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

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。