化粧品のオルビス、梱包材や配送費の削減に向け最小梱包サイズを機械学習で算出

　化粧品メーカーのオルビスが開発したのは、EC（電子商取引）サイトで受注した商品の梱包サイズを最小にするための値を機械学習モデルを使って算出するシステム。梱包担当者の手元に置くディスプレイに表示し、担当者が適切なサイズの梱包材を選べるようにする。梱包材や配送にかかる費用の削減と、梱包担当者の負担の軽減を図るのが目的だ。

写真1：梱包担当者はディスプレーに表示される最適な梱包サイズに合う梱包材を選び梱包する

　梱包サイズは、商品データと出荷データ、梱包材の価格データから算出する。2023年2月から6月にかけて実施した実証実験では、注文の約15％において、従来の方法で算出した梱包サイズよりも小さなサイズで発送できたとしている。同システムを、国内すべての物流拠点に2023年度中に導入する計画だ。

　梱包サイズを算出するための機械学習モデルは、自動需要予測ツール「Perswell」（DATAFLUCT製）で学習し開発した（図1）。化粧品やボディウェアといた商品特性を考慮し、商品が破損しない範囲でサイズダウンができる方法を含むモデルを作成したとしている。学習用データは、データウェアハウス「AirLake」（同）に各データを連携させて用意した。

図1：機械学習により梱包サイズを最小にするための仕組みのイメージ

　梱包サイズを小さくするには一般に、アパレル商品を折り畳んだり袋の中の空気を抜いたりする方法ががある。オルビスはこれまで、現場の熟練担当者の判断、あるいは商品サイズから梱包サイズを判定するシステムを使って梱包サイズを決めていた。ただ、必要以上に大きな梱包材を使ってしまい、余分な配送費が発生するケースがあった。

　EC市場が拡大する中、エネルギーや原材料の価格上昇および労働力の減少による物流コストの高騰が見込まれている。オルビスは物流システムの自動化・省人化に向けて、通販向け出荷ラインへのAGV（無人搬送ロボット）の導入や、直営店舗とBtoB（対企業）向け出荷ラインへのAMR（自律走行搬送ロボット）の導入などにも取り組んでいるという。