AI CROSS株式會社(總部位於東京都港區,代表取締役CEO:原田典子,以下簡稱「AI CROSS」)已向旭產業株式會社(總部位於埼玉縣戶田市,以下簡稱「旭產業」)提供AI需求預測服務「Deep Predictor」。透過銷售代理商Recoh Japan株式會社的協助,旭產業已於2026年5月起在總部及大阪兩處據點開始營運此服務。本次導入旨在協助提升需求預測與訂購業務的精緻度、消除個人化作業、並同時達成「防止缺貨」與「抑制過剩庫存」的目標。 導入背景:多樣化建材製造商的「訂購判斷」精緻化與個人化消除 旭產業自1976年創業以來,一直是專業製造商,在日本國內製造並銷售用於住宅、大型建築、廠房建設及大型專案的管路與空調設備周邊的保溫材保護套、裝飾外牆材等產品。除了日本國內的總部、大阪支店與工廠、福岡營業所、札幌營業所與工廠等四個據點外,還擁有泰國的製造據點(ASAHI HASEGAWA CO., LTD.),負責穩定供應多樣化的外牆材。 在整個產業中,「兼顧防止缺貨與抑制過剩庫存」、「消除訂購判斷的個人化」正逐漸成為製造業共同面臨的經營課題。經濟產業省等機構發布的《2025年版製造白皮書》(※1)指出,製造業的計畫業務有必要從負責人的經驗法則轉向數據驅動的決策,然而根據PwC Consulting LLC的調查(※2),日本企業在供應鏈領域運用AI的比例僅占整體的25%,即使在導入最為普遍的銷售與需求計畫領域,比例也僅有18%,顯示在個人化傾向較高的業務上運用AI仍有很大的進步空間。 基於此情況,旭產業在「透過AI需求預測重塑個人化訂購業務」的經營判斷下,決定導入AI CROSS的「Deep Predictor」,並在總部及大阪兩處據點的需求預測領域開始全面營運。 旭產業株式會社的評論 關於本次導入,旭產業株式會社常務取締役 佐藤先生提供了以下評論: ■導入前的課題 — 個人化作業與每月約20種品項發生的缺貨情況 「訂購業務目前由一人負責,每次訂購作業約需花費3小時。訂購的思維方式也很大程度上取決於當時負責訂購人員的想法,我認為這是一種個人化的現象。雖然訂購數量是根據『多年數據計算出的月平均值 × 訂購至到貨的交期+α × 各月份係數』的邏輯來計算,但即使庫存量稍微偏多,在處理約1,055種品項中,每月仍會發生約20種品項的缺貨,我認為這並未達到需求預測的目標。」 ■選定「Deep Predictor」的理由 「我對「Deep Predictor」能夠從約7,000種外部要素中,挑選出對公司業務有影響的要素並納入需求預測這一點,感到非常感興趣。這是一種讓我感覺『這就是需求預測』的方法。在分享我們在需求預測和營運上遇到的課題時,AI CROSS的負責人展現了高度的理解力,與其他公司相比,我覺得他們是個可以安心諮詢的對象。隨著一次次的會議,我越來越感受到貴公司在服務和體系上的高度彈性。」 ■期望達成的效果與未來展望 「導入後,首先期待能減少缺貨情況並縮短訂購業務所需的時間。同時,我們也將致力於提升公司內部製造品的庫存管理精緻度、辨別影響產業的外部資訊,並將個人化的訂購思維模式在公司內部統一。」 「Deep Predictor」的特點 「Deep Predictor」是AI CROSS提供的AI需求預測與營運服務。透過學習過去的出荷、訂購、庫存數據等,持續預測各品項的需求,以支援訂購與庫存優化的決策。 本服務的特點如下: 需求預測與訂購一貫支援:不僅提供需求預測模型,更支援從訂購數量的計算到符合業務規則的後續處理,形成一連串的流程。 兼顧「防止缺貨」與「抑制過剩庫存」:定量評估缺貨風險與庫存負擔的平衡,支援考量品項特性並制定最佳訂購量。 可說明的訂購依據:將預測結果與訂購數量的依據數據可視化,將個人化的訂購判斷標準化為數據驅動。 符合業務營運:以與現有業務流程及核心系統的連結為前提,設計成可在現場營運負擔較小的狀態下,逐步擴大活用範圍。 未來展望 AI CROSS將透過本次導入,協助旭產業實現訂購業務的效率化與個人化消除。具體而言,在實際訂購業務中活用Deep Predictor的同時,持續提升訂購數量依據(理由說明)的精確度,並在深入理解旭產業的訂購作業流程後,與銷售代理商一同提供伴隨式支援,以提出更無浪費的訂購數量建議。 首先將以總部及大阪兩處據點的需求預測與訂購業務的活用為起點,在進行效果驗證的同時,與旭產業共同持續探討未來擴大適用業務、品項及據點的可能性。 此外,透過提供「Deep Predictor」,我們將致力於將製造業等現場依賴「經驗與直覺」的決策,透過AI轉變為更透明、更具可再現性的決策,為企業持續強化競爭力做出貢獻。 【關於Deep Predictor】 AI需求預測與營運服務「Deep Predictor(ディープ