データサイエンスで企業と社会の課題を解決する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15%でサイズダウンを実現した。

本取り組みでは、同社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。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、人間には「梱包時に容易に取り入れられるサイズダウンの方法」。だが、一般的に発表されている論文や、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。本取り組みではこうした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した。

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い、注文のうち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することができた。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し、より精度の高い情報を担当者に共有。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ぶことができ、熟練度に左右されず全ての担当者が効率的に作業することができる。今後は、2023年度中に国内全てのEC発送時に本システムを活用することを目指し、配送コストの削減と担当者の負担軽減に繋げる。