GCPを活用した物流倉庫内の異常検知/Anomaly detection in distribution warehouse using GCP

Slide 1

Slide 1 text

三井　康行 GCP を活用した物流倉庫内の異常検知アスクル株式会社先端テクノロジー　主任研究員

Slide 2

Slide 2 text

自己紹介

Slide 3

Slide 3 text

自己紹介氏名：三井康行略歴：　2003 年 ~ 国内大手電機メーカー研究員テキスト音声合成等，音声言語処理の基礎研究　2016 年 10 月 ~ 現職現在のテーマ：　機械学習を用いた最適化　　在庫配置，配送，需要予測，etc. 　その他諸々（予知保全，データ基盤整備，庫内自動化，etc.）

Slide 4

Slide 4 text

アスクルのご紹介

Slide 5

Slide 5 text

事業概要 1993 年　事業所向け (BtoB) 通販事業開始 2012 年　個人消費者向け (BtoC) 通販事業開始　(LOHACO)

Slide 6

Slide 6 text

連結売上高の推移 FY2018 FY2010 FY2000 FY1994 (億円) 3,500 3,000 2,500 2,000 1,500 1,000 500

Slide 7

Slide 7 text

取扱商品 BtoB BtoC

Slide 8

Slide 8 text

アスクルの物流基盤

Slide 9

Slide 9 text

アスクルの物流倉庫における自動化

Slide 10

Slide 10 text

ASKUL Value Center 関西(AVC関西) 稼働開始：2018 年延床面積：約 5 万坪

Slide 11

Slide 11 text

ASKUL Value Center 関西(AVC関西) 稼働開始：2018 年延床面積：約 5 万坪コンセプト：人が歩かない物流センターコンベヤ長：20km 超自動化比率：約 80%

Slide 12

Slide 12 text

紹介動画（イベント時のみ再生）

Slide 13

Slide 13 text

自動化推進に伴う課題

Slide 14

Slide 14 text

膨大な量の設備 ● 24/7 のメンテナンス ○ 設備故障がお客様に直結 ○ サービスレベルの維持 ● 設備専門スタッフの現場常駐 ○ 特殊な技能を有する人材確保 ○ 全国に展開する倉庫「明日来る」のために

Slide 15

Slide 15 text

保全コスト ● 定期的なメンテナンス ○ 故障していない箇所も点検／交換対象 ○ コスト大予防保全の限界

Slide 16

Slide 16 text

予知保全への転換 ● 故障を事前に予測 ○ サービスレベルの維持 ○ 人員配置の適正化 ● 適切なタイミングで保全 ○ 保全コストの最適化

Slide 17

Slide 17 text

GCP を活用した異常検知

Slide 18

Slide 18 text

バーコードリーダー(BCR) ● バーコードを読み取る機械 ○ 段ボール ○ コンテナ ● 固定式

Slide 19

Slide 19 text

コンテナ

Slide 20

Slide 20 text

BCR の用途 ● バーコードの持つ情報 ○ 商品情報：倉庫管理システム(WMS)と連携 ● バーコード読取後の処理 ○ コンベア分岐部での進路決定 ○ 後工程への商品情報伝達

Slide 21

Slide 21 text

No Read Error ● BCR のエラー ○ バーコードの読取に失敗 ● 原因 ○ 高速移動 ○ バーコードの擦れ ○ 振動等による BCR 本体のズレ ○ BCRの異常（設定ミス，故障）

Slide 22

Slide 22 text

対応 ● エラー時の個別対応は困難 ○ 日常的に読取失敗が発生 ○ 少数回のエラーは様子見 ● 頻発する場合 ○ 点検 ○ 調整 ○ 交換主に事後対応エラー　　故障

Slide 23

Slide 23 text

事前把握は可能？ ● 倉庫内でのエラー確認は困難 ○ 数百台 @ AVC 関西 ○ エラー表示端末が倉庫内に点在 ○ 全件確認に数時間 ● 異常判断が困難 ○ 何回エラーを出したら異常？ ○ 徐々に／急に増えたら異常？従来設備では不可能

Slide 24

Slide 24 text

やりたかったこと 1. No Read Error の時系列変化が見たい！ 2. No Read Error が頻発する BCR をいち早く把握したい！

Slide 25

Slide 25 text

GCP の活用データ処理ログ蓄積見える化

Slide 26

Slide 26 text

データフロー設備稼働 log 確認点検処置

Slide 27

Slide 27 text

BigQuery によるデータ蓄積 ● 設備稼働ログを BigQuery に蓄積 ○ 全 BCR について ■ 正常通過回数 ■ No Read Error 回数 ● データ可用性を重視

Slide 28

Slide 28 text

Compute Engine によるデータ処理 1. Data Portal 用データ加工 ○ BigQuery + python(pandas + pandas_gbq) にて実装 ○ 一定期間毎のエラー率，エラー回数累計等を計算 2. Slack を用いたアラート発報 ○ 1 日1 回アラートを発報 ○ 対話形式で対応済機器を登録

Slide 29

Slide 29 text

Slack 画面イメージ（アラート時）日付 BCR位置 NR率 NR回数通過回数 20190701 3F_A_GTP_15_S 1.09 20 1809 20190701 4F_C_GTP_03_S 3.56 98 2756 20190701 3F_A_GTP_IN_A1_E 2.53 25 987 2019年7月1日分のBCR No Readアラートをお知らせします。 AVCK_bot アプリ 10:15 過去5日間で　「3F_A_GTP_15_S」が3回【 2019/06/29 対応済】　「4F_C_GTP_03_S」が2回それぞれ閾値を超えています。送信＋

Slide 30

Slide 30 text

Slack 画面イメージ（対応時）送信＋過去5日間で　「3F_A_GTP_15_S」が3回【 2019/07/01 対応済】　「4F_C_GTP_03_S」が2回それぞれ閾値を超えています。

Slide 31

Slide 31 text

Slack 画面イメージ（対応時）送信＋ 4F_C_GTP_03_S 対応完了 @AVCK_bot 過去5日間で　「3F_A_GTP_15_S」が3回【 2019/07/01 対応済】　「4F_C_GTP_03_S」が2回それぞれ閾値を超えています。

Slide 32

Slide 32 text

Slack 画面イメージ（対応時） 4F_C_GTP_03_S 対応完了三井_yasuyuki_mitsui 12:30 送信＋過去5日間で　「3F_A_GTP_15_S」が3回【 2019/07/01 対応済】　「4F_C_GTP_03_S」が2回それぞれ閾値を超えています。 @AVCK_bot

Slide 33

Slide 33 text

Slack 画面イメージ（対応時）三井_yasuyuki_mitsui 12:30 @yasuyuki_mitsui: 　「4F_C_GTP_03_S」を対応済リストに登録しました。送信＋アプリ AVCK_bot 12:30 過去5日間で　「3F_A_GTP_15_S」が3回【 2019/07/01 対応済】　「4F_C_GTP_03_S」が2回それぞれ閾値を超えています。 4F_C_GTP_03_S 対応完了 @AVCK_bot

Slide 34

Slide 34 text

Data Portal によるグラフ化 ● BigQuery に蓄積されたデータをグラフ化 ○ No Read Error 率を時系列可視化 ○ Error 率の推移を確認 ● 現場スタッフによる UI 利用 ○ 対象 BCR のフィルタリング ○ 表示期間指定

Slide 35

Slide 35 text

Data Portal によるグラフ化の例

Slide 36

Slide 36 text

Data Portal によるグラフ化の例 ● 直感的で分かりやすい UI ● BigQuery と連動してグラフが自動更新

Slide 37

Slide 37 text

現場からの声 ● 「エラーが頻発している BCR をいち早く把握することで重大な問題に発展する前に対応できるようになった」 ● 「エラー多発の要因分析ができるようになった」 ● 「他の機器にも展開したい」

Slide 38

Slide 38 text

おわりに

Slide 39

Slide 39 text

今後の展開 ● 予知保全の実現へ ○ No Read Error 傾向と現場対応実績との相関分析 ○ 対応方針を推測 ○ 故障時期の予測 ● BCR 以外への設備への展開

Slide 40

Slide 40 text

GCPとの連携強化（予知保全以外） ● スタンドアロンなデータ同士の GCP 上で連携 ○ 在庫 ○ 売上 ○ 配送 ○ 販促　etc. ● 未来の姿：全てのデータを GCP 上で処理 ○ 分析 ○ 予測（機械学習）