需要予測の課題
需要予測では、過去実績や、予測に影響する要因を基に未来の需要を予測します。しかし、需要予測の手法は様々あり、それぞれ一長一短で決定打がありません。そのため、時間経過による商品特性の変動に合わせて、複数の予測手法の中から最適な手法を手作業で選択し、チューニングする必要があります。そのチューニングが変動に追いつかなくなると、在庫や廃棄ロス増加の原因となります。
富士通の需要予測の特長
こうした需要予測の課題に対し、富士通では、多様な商品の変化する特性に合わせた安定的で高精度な予測と、人手を介さない自動チューニングによる予測運用担当者の負荷削減を、独自技術の「動的アンサンブル予測」により実現します。これを提供するのが「FUJITSU Business Application Operational Data Management & Analytics 需要予測SaaS 基本サービス」です。
多様な商品の変化する特性に合わせた安定的で高精度な予測
特徴の異なる複数の手法の予測結果を、機械学習により単品単位で統合・最適化します。複数の手法を統合するため、単一の予測手法を選択する場合よりも精度の安定性を保ちつつ精度を向上させることができます。これにより、時間経過によって特性が変化する商品でも、その特性に即座に対応でき、安定的で高精度な予測を実現します。
人手を介さない自動チューニング
すべての予測手法の統合・最適化やパラメータ調整が自動的に行われます。人手を介した、商品ごとのモデル変更やパラメータ調整などのチューニングは不要になり、予測運用担当者の負荷削減を促します。
動的アンサンブル予測により、複数の手法の予測結果(図中のバブル)を単品単位で統合・最適化
適用例
適用例1 生産計画変更の負荷を削減・生産量適正化
業種 | 製造業 |
---|---|
課題 |
|
手段と効果 |
|
適用例2 発注業務の省力化
業種 | 食品流通・卸業 |
---|---|
課題 | 多様な商品を様々な仕入れ先へ発注する作業が煩雑かつ膨大 |
手段と効果 | 商品特性に合わせた需要予測に基づくことで、発注業務の省力化を実現 |
価格
商品 | 販売価格(税別) |
---|---|
ODMA需要予測SaaS 基本サービス | 個別見積 |