実施時期: 2024年04月|2026.06.02 最終更新
※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
パナソニック株式会社エレクトリックワークス社(以下、パナソニックEW社)は、電設資材製品を幅広く扱っており、国内外に多数のサプライヤーや工場を抱えています。従来は、事業部や部門、拠点ごとに製品や部品の情報を異なる形式のデータで個別管理していたため、全社横断的な状況把握が困難な状態になっていました。 特に災害発生時など、不確実な状況下において事業継続に向けた迅速な意思決定を行うためには、サプライチェーン全体の可視化が急務となっていました。
また、将来的な労働力不足が懸念される2030年を見据え、持続可能でレジリエント(回復力のある)な供給網を構築するため、データとAIを活用したプロジェクトを開始しました。
富士通株式会社が提供するオペレーションプラットフォーム「Fujitsu Data Intelligence PaaS」を導入し、データの統合から蓄積、可視化、業務システムまでをオールインワンで構築しています。
このプラットフォームは既存システムを改修することなくデータ統合が可能であり、国内外3,000社以上の拠点に散在する膨大なデータを全社横断的に集約しました。さらに、富士通のAIサービス「Fujitsu Kozuchi AutoML」を活用し、データ基盤に統合された過去5年分の主要部品の販売実績をもとに、300種に及ぶ機械学習の予測モデルを短時間で生成しています。これにより、部品カテゴリーごとに精度の高い需要予測を立案できる体制を整えました。
改善・向上したこと
データ分析・意思決定支援
供給網の可視化
推進したこと
既存システムとのAI連携
AI基盤・インフラ構築
既存システムの改修を伴わないアプローチにより、20万品番を超える在庫部品の品番紐付けと可視化を、わずか2週間という短期間で実現しました。
全拠点における部品の在庫や発注情報が一元的に見える化されたことで、部品調達計画や拠点ごとの在庫状況を全社レベルで掌握できるようになっています。災害時においても、受注案件ごとの影響や事業全体での損益影響を迅速に把握し、生産・供給体制の維持に向けた意思決定を強力に支援します。AIによる高精度な需要予測と組み合わせることで、製品の供給停止リスクを回避し、動的でレジリエントな供給網の構築に成功しています。
__custom_business_scene__
経営データ分析
意思決定支援
製造
需要予測・在庫最適化
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
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)
AI構築プラットフォーム
クラウドAI基盤
構築・利用したデータ基盤・インフラ
Microsoft Azure
連携したシステム・SaaS
Palantir
WarpBiz編集部の事例考察
成功の最大の要因は、既存システムを改修せずに短期間で膨大なデータを統合できるプラットフォームを選定し、データのサイロ化という根本的なボトルネックを突破した点にあります。このアプローチは、製造業だけでなく、多店舗展開する小売業や広域物流網を持つ運輸業における在庫最適化やリスク管理にも応用可能です。導入にあたっては、各拠点で異なるデータ形式をいかにスムーズに名寄せ・標準化するかがハードルとなるため、事前のデータクレンジング方針の策定が重要になります。サプライチェーンの強靭化やデータ統合を検討されている方は、ぜひ他のAI需要予測やデータ基盤構築の事例記事もご覧ください。
データとAIを活用し、パナソニックEW社様のレジリエントな供給網の構築を実現 : 富士通
発行元:富士通株式会社
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。