エグゼクティブ・サマリ

センコーグループホールディングス株式会社(以下セン コーグループ)は、総合物流企業であり、その中の1事 業として、首都圏においてアパレル・通販物流を中心に 物流事業を展開しています。同社は、現在業務受託して いる顧客への物流サービスにおいて、各倉庫の作業人員 の手配効率化と実務担当者の負担 軽減を目的に、機 械学習による倉庫出荷量の予測に取り組み、高い予測 精度を達成しました。精度の高い出荷量予測によ り、より効率的に要員計画・手配が可能となりまし た。

チャレンジ

「各倉庫では出荷業務を管轄する実務担当者が出荷量 の予測を立て、それに基づき作業人員の手配を協力会 社に依頼していますが、予測が大きく外れることもあ り、その都度、追加の手配などで対処しています。ま た、実務担当者はお客様への対応や管理も重要な業務 であり、これら全てを高いレベルで維持するのが難し くなってきています。その一方で、働き方改革は国の 施策なので遵守しなければなりません。その両方を満 たすためには、様々な状況で、計画どおりに業務を終 了できるオプションを準備しておく必要があります」 と、段坂氏は話します。さらに、同社では、昨今の“働

き手不足”により、倉庫で物流作業を担う人員の手配は深 刻な課題となっていました。業務タスクを減らせない中 で顧客サービスのレベルを維持していこうとすれば、実 務担当者の業務の一部を何らかの手段で代替するほかあ りません。

H2O Driverless AIによる解決

同社では、出荷量予測のAI化に取り組みました。最初はR 言語を使い、そして、代表的なデータマイニングツール であるIBM SPSSを使い、知識と技術を蓄積していきまし た。しかしながら、どちらも現場で使用するには難易度 が高いと感じられました。さらに、同社が必要としたの は、多変量時系列予測であり、モデル構造は複雑で、特 徴量設計も考慮すると、その作成には多大な努力が必要 とされます。そこで、Driverless AIを使用しました。

「Driverless AIは難しい作業が全くありません。分析用デー タをインポートしたら、後はDriverless AIが特徴量設計、予 測手法の選択やチューニングなどを繰り返し、自動で複数 のモデルの中から最適なものを選択し、予測してくれま す。驚くことに、統計解析のモデル作成スキルに依存せず 精度の高い結果を出せるのです」と、段坂氏は話します。ま た、データ加工をSPSS、予測モデル作成・予測出力を Driverless AIとしたことでも、作業手順に明確さがもたらさ れました。

結果

センコーグループは以下の恩恵を得ることができました。

• 87%という高い予測精度が得られました。これは、 実際の運用の中で誤差も含めて『その範囲に収まれ ば問題なし』という割合が87%であることを意味 し、1カ月で30日間運用では、誤差範囲から外れるの は2、3日というレベルまで到達したのです。従来の 60%に比較し、大幅な改善となりました。
• これまでの予測期間1週間を1ヶ月に伸ばしても 尚、精度を維持され、より確実な要員確保も実現さ れたのです。
• 幅広い業務をこなす実務担当者の業務負荷を5%軽減 することが可能と試算されています。

センコーグループにおける次なる挑戦

今後、同社およびグループ内の各拠点を対象に導入範囲 を拡大していく計画ですが、これによって業務ルーチン が大きく変わる可能性があると段坂氏は話します。 「これまではノウハウと経験を頼りに予測を立てるまで の比重が高かった業務が、Driverless AIによって答えが出 た段階からスタートすることになります。担当者にとっ て時間的な余裕が生まれる分、予測が外れた際のオプ ションを充実させ、スムーズな対応を図れるようにして いきたいと思います」さらに、「仕事をいただいている ファッションメーカー各社様に対しても出荷量予測のノ ウハウ を活かしたサービスを提供していきたい」と展望 を語ります。

センコーグループにおけるユースケース

• 出荷量の予測
• 倉庫内作業員の要員計画ならびに要員確保
• 予測業務のAI化による倉庫実務担当者の実務負荷の軽減