EN|For AI companies無料で相談する
事例紹介

棚卸しをドローンと自律走行ロボットで自動化した海外の4事例:IKEA・MSI Surfaces・ODW Logistics・NFI

2026年11月11日 更新

80%→99%

在庫の正確さ(MSI Surfaces)

数週間→24時間未満

倉庫全体の棚卸し(ODW)

−75%

循環棚卸しの時間(NFI)

この記事の要点

  • 棚卸しを、屋内を飛ぶドローンと、通路を走るスキャンロボットに置き換えた4事例(倉庫3件・店舗1件)
  • 在庫の正確さは約80%から99%に(MSI Surfaces)、倉庫全体の棚卸しは数週間から24時間未満に(ODW Logistics)
  • どの事例も、結果を在庫の記録(WMS)と毎日照合し、差異を直す運用とセット(提供元・導入企業の公表値)
高い棚のあいだの通路と、上段で作業する作業台
写真はイメージ(高い棚の上段で作業する倉庫。本事例の現場ではありません)。写真:Alza/Wikimedia Commons(パブリックドメイン)

この記事で取り上げる4事例

4事例の要約。IKEAはドローン100台、MSI Surfacesは在庫の正確さ80%から99%、ODW Logisticsは倉庫全体の棚卸しが数週間から24時間未満、NFIは循環棚卸しの時間75%減
図1 4事例の要約(数値は提供元・導入企業の公表値)

棚卸資産の管理のAI・DXの記事で整理したとおり、棚卸しを自動にする事例は、ドローン・自律走行のスキャンロボット・棚のカメラ・RFIDのロボットに分かれます。この記事では、RFIDタグを使わずに、ドローンとスキャンロボットで在庫を確かめる4事例を取り上げます。

表1 この記事で取り上げる4事例
導入企業 現場 提供企業 方式
IKEA(Ingka Group) 欧州7か国・16か所の IKEA Verity(スイス、2014年設立) ドローン
MSI Surfaces 米国の建材の卸の配送センター Corvus Robotics(米国、2017年設立) ドローン
ODW Logistics 米国の物流会社の倉庫 Dexory(英国、2015年設立) 自律走行のスキャンロボット
NFI 北米の物流会社(3PL)の倉庫 Gather AI(米国、2017年設立) ドローン

IKEA × Verity:営業時間外に100台のドローンが在庫を確認

IKEA × Verity。ドローン100台が16か所で稼働、パレットごとの手作業の確認が不要に
図2 IKEA × Verity の概要

導入企業と課題:IKEA の店舗を運営する Ingka Group は、店頭とオンラインの販売に向けて、在庫の正確さと商品の可用性を保つ必要がありました。従業員がパレットを1つずつ手で確かめる作業が負担になっていました。

ソリューション:Ingka Group と Inter IKEA Group のサプライチェーン開発チームが、スイスの Verity と共同で、完全自律の屋内ドローンの仕組みを開発しました。ドローンは店舗の営業時間外に飛び、在庫を確認します。

家具の店舗のセルフサービスの倉庫の通路と、高い棚
写真はイメージ(家具の店舗のセルフサービスの倉庫の通路。ドローンは写っていません。本事例の現場ではありません)。写真:W.carter/Wikimedia Commons(CC0)

導入の経緯と規模:

  • 2021年に IKEA スイスで最初のドローンが稼働しました
  • 2023年3月の発表の時点で、100台がベルギー・クロアチア・スロベニア・ドイツ・イタリア・オランダ・スイスの16か所で稼働しています

効果:従業員がパレットを1つずつ手で確かめる必要がなくなり、働きやすい職場につながったとされています。効果の数値は公表されていません。

MSI Surfaces × Corvus Robotics:在庫の正確さを約80%から99%に

MSI Surfaces × Corvus Robotics。在庫の正確さ80%から99%、回収した在庫約125万ドル、実地棚卸しは年1回から毎週
図3 MSI Surfaces × Corvus Robotics の主な効果

導入企業と課題:MSI Surfaces は、カウンタートップ・床材・タイルなどの建材の卸です。全米の配送センターで、次の課題がありました。

  • 手作業の棚卸し:拠点ごとに2〜4人が、循環棚卸しと実地棚卸しに専任で当たっていました
  • 在庫の正確さ:在庫の正確さは約80%にとどまり、見つからない商品を探すために出荷の作業から人を回すことがありました
  • 顧客への影響:在庫の紛失や置き違いで配送が遅れ、返品や不満につながっていました

ソリューション:Corvus Robotics の Corvus One を導入しました。

  • ドローンが、操縦者・ビーコン・標識なしで通路を自律で飛び、予備保管のパレットの位置を照合します
  • 毎日の飛行の結果は、在庫の管理のシステム(WMS)と直接同期し、日時つきの画像の記録として検索できます
  • 見つかった差異の約9割は、種類ごとに自動で分類されます。在庫の担当者は、棚を歩かずに、画面で差異を直せます

導入プロセス:カリフォルニア州オレンジの拠点から始め、全米の配送網に広げました。8つの州で稼働しています。提供元によれば、拠点は設置の初日から運用を始められます。

導入効果:

表2 MSI Surfaces × Corvus Robotics:在庫の正確さを約80%から99%に
指標 効果
在庫の正確さ 約80% → 99%
回収した在庫 約125万ドル相当(オレンジの拠点)
循環棚卸しの速さ 20倍(オレンジの拠点)
作業の再配置 拠点あたり年約11万ドル相当
実地棚卸しの頻度 年1回 → 毎週(自律の照合)

照合の範囲の全体を、2〜3日ごとに一巡できるようになりました(提供元の記載)。導入企業の業務の責任者は、次のように述べています(訳)。

以前は在庫の監査に人手を割いていました。いまはドローンがあり、大幅に時間を節約できています。

ODW Logistics × Dexory:倉庫全体の棚卸しを数週間から24時間未満に

ODW Logistics × Dexory。倉庫全体の在庫の監査が数週間から24時間未満、ピッキング前に在庫の問題を最大90%解消、業務への組み込み2週間
図4 ODW Logistics × Dexory の主な効果

導入企業と課題:米国の物流会社 ODW Logistics は、事業の拡大に伴い、複雑な倉庫の業務で在庫の正確さを高く保つことが、顧客の期待とサービス水準を満たすうえで重要になっていました。

  • 手作業の在庫の監査に、時間と人手がかかっていました
  • 在庫の正確さを、定期的にしか確かめられませんでした
  • 差異の発見が遅れ、業務とサービス水準に影響していました

ソリューション:Dexory の自律走行のスキャンロボットと、倉庫の情報を見せる DexoryView を導入しました。

  • ロボットが、日々の業務を止めずに、全通路・全ロケーションをスキャンします
  • スキャンの結果から、倉庫のデジタルツイン(倉庫の在庫の状態をそのまま写したデータ)を常に更新します
  • 在庫の担当者は、毎朝その結果を見て、差異を直します

導入プロセス:長年の取引先である物流機器の会社の紹介で導入し、2週間で業務に組み込みました。最初の導入の成果を受けて、拠点網に4台を追加で展開しています。

導入効果:

表3 ODW Logistics × Dexory:倉庫全体の棚卸しを数週間から24時間未満に
指標 効果
倉庫全体の在庫の監査 数週間 → 24時間未満
ピッキングの前に解消した在庫の問題 最大90%(ある事例)
業務への組み込み 2週間

導入企業の担当者は、次のように述べています(訳)。

以前は数週間かかっていたことが、いまは施設全体で24時間未満で済みます。

NFI × Gather AI:循環棚卸しの時間を75%減らし、範囲を3倍に

NFI × Gather AI。循環棚卸しの時間75%減、範囲3倍、WMSに記録のなかったパレット15枚超を発見
図5 NFI × Gather AI の主な効果

導入企業と課題:NFI は、北米の大手の物流会社(3PL)です。在庫が6か月で3〜4回転し、繁忙期には作業者が数人から200人超まで増える倉庫で、次の課題がありました。

  • 高所作業車を使った手作業の循環棚卸しは遅く、記録も不完全で、在庫の動きに追いつきませんでした
  • WMS の記録と実際の在庫がずれ、置き違えたパレットが何週間も見つかりませんでした

ソリューション:Gather AI のドローン(Gather AI Vision)を導入しました。

  • ドローンが、ピッキングの作業と並行して、自律でスキャンします
  • 作業者がその区画に入るときは飛行を止め、データを失わずに再開します
  • スキャンの結果は、リアルタイムで NFI の WMS に送られます

導入効果:

表4 NFI × Gather AI:循環棚卸しの時間を75%減らし、範囲を3倍に
指標 効果
循環棚卸しの時間 75%減
1回の循環棚卸しの範囲 3倍
スキャンしたロケーション 5万1,000
WMS に記録のなかったパレット 15枚超を発見
生産性 5倍(ドローン1台、5か月以内)

高所作業車に頼る作業が減り、機材と人件費も減りました。画像から、はみ出したパレットや落下物も事故の前に見つけられるようになりました。

4事例の比較と傾向

4事例の比較。方式・動かす時間・記録との照合・主な効果
図6 4事例の比較
表5 4事例の比較と傾向
導入企業 方式 動かす時間 記録との照合 主な効果
IKEA ドローン 営業時間外 公表なし パレットごとの手作業の確認が不要に
MSI Surfaces ドローン 毎日 WMS と直接同期 在庫の正確さ約80%から99%に
ODW Logistics スキャンロボット 日々の業務と並行 デジタルツインを毎朝確認 全体の監査が数週間から24時間未満に
NFI ドローン ピッキングと並行 WMS にリアルタイム 時間75%減・範囲3倍
  • 棚卸しは「年1回のまとめ」から「毎日の照合」へ:MSI Surfaces は実地棚卸しを年1回から毎週に、ODW Logistics は毎朝の差異の確認に変えました。数える作業が自動になり、差異を直す作業が日課になっています
  • 業務を止めない運用:IKEA は営業時間外に、ODW Logistics と NFI は日々の作業と並行して動かしています
  • 導入は短い:ODW Logistics は2週間で業務に組み込み、MSI Surfaces は設置の初日から運用を始められるとされています
  • ドローンかロボットか:高い棚の上段まで見るにはドローン、通路を走って全ロケーションを毎日スキャンするには自律走行のロボットが使われています。どちらも、在庫の記録(WMS)との照合までを一つの仕組みにしています

日本の企業が検討するときの準備

  • 現状の数値の把握:棚卸し1回の延べの作業時間・年間の回数・在庫の正確さ・在庫の差異の金額を把握すれば、効果を試算できます
  • 現場の条件:ラックの高さ、通路の幅、照明、営業時間・作業時間の中で飛ばせる・走らせる時間帯を確認します
  • WMS との連携:照合の結果を在庫の記録と突き合わせるため、WMS とのデータの連携が前提です
  • 差異を直す体制:どの事例も、見つかった差異を毎日直す担当と手順を決めています。導入前に、誰がいつ直すかを決めておきます

関連記事

  • 棚卸資産の管理のAI・DXを、海外の公開事例88件で整理した記事:記事を読む

出典

数値は提供元・導入企業が公表した値で、導入前との比較です。同等の効果を保証するものではありません。発言の訳は GAMATCH によるものです。

海外AI・DXマッチング

倉庫・店舗の棚卸しの自動化を、海外の候補から提案します

貴社の課題に合う海外AI・DXを、まずは無料でご提案します

課題をお聞きし、カタログから候補を選んで進め方をご提案します。