JP Global Lighthouse Network 2025

迅 速 なカスタマイズを可 能とするプラッ トフォーム 気候に合わせてカスタマイズされたエアコンの需要に応え るため、中国のハイアールは、顧客の仕様 に基づく 設計上の性能をシミ ュ レーシ ョ ンする製品性能予測モデルを導入した。同社はその後、モデル に機械学習アルゴリ ズムを適用して最大限に活用。設計サイ クルタイムを 1 モデル当た り 49% 削減し、 プロ ト タイプの検証コス トを 77% 削減した52。 コス トパフォーマンスをシミ ュ レーシ ョンして設計リスクを低減し、 入札競争力を強化す る 中国の美的は「ワンク リ ッ ク」製品設定ツールを使用して、数百万通りの組み合わせから最もコス ト効果 の高い設定を特定。また、包括的なレポー トを生成する有限シミ ュ レーシ ョ ンアルゴリ ズムによ り 、設計 の製造可能性を自動検証するデジタル・プラ ッ ト フ ォームを開発し、従来は 1 日かかっていた製造組立の ための設計会議を 10 分に短縮した。このツールは、組み込み設計と特徴認識アルゴリ ズムを活用して、 新しいシミ ュ レーシ ョ ン設計を過去に記録した設計に関連付ける。これらの機能はすべて、同社内で開発 した PLM プラッ トフォームに統合されており、バリ ューチェーンのデータ全体のエコシステムにアクセス できるよ うになっている。これによ り 、品質を犠牲にするこ となく 市場投入までの時間を短縮し、コス ト 競争力を高めるこ とができる53。 インテリジェント ・ レジリエンスハブ による サプライチェーンのアジリティ向 上 3.2 新型コロナウイルス感染症のパンデミ ッ クは、多く の企業がサプライチ ェーンを見直すき っかけとなり 、 自社に記録的な混乱によるコス トを吸収する準備が どれほど整っていなかったかを認識する機会となっ た54。 しかし、ライ トハウスでは異なる。ライ トハ ウスの 85% はパンデミ ッ クの最中にも 10% 未満 の収益減にと どま ったが、他の製造業者では 14% のみであった55。 2020 年以降、 ライ トハウスはサプ ライヤーと顧客の接続性と統合計画を優先し、 レジリ エンスに重点を置いたユースケースを平均 5 件実施 している56。さ らに最近では、バリ ューチ ェーンが市場の変動に 晒される中、断片化され拡大する事業拠点の複雑 性を管理するためのソ リ ューシ ョ ンを成熟させつつ ある。需要予測のための機械学習「アンサンブル」 モデルや商品価格設定と調達安定化のための生成 AI などのソ リ ューシ ョ ンは、リ スク管理を一元化する 「レジリエンスハブ」が調整を行う こ とが多い。レジ リエンスハブは、サプライヤーから最終顧客に至る 各ノードの透明性を向上させ、混乱を乗り越えて業 務の継続とサプライチェーンのパフォーマンスを維 持するための統合的な意思決定を推進する。例 例ハイアール 美的製品の迅速なカスタマイズに対する需要の高ま りに 対応するため、厳しい要件、複雑な構成、小ロッ ト 生産を実現する必要がある。これに対応するため、 美的やハイアールなどの企業は、製品導入に関する作業や決定を現場で行う こ とができる集中型機能 やデジタルツールに投資し、新たな機会をつかむ ためのアジリテ ィ と対応力を向上させている。 製品のライフサイ クル全体にわたって統合された データプラ ッ ト フ ォームがあれば、貴重な情報を 初期設計段階にフ ィ ー ドバッ ク し、最適なコス トパ フ ォーマンスを確保するこ とができる。自動製品構 成や製造可能性検証プラ ッ ト フ ォームなど、統合された高度なデジタルツールを使用して製品ライフサ イ クル管理（PLM）システム内のアルゴリ ズムや過 去のデータを活用するこ とで、カスタマイズを合理 化し、検証時間を短縮して、複雑な設計要件であっ ても自信を持った応札が可能となる。 2020年以降、 ラ イト ハ ウス は サプライヤーと顧 客の コ ネクティビ ティと 統合計画を優先 し、 レジリエンスに 重 点を 置いた平均5つの ユースケースを 導 入 し て い る 。 グローバル・ライトハウス・ネットワーク： デジタルトランスフォーメーションのインパクトとスケールアップを推進するマインドセットの変化 27