産業用 IoT 20 MIN

MANAGEMENT AIによるサプライチェーンマネジメントの変革

By Thao Tram Ngo
10月 3, 2019
Series of icons juxtaposed over a warehouse indicating connectedness along an AI-powered supply chain
Share

パフォーマンス管理が一般的な関心事となっている昨今、企業はビジネスを強化し、サ プライチェーンの管理方法を効率化するために、人工知能に目を向けはじめています。 ロジスティクスを合理化するには、企業はバリューチェーン全体で複雑な問題に対処す る必要があります。

AIにおいては、従来のサプライチェーンソリューションでは経時的に追跡または定量化 できなかった要因が考慮されます。エンドツーエンドのサプライチェーンソリューショ ンを導入することで、企業は大量のデータを収集および解析して、複雑な移行プロセス のイニシアティブを取ることができます。

資産追跡とエンドツーエンドの可視性

製造業のような資産集約型産業では、資産がビジネスのバックボーンであり、高 いパフォーマンスと信頼性のある資産を持つことが重要です。製品配送の遅延、 製品の盗難や廃棄、在庫の破損は、オペレーション全体に重大な影響を及ぼす可 能性があります。

従来のバーコードとRFIDテクノロジーを使用した資産のライフサイクルを追跡 するソリューション は、こういった問題への対処が目的でした。しかし今日で はビジネスのスピード感やミスの重大性も大きく変わり、技術の限界が目立つよ うになりました。

  • 時間がかかる。複数の場所にあるすべての資産にバーコードのラベルを 付ける作業は、時間とコストがかかります。従業員は機器の特定や記録 の更新に多くの時間を費やすため、在庫回転期間が長くなります。
  • 人的ミスが起こる可能性が高い。従業員がバーコードをスキャンできな かったり、別のバーコードを誤ってスキャンしたりした場合は、資産の 記録は残りません。また、資産が盗まれたり紛失したりした場合も、そ の所在をリモートで簡単に特定する方法はありません。
  • 資産のライフサイクルを総合的に理解するためのコンテキストが欠けて いる。資産の記録は静的な記述に限定され、診断結果やパフォーマンス が把握できる使用データは含まれません。

Carboard boxes in a warehouse tagged with barcodes stickers and RFDI technology awaiting delivery

前述の問題を解決するのが人工知能です。IoTセンサーとリアルタイム監視を組 み合わせることで、バリューチェーン上の複数のステークホルダー、プロセス、 資産を1つのビューにまとめることができます。リアルタイムの監視により、メ ーカーは、場所から使用実態、診断結果に至るまで、製品の問題を詳細に確認で

きます。また機械学習と予測分析を活用することで、資産が目的地に到達する前 に必要な修正措置を講じ、損害を防ぐことができます。

IoTデバイスとAIを利用すれば、企業は生産現場から販売店まで、さらにはその 先まで製品を追跡できます。配送の正確な経路と配送が特定の位置に達した時間 を把握することで、スケジュール通りに業務を進められるだけでなく、需要予測 を簡単に行えるようになります。

計画と在庫管理

需要予測はサプライチェーンの重要なプロセスの1つであり、サプライチェーン に関連するほとんどの意思決定に影響を及ぼします。

  • 戦略計画:予算や利益率の設定など
  • プッシュ型プロセス:原材料計画やインバウンドロジスティクスなど
  • プル型プロセス:パッケージング、配送、アウトバウンドロジスティクスなど

需要予測は企業にとって重要であると同時に、サプライチェーン管理の最も難し い側面の1つでもあります。従来のサプライチェーンでは需要を予測するために 様々な方法が用いられてきました。チャネルパートナーや営業チームに独自の予 測を依頼するなど現実に即した方法もあれば、より高度な統計手法を使用するも のもあるなどさまざまでした。

これらの手法はある程度機能しますが、サプライチェーン管理の最も困難な側面 の1つである、資産のメンテナンスが必要になる時期と、それが生産需要に及ぼ す影響を正確に予測することができません。最近まで、サプライチェーンマネー ジャーは時間ベースのメンテナンススケジュールに従わざるを得ませんでした。

Stacks of cardboard boxes in an illuminated warehouse ready for deployment

この状況にパラダイムシフトをもたらしたのが機械学習です。MLは、さまざま なソースからの大規模なデータセットを解析し、実践的なインサイトを抽出する ことができるため、サプライチェーン管理に急速な変化を起こしています。企業 は適切なIoT解析ツールを使用することで、早急に交換が必要な部品や障害の危 険性がある資産を素早く特定し、予測型メンテナンス ログラムを利用できるよ うになりました。

アルゴリズムは、需要に影響を与える、これまで表立つことのなかった内外の要 因を考慮します。たとえば、資産の障害率を利用して部品の交換時期を決定しま す。これにより、需要予測の精度が向上し計画が最適化されるため、在庫原価が 大幅に削減されます。

AIのおかげで、サプライチェーンは内部プロセスの最適化に必要なコンテキスト インテリジェンスを持つようになりました。しかし、企業は依然として外部のサ プライヤーに大きく依存しています。

サービスと販売業者のネットワーク

メーカーは、部品、流通、アフターサービスを外部のサプライヤーに大きく依存 しています。そのため多くの場合、マシンの障害や、より一般的には、バリュー チェーンの非効率を特定するためのフィードバックループに多くの時間を費やし ています。

これらの企業はミッションクリティカルな機器を扱うことが多いため、複雑なシ ステムとプロセスを備えています。サプライチェーンの監視は、検査、設置、修 理、予防メンテナンスプログラムを実施するために必要な人員の多さを考慮する と、オペレーションは非常に複雑になります。

そこで問題となるのは、メーカー、販売業者のネットワーク、エンドユーザーの 間で情報を収集し共有する効率的でタイムリーな方法をどのように見つけるかと いうことです。メーカーがエンドユーザーに一貫したエクスペリエンスを提供す るためには、販売業者のネットワークとのバランスの取れたフィードバックルー プの構築が不可欠です。情報の流れが中断されれば、コミュニケーションギャッ プによって機器の品質に影響が及ぶでしょう。

こうしたギャップを埋め一貫したサービス体験を作り出すために、企業はAIとエ ンドツーエンドのサプライチェーンソリューションに目を向け始めています。リ アルタイムのデータを販売業者ネットワークと交換し合うことで、メーカーは自 社の機器の状態をより正確に把握できるようになります。また、重要なセンサー の読み取り値を通して資産の状態を経時的に追跡することで、組織は販売業者の ネットワークに状態ベースの監視と自動生成されるレポートを提供できます。そ うして予防型メンテナンスデータをステークホルダー間で共有することにより、 設備故障を早期に解決することができるようになりました。

AI-Connected Supply Chain

パターン識別は、サプライヤーの品質管理を向上させるだけでなく、収集された 使用データによってコネクテッド機器の寿命を延長します。データを分析するこ とで、企業はその機器のパフォーマンスに影響する内外の要因を特定できます。AIとMLの 術は、どの機器に最も多くの障害や警告が発生しているか、時間 の経過とともにどのような傾向があるか、これらがバリューチェーン全体でどの ように変化するかなどを把握するのに役立ちます。

機器の運用効率を確保することで、企業は、多くのメーカーやサプライチェーン のオペレーターにとって重要な指標である、全体的な資産の健全性をより正確に 把握できます。

サプライチェーンにおけるデータ量の増加に対応するために、企業はより高度で洗練さ れたデータ処理ソリューションを採用する必要が出てきました。高度なデータ解析テク ノロジーを用いたエンドツーエンドのサプライチェーンソリューションは、インサイト に対する詳細なレベルでのアクションを可能にします。

AI対応のサプライチェーンにおいては、複雑な機能をリアルタイムで実行し、正確な解 析結果を得ることができます。これらの結果は、資産追跡、在庫管理、サービスネット ワークに関する意思決定の強化に活用され、最終的に企業の収益にも変化をもたらしま す。

Newsletter

Stay up to date

You might also like

5G network lit up across a city

コンシューマー向け IoT, 産業用 IoT

5Gがすべてを変える

5Gとは何か、そしてそれが私た…

Take the first step today

Get started