業種	製造業	業務	経営企画,その他業務
製品	その他	ソリューション・サービス	ビッグデータ

事例の概要

課題背景

• 出荷頻度の高い部品の適正在庫を保持したい
• 在庫予測のやり方を見直し、工数を削減したい
• 事業の拡大に向け、新しいサポートサービスを拡充したい

成果

事例動画

課題背景、導入ソリューション、導入成果を
導入担当者のインタビューを交えてわかりやすくご紹介

導入ソリューション

NECフィールディングが導入した「保守部品需要予測ソリューション」は、「異種混合学習技術」を活用。同技術は人間では発見が困難な多数の規則性を自動で発見し、適切なグループ分けを行い予測モデルを導き出します。同社では、この技術を活用することで、欠品リスクを増加させずに棚卸在庫を低減など最適な在庫管理を実現しています。

• お問い合わせ

本事例に関するお問い合わせはこちらから

事例の詳細

導入前の背景や課題

棚卸の償却費用や廃棄費用の削減に向け、需要予測の精度がポイントに

選択のポイント

コンサルからシステム構築、導入後の評価・改善までトータルな提供力を評価

導入後の成果

在庫を約2割、数億円規模で削減できることを確認

こうして同社では出荷頻度の高い保守部品に異種混合学習技術を適用。他業種でも蓄積されてきたノウハウが活かされたこともあり、導入前と比較して約2割もの在庫を削減。金額ベースでは年間数億円規模の削減効果となりました。

需要予測精度が向上し、上ブレ・下ブレの誤差が少なくなったことで欠品リスクを増加させずに棚卸在庫を低減。

特に注目すべきポイントは、季節変動による要因により今まで予測が難しかった部品が、かなり高精度に予測されている点です。

「これまで保守部品の予測は、障害の予測を中心に設計していました。保守部品は、トラブルが起こったときに部品が必要なわけなので、製品の障害予測をしていけば、必然的に部品の出庫数が分かると考えていたのです。しかし結果をみると、障害率予測だけではなく、いくつもの要因が複雑に絡んでおり、それを何千パターンという仮説に照らし合わせて予測をするということで高精度の予測につながったのだと思います」と川㞍氏は語ります。

この成果を踏まえ、NECフィールディングでは出荷頻度が高い保守用部品に関する需要予測の本格運用をスタート。発注業務にかけていた工数も大きく削減しています。

今後に向けて期待も広がっています。現在は出庫数の多い部品のみが予測対象となっていますが、今後は徐々に全在庫14万品目に適用範囲を広げていく予定です。さらに保守部品が生産停止となる際のEOL（End Of Life）品に関しても異種混合学習技術による分析を検討。保守停止までに必要な部品購入数の予測に役立てていく考えです。

「近い将来、このノウハウと実績を基に、他のメーカー様からも受託している保守業務の部品管理についても需要予測によるリコメンドサービス、精度と付加価値の高いコスト削減策を提供できると考えています」と矢野氏は力を込めます。今回の異種混合学習技術の導入は、新たなサービス事業拡大のチャンスももたらしています。

NEC担当者の声

両社のシナジーから生まれた「保守部品需要予測ソリューション」

今回のプロジェクトは、NECが強みとする「異種混合学習技術」が大きな威力を発揮できた好例です。現状は出荷頻度の高い部品領域がメインですが、今後は中回転の領域に拡大。またEOL品の予測について評価検証を行ったところ、需要予測精度が向上した結果が出ましたので、より精度の高い予測値でコスト削減や欠品率の抑制効果を加速していきたいと考えています。

企業プロフィール

NECフィールディング株式会社

• ビッグデータ

• お問い合わせ

本事例に関するお問い合わせはこちらから

• 新しいウィンドウでリンクが開きます。本事例のリーフレット(1.14MB)