経験と勘と度胸に基づいてきた業務を標準化!
AI導入で更なる精度向上へ
企業Profile

YKK AP株式会社
設 立:1957年7月22日
従業員数:12,630名 <16,788名(海外を含む)>(※2022年3月末)
事業内容:住宅用・ビル用商品などの設計、製造、施工および販売

導入前の課題
① 経験と勘と度胸に基づく業務の属人化
② 属人性が高いことによる業務負荷集中導入のポイント
① 予測に特化したAIである
② 業務標準化が期待できる
③ 機能に対する価格感導入効果
トライアル実施時の誤差率10%未満
AIを活用した業務プロセスや予測精度の標準化を目指す
現在の主な業務内容をお伺いできますでしょうか?
生産本部のDX推進プロジェクトに所属しております。こちらのプロジェクトは、デジタルを活用した業務プロセスの改革を進めていく役割をもつプロジェクトになります。
過去にAIや機械学習に関するツールの活用経験はあったのでしょうか?
過去に他部署にて予測エンジンは使ったことがありましたが、当時のAIは精度に不安がありました。そのため新しいAIを使ってより精度を高めたいというニーズが出てきています。私たちの組織での導入はPrediction Oneが初めてで、精度についてはまさに検証中のところになります。
AI予測ツールを検討されるにあたり、貴社が抱えられていた課題はどのようなものでしたか?
当社において、需要予測は勘と経験と度胸の世界でした。予測が属人化しており、担当者ごとに業務効率や精度に違いが出ていることに課題を感じていました。そこで、AIを活用しながら業務プロセスや予測精度を標準化していきたいと考え、私たち組織からプロジェクトとしてこのテーマに取り組むことを提案しました。
ツール選定の決め手は何だったのでしょうか?
AIツールを検討していたチームからいくつかの製品について説明を受けた中の1つがPrediction Oneでした。決め手になったのは予測特化型のAIツールであること、価格がマッチしたことですね。

活用の展開を見据えてスタートアッププログラムを実施
実際に触ってみて、操作性などはいかがでしたか?
トライアル版をダウンロードしてすぐに直感的に動かせたのは非常に好感を持ちました。Prediction Oneのオンラインセミナーにも何度か参加させていただいて、ある程度の操作方法は理解しました。一方で、データを投入して結果は得られましたが、精度をどう上げていくか、自分たちだけでは時間がかかりすぎてしまうところがあったので、スタートアッププログラムをお願いすることにしました。
※スタートアッププログラムについての参考リンクはコチラです。
https://predictionone.sony.biz/customer_success/#startupどのように予測モデルを作成されていますか?
まずは、当社に蓄積されている建材商品の販売データを加工し、Prediction Oneに入れております。現状ですと、3カ月先の需要予測に取り組んでおりまして、まずはその範囲で精度を上げ、今後の展開につなげたいと考えております。
現時点での精度はいかがでしょうか?
トライアル時点での誤差率は10%未満でした。現状ですと、Prediction One触っているのはプロジェクトメンバーに限られているので、今後は現場でオペレーションを行う担当者の予測とのギャップを検証していきます。
どの説明変数(※1)を入れるかは現場とディスカッションされて決めているのでしょうか?
はい、当社のオペレーション担当者や、御社担当者様に聞きながら、トライアル時点では説明変数を4つ与えました。スタートアッププログラムではサポートいただきつつ、説明変数を増やして取り組んでいます。
トライアル時の使用データ項目
- ■目的変数(※2)
- ・販売金額
- ■説明変数
- ・年月のデータ
- ・製品分類
- ・月の稼働日数 など
さらに細かい粒度での精度を高めるために試行錯誤を重ねる
トライアル以降、現在はどのように分析業務に取り組まれていますか?
トライアル時点よりも、さらに細かい粒度で分析に取り組みたいと考えており、試行錯誤中です。例えば、これまでの中分類単位から、その下の粒度である小分類で分けたいと考えています。
今後のPrediction One活用想定をお聞かせください
今はまだ限られた商材のみで需要予測をしているため、可能な限り別の商材にも広げていきたいと考えています。また、今は月次予測に取り組んでいますが、日次での予測もしていきたいです。さらには時系列予測だけでなく、二値分類など、分析の幅も広げていきたいと考えております。
※1 説明変数 … 予測したい項目(目的変数)に対し根拠となりうる項目のこと。
※2 目的変数 … 予測したい項目。
