計画立案時間を約70%削減、熟練者の勘まで学ばせた製氷会社の生産計画AI

包装氷は季節性が非常に高く、需要の振れ幅が大きい商材です。その中で欠品も過剰在庫も避けながら生産・輸送・在庫の計画を組む作業は、人手で高い精度を保つには限界があり、実務上は特定の熟練作業者の経験と勘が支えていました。結果として、その担当者に負荷が集中する属人化が深刻化していきます。

編集部の見立てでは、この困りごとの本質は「計算量が多いこと」そのものではありません。熟練者が日々くだしていた判断——どの工場でつくり、どの倉庫を経由し、いつ出すか——の良し悪しを決める基準が、本人の頭の中にしか存在せず、他の人が再現できる形になっていなかった点にあります。だからこそ人を増やしても解消せず、担当者が離れれば計画そのものが止まりかねない状態が続いていたのではないでしょうか。

効いたのは、熟練者の勘を「非科学的なもの」として脇に置かず、制約条件と同じ土俵に載せた設計です。生産能力などの明文化しやすい条件が40を超える一方、暗黙知は本来そのままではシステムに入りません。それを学習対象として定義し直し、機械が扱える形に翻訳したことが、実務で使える計画を出せるかどうかの分かれ目になったと考えられます。現場が納得できる計画とは、制約に違反していない計画ではなく、熟練者ならそう組むだろうという判断まで再現された計画だからです。

もう一つは、問題の立て方を変えたことです。品目・工場・倉庫・輸送形態・日程の組み合わせが約200万通りある状況で、人が良さそうな案を探して比較する方式を続けるかぎり、精度も速度も担当者の力量に縛られます。これを、条件を満たす解を計算で抽出する数理最適化の形に置き換えた選択が、選択肢の多さを弱点から強みへ反転させました。組み合わせが多いほど、人手より計算のほうが有利になる領域だからです。

土台にゼロからの開発ではなく、日立が持つ既存の「計画系業務最適化サービス」を据えた進め方も見逃せません。汎用的な最適化の仕組みはパートナー側の資産を使い、事業者側は自社固有の制約と暗黙知の定義に力を割く。この役割分担により、労力を注ぐべき場所が「自社にしかない知見の言語化」に絞り込まれています。

手作業で行っていた計画立案の業務時間は、約70%削減されました。加えて、季節要因などによる急激な需要変動に対しても、生産・輸送・在庫の計画を柔軟かつ迅速に修正できるようになり、計画そのものの質が向上しています。長年の課題だった属人化が解消され、特定の熟練者に偏っていた業務負荷が軽くなった点は、時間短縮以上に大きな変化と言えます。働き方改革に直結する成果として位置づけられています。