物流・倉庫の物量予測AIその読み、属人化していませんか。
明日の人員が「先週までの実績」と「これまでの経験」で決まる——当たるかどうかが人に依存し、外れた日のしわ寄せは残業か手待ちの人件費に出ます。
出荷物量を予測する
WMSにある出荷実績をそのまま使用。単品予測は不要、大分類・荷主別の粗い単位でOK。
必要人時に換算する
工程ごとの人時生産性で割るだけ。どこに人が要るかまで見える。
人数が決まる
稼働時間で割れば明日の必要人数。結果は今お使いのExcelにそのまま出力。
持ち出すのは、3つだけ。
新しく取り直していただくデータはありません。すでに毎日たまっているものを、そのまま使います。
日別の出荷実績
日付、大分類または荷主、出荷数。WMSから出せる範囲で構いません。単品ごとに分ける必要はありません。
営業日カレンダー
稼働日と休業日、祝日。出荷がゼロの日を「少なかった日」と取り違えないために使います。
工程ごとの人時生産性
1人1時間あたり何ケースさばけるか。物量を人数に換算するときの割り算に使います。
毎日やることは、これだけです
1日の流れ
予測そのものに、時間はかかりません。
当たりやすい現場と、当たりにくいケース。
予測AIは万能ではありません。両方をお伝えします。
当たりやすい現場
日別の出荷実績が1年分以上システムに残っていて、曜日や月内の位置でパターンが出る現場。工程が分かれていて、工程ごとの作業量が把握できていること。特別な条件ではなく、ごく一般的な物流センターの姿です。
当たりにくいケース
新規荷主や新製品の立ち上げ直後は、参照する過去がありません。前例のない大型販促も、データからは読めません。この場合は、販促計画など事前に分かっている予定を人が入力して、予測に上乗せします。
繁忙期は人が足りず、閑散期は手が空く。
翌日の人数だけでなく、数週間先の波も同じ仕組みで読めます。
なぜ毎年、同じことが起きるのか
波が来てから人を探すからです。募集も応援の手配も、頼んでから動けるまでに時間がかかります。繁忙日の3日前に気づいても、間に合う手はほとんど残っていません。
先に分かると、打ち手が変わる
数週間先の山が見えていれば、募集の前倒し、応援の予約、閑散日への作業の振り替えができます。同じ人数でも、置く場所を変えるだけで吸収できる波があります。
導入した現場で、こう変わりました。
大手3PLと、内閣府SIP実証での実績です。
※ 単品ではなく大分類の単位、日別での計測値です。内閣府SIP第2期「スマート物流サービス」の実証でも検証。実績値は特定の条件下で得られたもので、成果を保証するものではありません。
予測精度96.7%大手3PL
作業時間−29%内閣府SIP実証
作業時間−46%内閣府SIP実証