クリスマスやお中元などの季節やヒット商品によって需要が大きく変動するインターネット通販や実店舗向けの物流倉庫。多数の作業者が集品指示書を手に倉庫内を歩き回り、様々な商品を棚から見つけては、カートに入れていく。
こうした集品作業では、注文データを基に業務システムから出される指示を従業員が受け、長年の経験や勘を生かして作業してきた。
そこにAIを導入して物流作業の効率を改善しようと考えたのが日立製作所だ。2015年1月にある企業の物流倉庫で、作業時間をどれだけ短縮できるのかを実証実験した。
AIに入力するのは、過去の集品作業の指示データと集品作業の実績データ。出力するのは、作業時刻と特定棚の混雑の相関関係を分析して導き出す集品作業の効率だ。この作業効率モデルを作業者に集品するカートを割り当てる業務システムに組み込み、様々な商品をカートに投入する順序を最適化する（図1）。
図1 人工知能の物流倉庫作業への応用
AIが膨大なデータを基に作業を効率化するための最適化を実施し、従業員に作業内容を指示する。
[画像のクリックで拡大表示]
その上で、AIによる最適化を反映させた集品指示書を発行。それに基づき、作業者は順番に棚を回り、商品をカートに入れる。物流倉庫では、特定の棚が混雑すると、一度に1人しか作業ができないため、次の人に待ち時間が発生して、作業効率が悪くなる。そこでAIが、同じ時間に同じ棚にいく人を分散させるように順番を入れ替える。
実証実験では、AIを使わない場合と比べて、平均で作業時間を8％短縮できた。シミュレーションでは、AIを使うと平均的な作業時間は26～36％短縮できるという結果が出た（図2）。だが、実証実験では業務現場のレイアウト等の制約があるため、シミュレーションほどの効率向上は実現できなかった。業務現場のレイアウトやワークフローなどをより踏み込んだ形で変革すれば、一層の効率改善が見込めそうだ。
図2 AIの学習効果
AIを使うシミュレーション。需要が大きく変動する時期でも効果が期待できる。
[画像のクリックで拡大表示]
