アスクルnews｜商品横持ち計画にAI活用の需要予測モデルを導入

(株)アスクル(東京都江東区、吉岡晃社長)は、物流センターと補充倉庫間の拠点間で商品輸送を行う横持ち計画にAIを活用した需要予測モデルを同社の全国物流拠点に導入した。商品横持ちとは、物流センターと補充倉庫間の商品の在庫移動のことを指す。

このAI需要予測モデルは、同社の「物流センター」とその近郊に位置する「補充倉庫」間で、｢いつ・どこからどこへ・何を・いくつ運ぶべきか」をAIが指示する。

従来は、物流センターや補充倉庫の担当者がこれまでの経験や知見をもとに、輸送する対象商品や商品数・輸送車両数等を指示する「横持ち計画」を作成し、物流センターや補充倉庫へ横持ち指示を出していた。この方法では、担当者によって予測精度にバラつきが生じ、緊急の商品横持ち輸送が頻繁に発生していたことが課題だった。また、手運用での商品横持ち計画作成は将来的に在庫商品の拡充によって補充倉庫の追加や横持ち回数の増加が発生した場合の運用に耐えきれないリスクも抱えていたことから、システム化による対策を講じることが急務となっていた。

AI 需要予測モデルを導入したことにより、属人的で担当者の経験と知見で成り立っていた商品横持ち計画作成がAIによってデータドリブンなプロセスに置き換わり、需要予測精度と作業効率が向上した。また、これまではセンター内で保管していた、管理の難しい賞味期限や使用期限のある「期限管理品」を補充倉庫で保管することが可能となり、センター内での商品の移動が削減された。

•定量効果
①商品横持ち指示作成の工数
物流センターや補充倉庫の担当者が手運用で行っていた作業が AI 需要予測モデルに置き換えられ、工数が1日当たり約 75％削減された。
②入出荷作業の工数
需要予測の精度向上により、臨時便の横持ち回数が減少した。それに伴う入出荷作業の工数が1日当たり約30％削減された。
③フォークリフト作業
以前は、賞味期限や使用期限のある「期限管理品」と呼ばれる商品が物流センター２階のスペースを占領していたため、スペース不足から一時的に上の階に移動させる作業が日常的に発生していた。しかし、今回のAI需要予測モデルの活用によって期限管理品を期限ごとに日次で細かく管理できるようになったことで、補充倉庫で保管できるようになり、上の階に移動する頻度が減少した。その結果、作業時間が1日当たり約15％削減された。

•定性効果
①商品の追加や在庫の積み増しを行う場合にも、商品横持ち指示作成工数が増加することがなくなった。
②補充倉庫の追加や変更等の環境変化にも柔軟に対応できるようになった。
③担当者変更による引き継ぎ作業の削減、サービスレベルの維持が可能となった。