株式会社ナピル
2024年5月15日
需要予測最適化システム
製造・販売データや外部要因を基に需要を精緻に予測し、在庫適正化や欠品削減を実現
サプライチェーンの効率化やロス削減が重要視される中、需要の突発的変動や季節要因への対応が課題となっています。 従来の在庫管理では過剰在庫や欠品が発生しやすく、経営に損失を与えていました。
主な成果
本システムの導入により、以下の効果を得ました：
需要予測精度
在庫回転率
欠品率
発注リードタイム
技術的課題
開発にあたっては、以下の課題に直面しました：
- 外部データ（天候、キャンペーン等）の統合によるモデルの複雑化対応
- 少数事象（急激な需要変動）への過学習防止と柔軟性確保
- 学習結果を業務担当者が理解・活用しやすい形で提供するインターフェース設計
これらに対し、当社では特徴量エンジニアリングとアンサンブル学習、可視化ダッシュボードの整備を実施し、業務対応力を高めました。
今後の展望
実店舗のリアルタイム販売データやSNSトレンドとの連携強化を進め、より精度の高い短期・長期予測を実現します。 予測エンジンの自動フィードバックとセルフチューニング機能も追加し、業務部門の負担軽減とより高度な需給最適化を目指します。
技術スタック:
- Python
- scikit-learn
- XGBoost
- Pandas
- PostgreSQL
