1/4ページ

このカタログをダウンロードして
すべてを見る

ダウンロード(32.2Mb)

人工知能在庫生産管理 STOCK STREAMS

製品カタログ

人工知能が予測する、未来の受注数。

人工知能在庫生産管理・ストックストリームズは、累計100万品目以上を学習し1年先までの受注数を高精度で予測。季節によって変化するリードタイムを考慮し全ての品目の発注数を自動計算。飲食店から工場まで、全ての種類の在庫を抱える事業者様へ。

◆詳細は、カタログをダウンロードしてご覧ください。

このカタログについて

ドキュメント名 人工知能在庫生産管理 STOCK STREAMS
ドキュメント種別 製品カタログ
ファイルサイズ 32.2Mb
登録カテゴリ
取り扱い企業 株式会社トライエッティング (この企業の取り扱いカタログ一覧)

この企業の関連カタログ

人工知能在庫生産管理 STOCK STREAMS
製品カタログ

株式会社トライエッティング

このカタログの内容

Page1

売れる数を、人工知能が予測。 在庫・生産管理人工知能 Powered by
Page2

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。
Page3

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。
Page4

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