AIモデリングサービス

USE CASES

段ボールの破損度判定

飲料が入った段ボールを配送する際、配送中に荷崩れなどが起きても商品の状況が外から判断しづらいため、段ボールが少しでも破損していると受け取りを拒否されるなど、トラブルが発生するケースがあります。また出荷時の目視によるチェックで基準内の商品を出荷不可と判断してしまうこともあり、大きな損失につながります。

これらの課題を解決するために、配達物の段ボール画像を過去の類似症例から破損度判定できるようにし、配達可否基準の標準化を実現できます。あいまいな判断がなくなり、お客様にも破損判断の根拠をお伝えすることでトラブルを防ぐことが可能です。

改善前

中身に破損がないにも関わらず、段ボールが破損していると配達物が受け取り拒否されるケースがある 。また配達可否の基準・判断が属人化している。

改善後

配達可否基準を標準化することが可能。業界を巻き込み、配達可否基準緩和の方向へ動き出すことにもつながる。

学習の入力データ

・段ボールの画像
・配達可否ラベル

アウトプット

・配達可否判定結果
・入力データと類似の画像を「配達NG候補」としてレコメンドして表示

課題

たとえ基準内であっても段ボールが破損していると顧客の受け取り拒否が起きてしまうほか、配送中の荷崩れを目視であいまいに判断してしまうと出荷可能なはずの商品まで出荷不可となってしまい、大きな損失がでることに。

工場での生産

倉庫員による目視での
段ボール品質確認

倉庫員の判断基準にばらつきがあり、決められない状況が発生。

配送業者が顧客先へ配達

配送時の顧客トラブル

ダンボール破損起因の受取拒否が発生。基準範囲内だと説明しても受け取ってくれない。

解決策

配達物の段ボール画像を、レコメンドエンジンによる過去の類似症例から破損度判定できるようにすることで、配達可否基準の標準化を実現。これまでのようなあいまいな判断がなくなり、配達物を受け取るお客様側にも、過去の類似症例に紐づいた根拠をお伝えすることで、納得感をもって受け取っていただけるようになります。
  
その結果、段ボールの破損起因での損失が大幅に減るだけでなく、破損の判断やトラブル対応に費やしていたコストも削減でき、さらに業界を巻き込む形で、配達可否基準緩和の方向へと動き出すことも可能となります。

工場での生産

タブレットで段ボールを撮影
AIの結果を人間が判断

倉庫員の判断基準の均一化。新人の学習コスト低下を図る。

配送業者が顧客先へ配達

配送時の顧客説得

顧客への説得時には過去の類似症例を提示。
また類似事例に紐づいた根拠を助言。納得感を持たせる。

ページTOPへ