ASKUL在物流中心与补充仓库之间的库存横向调拨计划中引入了基于人工智能（AI）的需求预测模型，并开始在各地的物流据点部署。
商品横向调拨指示制作工时减少约75%，每日出入库作业量减少约30%
该AI需求预测模型应用于ASKUL物流中心与其周边补充仓库之间的商品横向调拨指示，由AI指示“何时、从何处运往何处、运送何种商品、运送多少数量”。
以往，物流中心或补充仓库的负责人依靠经验和知识手工制定计划。通过利用AI需求预测模型，能够基于AI预测结果发出商品横向调拨指示，从而提高了需求预测精度，并实现了工作工时的削减。
此外，随着需求预测精度的提高和系统化的推进，过去难以管理的在中心内保管的有保质期或使用期限的商品现在可以在补充仓库进行保管，从而减少了中心内的商品移动。
在引入AI需求预测模型的ALP横滨中心获得的定量和定性结果如下。
定量结果
- 商品横向调拨指示制作工时：约75%/日
物流中心和补充仓库中由人工操作完成的工作已被AI需求预测模型所取代，从而实现了工时的减少。 - 出入库作业工时：约30%/日
由于需求预测精度的提高，临时调拨的次数减少了，随之而来的出入库作业工时也相应减少。 - 叉车作业：约15%/日
具有保质期或使用期限的“期限管理品”以前占据了物流中心二楼的空间，因空间不足而频繁发生暂时将其移至楼上楼层的作业。
然而，通过应用AI需求预测模型，现在可以按日期对期限管理品进行细致的日常管理，使其能够战略性地储存在补充仓库中，从而减少了向上层转移的频率，最终大幅缩短了作业时间。
定性结果
- 即使在追加商品或增加库存的情况下，商品横向调拨指示的制作工时也不再增加
- 能够灵活应对补充仓库追加或变更等环境变化
- 实现了因负责人变更而减少交接作业，并维持了服务水平
预测精度存在波动，且频繁发生商品的横向调拨运输
以往的预测方法具有高度人为依赖性，导致不同负责人的预测精度出现差异，紧急的商品横向调拨运输频繁发生。
此外，手工进行商品横向调拨计划制定在未来面临风险，即随着库存商品的扩充需要追加补充仓库，以及横向调拨次数增加时，现有运营方式可能无法承受，因此亟需采取系统化对策。
为此，公司自主开发了基于AI需求预测的系统。在商品的横向调拨计划中，该系统能够根据AI预测的需求发出横向调拨指令。
基于这一成果，公司将把系统推广至全国范围内的Ascur物流基地。