DATAFLUCTは7月26日、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したと発表した。
＜機械学習による梱包サイズ最適化のイメージ＞
新たに開発した機械学習モデルでは、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もとに機械学習で最適な梱包材のサイズを算出。オルビスのEC商品特性を考慮し、アパレル商品の折り畳みや、袋の中の空気を抜くなど、梱包時に容易に実践できるサイズダウンの方法を含むモデルを作成することで、梱包サイズの最小化を実現する。
＜オルビスの物流拠点での梱包作業イメージ＞
2023年2月から6月にかけてオルビスの物流拠点で実施した同システムを用いた梱包業務の実証実験では、注文のうち約15％で梱包のサイズダウンを実現。本番環境では、梱包担当者の手元にあるディスプレイに「Perswell」で算出した最適な梱包サイズを表示し、より精度の高い情報を担当者に共有することで、さまざまなサイズが用意された梱包材から、迷うことなく最適サイズを選び、熟練度に左右されず全ての担当者が効率的に作業を行えるようになることを目指す。
これまでオルビスでは、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定しており、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。
今後は、2023年度中にオルビスのEC発送を行う全拠点で同システムの活用を目指し、配送コストの削減と担当者の負担軽減に繋げるとしている。
