人工知能在庫生産管理　STOCK STREAMS

売れる数を、人工知能が予測。 在庫・生産管理人工知能 Powered by

ストックストリームズは人工知能 (AI) を活用した これまでにない全く新しい在庫管理AI クラウド。 先１年までの受注数・販売数を正確に予測することで、人工知能が リードタイムを勘案して、最適な生産数・発注タイミングをリコメンドします。 在庫あまりや、在庫切れによる機会損失を最小化することが可能になります。 ストックストリームズの【特性】 … 人工知能クラウドだからこそできること 正確・精密。 どこからでもアクセス。 在庫管理だけではない、 そして全自動。 最新のデータ活用を。 顧客分析までサポート。 これまで販売してきた受注データと日付に 私たちが提供するのは、AI を含めて 受注データに紐付いた購入者データから、 紐付いた天候・暦・その他外部要因の 常にオンライン環境で活用いただける 法人・個人の購買確率別の比率（保持率）や、 データを加味することで、［経験豊かな 「ク ラ ウ ド 型」の AI サ ー ビ ス で す。 期待される購買金額（顧客生涯価値）を 人間が苦労して実施してきた予測］を 距離が離れた店舗間、倉庫間、生産工場や 自動で算出。 ２４時間・３６５日体制で実現します。 出荷現場など、様々なタイミング・場所で 上得意様や、次に期待すべき顧客が ま た、予 測 は 日 毎 に 出 て く る た め、 ご利用いただけます。 一目でわかります。 非常に細かい生産計画に役立ちます。 在庫管理の【めんどくさい】を無くしたい。 日々やりとりされる膨大な取引データ。基幹システムからデータを出してExcel や紙に変換し、 チームでやりとりをし、基幹システムに登録しなおして ... ストックストリームズは、データを自動で取り込んで一括管理。 既存のオ 画面中で完結するため、これまで Excel や紙でやりとりしたものから卒業できます。 ンプレシステム API AIクラウド 売上予測 適正発注数 どこか 24 らh で36 も A 5I 日 発 が 注分 タ析 発注 イ ア ミ ク数な ン セ グ ス 取引 レ どの デ コー メンド 顧客 多生 人涯 数価 でタ ( 値 活サ 用ー 可バ 能ー） 保持率 管理することに振り回されるこれまでの製品とサヨナラ。 在庫数量を管理するために IT 化したいけれど、結局使いづらいから Excel やその他のツールで分析してしまっている ... そんな「なんちゃって IT」はサヨナラしましょう。 ストックストリームズは、分析の全てをシステム上で出来てしまうだけでなく、 既存の基幹システムと相互にデータをやりとりできる仕組み（API）を持っています。 管理を越えた、その先のデータ活用を切り拓きます。

他サービスと比較して、手頃な価格でAI とデータ活用が実現。 業界内の標準的な シンプル プロフェッショナル エンタープライズ 他社の料金 在庫管理システムと プラン プラン プラン プラン 比較しても、 圧倒的な コストパフォーマンスを 年額400~1000万円 備えています。 5万円/月 30万円/月 60万円/月～ （月額35~90万） 解析可能品目数 100品目 (SKU) 3000品目 (SKU) 3000品目 (SKU)～ オンプレのサーバと依存 受注数予測 不可 発注点計算 不可 在庫管理機能 顧客分析 不可 API 連携 不可 DB接続機能 その他 その他カスタマイズ 非クラウド・動作重い サービス 他社 よくある質問 Q どれぐらいの量のデータが必要ですか？ Q ARIMAモデルなどの時系列統計モデルとはどのように違うのか？ A 十分な学習を行うために、 A ARIMAなどに代表される統計モデルは 　一周期の1.5倍のデータを基準としています。 　定式化することで事象を表現しようとするモデルであるため、 　事象に対して、一定の仮定を加えて予測を試みます。 Q 最近発売を始めた製品などは予測できますか？ 　そのため、仮定に含まれない条件に弱い、予測期間の長さに対して A 予測可能です。 　誤差が大きくなるなどの問題を生じます。 　既学習の100万品目以上のパターンから、 　類似製品の売り方をフィッティングし、予測を行います。 　一方で、教師あり機械学習を土台にした予測モデルは、 　事象そのものであるデータを説明できるようにモデルを構築します。 Q 突発的な売れ方は予測できますか。 　そのため、事象における仮定などを立てるアプローチとちがい、 A 精度はあまり高くないものの、過去の 　事象そのものを表現するための説明変数の構築が鍵となりますが、 　異常値としての売れ方を学習し、予測を実施します。 　天候、相場、売れ行きそのもののデータを用いて、独自に説明力の 　高いデータを構築することで、高精度予測を実現しています。 Q 季節変動性・暦などの依存性は再現していますか？ A 予測モデルの中に反映しております。 Q 導入にかかる費用は？ A ゼロです。 Q データのインポート・エキスポートには対応しているか？ 　アカウントの発行・利用にかかる料金のみのお支払いとなります。 A ともに、CSV形式が対応しております。 Q オンプレで提供してほしい。 Q １ヶ月だけ使うことは可能？ A 基本的にクラウドで提供しているITサービスであり、 A 初年のみ基本契約、翌年より1年ごとに更新となっております。 　オンプレでの提供は行なっておりません。

人工知能をビジネスに活用するのが得意な企業、それがTryeting Tryeting独自の業界最高精度の未来予測技術をはじめとして、名古屋大学におけるアカデミックな技術を土台にした「鋭った技術」をシームレスに お客様のビジネスに組み込み・活用いただけるようにしています。お客様のビジネスを加速させる、頼れる裏方をモットーに事例を積み重ねています。 小売・リテール (リテールテック ) 販売・受注数の未来予測 棚配置の自動最適化 価格決定の自動化 過去の購買・受発注データを元に、 季節などで大きく変化する注文・ 価格に対する購買確率曲線を計算し、 未 来 の 受 注 数 を 予 測・可 視 化 。 販売動向に従って、売上最大になる 利益最大となる価格の自動決定を 未来予測の数値を土台にして、 棚割りの最適化や、発送する際の 行います。 その際、季節変動性・ 最適な生産数・在庫数を自動で決定し、 ピッキングルートを最小化できる 顧客特性・競合など、複数の複雑な 利 益 最 大 化 に 貢 献 し ま す 。 棚 配 置 の 最 適 化 が 可 能 で す 。 条件を加味した形でのリアルタイムな 価格調整を可能にします。 広告 (アドテック ) 顧客クラスタの事前推定 広告効果自動推定 広告費用分配の最適化 購買データにひもづいた性別・年齢などの 過 去 の 広 告 の 出 稿 情 報 及 び 、 事前に推定した広告効果に対し、 顧客定性データから、顧客性向（RFM分析） コンバージョン率の結果データに 広告単価、最低出稿価格などの諸条件を 及び、顧客生涯価値（LTV）を算出し、 基づいて、出稿前の広告効果の事前推定を 考慮して、広告効果 対 コスト比率を 学習します。未購入の顧客も含めた、 可能にします。リスティング広告 最大化する出稿費分配を最適化 詳細な顧客分析を可能にします。 などのデータから媒体系広告まで することが可能です。 幅広く対応しています。 生産・卸 (イールドマネージメント ) 農畜産物の相場価格予測 生産タイミングの最適化 在庫最適化 過 去 の 相 場 価 格 に 応 じ て 原材料の相場や、受注数の未来予測値を 受注数の未来予測を土台にして、 未 来 の 相 場 の 変 化 を 予 測 。 考慮し、最適な生産タイミング・数量を 本来の最適在庫回転数を自動算出。 特有の季節相関性などを考慮した リコメンド。属人的ではない完全管理 全品目に対して、最適な生産～出庫までの 精 密 な 予 測 を 可 能 に し ま す 。 された生産体制を実現可能。生産コスト 流れを構築することで、不良在庫率の 利 益 最 大 に な る 生 産 調 整 、 最小化施策にご活用いただけます。 低減に貢献します。 原材料の仕入れに活用いただけます。 人材 ( HRテック ) 採用・不採用ラベル付け 入社後の分析 社員運用（シフト最適化） 採用応募者、既存社員の入社時の 既存社員の人事考課データを元に、 通常、非常に工数とコストのかかる データから、エントリーシート提出段階で、 エントリーシート段階、入社段階の シ フ ト 作 成 を 、所 定 労 働 時 間 、 採用・不採用を95％以上の精度で ごく初期の情報から入社後の成績を 所定公休などの労働条件や、個々の 自 動 ラ ベ ル 付 け 。 採 用 期 間 の 事前予測することが可能です。 希望休、有給などを考慮したシフトを 短縮化などによって、採用にかかる 本来、採用すべき人間をもれなく ノンストップ・全自動で構築します。 コストを大きく削減していただけます。 無駄なく検討いただけます。 科学 (サイエンス ) シミュレーションの高速化 組成条件の高速探索 実験条件の高速探索 スーパーコンピュータでも非常に 数億～数兆通りある、大規模な材料の 様 々 な パ ラ メ ー タ が 存 在 す る 時間のかかる、流体・量子・構造力学 組成条件を、とりわけ特徴的な、 実験条件と、実験結果との相関関係を シミュレーションを、AI技術により、 いくつかの条件に対する結果を 学習させることにより、最適な 1/100以下の計算時間に圧縮できること 学習させることによって、最適な 実験条件を、最短ルートで発見する を実証。大規模な工業シミュレーション 条件を全自動・短時間で網羅的に、 ことを可能にします。 も高精度・短時間で実現します。 探索可能にします。 株式会社トライエッティング(Tryeting Inc.)｜460-0003 愛知県名古屋市中区錦2-9-14 伏見スクエア7F｜https://www.tryeting.jp/｜support@tryeting.jp