WarpBiz ピックアップ
小売・流通・卸売
食品・酒類卸売業

実施時期: 2024年04月|2026.06.02 最終更新

属人化した発注業務をAI需要予測で自動化し、作業時間を約50%削減
コンサル(導入支援・AI戦略支援)
開発(実装支援・AI搭載支援)

プロジェクト期間: 1年 〜 2年

企業規模: 1,000人以上

※イメージ画像です

属人化した発注業務をAI需要予測で自動化し、作業時間を約50%削減 のプロジェクト概要図解

プロジェクト概要

アプローチと成果

カテゴリー詳細

お問い合わせ

運営ピックアップ事例

こんな課題を持つ企業におすすめの事例です

  • 発注業務が属人化しており、担当者の負担が大きい
  • 取り扱いアイテム数が多く、需要予測や在庫管理が難しい
  • 事業拡大に伴う人員不足や物流の効率化に課題を感じている
プロジェクト概要
背景・目的

ヤマエ久野は、多様な顧客向けの商品を扱う汎用倉庫において、日々発生する注文と在庫量を調整しながらメーカーに発注する業務を行っています。 これまでは熟練担当者が過去の実績や天候、イベント情報などを考慮して需要を予測し、1人あたり約3,000アイテムの発注・在庫管理に約3時間を費やしていました。しかし、営業エリアの拡大や小売店の物流センター増加に伴い倉庫が増加傾向にある中、発注担当者の人員不足が大きな課題となっていました。そこで、発注業務の集約と標準化、生産性の向上を目的として、デジタル技術を活用した業務改革に取り組むことになりました。

属人化した発注業務をAI需要予測で自動化し、作業時間を約50%削減 のプロジェクト概要図解
アプローチと成果
アプローチ

株式会社日立製作所との協創により、AIを活用した需要予測・自動発注システムを導入しました。このシステムは、日立のLumadaソリューション「Hitachi Digital Solution for Retail/需要予測型自動発注サービス」を応用したものです。 汎用倉庫は多様な顧客向けの商品を扱うため需要予測が難しいとされてきましたが、特定の取引先からの急な受注増を検知して過学習を抑制する「スポット特売機能」を実装することで、予測精度の安定化を図りました。さらに、倉庫のサイズや取り扱いアイテム数の違いに対応するため、最低在庫や発注頻度を調整する「自動チューニング機能」や、配送条件に合わせて仕入先単位で発注数量をコントロールする「ロット丸め機能」を搭載しています。 これにより、特性の異なる複数の拠点へのシステム適用を実現しています。

プロジェクトへの評価と成果

改善・向上したこと

業務の自動化

人手不足の解消

属人化解消

生産性向上

対応時間・リードタイムの短縮

推進したこと

システムへのAI機能組込み

2024年4月の稼働開始から2カ月後の時点で、複数の熟練担当者が1人・1日あたり約3時間要していた発注業務時間を約1時間半に短縮し、約50%の削減効果を確認しました。 欠品や在庫回転率についても導入前の水準を維持しつつ、熟練担当者と同水準での発注計算が可能となっています。今後は、需要予測の導入拠点を増やしてさらなる業務効率化を進めるとともに、入荷や需要の予測データをサプライチェーン全体に連携させることで、トラックの積載効率向上や物流2024年問題の解決、食品ロスの削減にも取り組んでいく予定です。

カテゴリー詳細
プロジェクト内容
AI導入・支援形態
SaaS・AIツール導入
プロジェクト伴走支援(共創・内製化)
AIシステム受託開発
AI自動発注の導入
導入部門・データ活用
導入部門と活用内容

全社共通・汎用業務

AIによる定型業務の自動化

運輸・物流

需要予測・在庫配置最適化

小売・流通・EC

需要予測

自動発注・在庫補充最適化

活用したデータ

数値・Excel・ログ

売上・受注・販売実績

在庫・生産・物流データ

外部・Web・SNSデータ

外部データベース・統計情報

採用したAI技術・ツール

採用したAI技術

AIモデル・構築手法

(RAG / ファインチューニング / 他)

機械学習(数値データからの予測・推論)

統計モデル(数値データに基づく傾向分析)

活用・導入したAIモデル・ツール

その他のツール

Hitachi Digital Solution for Retail

WarpBiz編集部の事例考察

本事例の成功の最大の要因は、予測が困難とされる汎用倉庫の特性に合わせて「スポット特売機能」や「自動チューニング機能」といった独自の実装を行い、AIの過学習を防ぎつつ現場の運用に即したシステムを構築した点にあります。このアプローチは、食品卸売業だけでなく、多品種少量生産を行う製造業や、多様な商材を扱うEC倉庫など、複雑な在庫管理が求められる他業種への横展開も十分に期待できます。導入にあたっては、AIの予測精度を担保するために、過去の特売情報やイレギュラーな受注データを適切にクレンジングし、システムに学習させるデータ基盤の整備が重要になるでしょう。同様のAI活用を検討される方は、ぜひ他の事例記事もご覧いただき、自社に合ったツール探しにご活用ください。

プロジェクト実施・導入企業

実施・支援企業 (VENDOR)
株式会社日立製作所
従業員数:約27万人
従業員数:約27万人

データとテクノロジーでサステナブルな社会を実現する社会イノベーション事業を推進。デジタルシステム&サービス、グリーンエナジー&モビリティ、コネクティブインダストリーズの3セクター体制でLumadaソリューションを提供。

この事例と同じようなシステムを開発したいですか? WarpBizで実現可能なパートナーを探しましょう。
類似の事例を見る
同様の支援ができる AI支援企業を探す
導入先企業 (CLIENT)
ヤマエ久野株式会社
業種:食品・酒類卸売業従業員数:1000名以上
出典・参考情報
※本事例は以下の公開情報を元にWarpBiz編集部がリサーチ・作成しました。

ヤマエ久野と日立が協創、AI需要予測自動発注で作業時間を大幅短縮:日立

発行元:株式会社日立製作所

この事例を見た方は以下の事例も見ています
類似事例を読み込んでいます

関連度の高い事例を選定しています。少しお待ちください。