三菱电机研发出一套能高精度预测维修故障产品所需零部件需求的系统。该系统会根据出货量的变化趋势进行分组，由人工智能（AI）提案需要预测的零部件最接近的哪些组别。与传统方法相比，新系统的预测准确度提升了20%以上。有助于企业制定更精确的生产计划，进而优化零部件的库存。该系统预计将在8月开始首先运用于家电和住宅设备。
三菱电机的零部件仓库
更换用零部件也被称为“维修用零部件”，种类繁多，除基板类产品外、还包括空调的风扇电机、热交换器等。日本制造业标识规约要求产品停产后零部件也需要保留一定的时间（如10年）。三菱电机通常在各工厂存储这些零部件，并通过维护公司或销售公司供应。
在出现故障或其他紧急情况时，需迅速供应零部件。如果库存少于需求，就会出现缺货，需要紧急生产。但如果库存过多，则会导致库存积压，效率低下。因此，提高需求预测的准确度至关重要。
新系统将利用现有零部件的过去出货量作为基础数据。长期的波动包括多种模式，如逐渐上升、持平、或在特定时期从增加转为减少等。系统将这些趋势整理后进行分组（聚类）。生产技术中心的玉谷基亮先生表示：“这种分类基于维修一线在以往类似趋势中积累的经验和知识。”
在预测需求时，AI会自动选择与哪个组别最相似，并考虑季节性变化因素，提出预测结果。为了避免成为“黑箱”，系统会展示参考的零部件等预测依据，让使用者能够充分理解并做出选择。
传统的需求预测系统是根据每个零部件过去12个月的出货量的平均值，并结合季节变化的系数进行预测的。然而，由于过于依赖过去的业绩，所以当发生销售上升等剧烈变化的趋势时，预测准确度便会降低。据该公司的估算，新系统的预测准确度提高了26%，可以减少13%为了防止供应延误而准备的安全库存。
生产技术中心的金子贵幸先生表示：“有强烈趋势的零部件更适合用AI预测。”然而，也有传统方式更精确的情况。因此采用了让使用者可以查看两种方式的预测误差并进行选择的混合方式。在传统系统预测的大约23000个零部件中，约有30%，即7500个零部件，选择了AI的预测。
未来，计划用气象数据训练AI等方式进一步提高预测准确度。
日文：福岛悠太、《日本产业新闻》、2023/5/31
中文：JST客观日本编辑部
