実施時期: 2024年10月|2026.06.02 最終更新
飲料業界の過剰在庫をAIで解決し、輸送コストを約6.2%削減
プロジェクト期間: 半年未満
※イメージ画像です
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
こんな課題を持つ企業におすすめの事例です
- 物流の停滞やコスト増加に課題を感じている
- 需要変動による過剰在庫や欠品に悩んでいる
- サプライチェーン全体の効率化を図りたい
プロジェクト概要
背景・目的
2024年4月からの「働き方改革関連法」適用に伴い、物流の停滞が懸念される「2024年問題」が業界全体の喫緊の課題となっています。サプライチェーンにおいては、小売業での急な需要増加が卸売業を経てメーカーに伝わる過程で変動が増幅される「需要増幅効果」が発生していました。
特に飲料業界では、セールや季節変動、天候による予測困難な需要変化があり、各社は欠品リスクを避けるために余剰在庫を抱えがちです。これにより、各段階で過剰在庫や不必要な輸送が発生し、効率的な輸送手配が困難になっていました。このような背景から、物流課題解決に向けた輸送量平準化を目指し、AIを活用したプロジェクトが開始されました。
アプローチと成果
アプローチ
アサヒ飲料株式会社は、株式会社Hacobuと株式会社JDSCが共同開発した生産・販売・在庫管理サービス「MOVO PSI」を導入しました。本サービスでは、2つのAI（機械学習）モデルを活用しています。
1つ目のAIモデルは、卸売業や小売業からの受注を予測し、在庫の変動を正確に把握する役割を担います。そして2つ目のAIモデルが、必要最低限の補充数量を毎日一定に保つため、膨大な組み合わせの中から最適なパターンを計算し、物流現場の実務を支援するという仕組みです。 メーカー、卸売業、小売業の企業間をつなぎ、PSI（生産・販売・在庫）情報を蓄積・共有するプラットフォームとして機能させることで、在庫量や輸配送量の最適化を図る基盤を構築しました。
この技術的アプローチにより、サプライチェーン全体の可視化が進み、輸送コストや在庫日数の削減といった具体的な成果へとつながっています。
プロジェクトへの評価と成果
改善・向上したこと
コスト削減
データ分析・意思決定支援
在庫日数の削減
推進したこと
プロトタイプ開発（PoC）
サプライチェーン最適化
アサヒ飲料が2024年3月から4月にかけて実施した実証実験では、特定の配送センターへの輸送コストを約6.2％、在庫日数を約6.5％削減することに成功しました。先行して実証実験を行ったキリンビバレッジでも、輸送コスト約9.1％、在庫日数約13.2％の削減を実現しています。
これらの結果を受け、サービスの本格展開が決定しました。今後は導入を拡大し、積載率の向上や納品時の欠品率低減を推進していく方針です。
カテゴリー詳細
プロジェクト内容
AI導入・支援形態
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
物流・サプライチェーン管理
製造
需要予測・在庫最適化
運輸・物流
需要予測・在庫配置最適化
輸配送コストの最適化
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
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
WarpBiz編集部の事例考察
成功の最大の要因は、企業間をまたぐPSI情報をAIで統合・分析し、サプライチェーン全体の「需要増幅効果」を可視化・平準化した点にあります。このアプローチは、食品や日用品など、季節変動や特売の影響を受けやすい他業種の在庫管理や配車計画にも応用可能です。導入にあたっては、卸売業や小売業など複数企業間でのデータ共有が必須となるため、セキュリティや情報開示のルール作りがハードルとなるでしょう。サプライチェーンの最適化や物流課題の解決を検討される方は、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
株式会社Hacobu
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。
アサヒ飲料株式会社
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。