最終更新日：2024-04-02
物流業界向けAI導入・活用事例17選！倉庫・配送・検品管理向けサービス紹介【2024年最新版】
2020年初頭から全世界に波及した感染症の拡大によって、世界経済は大きく減速し、物流業界においても大きな影響を与えました。
経済の減速により、国内外の貨物輸送量は減少傾向にあります。
一方で、国内における宅配市場は成長を続けており、これはネット販売の荷物取扱個数が大幅に増加したことによります。
通信販売を扱うEC事業者にとっては配送コストをできるだけ抑えたいため、中小事業者への委託が増加していますが、物流業界全体では運賃の値上げ、人手不足が大きな課題となっています。
物流業界で起きているさまざまな問題を解決するため、AI（人工知能）をはじめとしたテクノロジーを活用して課題解決や効率化を図ろうという動きが始まっています。
今回は倉庫業務やピッキング業務の効率化や配送ルートの最適化など物流業界のAI活用・導入事例を中心に紹介します。
AIを活用するメリットもわかりますので、開発やサービス導入を検討している方は、ぜひ最後までご覧ください。
物流業界に革命を起こすと言われているMaaS（Mobility as a Service）の導入事例についてはこちらの記事で分かりやすく解説しています。
AI Marketでは
目次
物流業界の問題・課題
具体的に物流業界において、近年問題や課題とされている事項をいくつか挙げながら、それぞれについて詳しく見ていきましょう。
長時間労働
厚生労働省の調査によると、トラックドライバーは他の産業平均と比較すると、年間所得が約1割〜2割ほど低いのに対して、年間労働時間は約2割ほど長いことが分かりました。
上図：物流を取り巻く動向と物流施策の現状についてトラックドライバーの労働環境 (p.15)から抜粋
長時間労働は社会問題として認知され、働き方改革の名の元に是正されるよう取り組みが進められています。
事故の防止や心身の健康の維持という観点からも、長時間労働の削減は、企業の健康経営にも大切な役割を果たすと理解されるようになりました。
再配達・受け取り拒否問題
宅配便を配達しても不在の家が多いことで再配達が増え、配達員の労働量が過剰になってしまうことが社会問題となりました。
宅配業者でも対策を進めたほか、宅配ボックスの普及や、受け取れる場所を増やすことにより改善の傾向は見られます。
2020年のコロナ禍による外出自粛によって再配達率は大幅に減少しました。
上図：国土交通省の報道発表資料、統計から独自に作成
しかしながら、まだまだ高い水準にあるため、再配達率を減らすための対策は必要です。
外出自粛が一部で解除されると、再び上昇に転じていることからも見て取ることができます。
積載率の低下
上図：物流を取り巻く動向と物流施策の現状について、統計から独自に作成
積載効率の低下の推移 (p.16)から抜粋
積載率は輸送効率の指標の一つで、許容積載量に対して実際の貨物量の割合で計算します。ここ10年では小口配送の時代になっていて、100kg未満の貨物量が70%から80%へと増加しました。
また1件あたりの出荷量も約25%小口化しています。これによって積載効率が直近では40%まで低下し、ドライバーの負担がより大きくなっているのです。
小口化によって、配送件数が増加し、配送・積込み・取卸しに時間がかかってしまいます。
配送は量よりも件数によって制約されるので、積載率が低下します。
また、空きがあっても運賃にならないので、小口化した貨物単価は高くなることになってしまいます。
宅配便だけでなく、企業間物流においても在庫を持たないように都度発注することが増え、小口化が進んでいます。
行き過ぎた多頻度小口化を見直し、出荷ロットを大きくしたり、配送回数を少なくするといった対策が必要となるでしょう。
ドライバーの高齢化
少子高齢化によって人手不足がどこの業界でも深刻ですが、ドライバーは特に若い成り手が減少していて、高齢化が顕著に進んでいることが実情です。
上図：物流を取り巻く動向と物流施策の現状について
道路貨物運送事業における労働力の状況(p.14) から抜粋
少子高齢化によって人手不足が見通されますが、ドライバーを中心に関係している人の年齢が高齢化しています。
また深夜勤務や長時間労働などの働き方も非常に問題点が多くあるので、若い人たちは敬遠しがちです。
また高齢になるにつれ、激務は事故の発生や心身の支障に大きな影響を及ぼすでしょう。
改善のためにも業務の効率化が早急に必要となります。
AI Marketでは
物流業界でAIを導入するメリットは？
先程の項目で物流業界においての課題や問題点を挙げました。それらの問題を解消していくために、AIを活用することのメリットを考えていきたいと思います。
正確な物流予測
蓄積した過去のデータを大量に分析することで物流量やピークタイミングの予測精度を上げることが可能です。
特に、過去の売上データや気象データなどの大量の時系列データは、AIによる機械学習と解析処理を用いることで最適な予測が可能です。
物流予測を正確に行うことにより、業務の効率化やコストの削減につなげることができます。
人による手作業の処理作業では困難なビッグデータでも、適切な機械学習モデルを用いることで、処理量と精度が飛躍的に向上します。
AIによる未来予測については「初心者向きAI予測分析完全解説！何ができる？導入事例・人気ツール」で分かりやすく解説しています。
需要予測による在庫の適正化
需要予測はどこにどれだけの在庫があり、消費者に供給するのかを、過去データや気象データなどさまざまな大量のデータを分析することです。
これまで一部のベテランの主観だけで予測していた需要動向をデータドリブンで判断できます。需要予測の基本的な説明・予測方法の種類についてはこちらで分かりやすく解説しています。
精度の高い需要予測によって、販売の機会損失による売上減少を防げますし、過剰な在庫を抱えてしまうリスクを防止可能です。
AIによる需要予測の基本的な導入方法、導入のメリット・デメリットについてはこちらで分かりやすく解説しています。
人員配置の最適化
物流センター作業人員シフトの最適化や、トラック輸送の人員配置を最適化することで、省人化や効率化が可能となり、長時間労働の是正につながります。ロボットやドローンを組み合わせて省人化、無人化を進めたり、トラック幹線輸送の無人化などにも応用できるでしょう。
様々な複雑な関連要素や制限条件が絡むシフト管理の最適化問題では、AIによる数理最適化が活用されています。数理最適化とは、ある目的関数を最大化または最小化するような解を求めることを目的とする数学的手法です。様々な制約があるなかで、その目的関数を最大化または最小化するような解を求めることが数理最適化の目的です。
AIによる数理最適化の仕組み、導入事例については、こちらの記事で分かりやすく解説していますので併せてご覧ください。
配送計画の最適化
自動走行システムを利用した高速道路のトラック走行の実証実験が進んでいます。
制約条件下での配車計画を自動立案して、台数やルートを効率化することが可能です。
交通量の予測に基づいて、渋滞予測や回避ルートの選定などの精度を向上させます。
配送計画を最適化することにより、効率的に物資の輸送が可能となり、長時間労働や無駄な配送を少なくすることができるでしょう。
検品作業の効率化
IoT技術によるモノをインターネットにつなげることで効率化を図ることが可能です。
商品にセンサーや通信機能を搭載して、状態や動作を確認したり、RFIDタグを用いた商品管理によって検品作業が効率化できます。
5G環境の整備が進むとともに、大容量データを扱えるようになり、画像認識による商品やラベルの高速検品が可能となります。
物流業界AI導入事例【倉庫業】
物流業界の中でも、倉庫業務に活用されているAIの開発事例を紹介します。開発背景や開発後の効果なども解説していきますので、ぜひご参考ください。
フォークリフトにAI判定システムを導入（サントリーロジスティクス／富士通）
参照：サントリーロジスティクス
サントリーロジスティクス株式会社と富士通株式会社は、2021年にフォークリフトの安全性を高めるAIシステムを開発しました。このAI判定システムは、フォークリストのドライブ映像データを活用しています。AIが乗務員の操作から、爪操作と走行状態を検知し、危険操作シーンを抽出・判定することに成功しました。
現時点ではリアルタイムに反映される映像の解析はまだ不可能です。しかしハード面の機能の向上により、近い将来はリアルタイムでの乗務員へのフィードバック・解析ができるようになると予想されています。
AIロボティクス導入で物流倉庫の省人化や効率化（日本通運／ラピュタロボティクス）
日本通運株式会社は、AIを活用したロボットで物流倉庫の省人化を進めています。
導入したラピュタロボティクス株式会社のAMR（自律協働型ピッキングロボット）の主な役割は、スタッフがピッキングした商品を受け取って、所定の場所へと運んだり、次のピッキング場所を指定することです
ラピュタロボティクスは、ロボットや制御システムを手掛けています。
物流業界の大きな課題として、人員確保が難しいこと、顧客満足を高めるために物流コストを下げざるを得ない状況があります。
課題解決のためには、現場の生産性を高め自動化や省人化を進めていかなければなりません。
日本通運では、AIロボティクスの導入で、ピッキング作業の効率化や生産性の向上、作業者の負担軽減の効果を見込んでいます。
AMRは倉庫内で人とすれ違う際には、センサーで感知して道をゆずるので狭い倉庫内でも制御可能です。
実証実験を経て、スピードアップ、作業の可視化など性能向上や機能追加も行っています。
ピッキング作業の効率化や生産性の向上、作業者の負担軽減の効果を確認できたということです。
倉庫業務効率化サービス（日立）
日立ではAI技術による倉庫業務効率化サービスを展開しています。
倉庫内のデータや作業実績、サプライチェーン全体の情報を分析・学習し、業務効率の改善へとつなげます。
生産性向上の施策の立案にAIを活用して物流倉庫内の商品配置の改善を目指します。
物流倉庫の作業状況のモニタリングや在庫の最適な配置の提案（GROUND）
GROUNDでは、倉庫の作業状況をリアルタイムでモニタリングしたり、最適な在庫の配置の提案をしたりして業務効率化を促すシステムを提供しています。
この「GWES」は、在庫の配置の提案や、作業状況のモニタリング、倉庫のレイアウトや動線をデジタル化する機能が備わっています。
今後は、従業員のシフトを提案する機能を開発する予定です。
スマホ撮影でAIが商品判別（NTC）
NTCでは、物流倉庫の業務を効率化するソリューションを開発しています。
スマホのカメラで商品を瞬時に判別し、入荷時や棚卸しなどにおける目視確認、データの手入力や、商品へのバーコードの貼り付けなどの人手による作業が削減可能です。
AI Marketでは
物流業界AI導入事例【検品業務】
物流業界の中でも、検品業務に活用されているAIの開発事例を紹介します。開発背景や開発後の効果なども解説していきますので、ぜひご参考ください。
OCR技術で商品ラベルの一括読み取り（Automagi）
Automagi株式会社は、商品のラベルに記載されている情報をスマホで一括で読み取るAIシステムを開発。事前のラベル毎の詳細設定は不要で、ラベルを撮影するだけと非常に容易。さらに、活字の読取精度は95％以上と、使用もとても簡単なのに高い質を担保しているのが魅力的です。
従来は、バーコードに登録されている情報を読み取ることは可能でしたが、登録されている情報は目視や手作業のチェックで行う必要がありました。それをAIのOCR技術を用いて一括読み取り・管理することによって業務効率を図ることが期待されます。
今後の展開として、読み取った情報が自動登録されるようにすることと、入出荷検品業務をより簡略化するような運用に貢献していきたいとありました。
物流の現場でも活用できるOCRの製品を比較しておすすめを紹介しています。あわせてご覧ください。
AI画像認識技術の自動検品で生産性向上と検品ミスのゼロを実現（NTTロジスコ）
株式会社NTTロジスコでは、AI画像認識技術を活用した自動検品システムの導入をしています。
NTTグループに属する同社は、撤去・回収したレンタルの通信機器の再利用のためのクリーニング・動作試験・再生品のセット化などのリファビッシュ業務を手掛けています。
リファビッシュ作業のうち、クリーニング済のレンタル機器本体および付属品の電源アダプターのセット化作業において自動検品システムを活用しています。
セットする電源アダプターにはバーコードなどの商品識別子が付与されていませんでした。
そのため、作業者が印字されている文字を目視で確認して物品コードを特定し、入力する必要がありました。
目視による誤判定防止のため複数個所での検品作業の必要があるのも課題で、属人化の脱却や作業量の削減を目指していました。
そこで、AIの画像認識を活用した自動検品システムを導入します。
機器本体の製造番号と電源アダプターの物品コードを撮影した画像から、画像認識処理であるAI-OCRを活用してテキスト化します。
システム上で自動的に検品まで可能です。
1人当たりの処理台数の生産性が60%向上し、検品ミスは0%を達成しました。
熟練技術者に依存しない作業体制の確立も実現できたということです。
画像解析で検品を効率化（Automagi）
画像・映像解析AIを手掛けるAutomagiでは、画像解析技術を物流分野にも応用しています。
スマートフォンなどのカメラで撮影するだけで、対象の荷物の大きさを素早く計測できる技術を開発しました。
商品のパッケージ、タグを撮影することで商品名や型番などを認識して検品時間の削減をすることができる技術です。
画像認識で検品・安全管理の自動化や効率化（ARAYA）
ARAYAでは画像認識技術を活用した物流業向けのAIソリューションを提供しています。
画像認識技術を活用し、「検品」「安全管理」「作業の自動化」が事例として挙げられます。
検品は、製品に凹みやキズがないかを自動で確認します。
安全管理は、立ち入り禁止区域への侵入を検知したり、機械や車両などと人が接触しそうになったらアラームを出すなどが可能です。
作業の自動化は、資材の数量カウントや作業の服装チェックを自動で行えます。
物流業界AI導入事例【配送業務】
物流業界の中でも、検品業務に活用されているAIの開発事例を紹介します。開発背景や開発後の効果なども解説していきますので、ぜひご参考ください。
AIによる配送ルートの最適化（オプティマインド）
参照：Loogia公式サイト
株式会社オプティマインドは、配送ルートを最適化するサービス「Loogia（ルージア）」を開発しました。物量の増加によるドライバーの人材不足、業務最適化を図るため、配送ルート最適化のAIシステムです。配送員がどのようなルートを通って配送するか、どこに駐車するか等の可視化を実現しています。配送員のGPSや実績データを蓄積し分析することで、ルートを最適化できます。
すでに日本郵便や佐川急便、大手商社等がサービスを導入しています。Loogiaを導入してから、「走行時間が削減された」「人材不足の解消につながった」という効果を実感できている企業が多いようです。
AIによる配送網の設計で最適化（ファミリーマート）
コンビニエンスストア大手の株式会社ファミリーマートでは、AI技術を活用した配送ルート最適化に取り組んでいます。
店舗数の多いコンビニにおいて、商品の物流は生命線です。
特に弁当や惣菜類は、朝昼晩のピークの時間帯に十分な量を用意できるよう、決まった時間に正確に届けることが重要となります。
これまでルート作成には既製品のAIシステムを活用していましたが、精度が低かったために結局は人の経験と勘に頼らざるを得なかったということです。
届ける時間に遅れても早すぎても店舗の運営に支障が出てしまいます。
指定の時間より早く着きそうな場合には路肩などで待機せざるを得なくなり、配送効率が下がり、ドライバーにも負担になっていました。
そのため、効率的な商品配送を可能とするルートを提示できるAIの自社開発に踏み切りました。
効率配送を徹底させることで、エリアごとのトラック数を減らせるとし、輸送コストやCO2排出量の削減が可能と見込んでいます。
業務量予測で効率的な配車で経営資源の最適配置（ヤマト運輸）
ヤマト運輸株式会社では、全国の約6,500カ所ある配送センターそれぞれで荷物量を予測して、各センターでの人員やトラックの手配にAIを活用しています。
需要に応じた効率的な経営資源の適切な配分を最適化するため、毎月作成していたモデルを自動化しました。
AIのモデルは本番稼働させた後に精度が下がってしまうケースが見られます。
そこで、AIのモデルを継続的に改良する「MLOps」に取り組む企業が増えてきました。
ヤマト運輸でも、2021年11月に全国の配送センターの数ヶ月先の業務量の予測モデルの構築にMLOpsを導入しています。
MLOps運用環境を構築し、データ抽出から機械学習、予測に加えて、AIモデルのモニタリングや評価までを一連のプロセスとして自動化しました。
各センターでは、扱う荷物量に地域差や季節、曜日による変動が大きく、近年では大手ネット通販会社による期間限定セールなどで一時的に荷物量が急増するケースもあります。
MLOpsによって、AIモデルの運用にかかっていた作業時間を大幅に短縮し、プログラムの継続的な機能開発やAIモデルの精度改善を実現したということです。
AIや・IoTで現場データをリアルタイム収集（NEC）
NECでは、物流網全体の高度化、効率化の実現のために、AIやIoT技術を活用したソリューションを展開しています。
現場データをリアルタイムで収集し、見える化を実現させ、作業の淀みの解消、全体的な最適化への取り組みです。
3つの最適化「サプライチェーン」・「リソース」・「ルート」を実現するためにAIやIoTを活用します。
青果市場流通の物流改善の施策検討のAIによる動態分析支援（東京青果／ヘッドウォータース）
東京青果株式会社と株式会社ヘッドウォータースは、青果市場内の場内流通のAI動態分析に取り組んでいます。
株式会社ヘッドウォータースはAIソリューションの事業を手掛けています。
青果物の物流において、輸送ドライバー不足を背景に、大都市拠点市場へ出荷の集約が進み、東京青果が年間で取り扱う量は年々増加傾向にあります。
しかしながら、卸売場が狭く場内渋滞が頻発している課題がありました。
場内卸売場では、社員や仲卸業者の経験に基づいて工夫した場内交通の運用がされていました。しかし、指針は属人的で部分最適の行動となり、商品の滞留およびフォークリフト・ターレの動線混雑が発生していたということです。
全体最適の視点から、カメラで商品の配置およびフォークリフト・ターレの動線を撮影してAI動態分析を行い、最適化に向けた施策の検討を実施しました。
商品が最適に配置され、フォークリフト・ターレの動線も適切に確保されれば、商品探索・ピッキングなどの仲卸業者の荷引き時間が短縮されます。このことで、より多くの荷物を鮮度よく低コストで供給可能になるということです。
物流業界AI導入事例【その他業務】
物流業界の中で活用されているAIの開発事例を紹介します。開発背景や開発後の効果なども解説していきますので、ぜひご参考ください。
予測システムの開発による人員の最適化（ブレインパッド）
参照：株式会社ブレインパッド
株式会社ブレインパッドは、物流業務において必要となる人員の質と量を予測するための「予測システム」を開発しました。
この予測システムを導入した企業では、従来も人員配置計画の支援サービスはありました。しかし、業務の要件が明文化されていなかったり、既存のソフトウェアでは要件が十分でなかったり等が課題となり使用されていませんでした。
株式会社ブレインパッドは、予測モデルからのアウトプットデータをもとに予測システムを開発し、人員のコスト削減に成功しています。さらに、人員配置の最適化を図る機能も開発したため、業務のスピードアップや不要な業務の削減が可能になりました。
これらはAIによる需要予測の技術を用いて開発されています。
物流業界を含めて需要予測を得意とする開発会社を厳選して紹介していますので、ぜひご覧ください。
商品の需要予測AIで自動発注に活用（アクシアルリテイリング／アイテック）
スーパーマーケットの運営を手掛けるアクシアルリテイリング株式会社は、子会社でソフト開発を手掛けている株式会社アイテックと共同で、商品の需要予測のAIエンジン開発を進めています。
アクシアルでは物流センターに商品在庫を保管する機能を持つ方式を採用し、必要な商品を店舗に毎日供給できる強みを持ちます。
一方で、店舗では発注業務の負担が増えてしまう課題がありました。
特に、販売期間の短い日配商品についてのAIでの需要予測を活用した自動発注システムを構築しました。
これまでも統計解析型の需要予測システムを利用してきましたが、日配商品への適用は難しく、多くの情報を考慮した予測が行えるAI型の利用を進めていました。
天候など多くの情報から需要予測が可能な点が特徴で、適切な発注により、店舗の発注・商品補充の作業の効率化を進められます。
傘下のスーパーマーケットの全店舗で利用し、システム発注する自動発注率の割合は全体の8割を上回っています。
導入によって、発注作業にかける時間が半減したという効果が出たということです。
異常検知のAI導入で自動封函の質を向上（三井物産グローバルロジスティクス／シーエーシー）
参照：株式会社シーエーシー公式サイト
三井物産グローバルロジスティクス株式会社は、AIを活用して自動封函機で発生するトラブルに対策しています。
1時間に約4,000箱を自動封函機で処理しているため、不適切に処理されてそのまま発送されるというトラブルが稀に発生していました。
この課題を解決するために、株式会社シーエーシーと共同してAIモデルに必要なデータ収集から、アノテーション、パラメーターのチューニングを行ってAIモデルを開発しました。
後に、複数枚のAIモデルの判定結果を基に異常を検知する機能も搭載しました。
異常検知のアプリケーションを導入してからは、不適切な箱の自動封函が抑制され、作業の品質向上につながっています。
物流業界の異常検知システム開発に強い開発会社をこちらの記事で紹介していますのでご覧ください。
まとめ
長時間労働や人手不足によってこれ以上負担が大きくならないようにするためにも、AI技術を活用して、効率化・省人化・自動化がますます進んでいくでしょう。
今後もさまざまなソリューションが生まれてくることが見込まれますので、常にアンテナを張っておきましょう。
AI Marketでは
AI Marketの編集部です。AI Market編集部は、AI Marketへ寄せられた累計1,000件を超える開発相談経験を活かし、AI（人工知能）に関する技術や、製品・サービスなどの紹介記事を提供しています。ご興味をお持ちの製品やサービスがありましたら、ぜひご相談ください。
お電話で無料相談
WEBで無料相談
お問い合わせフォームへ