配送費2000万円/年の削減可能性を見込むオルビスの施策とは？機械学習を使って梱包サイズを最小化する実証実験

オルビスは、発送時の梱包サイズを機械学習によって最小化し、配送コスト削減をめざす実証実験を実施する。

商品データ・出荷データ・梱包材の価格データを元に機械学習によって最適な梱包サイズを算出。物流現場と連携し、商品が破損しない範囲で梱包を最小化して配送コストの削減をめざす。従来は商品サイズから梱包箱のサイズを決定していた。

実証実験開始前の効果検証では、1か月分のデータを元にシミュレーションを実施、最大で年間約2000万円の配送費を削減できるという結果を確認した。

今後は物流現場で分析結果を活用する実地検証を始め、2023年中の本番導入をめざす。

実証実験は、データサイエンスで企業と社会の課題を解決するDATAFLUCTと実施する。DATAFLUCTの機械学習サービス「Perswell」とデータプラットフォーム「AirLake」を組み合わせ、オルビスの商品データ・出荷データ・梱包材の価格データを元に機械学習で最適な梱包材のサイズを算出する。

オルビスは通販向け出荷ラインにAGV（無人搬送ロボット）、直営店舗・BtoB向け出荷ラインに重量計を搭載した最新のAMR（自律走行搬送ロボット）を導入するなど、テククロジーの活用によって物流システムの自動化、省人化を促進している。

さらなる効率化をめざすなか、実現可能性があるとして着目したのが「梱包のダウンサイジング」だった。将来的には新たな配送方法への対応や、グループ共通の新たな梱包規格や梱包資材を作ることも検討し、より効率的な配送をめざしていく。