サプライチェーンの「DX」という言葉がメディアで日々取り上げられる一方で、「どこから 手をつけて良いのかわからない」「どんな体制が必要なのか」といった 声が多く聞かれます。遅れていると指摘される日本の DX をどう進めて いくべきなのでしょうか。現場起点で AI 活用に取り組み、全社的に AI 活用を推進しているヤマハ発動機株式会社の大西 圭一氏とダイハツ 工業株式会社の太古 無限氏に、DX を推進するプロジェクトをどう立ち上げ、どう広げていったのかを聞きました。
DataRobotはバリュー・ドリブンAIのリーダーであり、組織がAIをアイデアから実際のビジネス価値へ加速させることを支援しています。AIイノベーションの最前線で10年以上の経験を持ち、組織の収益向上、ビジネスビジョンの実現、そして私たちを取り巻く世界に真の変化をもたらすために必要な知識と経験を持ちあわせています。
適切なモデルを選択したら、DataRobot を使って簡単にそのモデルを意思決定環境にデプロイすることができます。意思決定環境とは、モデルで生成された予測結果を組織内の適切な関係者が使用する方法、およびそれらの関係者がその予測値に基づいて全体のプロセスに影響する意思決定を行う方法を指します。
説明の都合上、ここでは大統領エイズ救済緊急計画(PEPFAR)から提供され、Kaggle で一般に公開されているサンプルデータセットを使用します。このデータセットで、サプライチェーンのヘルス商品の出荷および価格設定データがわかります。特に、抗レトロウイルス薬(ARV)と HIV ラボからの支援対象国への出荷を特定できます。加えて、このデータセットには、商品の価格設定情報および商品を他国に出荷して使用するために必要な関連サプライチェーンの費用が含まれています。このチュートリアルではこのデータセットで、製造会社やロジスティクス会社が AI モデルを活用してどのように意思決定プロセスを改善できるかを示します。
どのサプライチェーンネットワークでも非常に重要になる要素は、部品不足の発生を防止すること、特に最後の段階でそれが起こらないようにすることです。部品不足は機械装置や輸送手段の利用率低下につながるだけでなく、ネットワーク全体で配送遅延の連鎖反応が発生する原因ともなります。加えて、部品不足があると、納期どおりに配送される部品が予定より少なくなるので、サプライチェーンマネージャーは資材計画の最適化ができません。
DataRobotは、日東電工株式会社(以下、Nitto)の実ビジネスにおける業務改善に向けた生成AIソリューションの導入支援を開始しました。NittoではDataRobot 生成AIソリューションのPoV(Proof of Value:価値実証)を2024年6月に完了しており、今後、DataRobotのRAG構築機能を活用し、継続的に信頼性の高いアプリ構築を目指します。
再入院予測のためにデータのパターンを学習する最も優れたモデルを見つけられるようになったら、DataRobot を使って簡単にそのモデルを目的の意思決定環境にデプロイできます。意思決定環境とは、モデルで生成された予測結果を組織内の適切な関係者が使用する方法、およびそれらの関係者がその予測値に基づいて全体のプロセスに影響する意思決定を行う方法を指します。
このユースケースのターゲット変数は、患者が病院に再入院したかどうかということです(真または偽、1 または 0 などの二値)。ターゲットから、二値分類問題ということになります。 以下の特徴量は、再入院を予測するうえで重要な要素を表しています。各患者の背景、診断内容、病歴を網羅しており、DataRobot はこうした特徴量を基に患者の既往歴から関連するパターンを検出し、再入院のリスクを評価します。
再入院とは、患者が病院を退院してから 30 日以内に再入院することを指します。再入院は、医療システム間の連携が取れておらず、患者とその健康状態を十分に把握できていない状況を反映しているだけでなく、医療提供者と支払者の双方に多大な財政的負担を強いることになります。米国政府は 2011 年に、あらゆる原因による 30 日以内の再入院が約 330 万件に上り、医療機関のコストが総額 413 億ドルに達すると推定しています。
データのパターンを学習する最も優れたモデルを見つけて従業員の幸福度を予測できるようになったら、DataRobot を使って簡単にそのモデルを目的の意思決定環境にデプロイできます。意思決定環境とは、モデルで生成された予測結果を組織内の関係者が使用する方法、およびその予測値に基づいてプロセスに影響する最終的な意思決定を行う方法を指します。
このユースケースのターゲット変数は、従業員が、ストレスや従業員意識調査の悪い結果が原因で離職したり休職し続けたりするかどうか(真または偽、1 または 0 などの二値)です。このターゲット変数から、これは二値分類問題であることがわかります。 以下の特徴量は、従業員の離職を予測するうえで重要な要素を表しています。それらは各従業員の背景、現在の役割、調査履歴に及び、DataRobot はこれらの特徴量に基づいて従業員の HR プロファイル全体から関連するパターンを検出し、従業員の離職リスクを評価します。