AI在庫管理開発事例を紹介

イトーヨーカドー

導入前の課題：

カップ麺・菓子などの加工食品や冷凍食品、アイス、牛乳など約8,000品目の発注を、店舗で日々判断する必要がありました。価格や売場の陳列状況に加え、気温・降水確率などの天候、曜日特性や客数といった複数要因が絡むため、担当者の経験に依存しやすく、発注作業が接客・売場づくりの時間を圧迫すること、また営業時間中の在庫切れを減らすことが課題でした。

導入後の成果：

AIが各種データを分析して最適な販売予測数を提案し、担当者は提案を踏まえて発注判断する運用に変更。2018年春からのテスト店舗では発注にかける時間を平均約3割短縮し、営業時間中に在庫がなくなる事例を減らす効果も確認されました。2020年9月1日から全国132店舗で運用を開始し、適正在庫の確保と現場の時間創出につなげています。

HITACHI/ワークマン

導入前の課題：

取り扱いは約10万品目に及び、店舗ごとに在庫・発注・販売履歴に天候やイベントなども加味して需要を読み、熟練者が時間をかけて発注・在庫管理していました。各店で1日あたり約30分を要し、人手不足の中で省力化が急務でした。一方、定番品と季節品が混在し商品特性が幅広いため、すべてを一律ロジックで自動化しにくく、人手作業が残る点も課題でした。

導入後の成果：

日立のAI需要予測型自動発注サービスを活用し、在庫回転率が低い品目は「自動補充型」、高い品目は「AI需要予測型」を使い分け、売れ行きに応じてアルゴリズムを動的に切り替える仕組みを構築。毎朝、推奨発注量を確認して確定するだけで、約30分かかっていた発注業務を約2分に短縮できることを確認し、欠品抑制と在庫適正化、働き方改革に寄与しました。2021年3月に2店舗で先行稼働し、今後、全国の「ワークマン」「WORKMAN Plus」「#ワークマン女子」を合わせた約900店舗を対象に、順次適用拡大していく予定です。

株式会社セブン-イレブン・ジャパン

導入前の課題：

AI発注は、販売動向や納品リードタイム、天気・気温、曜日傾向などを踏まえて基準在庫数を算出し、欠品による販売機会ロスと発注時間の削減を狙う取り組みです。しかし従来は、担当者が約2,800商品の動きを確認しながら基準在庫数を設定しており負担が大きい状況でした。加えて、従来基盤ではサーバ/DB制約で学習・分析に使えるデータが限られる、高精度モデルを全国21,000店舗へ展開しにくい、精度検証や利用状況モニタリングが手作業で改善スピードが落ちる、といった課題もありました。

導入後の成果：

2020年1月から一部店舗で開始した取り組みでは、発注時間を最大4割削減。さらに2022年7月から基盤をGoogle Cloudへ移行し、BigQueryにデータを集約することで数100TB規模のデータ加工を高速化し、モデル学習の計算資源も柔軟に拡張できるようになりました。加えて、検証・モニタリングの効率化で改善サイクルを加速し、予測精度と店舗からの信頼を高め、2023年3月から全国21,000店舗への導入が始まっています。