社会価値創造レポート
Industry Eco-System

解決の鍵を握るバリューチェーン変革
食料ロス・廃棄削減は国際的なミッションへ

このレポートをPDFでダウンロード

AIを適用した商品需要予測による
食料ロス・廃棄削減への貢献

食料ロス・廃棄削減には、製造から物流、そして流通の各プロセスにまたがった複数の問題に対処しなければ根本的な解決には至りません。そのとき重要な役割を果たすのが、人工知能( AI)技術を用いた需要予測です。各プロセスにおける需要予測を適切に実施し、加えてバリューチェーン全体での製造「造る」、物流「運ぶ」、流通「売る」の各プロセスでの取り組みを進める必要があるとNECでは考えています。

食料ロス・廃棄が起こる理由の1つに、需給のミスマッチによる造り過ぎがあります。消費者の需要は天候や気温、曜日などさまざまな要因によって左右されるため、適切に予測するのは容易ではありません。また、近年の商品数増加と商品サイクルの短縮化も、需要予測を難しくしています。そこでNECは、AI技術である異種混合学習技術を適用した商品需要予測ソリューションを提供しています。

異種混合学習技術とは、多種多様で大量なデータを自動でグループ分けし、グループ内のデータが従う規則性を高精度に自動抽出する技術です。従来、専門家の手により長時間かかっていたデータの分類を自動的に行うため、膨大となる日次での商品別の需要予測を可能とします。ある食品メーカーでは、本技術により出荷実績、カレンダー情報に加え、POSデータや天候情報、さらには引き合いなどの商談状況や、広告宣伝など、さまざまなデータによる予測を評価し、対象とした商品の70%で比較的高い精度の結果となりました。さらに、需要の予測が難しい新商品への適用へチャレンジしています。

小売店舗における発注においても、ある実店舗で異種混合学習技術を使い、時間帯別販売実績や廃棄、欠品情報、気象情報などの相関関係を解析して需要予測を行ったところ、従来の発注作業担当者と比較して約40%もの廃棄ロスを削減することができました。またこれまで難しいとされていた、過去データのない新規店舗出店においても、売上の傾向が似ている複数の店舗の開店当時のデータ学習から、新規店舗の需要予測を実現しています。

このように、多種多様なデータを使って学習できる異種混合学習技術は、食品メーカーや小売店舗における需要予測に大きな効果を発揮します。さらに食品メーカーと小売店舗における需要予測のデータを、バリューチェーン全体で共有していくことができれば、さらなる需給の最適化など大きな効果を得られることも可能となるのです。

商品需要予測ソリューション

前へ

  • 1
  • 2

いかがだったでしょうか?

次回(2/27公開予定)は、同じくIndustry Eco-System編から「未来に向けて」をお届けします。

社会価値創造レポートの全文をお読みになりたい方は、こちらからダウンロードをお願いいたします。

ダウンロード

他のカテゴリのレポートを読む

NEC Vision Book 2017を読む

社会価値創造のビジョンや取り組みについて、より詳しい内容をご覧いただけます。是非ご一読いただければ幸いです。