、別の計算方法が必要になります。また間欠需要品には、区分にかかわらずそのまま当てはめると機能しない点にも注意が必要です。

間欠需要品（ロングテール品に多い特性）の管理基準——「当てる」より「早くアクションを取る」という割り切り

間欠需要をどう管理するか

ロングテール品（動きの遅い部品）の多くは、注文がない期間が長い「間欠需要」という特性を持ちます。需要予測に通常の移動平均法や指数平滑法^※3を使うと、注文ゼロの期間が長すぎるために予測値がゼロ近くまで潰れてしまい、実質的に機能しません。

間欠需要には、クロストン法やクロストンSBA法^※4、ポアソン分布^※5が前提の安全在庫計算など専門的な予測手法があります。但し、これらは専任のデータ分析体制がなければ実装ハードルが高く、現場の多くでは現実的な選択肢とは言いにくいのが実情です。

実務での現実的な割り切り方は、「需要の発生自体の予測」を諦め、「発生した瞬間に最適なアクションを迅速に講じる」に軸足を移すことです。実在庫をリアルタイムで把握できるなら、在庫を探し回ったり、帳簿上の数字と実在庫のズレにより時間を浪費したりすることなく、不足分を直ちに製造依頼し、手元にある分から出荷対応ができます。

予測精度そのものが上がるわけではありませんが、発注が入ってから動き出すまでの時間を大きく縮められる効果があります。

💬 専門家の視点

可視化が解決するのは、発注が入った瞬間に実数をその場で把握し、探し回る時間なしに動き出せるようになることであり、「いつ・どれだけ来るか」という需要の発生自体を当てることはできません。この2つを混同せず、需要が間欠的な部品には最初から「当てにいかない」設計を選ぶことが、過度な期待による失望を防ぎます。

——エスマット製造業DX支援チーム

※3：移動平均法とは直近の一定期間の実績をそのまま平均して予測する手法。また指数平滑法とは直近データほど重みを大きくして平均する手法。
※4：クロストン法とは需要の発生を期間と量に分け予測する手法であり、これにバイアス補正を入れたものをクロストンSBA法という。
※5：離散型の発生回数を扱うポアソン分布を活用した考え方で、数ヶ月に1回など間欠需要の予測に適す。

システム導入（WMS・AI需要予測・IoT）で何が変わるのか

👉 このパートをまとめると！
WMS・AI需要予測・IoTはそれぞれ得意分野が異なり、万能ではありません。導入の失敗は多くの場合システムそのものではなく、現場の運用実態と合わない設計や、可視化と予測の効果を混同した過度な期待に原因があります。

それぞれのシステムができること・できないこと

需要予測についてそれぞれが得意なこと

手段	できること	できないこと
WMS（倉庫管理システム）	入出庫の記録を自動化し、理論在庫と実在庫の乖離を減らす	需要そのものを予測する機能は基本的に持たない
AI需要予測	過去の出荷パターンから安定需要品（A・B区分）の精度を高める	間欠需要品や、初めて発生するイレギュラーな大口需要を言い当てることは苦手
IoT重量計測など	実在庫をリアルタイムに可視化し、目視確認や棚卸工数を削減。閾値を予め設定すれば自動発注が可能で、安定需要品の消費予測を立てるAIを搭載したサービスもある	重量による数量把握のため、ロット単位の識別やトレーサビリティ管理には向かない

システム導入が失敗する典型パターンとその回避策

高額なシステムを導入しても、うまくいかないケースがあります。よくあるのは、現場の運用実態に合わないルールをシステム側に合わせて設計し、現場入力が増えたり煩雑になったりして定着せず、かえって理論在庫と実在庫の乖離が拡大するパターンです。

これを避けるには、導入前に「誰が」「どのタイミングで」「どんな手間で」入力するのか、また現場の作業フローに沿っているのか、無理のない運用かどうかを確認しておく必要があります。

💬 専門家の視点

システム導入の稟議では、投資対効果のひとつに「需要予測の精度向上」を含めてしまいがちです。しかし可視化によって予測精度が上がるのは需要が比較的安定している部品に限られます。この点を稟議の段階で経営層と共有できていれば、導入後に「思った費用対効果が出ない」という不満が出にくくなります。

——エスマット製造業DX支援チーム

IoT重量計による在庫可視化という選択肢——スマートマットクラウドの場合

👉 このパートをまとめると！
スマートマットクラウドは、棚やカゴの下に置くだけで重量から在庫数を自動計算し、クラウド上にリアルタイム反映するIoT重量計型のシステムです。間欠需要品の「早く気づく」運用や、発注や在庫管理の属人化脱却には有効な手段となります。

スマートマットクラウドとは

＼置くだけIoTで機会損失を最小限に減らす／

スマートマットクラウドは自動車部品のサービスパーツや消耗部材の在庫変動をリアルタイムで可視化。安定需要のパーツはAIで消費予測、消費予測の難しい間欠需要品や選択嵌合部品などはリアルタイムの消費把握による早期アクションで顧客需要に迅速に応えることができます。

スマートマットクラウドは、保管棚やカゴの下に重量センサー（スマートマット）を設置し、管理対象物を上に置いたままにしておくだけで、重さの変化から在庫数を自動的に計算してクラウド上に反映するIoT重量計型の在庫管理サービスです。

バーコードのようにスキャンする手間も、RFIDのように1点ずつタグを取り付ける手間もかからず、設置後は基本的に人の手を介さず在庫数が可視化され続けます。

自動車サービスパーツ管理に向いている理由

サービスパーツ管理の課題のなかで、スマートマットクラウドが具体的な手段として機能しやすいのは、次の2点。

間欠需要品の「早く気づく」運用
間欠需要品は統計的な予測モデルが機能しにくいため、発注が入った瞬間に「今いくつあるか」を把握し、不足分の手配や出荷判断を迅速かつ正確にできるかが現実的な対応です。スマートマットクラウドはリアルタイム実在庫が管理画面上で数値化されており、まさにこの即断を支える仕組みといえます
属人化した発注判断の標準化
ベテラン担当者が経験で判断していた発注のタイミングを、閾値というデータに置き換えられます。担当者が変わっても同じ基準で判断できるようになります

実在庫の可視化に加え、スマートマットクラウドでは、AIによる在庫最適化エージェントを備えています。蓄積されたデータの傾向から欠品リスクの兆候を検知し、発注点の見直しなどを提案しますが、これは比較的安定して動く部品ほど精度が発揮されやすい仕組みなります。

注文がほとんど発生しない間欠需要品について「次にいつ・どれだけ来るか」まで言い当てるものではありません。