スマートロジスティクス物流DX/物流AI
物流DXにおけるプランニングとロジスティクス向けテクノロジーのご紹介。

物流DXとは

機械化・デジタル化を通じて
物流のこれまでのあり方を変革すること

現在の日本の物流政策は、令和3年6月15日に閣議決定された「総合物流施策大綱(2021年~2025年度)」に沿って行われています。
人口減少・少子高齢化に伴う労働力不足の深刻化、新型コロナウイルス感染症の拡大に伴う環境の変化、AI・IoT等の最新技術の進化等、様々な変化が生じている現在、国土交通省は、次期総合物流施策大綱策定に向けて「物流DX」を基軸に検討をしているため、現在産業界からも注目を浴びています。

今まで「物流DX」は、物流業が各自でデジタル施策を行ってきましたが、会社や業界を横断した「ソフトの標準化」、「ハードの標準化」、「業務プロセスの標準化」が始まっており、サプライチェーン全体をデジタルで管理・可視化・把握しようという取り組みが進んでいます。

世界では、デジタルロジスティクス市場は2020年の174億ドルから2025年までに465億ドルへ成長し、年平均成長率CAGRは21.7%になります。中でもIoTデバイスから大量のデータを収集し、洞察を得るデータマネジメントとIoTアナリティクスは、大きな市場規模を維持すると予想されています。

物流DX事例マルチモビリティ
荷物外観
映像物体認識エッジAI

フォークリフトカメラからの
リアルタイムパレタイズ認識

物流倉庫シーンにおいて、デジタル化が進んでいない領域の一つに、「どの荷物を移動させているかのチェック」があります。 入出庫管理のデータ入力は、紙に書く、Excelに入力する、ハンディターミナルで読み取る、スマートフォンで読み取るなど、いずれも「ヒトが入力作業の為に時間をかける」ものでした。

当社では、独自の画像解析「SyncLect Detection」によって、荷物の映像外観判定AIによる取り組みを行っております。 フォークリフトに設置したカメラからパレットを照射し、ヒトが「どの荷物を積んでいるか」をAIにより判定することで、積載状況をリアルタイムにデジタル化します。
フォークリフトカメラは上に荷物を重ねていくと下側に積んだ荷物の外観が確認しづらくなる課題があり、積荷をリアルタイムでデータ化することでこの課題を解消できます。 フォークリフトによる積荷の上げ下ろしを随時データ化することで、 配送経路や配置場所の見直しなど業務の改善に役立てる事が可能です。
また、天井や壁に設置するカメラでは広い物流倉庫を網羅するのに「数」が必要になり、ハードウェアコストがかかり過ぎる為、モビリティ移動体やマテハンにカメラを装着する事で少ないカメラ数を実現し、パレット単位でデータ化する事で後工程による検品チェック作業も軽減させる事ができます。
インターネット回線が弱い環境でリアルタイム性を上げ複数モビリティによるカメラ解析を実現する為の技術として当社のエッジAI技術を利用しています。

pixta_70036686_S.jpg

自律飛行ドローンの自動棚卸

独自の荷物外観判定AIアルゴリズムをドローンカメラに搭載し、ドローンの自律飛行によって自動棚卸システムを構築しております。
自律飛行のベースは線を引いてその上を飛行するものではなく、センサー情報と画像情報から自己位置推定と自動位置補正を行っています。また、QRコードを読み取る形式は、倉庫アイテムの数を考えると準備そのものに負荷がかかり、運用に乗せづらい為、あえてコンピュータビジョン技術による外観から荷物判定を行っています。
映像で読み取った外観情報はWMS(Warehouse Management System:倉庫管理システム)とのデータ連携を自動で行い、自動カウントを実現。
自律飛行コースの設定は管理画面から設定を行う事も可能です。

pixta_74931395_S.jpg

MR型スマートグラスによる
ビジョン&ボイスピッキング

ビジョンピッキング(Vision Picking)とは、コンピュータビジョン技術を使ったピッキング作業の事で、ハンズフリーが求められる為、主にスマートグラスを用いて行われます。
ビジョンピッキングはDHLが実施したテストにおいて生産性が平均約15%向上し、オンボーディングとトレーニングの時間が半分になる事が示されています。
スマートグラスは、注文ピッキングの指示を視覚的に表示し、アイテムの場所とカートのどこに置く必要があるかに関する情報を提供。ピッカーを紙の指示から解放し、より効率的かつ快適に作業できるようにします。
更に当社ではボイスピッキングを掛け合わせて精度向上を図っております。
視覚の依存度を高める事は、中断したタスクに再び焦点を合わせたり、ヒューマンエラーの元となりえます。音声と画像によるマルチモーダルなMRスマートグラスであれば、エラーの可能性を防ぎ、直感的にピッキングを行う事ができます。

pixta_74187996_S.jpg

物流DX事例空きスペースと導線確保
インドアトラッキング
IoTアナリティクス

コンピュータビジョンとセンシングによる
スペースアナリティクス

ユーザは、スペースアナリティクスを利用することで、コンピュータビジョンによるオブジェクトの識別、ターレやフォークリフトのモーション認識とトラッキング、3Dセンシングによる測距、画像セグメンテーションのデータから利用頻度の高い空間スペース、活用されていない空間スペースのデータマイニングおよび分析を行います。 ビデオメタデータは抽出し識別、分類、インデックス化、データベース化、ビジネスインテリジェンス化を行う事で多角的な分析を可能にします。

これにより、どの積み込みドックが最も活動的であるか、どの通路が最も車両、機械、または歩行者の交通量を持っているかを確認できます。どの製品、または在庫品目が最も人気があるか、どの領域で交通渋滞とボトルネックが発生しているかを確認する事で、倉庫のレイアウトと在庫を計画し 、人間の観察ではなく統計に基づいてより適切な意思決定を行うことができます。

pixta_38868202_S.jpg

物流DX事例物流MaaS
データ基盤
AIコンポーネント

物流版MaaS
数理最適化による配車計画

MaaSは、旅行者と商品の両方を対象とした幅広い輸送サービスで顧客のニーズを満たすために、公共交通機関、タクシー、レンタカー、さらには乗車、車、自転車の共有など、最適な交通手段を手配するサービスです。 同様の技術領域を物流業界で活用する物流MaaSの取り組みを行っています。
まず第一弾として物流企業内のデータ活用があります。出荷予定表などのデータから配車計画を数理最適化で行う事により、ベテランの経験に依存する配車計画ナレッジを最短経路を計画する自動化に置き換えると言ったようなものが代表例となります。

また、物流企業内部に蓄積されたデータソースや位置情報と外部MaaS向けデータソースを取り込み、「AI予測サービス:SyncLect Forecast」を利用する事で運搬経路の最適な予測値をAPIで返すことも可能です。

pixta_75475399_S.jpg

当社のテクノロジーアセット

製・販・配を繋ぐ
マルチAIプラットフォーム

当社ではマルチAIプラットフォーム「SyncLect」を提供しており、製造業に対してデジタルスレッド対応、販売に対してスマートストア対応、物流に対してマルチモーダルデジタイゼーションをSyncLectで実装しています。
SyncLectは前提としてマイクロサービス型のアーキテクチャを採用している為、AIコンポーネント、IoTコンポーネント、エッジアプリケーション、データプラットフォーム化など部品化して資産化しており、外部のSaaSや社内システムとの連携、エンタープライズ向け対応など要求に併せて組立て実装を行っています。 部品化したコンポーネントは業界横断で利用する事ができ、ID/Pass発行でOEM販売する事も可能です。

pixta_73723696_S.jpg

AI時系列予測を実現する
自動機械学習 & MLOps

ECサイトの発展により物流に求められるスピードは日に日に増しているのが現状です。
そこで必要になるデジタル施策が「予測」であり、実際にAmazonも需要予測を立て物流スピードを上げています。
予め発注量、入出荷量を予測する事で、事前に適切な計画を立てるものですが、過去の受発注データを用いて機械学習による時系列予測を提供する事ができます。
自動機械学習は、AI時系列予測を実現する方法の1つで、データが揃っていれば、個別に学習モデルを構築する事なく自動で予測を立てる事ができ、比較的低コストに予測機能を用意する事ができます。
構築したAI学習モデルは機械学習運用(MLOps)により、柔軟に拡張追加ができ、マルチプラットフォーム化や既存システム連携を容易にすることができます。

pixta_60889558_S.jpg

IoTデバイスGPU上で動く
エッジ&軽量機械学習(TinyML)

IoTにおけるAI処理において、レスポンススピードや従量コスト面から、クラウドAIではなくエッジAIでの選択がデファクトスタンダードとなっています。
ところが高スペックでない安価なエッジデバイスでは映像解析などのAIに処理性能が追い付かない事が課題でした。
Tiny Machine Learning(Tiny ML)は、ディープラーニングネットワークを縮小して小さなハードウェアに適合させる機械学習の一種です。超低電力の組み込みデバイスとマイクロコントローラー用の組み込み機械学習フレームワークの導入によりAIを利用したIoTデバイスの展開が可能となります。

pixta_74728380_S.jpg

IoTヘッドレスCMS
コンポーネント

IoTのプロジェクトで必ずと言って良いほど、IoTデータ可視化・監視はセットになっています。

当社では、IoTによるデジタイゼーションが必要な場面において、高速レスポンスが必要なエッジアプリとデータの蓄積が必要なクラウドアプリの両方を提供しており、WebUIによる管理者向けダッシュボードコンポーネントを用意しております。 業界固有のアプリケーションテンプレート、デバイス毎エリア毎の一元管理、異常発生時の自動アラートなどが可能でAPIやWebhookによる外部サービスとの接続も容易に実現できます。

activity_sensing_image450S.jpg

LiDARやTOFセンサーによる
リアルタイム点群物体検知

よく測距で用いられるのがLiDAR(Light Detection And Ranging)と言うレーダーセンサーで自動運転に用いられ注目を浴びています。
TOF(Time of Flight)センサーはLiDARの小型化・安価版となっており、幅広い距離画像と詳細な距離情報を取得する事ができ、今後のセンシング活用の市場が広がっています。

レーダー測距機能は、自動地図生成や自律移動、位置推定、動作認識、1ミリメートル単位からの寸法測定にご利用いただく事ができます。

sensor_object_detector_case_image640_355S.jpg

リアルとデジタルを融合する
デジタルツイン

デジタルツイン(Digital Twin)とは、IoTにより現実世界のモノ、場所、プロセスなどデジタル上で表現・接続できる技術の総称です。
デジタルツインにより、製品のメンテナンスと修理の分野に革命をもたらし、信頼性を高め、運用コストを削減することで、経済的に大きな影響を与えます。 空間シミュレーションとデータ分析を組み合わせ、数百数千に及ぶセンシングデータをプロセスモデリング並び一元管理が可能で、映像解析AIアプリケーションアップデートがあれば、すぐにリモート修正・更新を行う事ができる他、エリアやデバイス毎に任意のIoTアプリケーションをノーコードで起動させる事ができます。

デジタルツインを詳しく見る

camera_image450_S.jpg