業務データ分析事例（サプライチェーン業務におけるデータ分析手法）

サプライチェーン業務のデータ分析

優れた物流倉庫システムを計画するには、明確で具体的なニーズを持つことが重要であり、ニーズはデータを使用して記述および定義できます。プロジェクトの主要データ（受領数量、出荷数量、在庫数量、分割数量、SKU など）。

01

商品の受領に関するデータ

商品の受領に関連するデータには、到着数量（箱）、注文数、車両の積載量、受領エリアのサイズ、受領作業時間、1日あたりに受領されるSKU数などが含まれます。

車両の積載量と荷降ろし時間は、車両サイズ、積載量など、プラットフォームの設計に大きな影響を与えます。一般的に、プラットフォームの数を詳細に計画するには、荷降ろしの方法と速度を分析する必要もあります。

多くの人は、高い点平均と算術平均がデザインに与える影響を十分に理解していません。簡単に言えば、1 年間 (または特定の期間) に受け取った商品の量を 1 年間 (または特定の期間) の実際の労働日数で割ると、1 日あたりの平均受取商品が算出されます。一年間で最も多くの商品入荷があった日が最大入荷量となります。

実際の設計では平均値で設計すると残業日数が多くなります。最大値を基準に設計すると、作業が不完全になったり、設備が遊休状態になったりする現象が発生します。したがって、設計では平均値と最大値の間の値が採用されるのが一般的であり、具体的な値は実際のニーズに基づいて決定する必要があります。これは出荷にも適用されます。

02

関連データの保存

在庫容量はシステムの設計にとって非常に重要です。しかし、在庫をどのように決定するかは非常に特殊です。総在庫に加えて、SKU の数とさまざまな保管方法における在庫要件も考慮する必要があります。多くの場合、倉庫の設計は単一のものではありません。したがって、設計時には、在庫管理の方法と要件を明確にする必要があります。

一般的に、保管にはパレット保管（最も基本的な2つの形式は立体倉庫と平面倉庫）と箱保管の2つの主な種類があります。もちろん、パッケージ、袋、バルク材などの他の形状、帯状（スチールなど）、特殊形状の物（吊り下げ式衣類など）などもあります。設計では、両方の方法を考慮する必要があります。パレット保管がメインの場合もありますし、ボックス保管がメインの場合もありますし、両者のバランスが取れている場合もあります。

在庫容量の計算は、もちろん、基礎となる箱のサイズと平均在庫日数に関係します。 SKU は在庫割り当て要件に大きな制限効果を及ぼし、多くの場合、作業面の設計に関連しています。さらに、出荷量も在庫設計に非常に大きな影響を与えます。たとえば、分割量に応じて、分割領域に一定の制限が必要になります。

在庫 ABC 分析も非常に重要であり、倉庫設計において重要な役割を果たします。一般的に、在庫ABC分析の結果によって保管形態が決まります。 ABC の定義はビジネスによって異なるため、地域の状況に合わせて調整する必要があります。実際の運用では、正しい判断を行うために、1 パレットまたは 1/2 パレットに十分な SKU と、これらの SKU の在庫率を分析する必要がある場合がよくあります。

電子商取引の台頭により、SKU は拡大し続けており、ABC 分析は特に重要になっています。もう一つ注目すべき傾向としては、ボックス型ストレージがますます注目を集め、その割合が増加していることです。在庫分析にも影響します。

保管容量を計算する際に、在庫充填率についてよく混乱が生じます。一般的に言えば、パレットやカートンを完全に満たすことはできないことは周知の事実であり、作業を円滑に進めるためには、貨物スペースも完全に満たすことはできません。したがって、これら 2 つの係数はケースによって異なる可能性があるという事実を考慮する必要がありますが、どちらも無視してはなりません。

03

関連データの選択

ピッキングされた注文数、注文明細数、出荷量は比較的重要な設計データです。

配送 ABC 分析も同様に重要です。出荷 ABC の分布は在庫 ABC の分布と異なることが多いため、分析する際には区別するように注意してください。

ピッキングプロセスの設計は、主にピッキング、梱包、輸送の問題に焦点を当てています。したがって、ピッキングに関する詳細は非常に重要です。たとえば、出荷されるパレット全体の数量、出荷されるピース全体の数量、出荷されるピースの数量、これら 3 つのパラメータも設計にとって非常に重要です。

収穫効率、播種効率、包装効率などの基本的な情報も明確にする必要があります。いくつかは他のプロジェクトでの経験を通じて得られるもので、いくつかは実際に測定する必要があります。測定結果は操作プロセス、作業ステーションの設計、測定方法に関連し、正確な結果を判断することが難しい場合があることに注意する必要があります。

ピッキング方法によって効率は大きく異なるため、設計では特別な考慮が必要になります。実際、使用される技術的手段は設計結果に大きな影響を与えます。データを分析する際には、これらの問題を考慮する必要があります。

04

配送関連データ

配送ルート、数量、車種、作業時間、一時保管時間などのデータは、配送設計段階の基礎となります。

ご存知のとおり、選別機のスロットの数は無制限に増やすことはできません。したがって、グリッド開口部の数を制御するには、設計時に波の問題を考慮する必要があります。一部の物流センターの出荷エリアは非常に狭く設計されており、プラットフォーム上の駐車スペースも少ないため、出荷が非常に困難になっています。

収集エリアのサイズは、配信波に関係します。多くの小規模物流センターでは、1日に1回しか配達を手配しないため、配達エリアが広くなります。大規模な物流センターの場合、配送は一般的に複数の大きな波に分かれて行われ、各大きな波には複数の小さな波があるため、集荷エリアの需要が大幅に減少します。設計ではこれを考慮する必要があります。

物流に対する人々の理解が深まるにつれ、出荷と積み込みのリンクがますます注目を集めるようになっています。したがって、設計は時代の変化に対応し、自動化システムが出荷エリアに与える影響を考慮する必要があります。

05

関連データを返す

返品は重要かつ難しいものですが、見落とされがちです。

従来のデータ分析では、リターン分析も不十分です。実際、商品を返品する手順は、商品を受け取る手順とは異なります。これは主に、返信受領書の処理に必要なデータの量が通常の受領書の処理量よりもはるかに多いためです。

リターン操作はバランスが取れておらず、大きな変動性があります。したがって、データ分析においては（実際の運用においても）、返品受付と返品処理を分離する必要があります。労働時間や作業量は同じではありません。

返品の場合、操作プロセスが設計に影響を及ぼします。一般的なデータ分析では、注文数、注文明細、SKU、数量など、返品量のみが提供されます。

06

他の

データ分析は重要ですが、多少難しいことも指摘しておく必要があります。データ分析には経験と専門知識が重要です。さらに、データ分析の結果を設計に使用する前に、ユーザーが確認する必要があります。

最後に、データ分析の結果がそのまま設計に適用されるのではなく、それに基づいて設計指標が提案される点に留意する必要があります。その中で、製品の特徴、注文構造、品目数、操作方法など、比較的ゆっくりと変化するデータもあります。デザイン指標など、いくつかは劇的に変化します。

役立つ経験や業界の状況に加えて、慎重な分析を行ってパターンを見つけ出すことが重要です。このプロセスでは、十分な調査とユーザーとの十分なコミュニケーションが特に重要です。