センコーグループ（出荷量予測）のAI活用事例（物流・運輸／2024年）

企業規模大企業（1,000名〜）

地域日本

導入段階部門導入

使用ツールH2O Driverless AI、IBM SPSS

背景・課題

物流倉庫の人員配置は出荷量予測に基づいて行われるが、従来はR言語やIBM SPSSで予測モデルを構築しており、現場での活用難度が高かった。予測精度も60%程度にとどまり、過剰・過少な人員配置が発生していた。

H2O Driverless AIを導入し、分析データの加工をSPSSで実施、予測モデルの作成・出力をDriverless AIで行う体制を構築。操作性に優れたAutoMLツールにより、現場担当者でもモデル構築が可能に。

予測精度60%→87%に向上、予測期間を1週間→1ヶ月に延長

出荷量予測の精度が60%から87%に大幅向上し、月間30日運用で誤差範囲外は2～3日程度。予測期間も1週間から1ヶ月に延長しながら精度を維持。実務担当者の業務負荷を約5%削減でき、より確実な要員確保が可能に。

AutoMLツールの活用により、データサイエンスの専門知識がなくても高精度な予測モデルを構築可能。既存ツール（SPSS）との併用で段階的な移行を実現し、現場の抵抗を最小化した。