実施時期: 2024年12月|2026.06.02 最終更新
保守部品の在庫管理をAI需要予測で最適化し、適正在庫を2.7倍に増加
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
- 製造終了後の保守部品の適正な在庫管理に悩んでいる
- 過剰在庫によるコスト増と、在庫不足による機会損失を防ぎたい
- 過去のデータから精度の高い需要予測を行い、業務効率化を図りたい
プロジェクト概要
背景・目的
多くのメーカーでは、製品の製造が終了した後も、顧客が安心して製品を使い続けられるよう一定期間アフターパーツを供給しています。しかし、業界や製品によって供給期間が異なる中、在庫が多すぎるとコストがかさみ、財務面に大きな負担がかかります。一方で、在庫が不足した場合には、金型の作り直しや代替部品の探索に多大な時間と費用、労力を伴い、事業効率が大幅に低下するという課題がありました。
アフターパーツを切らさずに無駄な在庫を減らすことが求められる中、富士フイルムはデジタルカメラのアフターパーツ需要予測において、AIを活用した実証実験をNECと共同で開始しました。
アプローチと成果
アプローチ
NECは、富士フイルム向けに「NEC Advanced-S&OPソリューション」のアフターパーツ需要予測ツールを構築開始しました。本取り組みは、NECの価値創造モデル「BluStellar Scenario」に基づき、AI技術とデータ分析プロフェッショナルの分析知見、さらにSCMおよびS&OP領域の業務知見を組み合わせて進められています。
ツール構築に先立ち、両社は2024年12月から2025年5月末までの6か月間、富士フイルムのデジタルカメラを対象とした実証実験を実施しました。過去に供給期間が終了している約1800種類のアフターパーツを対象に、AIを活用した需要予測モデルを作成しています。データサイエンスに基づいた根拠のある予測を行うことで、需要と供給の最適化を図るだけでなく、各種ステークホルダーとのコミュニケーションの円滑化や、さらなる需要創出に向けた戦略立案の高度化を支援する仕組みを構築しています。
プロジェクトへの評価と成果
改善・向上したこと
コスト削減
生産性向上
データ分析・意思決定支援
推進したこと
プロトタイプ開発（PoC）
システムへのAI機能組込み
データ戦略・活用策定
実証実験において、富士フイルム内の在庫評価資料を用いて従来の予測結果と机上比較を行いました。作成した需要予測モデルがアフターパーツごとの特徴を正確に捉えた結果、「適正」在庫に分類される部品点数が従来の管理方法に比べて2.7倍に増加しました。
これにより、アフターパーツ在庫の過剰や不足を大幅に減らし、より効率的な在庫管理が可能になることが確認されています。この成果を受け、富士フイルムはデジタルカメラ分野における本ツールの本格的な導入に向けて、さらなる検討を進める予定です。
カテゴリー詳細
プロジェクト内容
AI導入・支援形態
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
SCM・在庫管理
製造
需要予測・在庫最適化
活用したデータ
数値・Excel・ログ
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
本事例の成功の最大の要因は、単なるAI技術の導入にとどまらず、データ分析やSCMの専門知見を掛け合わせ、過去の膨大なパーツデータから精度の高い予測モデルを構築した点にあります。このアプローチは、自動車、家電、産業機械など、長期の保守部品供給が求められるあらゆる製造業の在庫最適化に応用可能です。ただし、精度の高い予測を実現するには、過去のデータが十分に蓄積・整理されていることが前提となるため、事前のデータ基盤整備が重要になります。同様のAI活用を検討される方は、ぜひ他の需要予測や在庫管理の事例記事もご覧ください。
プロジェクト実施・導入企業
日本電気株式会社
DXに関して、ビジネスモデル、テクノロジー、組織・人材の3軸で、戦略構想コンサルティングから実装に導くオファリングなど、End to Endのサービスを提供しています。
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。
富士フイルム株式会社
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。