旭産業がAI需要予測を導入。発注業務の属人化解消と欠品防止へ

発表内容のポイント

• 月20アイテム規模で発生していた欠品と、1回3時間の属人的な発注業務を改善
• 過去の出荷・受注・在庫データを学習し、品目ごとの需要予測と発注数を算出
• 本社と大阪の2拠点から運用を開始し、今後は対象拠点や品目の拡大も視野に検討

発表の背景

旭産業は配管・空調設備周りの断熱材保護カバーや化粧用外装材などを製造・販売する専門メーカーです。約1,055アイテムという多品種を扱う中で、従来の発注業務は担当者1名の経験則に依存しており、1回あたり約3時間を要していました。在庫を多めに保持する運用を行っていたものの、毎月20アイテム規模の欠品が発生しており、データに基づいた需要予測と発注判断の標準化が課題となっていました。

何が発表されたのか

導入された「Deep Predictor」は、過去の出荷実績や在庫データなどを学習し、品目ごとの需要を予測するサービスです。単に予測値を提示するだけでなく、実際の業務ルールに沿った発注数の算出までを一貫して支援します。予測や発注数の根拠となるデータを可視化できるため、これまで担当者の「経験と勘」に頼っていた発注判断をデータドリブンに標準化し、欠品リスクと在庫負担のバランスを定量的に評価することが可能になります。

製造業・生産管理への見方

製造業のサプライチェーンにおいて、需要予測と在庫管理の最適化は生産計画に直結する極めて重要な要素です。特に多品種の部材や製品を扱う現場では、欠品を恐れるあまり過剰在庫を抱えがちですが、本システムのように予測根拠を可視化することで、現場が納得感を持って適正な発注・生産指示を出せるようになります。属人化しがちな計画業務をシステム化し、データに基づく意思決定へ移行するDXの好例と言えます。

現場で確認したいポイント

• 自社の基幹システムや既存の在庫管理フローと、AI予測システムが円滑に連携できるか
• 予測の根拠となる過去の出荷・受注データが、AIに学習させるのに十分な精度で蓄積されているか
• 現場の担当者が予測結果を信頼し、実際の発注や生産計画に反映できる運用体制を構築できるか

確認しておきたい点

本導入による具体的な欠品削減率や業務時間短縮などの定量的な成果実績、および他拠点への具体的な展開時期については、現時点では公表されておらず、今後の効果検証が待たれる段階です。

関連リンク

• 発表企業サイト：AI CROSS株式会社のコーポレートサイトです。
• 発表企業のPR TIMESページ：AI CROSS株式会社のプレスリリース一覧です。

出典情報