AI CROSS株式會社(東京都港區,代表取締役CEO:原田典子,以下稱「AI CROSS」)宣布,其AI需求預測・運用服務「Deep Predictor」已導入至美國市場機械零件(軸承・精密儀器)銷售商日本Thomson株式會社的子公司IKO International, Inc.(以下稱「IKO International」),並實現了美國全據點作業時間從每週3.8小時縮短至1.4小時,效率提升約63%(年間124.8小時)的成效。此導入案例已於AI CROSS官方網站公開。 製造業的結構性課題:人手不足・個人化作業・供應鏈高度化 根據經濟產業省、厚生勞動省、文部科學省的「2025年版製造白皮書」(※1),製造業就業者數預計將從2023年的1,055萬人進一步減少至2024年的1,046萬人,人手不足已成為嚴峻的結構性課題。該白皮書指出,為在有限的人力下維持與提升生產力,擺脫業務個人化作業並透過DX・AI活用實現業務共通化・可視化是不可或缺的。 此外,製造業現場為應對多品種少量生產、預防供應鏈中斷風險、以及提升海外據點的業務效率等需求,對需求預測・庫存優化的要求逐年增強。特別是軸承等支撐產業的重要機械零件供應,如何在避免因缺貨導致生產線停工與抑制因庫存過剩造成的財務負擔之間取得平衡,已成為經營課題。 針對此產業整體的結構性課題,「Deep Predictor」AI需求預測・運用服務提供了能同時實現業務標準化與多據點營運效率化的解決方案。本新聞稿將介紹其代表性導入案例,即日本Thomson美國子公司IKO International, Inc.的實施情況。 ※1 出典:經濟產業省、厚生勞動省、文部科學省「2025年版製造白皮書」概要 https://www.meti.go.jp/report/whitepaper/mono/2025/ 導入背景 IKO International向美國市場的OEM(※2)及經銷商(※3)供應軸承、精密儀器等機械零件,並在美國境內設有紐澤西、加州、伊利諾伊等多個銷售據點。該公司過去的庫存訂單業務均透過Excel手動處理,面臨以下課題: 作業人員需逐一根據料號手動判斷訂購數量,共4名作業員每週需花費3.8小時作業。 訂單數量依賴負責人員的經驗,導致訂單數量波動大,且因據點間重複訂購而產生庫存過剩。 軸承是跨產業使用的重要零件,缺貨風險與庫存過剩並存成為經營課題。 此外,隨著核心系統的轉換,逐一查詢料號並判斷訂購數量的傳統作業方式變得困難,亟需新的庫存訂單機制。 ※2 OEM(Original Equipment Manufacturer):指將零件組裝用於自身產品(產業機械、半導體製造設備、醫療設備等)的成品製造商。 ※3 經銷商:指採購IKO產品並銷售給終端用戶的銷售代理商・批發商。 導入成效:作業時間削減約63%,解決個人化作業並實現業務標準化 ■ 定量成效 項目 導入前 導入後 成效 庫存訂單作業時間(4名合計/週) 約3.8小時 約1.4小時 約63%削減 年間削減時間 ― ― 約124.8小時 ※定量成效計算依據 ・削減時間:作業員4名合計的每週作業時間(導入前約3.8小時 → 導入後約1.4小時,差額約2.4小時) ・年間削減:2.4小時 × 52週 = 約124.8小時 ■ 定性成效 消除作業人員間的訂單數量差異以及據點間的重複訂購。 擺脫對負責人員經驗的依賴,實現訂單業務標準化。 作為核心基礎,在核心系統遷移後順利進行庫存管理業務。 IKO International, Inc. 負責人 飛鳥田先生 評論 ※以下內容摘錄並編輯自AI CROSS官方網站的導入案例訪談。 「Deep Predictor能以單一服務涵蓋從需求預測到建議訂購量計算,並能配合我們的營運實際情況提供支援,這是我們選擇它的關鍵。此外,在許多需要大規模投資決策的情況下,Deep Predictor在費用上也更容易負擔,這點非常重要。導入後,我們實現了個人化庫存訂單業務的標準化,以及美國全據點作業時間的大幅縮減。未來,我們希望進一步透過庫存據點整合及減少訂單作業人力等方式,來提升營運效率。」 關於AI需求預測・運用服務「Deep Predictor」 AI需求預測・運用服務「Deep Predictor(Deep Predictor)」以「任何預測,任何人都能輕鬆完成」為概念,即使是沒有專業知識的現場人員,也能利用現有數據,獲得高精準度的預測並獲得決策支援。 其特點不僅止於單純的預測,更能生成與現場業務直接相關的輸出結果,是一款「現場可立即使用的AI」。 詳情請見 未來展望 AI CROSS將透過「Deep Predictor」,協助製造業等廣泛行業提升決策水平並擺脫個人化作業。對於IKO Internation