AI/MLを活用してインテリジェントなサプライチェーンを構築するための始め方

AI/MLを活用してインテリジェントなサプライチェーンを構築する方法

供給チェーン内でAI/ML技術を活用して投資対効果を最大化するためには、どのように考えるべきですか？

背景

サプライチェーンの最適化は広範な研究領域です。サプライチェーン内には、AI/ML技術の応用が利益をもたらす多くのユースケースが存在します。多くの場合、組織はこの領域でどこからどのように始めれば良いのか悩んでいます。サプライチェーンのエグゼクティブは、既に限られたリソースを持つチームに対して（さらに負担をかけずに）これらのアプローチから最大の価値を得るための投資先を探しています。本記事では、サプライチェーン組織がAI/MLへの進出の出発点として活用できる、多様なユースケースを紹介します。これらのアプリケーションにより、サプライチェーンのリーダーはコストと効率の改善を期待することができます。

サプライチェーン管理を計画、調達、製造、配送、逆物流の5つのコンポーネントに分け、需要予測、サプライヤーセグメンテーション、設備故障予測、配送時間予測、顧客返品予測といったユースケースをそれぞれのコンポーネントにマッピングします。また、経済的価値、追跡可能性、結果の説明可能性、洞察の実行可能性、アプリケーションの持続可能性といった基準を、ユースケース全体にわたって定性的に評価し、各ユースケースの実装による総合的な利益を評価します。

ユースケースの探索

インテリジェントなサプライチェーンは、データ、自動化、高度な分析技術を統合することで、サプライチェーンのさまざまな部分に効率性とコスト削減をもたらします。これは、顧客体験を向上させることで組織に戦略的な優位性をもたらすことができます。通常、最適化とAI/ML技術の組み合わせによって支援されます。本記事では、5つのユースケースを探索し、それぞれを計画、調達、製造、配送、逆物流の5つのサプライチェーン管理要素にマッピングします。

1. 短期需要予測（計画）：在庫管理はサプライチェーンにおける重要な活動です。適切な需要予測は、在庫レベルに関連し、それにより、適切な数量の製品を適切な場所で適切なタイミングで製造することで、在庫コストと欠品を削減するのに役立ちます。高い予測精度により、倉庫内の在庫を最適化し、安全在庫レベルを低減することができます。これによりコストが削減されるだけでなく、長期的なビジネスおよび収益の損失を防ぐための在庫切れも回避することができます。AIを活用したアプリケーションは、顧客注文のパターンを特定し、特定の先行指標と短期需要を相関させることで、従来の手法よりもより正確な予測を行うことができます。リアルタイムの注文情報を使用して、現在および次の月の需要予測を定期的に自動化することができます。

• 「検索強化生成システムのパフォーマンスを向上させるための10の方法」
• 「LLMプロンプティングにおける思考の一端：構造化されたLLM推論の概要」
• 「プログラマーの生産性を10倍にするための5つの無料のAIツール」

2. サプライヤーセグメンテーション（調達）：大規模な組織では、数百または数千のサプライヤーがサプライチェーンの重要な一部を構成しています。さまざまな原材料が異なる数量で供給されています。調達コストを削減し、供給の信頼性を高めるために、異なる戦略を異なるサプライヤーに適用することが有益です。大量のサプライヤーが存在するため、サプライヤーをいくつかのグループに分類することは有益です。このようなセグメンテーションにより、原材料の価格、数量、供給タイミングに関してターゲットとなる契約交渉が可能になり、調達専門家がクラスタ内のサプライヤーに対して類似の調達戦略を採用することができます。このセグメンテーションは、サプライヤーの変更を考慮に入れるために毎月または毎四半期ごとに更新することができます。

3. 設備故障予測（製造）：製造業においては、信頼性の低下による計画外の停止時間がよく発生します。これにより、製品在庫の状況が悪化し、顧客への納品が遅れることがあります。このような停止時間が発生する可能性を予測することで、施設は設備故障のリスクを軽減するための対策を講じるか、在庫を補充することで停止時間を考慮に入れることができます。これにより、在庫切れや収益の損失を回避するだけでなく、高額な修理費用を避けるための予防保守オプションへの投資を促すことができます。AIを活用したアプリケーションは、計画外の設備故障の数日または数週間前から、設備故障と主要な測定値（スループット、圧力、温度など）を相関させ、故障のタイミングについての洞察を提供することができます。測定値の粒度に応じて、アプリケーションは毎日または数日ごとに実行され、故障のリスクを評価します。

4. 配送時間予測（配送）：顧客への時間通りの配送は、顧客体験に直接影響を与えるサプライチェーンの重要な指標です。組織はこの指標を測定し、遅延の傾向に基づいて改善を試みています。配送時間を正確に予測することで、製品を顧客に要求された時間に提供することができ、顧客体験の低下やビジネスの損失、遅延によるペナルティやその他の料金を回避することができます。AIを活用したアプリケーションは、出発日時、季節、キャリア、出発地、目的地などの属性に基づいて、配送時間を予測するために使用することができます。各出荷に対してこのような予測を行うことで、顧客に情報提供を行い、顧客体験と維持率を向上させることができます。さらに、これはルートの最適化とより良いパフォーマンスのキャリアの選択の機会を提供します。

5. 顧客返品予測（リバースロジスティクス）：顧客からの返品は、品質仕様を満たさない、出荷の遅延などの様々な理由により発生します。返品の出荷、保管、処理に備えるためには、返品商品の数量を正確に予測する必要があります。これにより、保管と処理のコストを削減することができます。AIを活用したアプリケーションは、過去数週間の顧客出荷を基に返品の総量を予測することができます。この予測は週次で更新されます。

ユースケースの優先順位付け

これらのユースケースは、経済的価値、扱いやすさ、結果の説明可能性、洞察の実行可能性、およびアプリケーションの持続可能性の5つの重要な基準をもとに評価します。経済的価値には、コスト削減や収益損失回避が含まれます。扱いやすさは、データの可用性とAI/MLの手法の堅牢性に基づき、予測を適切な時間内に提供できるかどうかを示します。結果の説明可能性は、ビジネスドライバーを用いて観測値や予測結果をステークホルダーに説明できるかどうかを示します。洞察の実行可能性は、組織がAI/MLアプリケーションの結果に対してどの程度行動できるかを特徴付けます。最後に、アプリケーションの持続可能性は、AIアプリケーションの入力を長期間にわたって活発に維持し更新できるかどうかを説明します。

（i）経済的価値：需要予測と納期予測には、出荷数量の多さから「高い」経済的価値が予想されます。サプライヤーセグメンテーションと設備故障予測のアクションの不定期性により、「VoAGI」の評価がされます。顧客返品で遭遇する数量が比較的低いため、「低い」評価が選択されました。

（ii）扱いやすさ：ユースケースのデータサイズと計算能力を考慮すると、ほとんどのユースケースは「高い」扱いやすさが期待されますが、設備故障予測は障害が頻繁に発生しない場合にはデータに制約がある可能性があります。

（iii）結果の説明可能性：需要予測と顧客返品のための複数の線形回帰の適用は「高い」説明可能性の評価を示します。サプライヤーセグメンテーションに対する非教師ありの方法（例：k-meansクラスタリング）は、各クラスタ内の近い特徴を示すことができるため、「高い」説明可能性としてマークされています。設備故障予測と納期予測のためのより複雑なアンサンブルメソッド（例：ランダムフォレスト、Xgboost）の適用は、「VoAGI」の説明可能性をもたらします。

（iv）洞察の実行可能性：需要予測と顧客返品のアクション性は「高い」です。なぜなら、予測の変化に基づいて生産と処理を変更するという内部の意思決定によって行動を起こす必要があるからです。一方、納期予測とサプライヤーセグメンテーションの洞察を受けて行動を起こすには、運送業者やサプライヤーを含む外部の関係者との交渉が必要であり、制約があるかもしれません。設備故障予測では、「VoAGI」のアクション性評価が付けられています。リスクを減らすために行動を起こすことはできるかもしれませんが、完全に故障をゼロにすることはできないかもしれません。

（v）アプリケーションの持続可能性：データが適切なペースで生成されるため、5つのユースケースのうち4つにおいてアプリケーションの持続可能性は高いと想定されます。ただし、設備故障予測はデータに制約がある可能性があります。

以下の表でまとめられたこれらのユースケースを見ると、需要予測がすべての基準で最も高いスコアを獲得しています。したがって、このユースケースに対してAI/MLアプリケーションを開始することをおすすめします。

結論

サプライチェーンおよびビジネスの最適化のためのAI/ML技術の適用は、多くの業界においてまだ新興の領域です。AI/MLを業務に統合するには、「はい、歩き、走り」のアプローチを取ることは合理的です。効果的なAI/MLの実証により、低いハードルで価値を生み出すことは、好循環効果をもたらすことができます。ただし、AI/MLが価値チェーンのあらゆる側面に組み込まれた持続可能な長期ビジネスモデルに向けて、小さな成功を積み重ねることが重要です。

お読みいただきありがとうございました。ご意見は[email protected]までお気軽にお送りください。LinkedInでつながりましょう。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!