カルビーが挑むジャガイモ収量の限界――自社開発AIでサプライチェーン最適化

解説

製造業のサプライチェーン最適化は、原料の収穫サイクルや工場の稼働制約など、企業特有の複雑な要素が絡み合います。従来のシステムではカバーしきれない「自社独自のロジック」を考慮することが難しい場合があります。このような背景から、全社の情報を統合し、最適な意思決定支援を目指す仕組みの構築が求められています。

課題の本質は、問題が発生してから各部門が連携して対応する「後手」型の運用に留まっている点です。しかし、気候変動などの不確実な環境変化に対応するためには、数ヶ月先のデータを基に先回りして対策を打つ「攻め」の計画的な運営が必要です。

自社独自の複雑なビジネスロジックを持つ製造業において、単なるパッケージツールの導入だけでは限界がある可能性があります。そのため、複数の部門データや特有の制約条件を横断的に統合し、全社の収益性を可視化できるシステムが求められるケースが増えています。

ポイント

• カルビーは、ジャガイモの収量や物流制約など特有の困難な条件下にあるサプライチェーン全体の最適化を目指し、AIを活用したシミュレーター「C-BOSS」を自社開発・導入しました。
• 本システムは、営業、生産、物流、調達など各部門に散在するデータを統合的に扱い、全社の収益性を可視化することで、最適な意思決定支援を行っています。
• この取り組みは、単なるITツールの導入ではなく、企業固有の制約条件を満たす「後手」から「攻め」への変革を目的としています。

情シスへの影響

サプライチェーン管理システム（ERP/SCM）

• 要件定義・カスタマイズ: 既存のパッケージ型のS＆OPツールでは対応できない、原料固有の供給制約条件（例：北海道産が8割、収穫時期によるバリューチェーンの制限）といった「企業独自の複雑なロジック」を組み込む必要性が示唆されます。

• データ連携: 各部門に点在するデータを横断的に統合し、単一システムで管理する必要があるため、複数の業務システム（販売、在庫、生産計画など）間のAPI連携やETL処理の設計・実装が重要になります。

AI/DXプラットフォームの活用

• シミュレーション機能: 単なる可視化に留まらず、「利益を最大化するプラン」をAIが計算し、未来のシナリオ（気候変動による収穫量低下など）に基づいて最適解を提案するシミュレーションエンジンが必要となります。

• プラットフォーム選定: 自社開発を選択した背景から、特定の業務に留まらず、将来的なグローバル展開や新たなデータソース（外部環境予測など）を受け入れるための柔軟性の高いDXプラットフォームの検討が求められます。

影響範囲

全社のサプライチェーンマネジメント領域、製造計画システム、SCM/ERPシステム。

• 対象ロジック: 原材料（ジャガイモ）の収穫サイクルや産地ごとの制約条件、SKU管理（1000以上）、限られた工場キャパシティなどを考慮した最適化モデル。

• 技術スタック: 複数の業務データソースを統合し、シミュレーション結果に基づいて「意思決定」を支援するバックエンドシステム。インターフェースは利用部門の使いやすいダッシュボード形式（要確認）。

重要度

★★★☆☆

対象者

• M365管理者
• セキュリティ担当者
• ネットワーク管理者
• Windows管理者
• Linux管理者

優先度

計画的に対応

優先度の理由

本記事は特定企業の成功事例であり、即座に脆弱性を修正する必要があるわけではありません。しかし、自社のサプライチェーンや製造業プロセスにおいて、同様の「データ連携不足」「事後対応型」の課題（＝サイロ化された意思決定）が存在する場合、IT戦略レベルでのシステム刷新を検討するきっかけとなります。まずは現状の業務プロセスと情報システムの整合性を洗い出す計画的なアプローチが推奨されます。

確認手順

• 自社で管理している主要なサプライチェーン関連データソース（販売実績、在庫データ、生産能力データ等）の棚卸しを行う。
• 各部門横断的にシミュレーションを試みた際、最も制約となるロジックやボトルネックとなっている「固有条件」のリストを作成する。
• 現在利用しているS＆OP/SCM関連システムが持つ柔軟性（カスタマイズ性、外部データ取り込みの容易さ）についてベンダーに確認する。
• データ連携におけるレイテンシ（遅延）やリアルタイム性の要件を定義し、適切なインフラアーキテクチャを選定する。