EN|For AI companies無料で相談する
事例紹介

AIロボットの棚スキャンで、年1回の棚卸しを3日から1日未満に短縮した海外事例

2026年11月12日 更新

業界

提供企業

Simbe Robotics

米国・2014年設立

3日→1日未満

年1回の実地棚卸し

−92%

価格表示の誤り

−58%

管理可能な欠品

この記事の要点

  • ホームセンターの棚の点検を、カメラで棚を撮影する自律走行ロボットに置き換え
  • 年1回の実地棚卸しは3日から1日未満に、価格表示の誤りは92%減
  • 2店での検証から3か月で全8店に展開(提供元の公表値)
商品が並ぶ小売店の売場の通路
写真はイメージ(小売店の売場の通路。本事例の現場ではありません)。写真:Bdx/Wikimedia Commons(CC0)

導入企業と課題

HomeBase の事例の要約。年1回の実地棚卸しが3日から1日未満、価格表示の誤り92%減、管理可能な欠品58%減
図1 事例の要約(数値は提供元の公表値)

導入企業は、McLiney’s が運営する米国の地域のホームセンター HomeBase です。テキサス・ワイオミング・カンザス・ミズーリの各州に8店を構えています。季節商品・金物・日用品など品目の多い大型店です。

導入前は、店員が通路を歩いて、価格表示と棚の在庫を確認していました。

  • 点検の抜け:手作業の確認では、売場全体を一定の頻度で見ることが難しく、対応が後手に回っていました
  • 見えない欠品:価格表示の不一致、在庫の記録上はあるのに棚にない商品(ファントム在庫)、欠品は、客の買い物に影響が出てから見つかることが多くありました

HomeBase は、全店で棚の状態をリアルタイムに把握し、店ごとの作業の質をそろえることを目指しました。

ソリューションの概要

Tally と Store Intelligence の仕組み。棚の撮影、画像認識で検出、作業の一覧、店員が毎日対応の4段階
図2 Tally と Store Intelligence の仕組み

米国の Simbe Robotics(2014年設立)の棚スキャンロボット Tally と、そのデータを使う Store Intelligence を導入しました。

  • 棚の撮影と画像認識:店内を自律走行し、カメラで棚を撮影します。画像認識(Simbe Vision)で、商品と棚の状態を読み取ります
  • 異常の検出:欠品、価格表示の誤り、置き場所の違う商品を見つけます
  • 作業の指示:検出した問題を、優先順位を付けた作業の一覧として、モバイルアプリ(Simbe Mobile)や報告書で店員に渡します

提供元の製品ページによれば、Tally は十数台の高解像度のカメラを備え、1日に複数回、棚の状態を撮影します。多数のセンサーで、客の多い売場を安全に走行します。

導入プロセス

  • 検証:2店で技術の検証(proof of technology)を行いました。最初の数週間で、それまで見つからなかった価格の不一致やファントム在庫が見えるようになりました
  • 経営主導の定着:経営層が、店の作業の改善は自社の責任と位置づけました。全店に期待する行動を示し、導入の目的を繰り返し伝えました。店ごとの成績を報告書で共有し、店員は毎日、報告書に沿って対応しました
  • 紙の作業の廃止:店員に専用の端末を配り、モバイルアプリでの作業に切り替えて、紙の作業をなくしました
  • 展開:2店から全8店へ、3か月で広げました

導入効果

HomeBase の導入効果。価格表示の誤り92%減、管理可能な欠品58%減、欠品率1%未満、年1回の実地棚卸し3日から1日未満
図3 HomeBase の導入効果
表1 導入効果
指標 効果
価格表示の誤り 92%削減
管理可能な欠品 58%削減
欠品率(全体) 1%未満
年1回の実地棚卸し 3日 → 1日未満

「管理可能な欠品」は、店内に在庫があるのに棚にない商品を指します(提供元の定義)。仕入れの問題ではなく、店の作業で解消できる欠品です。

Tally を使う店では、年1回の実地棚卸しが短い時間で終わり、差異も少なかったとされています。提供元は、日々の在庫の正確さが上がったためと説明しています。店員の仕事は、時間のかかる手作業の点検から、作業の一覧に沿った対応に変わりました。

店長の Tim Blakesley 氏は、次のように述べています(訳)。

問題を探すことに時間を使う代わりに、毎日、どこに力を入れればよいかが分かった状態で始められます。客への対応に使える時間が増え、店員の仕事も楽になります。

数値は提供元(Simbe Robotics)が公表した事例の値で、導入前との比較です。提供元は、検証の段階で在庫を減らしながら売上が伸びた兆候も記していますが、数値がないため本稿では扱いません。カメラの台数・撮影の回数は、提供元の現在の製品ページの記述です。

日本の店舗への適用に向けた検討事項

  • 効果の試算:年1回の実地棚卸しの延べの作業時間、価格表示の誤りの件数、欠品の件数を現状で把握すれば、効果を試算できます
  • 売場の条件:通路の幅、什器の高さ、混雑の時間帯に対し、走行と撮影が成り立つかを、試験で確認します
  • 作業の仕組み:本事例の効果は、検出した問題に毎日対応する体制によるところが大きいとされます。報告書を誰が見て、誰が直すかを、導入前に定めておきます
  • 基幹システムとの連携:在庫・価格のデータと照合するため、店の基幹システムとのデータの連携を確認します

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
  • 倉庫と店舗の棚卸しを、ドローンと自律走行のスキャンロボットで自動化した4事例(IKEA・MSI Surfaces・ODW Logistics・NFI):事例を読む

出典

効果は提供元の公表値で、同等の効果を保証するものではありません。

海外AI・DXマッチング

店舗の棚卸し・在庫確認の自動化を、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。