DataRobotユースケース：部品不足が発生するかどうかの予測【概要】

サプライチェーンネットワークでの部品不足や出荷遅延を予測し、企業が、予測可能な遅延に備えてデータに基づいた是正措置を実施できるようにします。

ビジネス課題

どのサプライチェーンネットワークでも非常に重要になる要素は、部品不足の発生を防止すること、特に最後の段階でそれが起こらないようにすることです。部品不足は機械装置や輸送手段の利用率低下につながるだけでなく、ネットワーク全体で配送遅延の連鎖反応が発生する原因ともなります。加えて、部品不足があると、納期どおりに配送される部品が予定より少なくなるので、サプライチェーンマネージャーは資材計画の最適化ができません。

部品不足が発生する原因は通常、出荷の遅延です。遅延がサプライチェーンに及ぼす影響を緩和するために、製造会社は現在、過剰在庫の保持、標準化の推進を目指した製品の最適化、単一の購買先戦略からの脱皮などのアプローチを採用しています。とはいえ、これらのアプローチのほとんどには、部品、保管、ロジスティクスの面での不要なコストの増大という問題があります。

多くのケースでは、出荷の遅延は、サプライチェーンマネージャーが根本原因を分析し、将来出荷の遅延が発生しないよう短期および長期の調整を行えるようになるまでは、なくなりません。残念なことに、サプライチェーンマネージャーにはこれまでこの種の調整を効率よく行う手段がありませんでした。自社 MRP システム内にある履歴データの分析には膨大な時間がかかるからです。

AIソリューション

AI は、サプライチェーンマネージャーが出荷遅延の発生を予測し、前もって介入することで部品不足を減らすのに役立ちます。AI は、過去の出荷遅延事例およびそれに関連する特徴量を学習し、それらのパターンを将来の出荷に適用して、当該の出荷が遅延する可能性を予測します。AI は複雑な MRP システムとは異なり、出荷遅延の各事例の背後にある統計的な理由を直感的かつ科学的な方法でサプライチェーンマネージャーに示します。たとえば、AI が出荷遅延をサプライチェーンマネージャーに知らせる場合は、そう判断した理由（出荷担当のベンダー、輸送手段、国など）を示します。

サプライチェーンマネージャーはこの情報に基づいて短期および長期両方の対策を実施し、出荷遅延を防止できます。短期的には、各事案に固有の事情に応じて輸送手段や配送ルートを調整し、出荷遅延を防止できます。長期的には、集積根本原因分析を実施して、遅延を生じさせる構造的な要因を発見し、解決できます。サプライチェーンマネージャーは、こうした情報を活用して戦略的な意思決定を行えます。たとえば、もっとアクセスしやすい地域にあるベンダーと契約したり、出荷のスケジュールや数量を根本から見直したりできます。

インパクト

ユースケースの ROI をどのように計算するか？ 

このソリューション導入の ROI は、以下の要素を考えることで推定できます。 

1. 製造会社と生産ラインの停止から始まる生産プロセスのサイクルタイムを使用して、生産量低減がどの程度部品不足に関係するかを理解できます。たとえば、サイクルタイム（1 つの部品が完成するまでにかかる時間）が 60 秒で、部品不足が原因で毎日 15 分生産ラインがストップするとすると、15 分の生産量低減は 15 個の製品に相当します。これは、1 日に 15 個の製品分の収益が失われるということです。同様の計算を部品不足による年間の収益損失の推定に使用できます。
2. ロジスティクスプロバイダーから見ると、部品不足を早い段階で予測できれば、適正在庫を維持するという点で節約になります。これは、AI ソリューションの導入前と導入後で部品在庫の維持数がどのように変わったかを検出することで大まかに測定できます。在庫数の差異に債権および在庫費用の単価を掛けると、全体の ROI が出ます。さらに、部品の需要が（部品不足のために）満たされないままになっている場合、未充足需要に関連する機会費用が、対応するビジネスチャンスの逸失としてそのまま表れると考えられます。

関連ブログ

部品不足が発生するかどうかの予測【技術実装】編　/ 【ビジネス適用】編