状況に応じて計画を組み替える。
デジタル化したのは職人の"機転"です。
計画作成に時間がかかる
計画の見直しが難しい
部門間連係の手間がかかる
特定の人にしか計画ができない
シミュレーションができない
制約違反が残ってしまう
計画ノウハウの継承ができない
人によって計画がばらつく
需要変動に追従できない
納期を守れない
設備稼働率が低い
生産数量が少ない
生産効率が悪い
作業負荷の平準化ができない
稼働設備に偏りが生じる
過剰在庫が生じる
トラブル対応による
再立案の精度が落ちる
休み希望に対応できない
その課題、
計画最適化サービス
が解決します!
その他、さまざまな計画業務における課題にも対応可能です。
デジタルだけでは困難な価値創出をデザインで導き出し、
デザインの限界をデジタルで超えていくことで
さまざまな業種のお客さまが抱える課題に応えてきました。
数理最適化技術に機械学習を組み合わせた日立独自のAI技術。「Hitachi AI Technology/MLCP」を用いて、難しいとされていた複雑な計画業務のデジタル化を実現します。
これまで見落とされていた制約条件や熟練者のノウハウの洗い出し、計画立案者が意識していない制約違反、計画の傾向などの暗黙知を計画パターンとして抽出可能にします。
計画業務のシステム化は、机上で要件を出し切ることが難しいため、日立独自の計画最適化アジャイル開発のプロセスを経て具体化していく必要があります。
計画ロジックを迅速にAIに実装し、AIによる立案結果の評価を繰り返し、より実態に合った計画を作り上げます。
MLCPはパッケージ導入とスクラッチ開発の中間の位置付けとなるセミオーダー開発です。
システムの基本機能をコンポーネント(部品)として保有。お客さまのご要望に応じてカスタマイズしたコンポーネントと新規構築を組み合わせることでスピーディーかつ柔軟に業務に適合したシステム開発が可能です。
「Hitachi AI Technology/計画最適化サービス」の導入によって、
作業負担の軽減や属人化の解消などの課題を解決するだけではなく、
計画担当者は高付加価値な業務に専念できるようになるなど、お客さまビジネスの効率化が図れます。
これまでにさまざまな業種のお客さまとの協創で実現してきた計画最適化の導入事例を紹介します。
納期、設備、部品などさまざまな制約条件を網羅的に考慮した生産計画の立案が求められます。AI による立案でさまざまな制約条件を考慮して製造タイミングを最適化。また、従来より長期間の立案が可能となり先を見据えた生産管理を実現しました。
詳細はこちらマーチャンダイザー(店舗支援スタッフ)の店頭支援巡回計画を、数十あるエリアごとにマンパワーで立案しており、年間数万時間を費やしていました。複数エリアをまとめて立案することで、従来のエリアをまたいだ店舗巡回の最適化が可能となり、店頭支援活動の能率化・業務平準化を実現しました。
詳細はこちら膨大な生産パターンから、作業負荷、作業員のスキルや休日などの条件までを考慮した熟練者のノウハウは複雑で、システム化が困難でした。AI により、熟練者ノウハウである生産品目と人員の作業割り当ての最適化を実現し、計画立案時間の大幅な短縮を実現しました。
詳細はこちら"なるべく"や"できるだけ"などの曖昧な表現が多い金属加工の生産計画。曖昧さを考慮した計画を立案し、工程ごとの生産量を最適化することで、計画の精度向上と担当者の作業負荷低減を実現しました。
詳細はこちら計画立案の基準がないため、立案者の熟練度により計画精度にバラツキが発生。熟練者のノウハウから基準を策定し、生産順やパレット数を最適化することで、納期順守率が改善され、顧客満足度向上にもつながりました。
詳細はこちら出荷要求から、車両の選定、配送量の検討、配送先決定までの一連の計画業務が複雑であり、スケジューラーでの立案に大幅な時間を要していました。車両ごとの燃料油の積載量と配送先を最適化することで、配送効率向上を実現しました。
詳細はこちら常に高い需要に対する現場の供給制約とのバランスをとるために、部門間の調整業務が増大する課題がありました。製造品目と供給量を最適化することで調整業務の負荷低減と計画精度向上を実現しました。
詳細はこちら納期優先や稼働率優先など、複数の計画パターンでのシミュレーションが求められていましたが、マンパワーでは時間が掛かり実現できませんでした。AI による複数最適計画の立案により、短期間でのシミュレーションが実現可能となりました。
詳細はこちら生産計画の立案方式が工場・製品ごとに異なっており、計画ノウハウの属人化や業務の非効率が発生していました。立案方式を標準化・最適化し、グローバル統一システムとして展開することで、現場生産性の向上と計画業務の効率化を実現しました。
詳細はこちら