FVAの定義

FVA（Forecast Value Added、予測の付加価値）は、マイケル・ギリランドが実務向けに広めた考え方で、「予測の成績指標の変化のうち、特定の段階や参加者に帰属できる部分」と定義されます（Foresight誌 2013年春号）。ある段階が誤差を減らせばFVAはプラス、増やせばマイナスです。マイナスの段階は「予測を悪くしただけ」で、存在理由を問い直す対象になります。

基準には、ほぼ費用のかからないナイーブ予測（前期の実績をそのまま次期の予測にする）を置きます。同論文は「システムとプロセスが平均してナイーブモデルより良く予測できないなら、なぜ手間をかけるのか」と問いかけています。

FVA = 前段階の誤差 − その段階の誤差

誤差の指標は何でも構いませんが、品目をまたいで集計するならWAPE（誤差の絶対値の合計 ÷ 実績の合計）が扱いやすく、在庫への影響を見るにはバイアスも並べます。指標の違いは予測誤差の指標：MAPE・WAPE・MAE・RMSEの違いを参照してください。

8か月の数値例で階段表を作る

ある製品群の月次需要と、予測プロセスの各段階の予測です。プロセスは「統計予測 → 営業の修正 → 需給会議の最終合意」の3段階とします。

月12345678
実績1,2001,3501,1001,5001,4201,2801,6001,380
ナイーブ1,1501,2001,3501,1001,5001,4201,2801,600
統計予測1,2301,2901,2101,3801,4501,3301,4801,450
営業修正後1,3001,4001,3001,4501,5501,4001,6001,550
最終合意1,2601,3301,2401,4201,4801,3501,5301,480

実績の合計は10,830個です。各段階の誤差を集計した「階段表」（stairstep report）が次の表です。

段階誤差の絶対値の合計WAPEバイアスFVA（比較対象）
ナイーブ1,61014.87%−2.12%（基準）
統計予測5905.45%−0.09%+9.42ポイント（対ナイーブ）
営業修正後8207.57%+6.65%−2.12ポイント（対統計）
最終合意6005.54%+2.40%−0.09ポイント（対統計）

統計予測はナイーブに対して大きな価値を生んでいます。営業の修正は誤差を増やし、しかも予測を一方向に押し上げています（バイアス +6.65%）。最終合意は営業の上乗せをかなり戻していますが、統計予測と比べるとWAPEはほぼ同じで、バイアスだけが +2.40% 残っています。つまり、この例の需給会議は誤差を減らしておらず、予測を高めに寄せる効果だけを持っていたことになります。

ギリランドの論文でも、ニューウェル・ラバーメイド社の分析で、統計予測は平均してナイーブに勝った一方、経営層による上書き（オーバーライド）は平均して予測を悪化させていたことが紹介されています。

在庫の数字に換算する

FVAをWAPEのポイントで報告するだけでは、在庫の意思決定につながりません。2つの換算をします。

バイアスを過剰在庫に換算する：最終合意の予測どおりに生産した場合、8か月の予測と実績の差は合計+260個で、これがそのまま在庫に積み上がります。営業修正後の予測で生産していれば+720個でした。統計予測なら−10個で、ほぼ釣り合っています。

誤差を安全在庫に換算する：誤差のRMSEは、ナイーブ230.3個、統計予測81.9個、営業修正後120.0個、最終合意81.7個です。リードタイム1か月、サービス率95%（安全係数1.645）で安全在庫を計算すると、それぞれ379個、135個、197個、134個になります。営業の修正を採用すると、同じサービス率を保つために安全在庫を約62個（197−135）多く持つ必要があります。安全在庫の計算方法は予測誤差から安全在庫を計算する方法で説明しています。

FVAを始める手順

  1. 各段階の予測を、上書きせずに別の列として保存する（統計予測、修正後、最終合意）。上書きしてしまうシステムでは、FVAは計算できない
  2. ナイーブ予測（季節性がある品目は季節ナイーブ）を同じ粒度で作る
  3. 品目群×月でWAPEとバイアスを計算し、階段表にする
  4. マイナスの段階について、修正の理由（販促・大口案件・勘）別に集計する
  5. 価値を生んでいない修正は、修正できる条件を絞る（例：確定した大口案件があるときだけ）

よくある質問

ナイーブ予測に負けている品目はどうすべきですか。

その品目では、統計予測もプロセスも価値を生んでいません。まず季節ナイーブやほかの単純な手法を試し、それでも差がなければ、ナイーブ予測をそのまま使い、浮いた工数を価値の出る品目に回すという判断があります。

FVAの集計に使う期間はどれくらいですか。

月次の予測なら最低6か月、できれば12か月です。季節の山を含めないと、修正の価値が出やすい時期と出にくい時期が偏ります。

需給会議の価値は誤差以外にもあるのではないですか。

あります。生産・購買・営業の合意形成や、供給制約の共有は誤差では測れません。FVAが示すのは「予測の数字を変えた効果」だけです。会議で予測の数字を変える必要がないと分かれば、議論を供給側の調整に集中させられます。

この記事に出てくる用語

用語集（日・英・中）をすべて見る

この記事のテーマ
#需要予測#予測誤差#SCM計画#AI検証
在庫の種類
計画・S&OP製品・出荷
手法
需要予測・機械学習
この特集について

AIの需要予測を、在庫の数字で検証する

MAPEが良くても欠品は減らない。予測精度ではなく在庫と欠品で評価する方法　全4本

  1. AIの需要予測を在庫と欠品の数字で検証する方法：16週の比較で見る5つの手順
  2. 予測バイアスとトラッキングシグナルの見方：12か月の例で±4を超える時点
  3. 機械学習の需要予測で使う特徴量と、リークの避け方：WAPEが3.5%から55%になる例
特集の記事をすべて見る →

この記事を書いた人

株式会社サオス

株式会社サオス 製造DX部

DELMIA Apriso を中核とした MES / 製造DX の導入・運用・人材育成と、製造業のデータ活用・AI の調査・開発・教育を手がけるITコンサルティング企業。ISO 9001:2015 / ISO 27001:2022 認証取得。 日本・中国・米国で製造業のMES・在庫・データ基盤を手がけた実務者が、計算式を検算し、欧米・中国の一次情報にあたって書いています。

運営者情報　編集方針　株式会社サオスのサイト

週刊 在庫KPI

業種別の在庫KPIベンチマークの更新と、その週の新着記事5本を毎週月曜にお届けします。無料・いつでも解除できます。

登録によりプライバシーポリシーに同意したものとします。配信は株式会社サオスが行います。