top of page
家電メーカーにおける特定部品の在庫管理業務DX
例2.家電メーカーにおける特定部品の在庫管理業務DX
在庫管理の適正化および効率化を図る需要予測AIモデル開発・導入を支援し、 SCM業務※改革を実施
※SCM=サプライチェーンマネジメント
背景・課題
-
正確な需要予測は難易度が高い上、特定部品においては市場に与える影響度合いから欠品防止を優先せざるを得ず不良在庫が膨大に
-
発注業務において担当者が多大な時間をとられており、 また人力で行っているため属人業務になりがち
-
統計モデルやAIモデルをテスト導入したが精度が不十分 で実用に結びつかない
-
高精度の需要予測、担当者の発注業務の負荷の大幅軽減を図るために、SCMを上流からアプローチするABAEJAを活用することを検討
ABEJAの提供価値
-
実態に即した需要予測を用いてAIシステムを構築したことで「使える」システムにデータサイエンティストがサプライチェーン全体を捉えて大量のデータを分析し、実態に即した高精度の需要予測を実現
-
AIの精度が上がらないプロセスは、人を組み込む仕組みをABEJA Platform上で構築迅速な実装により大幅に人の負荷が低減
家電メーカーである顧客企業では、知識や経験を積んだスタッフが在庫管理を行っていましたが、正確に需要を予測することの難易度が高く、スタッフに負荷がかかる上、担当者個人の属人的なになりがちです。加えて該当商品は、欠品がサプライチェーン全体に大きなマイナスの影響を与えてしまう部品であったため、欠品防止を優先せざるを得ず、財務状況に影響を与えるほどの不良在庫を抱えていました。
アプローチ
対象を拡大し、サプライチェーンの効率化へ
DX対象業務の選定
Tobeの策定
要件定義
AIシステム構築
運用・精度向上
高精度な需要予測を 再定義し、 ウィークポイ ントには人を組み込む 構想を策定
AIの範囲を「四半期出 荷予測」とそれを元にし た 「月次発注」に絞る
ABEJA Platform 活用し、 AIシステムを 構築
「人」と共に運用しながら、 A Iが再学習・精度向上 対象を他部品に拡大し 新たなシステムの構築へ
サプライチェーン全体 を踏まえ、需要予測 を対象に選定
成果
【短期】
-
需要予測の精度が5%以上改善
(仮に安全在庫額が100億円規模であれば5億円の削減)
【中長期】
-
注業務担当者の負荷が大幅削減
-
他商品にも展開し、 サプライチェーンの 効率化
まずは、サプライヤーからパーツセンター、取引先、エンドユーザーなど、該当商品の全サプライチェーンを洗い出し、顧客企業における特定部品の需要数は、部品総数×故障率から予測されると定義した上で、膨大なデータを用いて、出荷実績や廃棄実績、製品あたりの部品数から「部品総数」と季節ごとの稼働係数、終売影響などによる係数を加味した「故障率」を算出し、四半期ごとの「出荷予測」とそれを元にした「月次発注」に関するAIシステムを、ABEJA Platform上に構築しました。
結果、需要予測における精度が５％以上改善することに成功し、対象商品を拡大して、サプライチェーンの効率化を図っています。
bottom of page