PowerPoint Presentation

Size: px

Start display at page:

Download "PowerPoint Presentation"

としはるかいて
4 years ago
Views:

1 Quantifying Contingent Business Interruption from Natural Hazards Toshihiro Yamada President, OYO RMS Corporation

2 本日の話題自然災害による過去のサプライチェーン被害 CBI 分析の考え方分析結果の利用 CBI 分析普及の課題 CBI: Contingent Business Interruption 構外利益 CBI Tool: RiskLink の結果を使ってサプライチェーンを考慮した分析を行うためのツール (RMS 社製 )

3 自然災害による過去のサプライチェーン被害 1995 年阪神淡路大震災神戸製鋼所 ( バネ用鋼材トップ ) 等が被災自動車の減産 4 万台 2007 年新潟県中越沖地震リケン ( ピストンリングの国内シェア5 割 ) 等が被災自動車の減産 10 万台 2011 年東日本大震災ルネサスエレクトロニクス ( マイコン世界シェア3 割 ) 等が被災自動車の減産 100 万台以上 ( 次頁参照 ) 2011 年タイ洪水自動車の減産 20 万台ハードディスク駆動装置 (HDD) 世界で10~12 月で減産 5000 万台

4 東日本大震災前後の自動車生産台数日本自動車工業会の公表データから作成

5 新潟県中越沖地震前後の自動車生産台数日本自動車工業会の公表データから作成

6 CBI 分析の考え方 (1/7) サプライチェーンの特性関係 ( 直列並列 ) 操業度在庫 A 工場部品 a B 工場部品 x C 工場部品 x D 工場部品 d E 工場部品 e G 工場 100 製品

7 CBI 分析の考え方 (2/7) サプライチェーンの特性関係 ( 直列並列 ) 操業度在庫操業度 50% A 工場部品 a D 工場部品 d B 工場部品 x E 工場部品 e G 工場製品 C 工場部品 x

8 CBI 分析の考え方 (3/7) サプライチェーンの特性関係 ( 直列並列 ) 操業度在庫操業度 50% 100% A 工場 D 工場部品 a 部品 d 在庫 20 B 工場部品 x E 工場部品 e G 工場製品 C 工場部品 x

9 CBI 分析の考え方 (4/7) サプライチェーンの特性関係 ( 直列並列 ) 操業度在庫 A 工場部品 a 操業度 20% 100% B 工場部品 x C 工場部品 x E 工場部品 e 50 D 工場部品 d G 工場製品

10 CBI 分析の考え方 (5/7) サプライチェーンの特性関係 ( 直列並列 ) 操業度在庫 A 工場部品 a D 工場部品 d 操業度 20% 100% B 工場部品 x 120% C 工場部品 x E 工場部品 e G 工場製品

11 CBI 分析の考え方 (6/7) サプライチェーンの特性関係 ( 直列並列 ) 操業度在庫 A 工場部品 a B 工場部品 x 操業度 50% 100% D 工場部品 d E 工場部品 e G 工場製品 C 工場部品 x

12 CBI 分析の考え方 (7/7) サプライチェーンの特性関係 ( 直列並列 ) 操業度在庫 A 工場部品 a D 工場部品 d 100 B 工場部品 x C 工場部品 x E 工場部品 e 100 G 工場製品操業度 50% 100%

13 操業度サプライチェーンを考慮した復旧曲線 G 工場の復旧曲線 ( サプライチェーン考慮せず ) 部品 d 部品 e 100% 60% 実効的事業中断日数 G 工場の復旧曲線 ( サプライチェーン考慮 ) 30% X 1 日 X 2 日地震発生後の経過日数 X 3 日

14 分析結果の利用 BI と CBI はどれ位違う? 最悪のシナリオは? ボトルネックは? 対策を優先すべき拠点は? 対策の比較 ( 費用対効果 )

15 ケーススタディの条件 C 工場 A 工場 B 工場 A 工場 B 工場 C 工場所在地東京静岡仙台役割組立部品部品耐震性新耐震旧耐震旧耐震ケース 1( 直列 ) 部品 B 部品 C ケース 2( 並列 ) 50% 50%

16 BI と CBI はどれ位違う? A 工場の実効的事業中断日数と BI と CBI の比較再現期間 BI CBI カッコ内は BI に対する割合ケース 1( 直列 ) ケース 2( 並列 ) 100 年 11 日 43 日 (4.1 倍 ) 25 日 (2.3 倍 ) 200 年 17 日 65 日 (3.9 倍 ) 36 日 (2.2 倍 ) 500 年 29 日 102 日 (3.6 倍 ) 57 日 (2.0 倍 ) 1000 年 42 日 137 日 (3.3 倍 ) 77 日 (1.8 倍 ) AAL 0.58 日 1.91 日 (3.3 倍 ) 1.23 日 (2.1 倍 )

17 最悪のシナリオは? A 工場の実効的事業中断日数と BI と CBI の比較シナリオ BI CBI カッコ内は BI に対する割合ケース 1( 直列 ) ケース 2( 並列 ) 元禄地震 (A 工場の最悪シナリオ ) 南海トラフの地震 (B 工場の最悪シナリオ ) 東北地方太平洋沖地震 (C 工場の最悪シナリオ ) 25 日 26 日 (1.05 倍 ) 26 日 (1.02 倍 ) 6 日 69 日 (12.5 倍 ) 35 日 ( 6.3 倍 ) 3 日 13 日 (3.8 倍 ) 7 日 (2.2 倍 ) ( 参考 ) 再現期間 500 年 29 日 102 日 (3.6 倍 ) 57 日 (2.0 倍 )

18 ボトルネックは? 直列の場合 (1 日目 ) (31 日目 )

19 対策を優先すべき拠点は? A 工場の実行事業中断日数と BI と CBI の比較再現期間 BI CBI( 直列 ) カッコ内は無対策に対する割合無対策 B 工場補強 C 工場補強両工場補強 100 年 11 日 43 日 30 日 (0.71 倍 ) 42 日 (0.98 倍 ) 30 日 (0.69 倍 ) 200 年 17 日 65 日 47 日 (0.72 倍 ) 65 日 (0.99 倍 ) 47 日 (0.72 倍 ) 500 年 29 日 102 日 78 日 (0.76 倍 ) 100 日 (0.99 倍 ) 76 日 (0.75 倍 ) 1000 年 42 日 137 日 108 日 (0.79 倍 ) 135 日 (0.98 倍 ) 104 日 (0.76 倍 ) AAL 0.58 日 1.91 日 1.57 日 (0.82 倍 ) 1.89 日 (0.99 倍 ) 1.55 日 (0.81 倍 ) 南海トラフの地震 6 日 69 日 46 日 (0.67 倍 ) 69 日 (1.00 倍 ) 46 日 (0.67 倍 )

20 対策の比較 ( 費用対効果 ) 再現期間 BI A 工場の実行事業中断日数と BI と CBI の比較 CBI( 並列 ) カッコ内は無対策に対する割合 B 工場の対策無対策耐震補強在庫 (7 日分 ) 在庫 (20 日分 ) 100 年 11 日 25 日 19 日 (0.78 倍 ) 22 日 (0.90 倍 ) 18 日 (0.75 倍 ) 200 年 17 日 36 日 28 日 (0.78 倍 ) 34 日 (0.93 倍 ) 30 日 (0.82 倍 ) 500 年 29 日 57 日 45 日 (0.80 倍 ) 54 日 (0.96 倍 ) 49 日 (0.86 倍 ) 1000 年 42 日 77 日 64 日 (0.83 倍 ) 75 日 (0.98 倍 ) 69 日 (0.89 倍 ) AAL 0.58 日 1.23 日 1.05 日 (0.86 倍 ) 1.02 日 (0.84 倍 ) 0.88 日 (0.72 倍 )

21 CBI 分析普及の課題サプライチェーンの把握が困難サプライチェーンのデフォルトモデル (unknown) 保険が買えない地震対策や BCP/BCM での利用方法の提案 RMS と OYORMS が共同で普及活動と開発

22 ニュースリリース保険毎日新聞 ( )

23 ご清聴ありがとうございました

本ワーキンググループにおけるこれまでの検討事項

本ワーキンググループにおけるこれまでの検討事項資料 1 本ワーキンググループの検討内容第 3 回資料 1 を一部修正地震発生予測について ( 予測可能性調査部会において検討 ) 〇現状の地震発生予測の可能性確度予測可能性に関する科学的知見を整理社会が混乱するおそれがある 4 つのケースについて検討〇南海トラフにおけるリアルタイムモニタリング南海トラフで発生している現象を分析評価し