アスクルが物流センターと補充倉庫間の商品移動計画にAI需要予測モデルを活用

商品横持ち指示作成工数が約75%、1日の入出庫作業が約30%削減

AI需要予測モデルは、アスクルの物流センターとその近郊にある補充倉庫間の商品横持ち指示に活用し、「いつ・どこからどこへ・何を・いくつ運ぶべきか」をAIが指示するもの。

従来は、物流センターや補充倉庫の担当者が経験や知見を生かして手作業で計画を立てていた。AI需要予測モデルを活用することにより、AIで予測した結果に基づいた商品横持ち指示が可能となり、需要予測精度が向上、作業工数の削減につながっているという。

また、需要予測の精度向上とシステム化で、これまでは管理が難しかったセンター内で保管していた賞味期限や使用期限がある商品を補充倉庫で保管できるようになり、センター内での商品移動削減につながった。

AI需要予測モデルを導入したALP横浜センターで得られた定量・定性結果は次の通り。

定量結果

1. 商品横持ち指示作成の工数：約75％/日削減
   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、工数削減
2. 入出荷作業の工数：約30％/日削減
   需要予測の精度向上で、臨時便の横持ち回数が減少。それに伴う入出荷作業の工数が減少
3. フォークリフト作業：約15％/日削減
   賞味期限や使用期限のある「期限管理品」が以前は物流センター2階のスペースを占領し、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、AI需要予測モデルの活用により、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、戦略的に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。結果、作業時間の大幅な削減につながった。

定性結果

1. 商品の追加、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など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継ぎ作業の削減、サービスレベルの維持が可能となった

予測精度のばらつき、商品横持ち輸送が多発していた

従来までの予測方法は作業が属人的なため、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。

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る補充倉庫の追加、横持ち回数が増加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という。

そこで、AIの需要予測を用いたシステムを自社で開発。商品の横持ち計画においてAIで予測した需要予測に基づいた横持ち指示を出すことを可能にした。

この結果を受け、全国のアスクル物流拠点に展開を拡大していく。