AI在庫最適化・端材管理プラットフォーム

端材は、元の鋼材から一部を切り出した残りの部分であり、長さや形状が不規則である。しかし、これらの端材も貴重な資産であり、適切に管理すれば他の顧客の注文に対して活用することができる。端材を効果的に販売することができれば、鋼材1本あたりの収益を最大化し、無駄を最小限に抑えることが可能となる。

端材管理の難しさは、その多様性と不規則性にある。端材は切り出しのたびに発生し、その長さや形状は毎回異なる。いちいちラベルを貼る手間も大きい。在庫システムにおいては、これらの端材を個別に登録し、どの端材がどの場所にあり、どのような仕様であるかを正確に把握する必要がある。また、新たな顧客注文が入った際には、既存の在庫と端材の中から、最も効率的に対応できる組み合わせを迅速に見つけ出さなければならない。

さらに、端材の価値評価も複雑な問題である。端材は元の鋼材よりも短く、用途が限定されるため、通常の鋼材と同じ単価で販売することは困難である。一方で、適切な長さの端材が必要な顧客にとっては、新たに長い鋼材を購入して切り出すよりも、端材を購入する方がコスト効率が良い場合がある。したがって、端材の価格設定には、市場需要、在庫状況、保管コストなど、様々な要因を考慮した柔軟な判断が求められる。

端材管理を適切に行うことができれば、鋼材1本を無駄なく売り切ることが可能となり、企業の収益性は大きく向上する。逆に、端材管理が不十分であれば、多くの端材が倉庫に滞留し、最終的には廃棄処分となってしまう。これは直接的な損失であるだけでなく、環境負荷の増加という観点からも望ましくない。

多くの鉄鋼商社では、従来からERP(Enterprise Resource Planning)システムや独自開発の在庫管理システムを導入してきた。これらのシステムは、基本的な在庫数量の管理、入出庫の記録、発注管理などの機能を提供し、業務効率化に一定の貢献をしてきた。

しかし、従来のシステムには大きな限界があった。

第一に、これらのシステムは主に「記録」を目的として設計されており、「最適化」や「意思決定支援」の機能が不足していた。在庫数量は記録されるが、その在庫が適切な水準であるかどうか、どのアイテムの在庫を増やすべきか、減らすべきかといった判断は、依然として担当者の経験と勘に頼らざるを得なかった。

第二に、アイテム別の需要特性を分析し、個別最適な在庫戦略を立案する機能が欠如していた。数千から数万にも及ぶアイテムについて、人間が手作業で需要パターンを分析し、最適な発注点や発注量を設定することは現実的に不可能である。結果として、多くの企業では、経験豊富な担当者が重要なアイテムについてのみ詳細な管理を行い、その他のアイテムについては簡易的なルールに基づいた管理が行われていた。

第三に、端材管理の機能が不十分であった。従来のシステムでは、端材を個別に管理することが技術的に困難であるか、あるいは可能であってもシステムの操作が煩雑で、現場での運用に乗らないケースが多かった。端材管理に特化したシステムも購入したことがあったが他のシステムと有機的に連携せず、いつのまにか使われなくなった。その結果、端材の存在が正確に把握されず、活用可能な端材があるにもかかわらず、新たに鋼材を発注してしまうといった非効率が発生していた。

第四に、リアルタイム性の欠如も大きな問題であった。在庫情報の更新が遅れたり、複数の拠点間での在庫情報の共有が不十分であったりすることで、意思決定の質が低下し、欠品や過剰在庫の発生につながっていた。しかも、会計上「いったん端材が出ないように関連会社に売却したことにし、後ほど端材を買い戻す」というトリッキーなことをしていたせいで実情が見えにくくなっていた。

このような技術的背景と鉄鋼商社の経営課題を踏まえ、本アプリケーションの開発プロジェクトが開始された。本アプリケーションは、単なる在庫数量の記録システムではなく、AIと機械学習を活用した「インテリジェント在庫最適化プラットフォーム」として設計されている。

本アプリケーションの中核となるのは、需要予測エンジンである。このエンジンは、過去の販売データ、季節性、市場動向、経済指標など、多様なデータソースを統合的に分析し、アイテムごとに高精度な需要予測を行う。予測精度は継続的に学習により向上し、市場環境の変化にも柔軟に対応することができる。

そのために鋼材の在庫を可能な限り正確に把握する必要がある。DX実行においての一番の障害はこの「可能な限り正確に把握する」という点だ。正確に把握するためには、どうしても入力しなければならない情報が多くなる。入力情報が多くなればなるほどデータは正確になるが、その分コストもかかる。DXは「入力コストをいかに減らせるか」にかかっていると言っても過言ではない。

そこでCatallaxyチームは、鋼材の入出庫を楽にするために倉庫スタッフが普段から使っている携帯電話にOCR機能をもたせ、カメラをかざすだけで読み取りできる。どの鋼材がどれくらい入っていたか、どのくらい出ていったかだけを入力するだけで自動的に在庫が管理できるようにした。

需要予測に基づき、在庫最適化エンジンがアイテムごとの最適な在庫戦略を自動的に立案する。このエンジンは、在庫回転率、キャッシュフロー、倉庫容量、発注コスト、欠品リスクなど、多様な制約条件と目的関数を考慮した数理最適化アルゴリズムを実装している。担当者は、システムが提案する発注計画を確認し、必要に応じて調整を加えることで、効率的な在庫運用が可能となる。

端材管理機能は、地味ではあるが本アプリケーションにとっての白眉だ。端材がデータベースに個別登録され、その位置、サイズ、材質、発生日などの情報が記録される。新たな顧客注文が入力されると、システムは既存の在庫と端材の中から、最も効率的に対応できる組み合わせを自動的に算出する。これにより、端材の有効活用率が劇的に向上し、鋼材1本あたりの収益が最大化される。

また、本アプリケーションはクラウドベースで開発されており、複数の拠点でもリアルタイムに情報を共有することができる。たとえばA倉庫に在庫がなくとも、B倉庫にある場合にいちいち電話で在庫確認・在庫予約をしなくともボタン1つで調達が可能となった。

鉄鋼商社の利益構造は「鉄メーカーから鉄をまとめて買い、小分けして卸す」というシンプルなものだ。しかし十年一日と思われた鉄鋼商社のビジネスモデルにも、商品の多様化と即納という相反するニーズを満たさないと海外勢に価格で負ける、というような状況が出てきた。またメーカーからの卸値と、販売価格とのスプレッドは狭まるばかりで、大量に販売しても全く利益にならないということも少なくない。

このアプリケーションによって端材を無駄にしないというマイナスをゼロにするだけでなく「どの鋼材に注力するべきか」「