エグゼクティブ・サマリー
- 倉庫（物流センター）のコストの大半は人件費であるにもかかわらず、多くの現場では「誰が・どの作業に・何時間かけたか」を作業単位で数値化できておらず、人時生産性（1人時当たりの処理件数）が勘と経験で語られている（目安。業種・取扱品目で変動）。
- WMS（倉庫管理システム）を導入していても、在庫データ・作業実績データ・人員配置データが別システムに分断され、「棚卸差異はなぜ起きたか」「繁忙期の残業はどの工程で発生したか」を突き止めるのに数日を要する企業が多い。
- 庫内生産性の本質は、ピッキング速度という単一指標ではなく、在庫精度×人時生産性×スペース効率を同時に引き上げる多変数の問題である。どれか一つだけを追うと他が悪化する典型的なトレードオフ構造を持つ。
- 改善の出発点は高度なWMSやロボットの導入ではなく、「ロケーション」「SKU（品目）」「作業者」「時間」の4軸でデータを串刺しできる基盤を作ることにある。この基盤がなければ、どれほど高機能なWMSやマテハン機器を入れても改善の打ち手が見えない。
- 本稿では、倉庫データ基盤に必要な設計を「4つの軸」「4段階の成熟度モデル」「フェーズ別ロードマップ」に整理し、人時生産性改善のインパクトを逆算例で示す。Orchestrixはビジネス・ソリューション・テクニカル・AIの4アーキテクトを一気通貫で供給し、庫内オペレーションをデータ基盤と改善サイクルに翻訳する。
背景・問題提起——倉庫はなぜ「開けてみないと分からない」ままなのか
物流センターの所長に「先月の人時生産性は何ケース/人時でしたか」と聞くと、即答できないことが多い。日報は存在し、入出庫数量も把握しているが、それを「投入した作業時間」で割った生産性指標として日次・工程別に追えている現場は限られる。一方で、人件費・派遣費・時間外手当は月次で確実に計上され、経理上は明確な数字として経営会議に上がってくる。ここでも配車と同じ構造的ねじれが存在する——コストは見えているが、コストを生んでいる作業の中身は見えていない。
この背景には、倉庫特有の三つの要因がある。第一に、庫内作業は入荷検品・棚入れ・ピッキング・梱包・出荷仕分けという複数工程に分かれ、同じ作業者が日中に複数工程を掛け持ちすることが珍しくない。工程ごとの人時を正確に切り分けて記録する文化・仕組みがなければ、「どの工程が非効率なのか」を特定できない。
第二に、WMSは在庫の入出庫トランザクションを記録することには長けているが、多くの標準的なWMSは「誰が何分かけてこのピッキングをしたか」という作業者単位・時間単位の実績データを標準機能として持たない、あるいは持っていても活用されていない。ハンディターミナルのログには実は多くの情報が眠っているが、それを人時生産性の分析に使える形に加工するプロセスが存在しない現場が大半である。
第三に、繁忙期・閑散期の波動が大きい業種構造の中で、派遣・パート比率が高く、日によって投入労働力の質と量が変動する。この変動要因を無視して月次平均だけを見ていると、「なぜあの日だけ生産性が落ちたのか」を後から検証できない。