富士フイルムとNECの保守部品AI需要予測、適正在庫の部品が2.7倍の実証実験

検証の対象に、すでに供給期間が終了している約1800種類の部品を選んだ点が、この取り組みの土台になっています。供給が終わった部品には、最初から最後までの需要の推移が結果として残っているため、予測モデルが正しく当てられたかどうかを後から突き合わせられます。まだ供給中の部品で試せば答え合わせは数年先になりますが、終了済みの部品なら短期間で精度を確かめられる。実証実験を6か月という現実的な期間に収めたのは、この題材の選び方によるところが大きいと見ています。

AI技術を単体で持ち込まず、データ分析の知見とSCM・S&OP領域の業務知見を掛け合わせた体制も要因です。保守部品の需要は、修理の発生や製品の使われ方といった業務側の事情に左右されるため、数字の並びだけを見ても部品ごとの性格は読み取れません。NECが分析と業務の両面を担い、富士フイルム側が実際の部品と在庫の実態を持ち寄る役割分担によって、部品ごとの特徴を捉えるモデル設計が可能になったのでしょう。

予測を、既存の社内の物差しに接続したことも見逃せません。検証では富士フイルムの在庫評価資料を使い、従来の予測結果と机上で比較する形をとっています。新しい指標を持ち込むのではなく、これまで在庫の良し悪しを判断してきた枠組みの上で新旧を並べたことで、現場が結果の意味をそのまま解釈できる。データサイエンスに基づく根拠を持たせる狙いが、需要と供給の最適化だけでなく、関係者とのやり取りや戦略立案の材料づくりにまで向けられているのも、この設計思想の延長線上にあります。