DATAFLUCTはオルビスと共同で、EC発送時の梱包サイズを最小化する機械学習モデルを開発。実証実験において、注文の約15%でサイズダウンを実現したと2023年7月26日に発表した。2023年度中にオルビスのEC発送を行う全拠点での本番導入を目指し、開発を進めるとしている。
ライフスタイルの変化などからEC市場が拡大する一方で、エネルギー価格や原材料価格の上昇や労働力減少により、物流コストは今後も高騰が見込まれる。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向け出荷ラインには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。物流システムの自動化や省人化を促進するための取り組みを行っている。
同社はさらなる効率化を目指す中で、梱包のサイズダウンに着目した。これまで同社では、現場の熟練担当者の判断や、商品サイズから梱包サイズを決定するシステムによって、梱包サイズを決めていた。そのため、必要なサイズよりも大きな梱包材を使い、余分な配送費が発生するケースがあった。
DATAFLUCTとオルビスは、商品が破損しない範囲で梱包サイズを最小化することで、配送コスト削減を目指す。それに向け、2023年2月から6月の間、機械学習による梱包サイズ最適化の実証実験を実施した。両社が実施した実証実験の詳細は次のとおり。
オルビスのEC商品特性を考慮した、独自の予測モデルを構築
ATAFLUCT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もとに機械学習で最適な梱包材のサイズを算出する。
アパレル商品の折り畳みや袋の中の空気を抜くなどの対応は、一般的に発表されている論文、実装されている箱詰めのアルゴリズムでは考慮されていない。本実験では、オルビスのEC商品特性を考慮し、こうした実践可能なサイズダウンの方法を含むモデルを作成。梱包サイズの最小化を実現した。
注文の約15%で梱包サイズがダウン
オルビスの物流拠点で本システムを活用して梱包業務を行った。その結果、注文のあった商品のうち14.96%で、従来の方法で算出した梱包サイズよりも小さいサイズで発送できた。
熟練度に左右されず、担当者が最適な梱包材を選べる
オルビスの物流拠点では、梱包担当者の手元のディスプレイに梱包サイズの情報を表示して、作業をサポートしている。本番環境では、Perswellで算出した最適な梱包サイズを表示。より精度の高い情報を担当者に共有する。熟練度に左右されず、担当者は様々なサイズの梱包材から最適サイズを選べる。
