まず結論から言います。AI倉庫ピッキングルート最適化はやる価値がありますが、それだけでピッキングコストが下がるとは期待しないでください。率直に言えば、アルゴリズムが節約するのは歩行であって、ピッキングではありません。その節約した歩行がお金になるかどうかは、注文のプロファイル、スロット配置、そしてピッカーが実際にルート通りに動くかどうかにかかっています。三つのうち一つでも欠ければ、節約した歩数は紙の上にしか存在しません。

これには二つの側面があります。アルゴリズムを支持する人は数字を示すでしょう。広く引用されているピッキング時間の内訳では、移動がおよそ55パーセント、探索が15パーセント、商品の取り出しが10パーセントで、残りはその他の作業に使われます。この内訳は、管理された測定ではなく、倉庫の教科書に引用された実務家の見積もりに由来しますが、方向性は正しいです。ピッカーは一日の大半を歩いて過ごします。アルゴリズムを疑う人は、ピッカーがルート通りに動かなければ、あるいはスロット配置そのものがめちゃくちゃなら、いちばんきれいなルートも意味がないと言うでしょう。どちらの言い分も真実です。

私はこの件で授業料を払う倉庫をあまりにも多く見てきました。2019年、私はオンタリオ州の3PLを訪れました。80,000平方フィート、毎日約4,000件の注文です。オーナーはルート最適化付きのピッキングモジュールを買ったばかりで、デモは美しく見えました。画面上のルートは手描きのように流れていました。それからピッカーと一緒にシフトを歩いてみて、問題がわかりました。システムのルートは補充カートが停まっている通路を通っていたため、ピッカーは毎回それを迂回していたのです。その迂回にかかる歩行は、アルゴリズムが節約する歩行を上回っていました。オーナーは報告書の「理論上の節約」を見ていました。私が見ていたのは、毎日起こる迂回でした。

AI倉庫ピッキングルート最適化:まず何が節約できるのかを把握する

アルゴリズムが節約するのは三つです。一つ目は歩行距離です。ルートがロケーションの順番通りではなく、最短経路をたどるようになるからです。二つ目は同じ通路への繰り返しの往復です。バッチピッキングにより複数の注文が一回のパスにまとめられるからです。三つ目は空っぽの帰り道です。システムが帰路をルートに組み込み、途中で注文を拾っていくからです。

この三つはすべて、きれいなデータに依存しています。ロケーションが一つ間違えば、アルゴリズムは人を間違った場所へ送ります。在庫数が一つ間違えば、ピッカーは空のスロットに到着して歩いて戻り、ルートが節約したものをすべて失います。もっとよくある問題もあります。動きの速い商品が建物のいちばん奥に配置されていることです。どんなに賢いアルゴリズムでも、悪いレイアウトの中で最短経路を見つけることしかできません。優れたナビゲーションでも、間違った場所に建てられた道路は直せません。

2023年、ある家庭用品のクライアントが、ルート最適化を六か月間運用してきたが、ピッキング生産性は5パーセント未満しか上がらなかったと話してくれました。現場を歩いてみると、問題はアルゴリズムではなく、スロット配置でした。いちばん動きの速いAクラスの商品が六つの通路に分散しており、そのうち二つは建物のいちばん奥にありました。私たちはまず一回のリスロットを行い、Aクラスの商品を梱包にいちばん近い二つの通路に移し、それ以外は何も変えませんでした。二週間後、注文あたりの平均歩行距離はほぼ30パーセント下がり、そのとき初めてアルゴリズムが本領を発揮し始めました。順番を逆にしてはいけません。まずスロット配置を直し、それからルート最適化の話をするのです。

最短経路は最速の経路ではない

これはAI倉庫ピッキングルート最適化において、最も見落とされがちなトレードオフです。アルゴリズムは総距離の最短化を最適化します。現場は一時間あたりの出荷注文数の最大化を最適化します。この二つの目標はほとんどの場合一致しますが、残りの時間は対立します。

簡単な例を挙げましょう。最短ルートでは、ピッカーに同じ通路で二回方向転換させるかもしれません。二つの異なる注文の商品が、その通路で数ロケーションしか離れていない場所にあるからです。距離で見れば、それが最適です。人間の視点では、ピッカーは二回向きを変え、カートを二回止めて再始動しなければなりません。経験豊富なピッカーなら、20メートル余分に歩いて、通路全体を一回のパスで片付ける方を選ぶでしょう。アルゴリズムはそれを知りません。メートルしか知らないのです。

混雑はもう一つの盲点です。システムは十人のピッカーに十本の最適ルートを与えます。ピーク時には、十人全員が同じ通路に集まり、互いに待ち合い、フォークリフトを待ち、補充を待ち、節約した距離は立ち止まったまま使い果たされます。優れたシステムは通路のライブの混雑を考慮します。弱いシステムは直線を引くだけです。だからこそ、私は買い手に契約前にベンダーへ一つ質問するよういつも伝えています。あなた方のアルゴリズムは現場のライブの状態を見ていますか、それともロケーションの静的な地図だけですか?地図しか見ていないなら、価格がいくら安くても、もう一度考えてください。

AI倉庫ピッキングルート最適化は価値があるか?三つの数字を確認する

ベンダーのパンフレットは無視して、自分で三つの数字を測ってください。一つ目は注文あたりの歩行距離で、稼働開始の前後二週間ずつ測ります。同じ注文プロファイルで測ること。ピーク時と閑散時の数字を直接比べることはできません。二つ目はピッカー一人あたり一時間あたりのピック済み注文明細数です。この数字が上がれば、改善は本物です。三つ目はピック精度です。ルートが変わり、リズムが変われば、精度が下がることもあります。精度が下がれば、どれだけ歩行を節約しても埋め合わせにはなりません。

私がいつも行う計算方法は次の通りです。これらの数字は、計算の仕組みを示すための例示です。

項目 例示
ピッカー 20
ピッカー当たりの日次歩行距離 8 km
最適化後に節約された歩行距離 20%
日次で節約された歩行時間(時速4 kmの場合) 20人 × 1.6 km ÷ 4 km per hour = 8時間
労働力に換算すると ほぼ一シフト分

八時間は多く聞こえますが、それがシフトの人員を一人減らすことにつながるかどうかは、節約された時間が一つのブロックとしてまとまって来るかどうかにかかっています。二十人がそれぞれ一日を通して散らばった24分を節約しても、シフトを削減することはできません。その八時間は、注文が集中した波で入ってくるときにだけ、労働力の節約に変換されます。ですから計算をするときは、時間を足し上げるだけではいけません。節約した時間を完全なシフトに組み立てられるかどうかを問うてください。

もう一つ直感に反する点があります。小さな倉庫は、大きな倉庫よりもAIピッキングルート最適化から得るものが少ないことが多いのです。アルゴリズムが悪いのではなく、小さな倉庫のルートがそもそも複雑ではなかったからです。経験豊富なピッカーはすでに最適に近い経路を歩いているので、絞り出す余地はほとんどありません。価値が現れるのは、数万のロケーションにまたがって一日に数千件の注文を処理する中規模の倉庫で、絡み合ったルートが本物のお金を食うところです。月に50,000件未満しか出荷しないなら、まずABC分析を行い、スロット配置を直してください。ルート最適化は後回しでかまいません。

結局、一つの問いに戻ります。あなたが買っているのは、より短いルートですか、それともドアからより速く出ていく注文ですか?答えが後者なら、デモをじっと見つめないでください。まずピッカーと一緒にシフトを歩いて、彼らが毎日実際に何を迂回しているのかを見てください。

Lao Mi(サプライチェーンのベテラン、20年)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。