オルビス、機械学習で梱包サイズ最少化 年間約2000万円の配送費削減見込む

化粧品通販のオルビスは今春、機械学習でEC発送時の梱包サイズを最小化し、配送コスト削減を目指す実証実験を実施する。データサイエンスのDATAFULCTと協力し、2023年度中の導入を目指す。年間約2000万円の配送費削減が見込めるという。

DATAFULCTの機械学習サービスとデータプラットフォームを組み合わせ、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サイズを算出する。



実証実験開始前の効果検証では、1カ月分のデータをもとにシミュレーションを実施。本システムの導入で最大年間約2000万円の配送費削減の可能性があるとの結果を得た。

オルビスは通販向け出荷ラインにAGV（無人搬送ロボット）、直営店舗やBtoB向け出荷ラインに重量計を搭載したAMR（自律走行搬送ロボット）を導入。テクノロジーの活用によって物流システムの自動化と省人化を促進し、物流現場の負担軽減と物流基盤を持続可能な形で強化してきた。

さらなる効率化を目指す中で、実現可能性として着目したのが「梱包のダウンサイジング」だった。オルビスは商品サイズから梱包サイズを決定するシステムを使用してきたが、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。