ヤマト運輸は、業務量を予測する作業を効率化させるため、MLOps（機械学習オペレーション）の運用環境を構築した。これにより月次で手動実行していた機械学習のパイプラインを自動化した。構築を支援したエクサウィザーズが発表した。
MLOpsは、顧客の動作環境下にある機械学習モデルの継続運用を標準化・効率化することを目的とした、モデルの開発・実装から運用までのサイクルをいう。MLOpsは、ECベンチャーなどテクノロジー企業での導入事例はあるものの、大企業での導入としては今回の導入が先進的なケースになるという。
自動化された機械学習パイプラインの運用イメージ
ヤマト運輸は、約6500店ある宅急便センターの数カ月先の業務量を予測するため、機械学習モデルを毎月作成し、需要に応じた効率的な経営資源の最適配置とコスト適正化を推進している。
毎月運用する機械学習モデルは複数あり、月次トランザクションデータ／マスターのファイルの準備、設定ファイルの書き換え、プログラムの手動実行などが対象となっている。しかし、作業負荷が高い状態が続いた上に、事業部への予測結果報告までの運用スケジュールが短期的なため、機械学習モデルの再作成や予測の再分析が難しい課題も抱えていた。
エクサウィザーズはこうした課題を解決するため、月次で手動実行していたデータ抽出から前処理、学習、予測、評価など一連のプロセス（機械学習パイプライン）を自動化した。その結果、月次の機械学習モデルの運用が高速化し、余裕を持ったスケジュールでの運用が可能になった。
さらに、機械学習パイプラインの中で動くプログラムのテストも自動化でき、効率的な運用から開発までの月次サイクルを構築。これにより、機械学習モデルの運用が安定すると同時に、プログラムの継続的な機能開発及び機械学習モデルの精度改善が可能になった。
ヤマト運輸では、このMLOpsのプラットフォームとさまざまなデジタルサービスを組み合わせて機械学習の価値をビジネスに生かしていく方針だ。
