アスクルは、物流センターと補充倉庫間で在庫を移動する横持ち計画にAI（人工知能）を活用した需要予測モデルを導入し、全国物流拠点に展開を始めた。 ■ 商品横持ち指示作成工数が約75%、1日の入出庫作業が約30%削減 AI需要予測モデルは、アスクルの物流センターとその近郊にある補充倉庫間の商品横持ち指示に活用し、「いつ・どこからどこへ・何を・いくつ運ぶべきか」をAIが指示するもの。 従来は、物流センターや補充倉庫の担当者が経験や知見を生かして手作業で計画を立てていた。AI需要予測モデルを活用することにより、AIで予測した結果に基づいた商品横持ち指示が可能となり、需要予測精度が向上、作業工数の削減につながっているという。

商品横持ち計画の作成～横持ち作業のビフォー（上）とアフター（下）

また、需要予測の精度向上とシステム化で、これまでは管理が難しかったセンター内で保管していた賞味期限や使用期限がある商品を補充倉庫で保管できるようになり、センター内での商品移動削減につながった。

AI需要予測モデルを導入したALP横浜センターで得られた定量・定性結果は次の通り。 定量結果

AI需要予測モデル導入によって得られた結果について

1. 商品横持ち指示作成の工数：約75％/日削減 物流センターや補充倉庫の担当者が手運用で行っていた作業がAI需要予測モデルに置き換えられ、工数削減 2. 入出荷作業の工数：約30％/日削減 需要予測の精度向上で、臨時便の横持ち回数が減少。それに伴う入出荷作業の工数が減少 3. フォークリフト作業：約15％/日削減 賞味期限や使用期限のある「期限管理品」が以前は物流センター2階のスペースを占領し、スペース不足から一時的に上の階に移動させる作業が日常的に発生していた。 しかし、AI需要予測モデルの活用により、期限管理品を期限ごとに日次で細かく管理できるようになったことで、戦略的に補充倉庫で保管できるようになり、上の階に移動する頻度が減少。結果、作業時間の大幅な削減につながった。