全1828文字
機械学習（ML）モデルは本番稼働させた後、精度が下がっていくケースがある。そこでAI（人工知能）によるDX（デジタル変革）で先行する企業の間では、MLモデルを継続的に改良する「MLOps」に取り組むケースが相次いでいる。AIをビジネスに活用するうえでMLOpsは必須だ。
ヤマト運輸はMLモデルによって、全国に約6500カ所ある配送センターごとの荷物量を予測し、各センターの人員やトラックの手配に役立てている。2021年1月に本番導入し、現在は主に月次で新しいモデルを開発し更新している。MLOpsの基盤を構築してデータの前処理やトレーニングなどのプロセスを自動化することで、新モデルの開発・更新に要する工数を従来の数分の1に短縮したという。
図 ヤマト運輸が運用するMLモデルの概要
荷物量を予測し人員やトラックの手配を最適化（写真提供：ヤマト運輸）
[画像のクリックで拡大表示]
同社が配送センター経由で顧客に届ける荷物は2022年度で年間22.5億個に上る。各センターで扱う荷物量には地域差があり、季節や曜日による変動も大きい。さらに近年、大手ネット通販会社の期間限定セールなどで荷物量が急増するケースも顕著になっている。
従来は集荷や配達の実績データなどを基に人手で人員やトラックの手配を決めていたが、「担当者の経験と勘に頼る部分が大きかった」と中林紀彦執行役員DX推進担当は話す。MLモデルによって、経験と勘への依存から脱却しデータに基づいた経営を目指す。
