AI活用による製品需要予測・供給最適化

AIを用いた医療品需要予測の特徴量の設計をしました。
連休前後（特殊イベント）で需要予測精度が下がっているところに対して、特徴量の設計をして予測精度を上げることにより、機会損失の改善および、供給の最適化に寄与しました。

労働人口減少、物流ニーズの高まり(COVID-19, ECの発達等)により、需要予測技術を、在庫輸送や人員計画に活用することが期待されます。
本知見を活用することで、予測先行型の倉庫運用(先々を見据えた前倒し平準化等)の実現に寄与します。

導入時の課題と対応

要件と課題

• 要件：アイテム個別予測結果を活用し、ピッキングと仕分けを自動化するための機械に高出荷頻度アイテムをあらかじめ格納してくことで、出荷作業を短時間・効率化したい
• 課題：連休前後の予測精度が悪いため、適切に格納アイテムを選定することができない

特徴量の設計

• 適切なアイテムを順立機に格納するために連休前後の予測精度の改善をめざす
• 出荷傾向や影響因子について調査して３種の仮説を設定。これに基づき特徴量を設計

予測結果

• 連休前の下降、連休明けの急増の需要変動の予測が改善され、連休前後の精度(sMAPE)で平均2%、最大10%改善

[精度]

[実績値と予測値]

*

本ウエブサイト中の会社名、商品名は各社の商標、または登録商標です。

*

本文中および図中では、TMマーク、®マークは表記しておりません。

*

本ソリューションの仕様は、改良のため、予告なく変更する場合があります。

*

本ソリューションを輸出される場合、外国為替および外国貿易法並びに米国の輸出管理関連規則などの規制をご確認の上、必要な手続きをお取りください。
なお、ご不明な場合は、当社担当営業にお問い合わせください。

*

当社へのお問い合わせ宛先に送られる個人情報は、本ソリューションサービスについてのみ使用します。