Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
DLLAB製造分科会 課題テーマ(株式会社ミスミグループ本社)
Search
akihiro
September 30, 2018
Technology
0
690
DLLAB製造分科会 課題テーマ(株式会社ミスミグループ本社)
DLLAB製造分科会 課題テーマ(株式会社ミスミグループ本社)
akihiro
September 30, 2018
Tweet
Share
More Decks by akihiro
See All by akihiro
DLLAB製造分科会パートナー企業向け参加説明会
nakihiro
0
550
DLLAB製造分科会 課題テーマ(トヨタ紡織株式会社)
nakihiro
1
580
Deep Learning Lab ご紹介
nakihiro
1
620
_DLLAB_分科会概要説明資料201808.pdf
nakihiro
1
580
Other Decks in Technology
See All in Technology
COVESA VSSによる車両データモデルの標準化とAWS IoT FleetWiseの活用
osawa
1
370
Snowflake Intelligenceにはこうやって立ち向かう!クラシルが考えるAI Readyなデータ基盤と活用のためのDataOps
gappy50
0
270
Aurora DSQLはサーバーレスアーキテクチャの常識を変えるのか
iwatatomoya
1
1.1k
テストを軸にした生き残り術
kworkdev
PRO
0
210
[ JAWS-UG 東京 CommunityBuilders Night #2 ]SlackとAmazon Q Developerで 運用効率化を模索する
sh_fk2
3
450
Create Ruby native extension gem with Go
sue445
0
100
大「個人開発サービス」時代に僕たちはどう生きるか
sotarok
20
10k
「全員プロダクトマネージャー」を実現する、Cursorによる仕様検討の自動運転
applism118
22
12k
普通のチームがスクラムを会得するたった一つの冴えたやり方 / the best way to scrum
okamototakuyasr2
0
110
20250913_JAWS_sysad_kobe
takuyay0ne
2
240
Claude Code でアプリ開発をオートパイロットにするためのTips集 Zennの場合 / Claude Code Tips in Zenn
wadayusuke
1
150
Generative AI Japan 第一回生成AI実践研究会「AI駆動開発の現在地──ブレイクスルーの鍵を握るのはデータ領域」
shisyu_gaku
0
320
Featured
See All Featured
Thoughts on Productivity
jonyablonski
70
4.8k
Let's Do A Bunch of Simple Stuff to Make Websites Faster
chriscoyier
507
140k
Building Better People: How to give real-time feedback that sticks.
wjessup
368
19k
Build your cross-platform service in a week with App Engine
jlugia
231
18k
Embracing the Ebb and Flow
colly
87
4.8k
Git: the NoSQL Database
bkeepers
PRO
431
66k
How to train your dragon (web standard)
notwaldorf
96
6.2k
Documentation Writing (for coders)
carmenintech
74
5k
The Illustrated Children's Guide to Kubernetes
chrisshort
48
50k
Mobile First: as difficult as doing things right
swwweet
224
9.9k
Keith and Marios Guide to Fast Websites
keithpitt
411
22k
Optimising Largest Contentful Paint
csswizardry
37
3.4k
Transcript
分科会での検討テーマ 株式会社ミスミグループ本社 DLラボ分科会資料 参加社限
1.会社紹介 参加社限 事業 • B2B「生産材プラットフォーム」 • メーカー事業(FA事業/金型部品事業) • 流通事業 事業特徴
• 少量多品種 • 2,070万点、800垓バリエーション (1垓=1兆 * 1億) • 3,324メーカー • 「確実短納期一個流し」 設立 1963年2月23日 売上高(連結) 312,969百万円※2018年3月期 従業員数(連結) 11,241名※2018年3月末日時点 株式会社ミスミグループ本社 「ものづくりの、明日を支える。」 ▼ECサイト「MiSUMi-VONA」https://jp.misumi-ec.com/
2.業務課題① 参加社限 数年前に廃番となったアイテムの構造化データが一部未整備、廃番品データを 活用した施策(代替品提案、顧客分析)を打ちきれない 構造化データになっていない廃番品情報は過去の紙カタログからの抽出が必要 構造化/ 半構造化 データ
過去の 紙カタログ 商品マスタ ECサイト 廃番… 廃番になった 商品情報抽出 代替品提案 ※廃番品検索時すべて 代替品提案※一部未対応 ASIS TOBE 今回検証したいエリア 複雑に並ぶ 複数の情報 通常の辞書には のりにくい文字列
2.業務課題① 課題名 概要 AIへの期待 カタログからの 商品情報抽出 • 過去の紙カタログから廃番品情 報を抽出し施策につなげたい •
紙カタログ内には複数の情報が 複雑に並ぶ • 通常の辞書にはのりにくい文字 列が含まれる • 紙カタログ内のページ種別の識別 • 商品ページ内情報エリアの識別 • 情報エリアごとに文字情報を抽出 • 情報種類に合わせた文字記号識別 主要データ 値 備考 商品紙カタログ • 1冊あたり数百~2千ページ前後 • 現行版12冊:デジタルデータ提供可能 • 過去版:現物(紙)提供可能 今回の検証時には、構造化デー タ整備されている現行版の利用 を考えています 構造化商品デー タ • 当社商品マスタ内の商品データ(精度 検証に用いるカテゴリ・商品に限る) 精度検証への利用を想定 参加社限
3.ベネフィット想定 参加社限 廃番品情報活用ケースおよび効果は以下を想定 1. ECサイト上で廃番品が検索された際に類似スペック代替品を提案 • 機会損失抑止 2. 廃番品を過去にご購入いただいた顧客の購買行動分析 •
マーケティング施策利用による売上向上
4.その他提供資料(カタログ例1) 参加社限
4.その他提供資料(カタログ例2) 参加社限