日々の生産量を工場長の経験と勘で決めていましたが、天候や近隣イベントによる需要変動を正確に読み切れませんでした。作りすぎによる食品ロスと、作り足りないことによる欠品が同時に起こり、工場長不在時の判断にも不安がありました。

アスタは、3年間の品目別販売実績に、気象、曜日・祝日、近隣イベントの情報を組み合わせ、翌日と1週間先の需要を品目別に予測する仕組みを構築しました。生産ラインの稼働時間と必要人員まで提案し、予測誤差を20％から5％以内、廃棄コストを年間約30％削減しました。

クライアント概要

抱えていた課題｜作りすぎと欠品を、経験だけでは防げない

AI導入前に確認したのは、表面上の作業時間だけではありません。判断がどこに集中し、現場や顧客、経営へどのような影響が広がっているかを整理しました。

需要予測が工場長の経験に集中していた

品目ごとの売れ方を理解した工場長が生産量を決めていました。経験は重要ですが、判断過程が共有されにくく、不在時には同じ精度の生産指示を出せませんでした。

天候やイベントによる変動を捉え切れなかった

惣菜や弁当の需要は、気温、雨、曜日、連休、周辺イベントで変わります。複数の要因が重なるため、人が過去実績を見比べるだけでは予測誤差が大きくなっていました。

食品ロスと欠品が利益を両側から圧迫していた

多く作れば廃棄が増え、少なく作れば販売機会を逃します。必要だったのは、廃棄だけを減らすのではなく、欠品も抑えながら適正量を決めることでした。

アスタの支援内容｜データと現場運用を一つの流れにする

アスタは、AIツールを入れることだけを目的にせず、現在の業務、利用できるデータ、導入後に人が確認する範囲を整理しました。そのうえで、AIの出力が日々の具体的な行動へつながるよう、次の流れで仕組みと運用を整えています。

1．販売実績を品目・日付単位で整理

3年間の販売データを品目別にそろえ、売れた量と欠品・廃棄の状況を追える形へ整えました。工場で使う品目名や集計単位の違いも確認しています。

本事例では、次の情報を判断材料として整理しました。

• 過去3年間の品目別販売データ
• 気温・降水量・湿度などの気象データ
• 曜日・祝日・連休などのカレンダー情報
• 近隣のイベント情報

2．気象・カレンダー・イベント情報を統合

販売数へ影響する気温、降水量、湿度、曜日、祝日、連休、周辺イベントを同じ日付軸で結び付けました。需要が変わった理由をAIが学習できる状態にします。

3．翌日・1週間先の品目別需要を予測

AIが日別・品目別の需要を算出し、毎朝ダッシュボードへ表示します。予測値だけでなく、現場が生産判断に利用できる単位で確認できるようにしました。

4．生産ラインと必要人員の計画へ接続

予測数量をもとに、各ラインの稼働時間と必要人員の案を提示します。需要予測を眺めるだけで終わらせず、工場長の生産指示へつながる運用を整えました。

得られた成果｜予測誤差5％以内、廃棄コスト年間30％削減

導入から半年で、需要予測の誤差は従来の20％から5％以内へ改善しました。適正な数量を生産しやすくなり、食品ロスによる廃棄コストは年間約30％削減されています。

生産量を減らすだけではなく、欠品率も大幅に低下しました。工場長が不在でも精度の高い計画を立てやすくなり、予測結果をライン稼働と人員計画まで結び付けたことが、利益と現場負担の改善につながっています。

ご担当者様の声

「廃棄コストが目に見えて減り、利益率が改善した。工場長も本来の品質管理業務に集中できるようになり、現場の負担も減っている。」

食品製造業で検討できるAI活用テーマ

食品製造では、需要、生産、原料、品質、設備、出荷が連動します。安全・品質を最優先に、AIの予測と現場確認を組み合わせ、実績から継続的に精度を見直すことが重要です。

アスタは特定のAIツールを導入することから始めず、経営課題と現場業務を確認し、効果を見込めるテーマを整理します。小さく試したうえで、データ、確認手順、担当者の役割まで整え、現場で使われる状態へ伴走します。

関連するサービス・コラム

「自社にも似た課題があるが、どこからAIを使えるかわからない」「データはあるものの、実務へつなげられていない」という場合は、現在の業務と判断の流れを整理するところからご相談ください。