需要予測・在庫最適化のAI活用事例

【成果】 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。

【成果】 新たなデータ基盤の構築により、経営層は常に最新のデータを網羅したダッシュボードを通じて、経営状況を正確に把握できるようになりました。これにより、変化の兆しを即座に捉えた迅速な意思決定が可能となっています。 今後は、この基盤を単なるデータの可視化にとどめず、AIや機械学習の技術を活用して高精度な需要予測やサプライチェーンの最適化といった未来の経営指標を予測する機能を追加していく予定です。ライオンは、データに基づき未来を予測し、先手を打つ「未来予測型経営」への進化を見据え、クラウドCoE体制をさらに拡充していく方針です。

【成果】 本プロジェクトは現在実証実験の段階ですが、エクセルやメールに依存していた属人化からの脱却により、大幅な業務効率化が期待されています。 具体的には、2030年までに現時点から3割の業務工数削減と、業務品質の向上を目標に掲げています。また、市場の稼働データを活用した需要予測の精度向上により、サプライチェーン全体の最適化に繋がる点も、大きな価値をもたらすと見込まれています。 さらに、AIを活用したソリューションの社内実践を通じて蓄積されたノウハウは、将来的にお客様への提供も見据えられており、自社のDX推進にとどまらない新たな価値創出へと繋がっていく予定です。

【成果】 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。

【成果】 アサヒ飲料が2024年3月から4月にかけて実施した実証実験では、特定の配送センターへの輸送コストを約6.2％、在庫日数を約6.5％削減することに成功しました。先行して実証実験を行ったキリンビバレッジでも、輸送コスト約9.1％、在庫日数約13.2％の削減を実現しています。 これらの結果を受け、サービスの本格展開が決定しました。今後は導入を拡大し、積載率の向上や納品時の欠品率低減を推進していく方針です。

【成果】 AIによる高精度な需要予測と在庫の最適化により、急激な需要変動にも迅速に対応可能な生産計画モデルを実現しました。これにより、医薬品の安定供給が強化されるだけでなく、有効期限切れによる製造済み医薬品の廃棄削減といった環境面での効果が見込まれています。 さらに、在庫の適正化によるキャッシュフローの改善など、財務面でのポジティブな効果も期待されています。同社は今後も、需要予測の高精度化と業務の持続的な効率化を推進し、必要な医薬品を確実に届けるという使命を果たしていくとしています。

【成果】 AIシステムの導入により、これまで手作業で行っていた計画立案にかかる業務時間を約70%削減することに成功しました。 また、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・在庫計画を柔軟かつ迅速に修正できるようになり、計画自体の質が大きく向上しています。長年の課題であった業務の属人化が解消されたことで、特定の熟練者に偏っていた業務負荷が軽減され、現場の働き方改革にも直結する成果を上げています。