AIによるコンテナ積載最適化：同じ40フィートコンテナに8%多く積む方法

最初に結論から。AIによるコンテナ積載最適化では、アルゴリズムは仕事の30%に過ぎません。残りの70%はカートンのマスターデータです。ゴミのマスターデータを入れれば、美しい積載プランが出てきて——そしてドックでは何も収まりません。この正確な失敗を私は3回見てきました。3回とも同じ原因で死にました。システムに入っているカートンを誰も実際に測っていなかったのです。

2024年6月。カリフォルニアの越境家具イーコマースクライアントが私を呼びました。彼らの40フィートコンテナは、だいたい65%の充填率で封印されていました。倉庫のスーパーバイザーは真顔でこう言いました。「うちのベテランは10年コンテナを積んできました。もう隙間なんてありません。魔法でも入りませんよ」

私は議論をやめて、上位30 SKUに巻き尺を当てるよう言いました。測ってみたら彼は黙りました。システムに入っているカートン寸法は、3年前に購買部門が手で、目分量で入力したものだったのです。実際に測ると、どのカートンも平均で2〜3センチずれていました。1箱あたり2センチ、コンテナあたり400箱——それだけでほぼ1立方メートルの「幻の隙間」です。マスターデータを直して最適化を再実行すると、3か月の検証で、同じ貨物が65%ではなく……73%で積めるようになりました。同じ箱に約8%多く積めたのです。

アルゴリズムは実際何をするのか。工業版テトリス——正式には3Dビンパッキングです。各カートンの寸法、重量、潰れやすさ、向きの制約を入力すると、積載順序と積み付け図が出てきます。標準40フィートコンテナの内寸は、長さ12.03 m、幅2.35 m、高さ2.39 m——書類上は約67.7立方メートルです。ドックで実際にそのうち60使えれば上出来です。残りは不規則なカートン、作業クリアランス、「重い貨物は軽い貨物の上に置けない」というルールに食われます。アルゴリズムの真の価値は理論上の最適解ではなく——ドックに実際に収まる最適解です。

ベテランはどこで負けるのか。経験ではなく、ワーキングメモリです。カートン寸法、重量、潰れやすさ、積み向き、荷下ろし順序。5つの制約を人間の頭の中で同時に回し続けることは、誰にもできません。アルゴリズムの強みは、数十の制約を疲れずに噛み砕くことです。逆もまた然り。アルゴリズムは「この顧客のカートンは雨で柔らかくなる」とか「あのターミナルは軸重検査が厳しい」とかは知りません。そのドックの知見は、まだ人間が入力しなければなりません。正しい姿勢はこうです。人間がルールを決め、アルゴリズムが組み合わせを計算し、ドックが修正をフィードバックする。

計算してみましょう。年間200コンテナ出すクライアントが、充填率を65%から73%に上げると、年間およそ16本のコンテナが減ります。節約できるのは海上運賃だけではありません。予約、ドレージ（港湾陸送）、ターミナルハンドリング——チェーン全体です。投資は、数週間のデータクレンジングとソフトウェアのサブスクリプションです。初年度で元が取れ、それ以降の毎年が純益です。

導入には4つのステップが必要です。1つも飛ばしてはいけません。

1. 測る。上位SKUに巻き尺を当てる——内寸ではなく外寸で、テープの厚みとカートンの膨らみも含めて。システムの値は一切信用しない。信用すればドックで代償を払います。
2. モデル化する。全カートンにタグ付けする。重量、潰れやすさ、向きの制限、湿気への弱さ。この作業には倉庫のスーパーバイザーが同席しなければなりません。「潰れそうに見えて、実際に積むと潰れる」カートンを知っているのは彼だけです。
3. 直接対決で検証する。同じ貨物で、ベテラン流で積んだコンテナと、アルゴリズム流で積んだコンテナを1本ずつ。両方実際に積んで、すべて写真に撮る。結論を出す前に少なくとも3〜5本は積むこと——初号機の幸運を結論と勘違いしてはいけません。
4. SOPを書く。積載順序を印刷してコンテナの扉に貼り、シフトリーダーのサインをもらう。誰も従わないアルゴリズムの出力はゼロに等しい。

次に4つの失敗パターンです。私はそのすべてが起こるのを見てきました。

1つ目：マスターデータが悪い。この落とし穴を3回見ました。最悪の例では、クライアントが内寸を外寸として入力していました。アルゴリズムは完璧に満載の美しいプランを出しました——そして貨物は扉から0.5メートルはみ出しました。コンテナは閉まりすらしませんでした。

2つ目：重量抜きの体積。2023年後半、ロサンゼルスのクリスマス装飾輸入業者が重い貨物をすべて扉側に積みました。その箱はロングビーチ港の秤で軸重検査に落ち、却下され、引き戻して積み直す羽目になりました。2日を失い、船に乗り遅れかけました。重量配分を食わない積載プランは机上の空論です。

3つ目：出力が読めない。アルゴリズムが出す3D積み付け図ですか。シフトリーダーは3分見て脇に放り投げました。人間の言葉に翻訳しなければなりません——「3層目、カートン41番から58番はここ」——そうしないとベテランがいつも通りドックを仕切ります。

4つ目：荷役時間の無視。73%まで積んだコンテナは、積み下ろしに1時間以上長くかかります。船の締め切りに追われる緊急貨物なら、少し少なめに積んで速く動いた方がいい。アルゴリズムはそのトレードオフを教えてくれません。ルールは自分で決めるしかありません。

ソフトウェアを選ぶなら、何より先に3つ確認してください。体積だけでなく重量と軸重の制約を扱えるか。3Dレンダーだけでなく、シフトリーダーが実際に読める順序シートを出せるか。そして潰れルール付きの混載SKUを扱えるか、それとも全カートンが完全な剛体だと仮定しているか。3つとも「はい」は、営業資料が示唆するよりずっと稀です。

直感に反する判断を言います。充填率は最大化すべき指標ではありません。現場が実際に従う73%のプランは、誰も実行しない78%の「理論上の最適解」に勝ります。AIは道具です。ドックの人たちがボトルネックです。ドックを迂回する最適化は、ドックで死にます。

では、やるべきか。年間本数で判断してください。

稼働初日のチェックリスト。4つの質問、4つの「はい」、そしてコンテナの扉を開けます。マスターデータは実測したか。重量物配分のルールはモデルに入っているか。シフトリーダーは順序シートを読めるか。最初の1本を最初から最後まで見守る人はいるか。

Lin Xiao（WMS導入コンサルタント）著

英語版からの翻訳。内容に相違がある場合は英語版を優先します。