Hacobu（MOVO PSI）のAI活用事例（物流・運輸／2024年）

企業規模中堅企業（100〜999名）

地域日本

導入段階実証実験（PoC）

使用ツールMOVO PSI、JDSCのAIモデル

背景・課題

メーカー・卸売業・小売業の間でPSI（生産・販売・在庫）情報がサイロ化しており、輸送量の偏りや過剰在庫が課題だった。2024年問題により輸送効率の改善が急務に。

JDSCとの協業により受注予測と最適補充数量計算の2つのAIモデルを搭載した「MOVO PSI」を開発。企業間のPSI情報を共有し輸送量の平準化を実現。キリンビバレッジとアサヒ飲料が導入を開始。

キリン：輸送コスト9.1%削減・在庫日数13.2%削減、アサヒ：輸送コスト6.2%削減

キリンビバレッジで輸送コスト約9.1%削減、在庫日数約13.2%削減を達成。アサヒ飲料でも輸送コスト約6.2%削減、在庫日数約6.5%削減。2025年春までに全VMI拠点への展開を目指す。

サプライチェーン全体の最適化にはメーカー・卸・小売の企業間データ共有が不可欠。プラットフォーム型のアプローチで参加企業が増えるほど最適化効果が高まるネットワーク効果が期待される。