電力使用データから在宅可能性を予測し、不在配送の削減を目指す
スマートメーターの電力使用データから世帯の在宅可能性を予測し、配送先や訪問順の判断に使うAI技術。
株式会社JDSC 東京大学発 / 東京都 文京区 / 2018年設立
技術を使った製品・サービス AI 機械学習 スマートメーター 電力データ解析 在宅予測 物流最適化
上場 東証グロース市場に証券コード4418で上場し、2026年9月にも公式ニュースを公表しています。
実用化の段階
研究実証販売
横須賀市の150世帯で2020年10〜12月にフィールド実証を行い不在配送約20%減を発表したが、不在配送システム自体の販売開始は確認できなかった。
1製品
4提携・顧客
13特許
14出資者
しくみ
解こうとしている課題
受取人不在による再配達は、配送の追加負担や物流の非効率を生む。訪問時の在宅可能性を予測し、不在配送の削減を目指す。
どう動くか
家庭の電力使用データをAIで分析して在宅可能性を予測し、その予測を配送先やルートの判断に反映する。会社の説明では、カメラや人感センサーなど新たな機器の設置が不要。横須賀市の150世帯を対象にした2020年10〜12月の実証では、不在配送を約20%削減した一方、走行距離と稼働時間は増える傾向が確認された。
できるようになること
実証では不在配送が約20%減少した。普及すれば、宅配の再訪問を減らし、配送業務の効率化につながる可能性がある。会社は電力データによる在宅予測を、フレイル検知など別の用途にも展開している。
技術の出自:東京大学大学院の情報学環・工学系研究科に関連する研究グループとの連携から始まり、JDSC、佐川急便、横須賀市、グリッドデータバンク・ラボを含む産学官の共同研究・実証で開発。 出典1 出典2
使われる場面
- 宅配便の在宅予測と不在配送削減
- 配送先・配送ルートの最適化
- 電力データを用いた在宅予測技術の他用途展開
強み
会社は、既存のスマートメーターの電力データを使うため、在宅予測のための新たなセンサー設置が不要で、観測者・住民双方の負担を抑えられると説明している。 出典
横須賀市の150世帯を対象にした2020年10〜12月の実証で、不在配送を約20%削減したと会社が発表。走行距離と稼働時間は増加傾向だった。 出典
東京大学構内の2018年配送試験では、模擬条件下で配送成功率98%、不在配送91%減、総移動距離5%減と報告された。実際の配送条件がない理想環境での試験である。
会社の説明をもとにまとめた。大学や第三者によるものには、印を付けている。
製品・サービス
これまでの歩み 新しい順
2020-10
資金調達
シリーズB。26億円。スパークス・グループ株式会社、株式会社東京大学エッジキャピタルパートナーズ、ダイキン工業株式会社、中部電力株式会社、SMBCベンチャーキャピタル株式会社、みずほキャピタル株式会社 出典
提携先・顧客
特許
主な分野電力データ解析による判定・予測、情報処理、計算・計数(G06)、運搬・包装・貯蔵(B65)、信号(G08)
特許第6830298号/JP6830298B1「情報処理システム、情報処理装置、情報処理方法、及びプログラム」 Japan Data Science Consortium Co Ltd (JDSC) / 登録(Google Patents上で付与記録を確認) 出典
会社の規模
決算公告など、公表された数字だけ。
大学との関係
出資者(公開情報で確認できた14社)
株式会社トーハンエスエイティーティー株式会社ダイキン工業株式会社中部電力株式会社SCSK株式会社AZ-COM丸和ホールディングス株式会社ソフトバンク株式会社Deep30投資事業有限責任組合スパークス・グループ株式会社SMBCベンチャーキャピタル株式会社みずほキャピタル株式会社三菱UFJキャピタル株式会社株式会社東京大学エッジキャピタルパートナーズ学校法人駿河台学園
事業会社(CVCを含む) 7独立系VC 2銀行・金融機関系 3大学系(大学VC・大学) 1公的機関・財団 1
会社や出資者の発表から確認した。出資者の種類は、AIが社名から付けたもの。個人の株主は載せていない。出典を読んで、出資の記載があるかを確かめた。*は、出典のページを読めなかったか、判定が分かれたもの。融資や助成金は、出資者に含めていない。