最大で年間2000万円程度の配送費削減可能性見込む
ビッグデータ解析などを手掛けるDATAFLUCT(データフラクト)は3月22日、ポーラ・オルビスグループで化粧品や健康食品、ボディウエアなどを手掛けるオルビスと連携し、機械学習でEC発送時の梱包サイズを最小化、配送コストを削減する実証実験を行うと発表した。
データフラクト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基に機械学習で最適な梱包材のサイズを算出。商品が破損しない範囲で梱包を最小のサイズにとどめ、配送コストを抑制できるかどうかを見極める予定。
実証実験開始前の効果検証では、1カ月分のデータを使ってシミュレーションした結果、新システムの導入で最大年間2000万円程度の配送費削減の可能性があるとの結果を得たという。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年中の本格導入を目指す。
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、先進技術の積極活用で物流システムの自動化・省人化を促進し、環境負荷と物流現場の負担を軽減するとともに、物流基盤を持続可能な形で強化することに努めてきた。
一段の効率化を目指す中で「梱包のダウンサイジング」に着目。オルビスは商品サイズから梱包サイズを決定するシステムを使用しており、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。
今回の取り組みでは、注文情報を生かし、商品の詰め方を考慮した機械学習モデルで最適な梱包サイズを判定、物流現場と連携することを想定している。自動で効率的に梱包し、配送コストの削減につなげる
将来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目指す。
(藤原秀行)※いずれもDAFAFLUCT提供