日立・ヤマトも大注目…日本人のシリコンバレー連続起業家が挑む「物流AI革命」の正体

シリコンバレー連続起業家の正体

　LeeapLabs（リープ・ラボ）の代表を務める鈴木智之氏は、2006年に渡米して以来、米国シリコンバレーに20年にわたって在住し、直近の約10年間は一貫してAI領域の事業開発に取り組んできた連続起業家（シリアルアントレプレナー）である。

　鈴木氏の技術的専門領域は、インフォメーション・リトリーバルと呼ばれる情報検索技術である。グーグルが上場した当時は、ディープラーニングによる画像解析などが台頭する以前の時代であり、世界の技術トレンドの中心は検索技術や、Amazon・YouTubeに代表されるレコメンデーションシステムであった。

　検索とレコメンデーションは技術的に表裏一体であり、共通する技術要素が多い。鈴木氏はこの領域で自然言語処理にも深く携わり、高度なAI技術の知見を蓄積してきた。

　この巨大なデータ群に対する情報検索やデータ解析における深いバックグラウンドこそが、物理空間における複雑なデータのシミュレーションや最適化モデルを構築する同氏の強みとなっている。

日立も大注目した「倉庫最適化」技術を開発

　鈴木氏はLeeapLabsを創業する前、最初の起業としてDatumix（データミックス）という会社を立ち上げ、約8年間にわたり経営。物流に関する知識がまったくない状態から3年間もがきながら現場のオペレーションを学び、倉庫管理システム（WMS）や各種制御機器から取得できるデータを活用したシミュレーションおよび最適化ソリューションを構築した。


　倉庫内のオペレーションにおける最大の課題は、入出荷の忙しさに激しい波がある波動だ。この波動を吸収するには、人と自動化機器・搬送ロボットの処理能力やタイミングを合わせる必要がある。鈴木氏はこれらをシミュレーションによって同期させることで、忙しさを平準化し、全体の作業時間を短縮、大幅なコスト削減につなげた。

　また、棚のロケーション配置や出荷経路の最適化においては独自の特許技術を取得。従来、どの棚にどの製品を置くかは現場の長年の経験則に依存していた。だが過去の出荷実績データに基づくABC分析により、頻繁に出荷されるA品を作業場所の近くに、出荷頻度の低いC品を奥へという従来型から、A～Cのカテゴリ数を無制限に多く、かつ季節性（例：夏にはよく売れるが冬には売れない）や共起性（例：ノートとペン、や鉛筆と消しゴム）を考慮できる機械学習拡張によるグラデーション状に配置するアルゴリズムを開発した。

　シャープとの共同実証実験（PoC）においては、倉庫内のデータをAPI経由で処理した結果、作業員の歩行距離および自律走行搬送ロボット（AMR）の移動距離を約20％削減することに成功。これは、たとえば9時から17時まで（休憩なしで）かかっていた業務を、15時までに終わらせるほどの劇的な効率化を意味する。この特許技術の発表を契機に、ヤマト運輸の本社からも声がかかり、協業の議論が始まった。

　さらに、出庫時の最適な経路設定や、複数のAIフォークリフトおよび搬送ロボットの制御最適化でも実績を残した。日立製作所とのPoCにおいては、AIフォークリフト3台に対する最適なパレット搬送タスクの割り当てを実施。

　フォークリフト同士が近接することで発生する待機ロス（デッドロック）を回避するため、事前学習でリアルタイムにタスクの順序を並び替え、稼働効率を最大化させた。この制御シミュレーションにおいても、同様に業務時間を大幅に短縮する成果を得ている。


　こうしたDatumixの取り組みは海外からも評価された。2020年には、オーストリアに本社を置くデータサイエンス企業のStartUs Insightsが、物流・サプライチェーン領域でデジタルツインやAIを手掛ける世界のスタートアップ135社を分析。その中から有望な4社のうちの1社として、Datumixを選出した。

　倉庫技術を探索していた日立製作所が、この英語の選出記事を発見し、Datumixに日本子会社（Datumix Japan）があることを知って連絡を取ったことが接点となり、日立製作所、そして日立物流（現ロジスティード）を交えた5年間に及ぶ3社共同プロジェクトへと発展した。 【次ページ】ヤマトやシャープらも参加した「次なる挑戦」