結論を先に言います。倉庫におけるOCR文書認識が受入ドックの実際の労力を節約するのは、3つの条件が同時に満たされる場合だけです。船荷証券とパッキングリストを別々にモデル化すること、レビュー閾値を項目ごとに設定すること、文書レベルの精度を単独で測定すること。この3つのうち1つでも欠ければ、本番稼働は必ず後で痛い目に遭います。私はこれが失敗するのを3回見てきましたが、毎回まったく同じ形でした。完璧なデモ、そして混乱の初月です。

昨秋、私はロングビーチ港の近くに倉庫を構える家庭用品の輸入業者と仕事をしました。ピーク時には1日に40個を超えるコンテナを受け入れていました。船荷証券は船会社の固定フォーマットで届きました。パッキングリストは仕入先から届き、それぞれレイアウトが少しずつ違いました。キックオフ会議でのベンダーの最初の言葉は「精度99%」という主張でした。私は1つだけ質問しました。「99%とは何の99%ですか。文字ですか、項目ですか、それとも文書全体ですか。」部屋は3秒間静まり返りました。その後は何もスムーズに進みませんでした。

船荷証券とパッキングリストは同じ種類の文書ではありません。両者を1つとして扱うシステムは、どちらかを必ず誤読します。船荷証券は船会社が発行します。3つの役割を同時に果たします。運送契約であり、貨物の受領証であり、譲渡可能な場合は権利証券でもあります。パッキングリストは売り手が作成します。各カートンの中に何が入っているか、カートンが何個あるか、重さはいくらかが書かれています。価格も法的効力もありません。受入チームが数えるために存在するのです。

倉庫におけるOCR文書認識:船荷証券とパッキングリストは別々の文書です

船荷証券の項目は少なく、1つ1つが重要です。船名と航海番号、船荷証券番号、コンテナ番号、シール番号、個数、総重量、積出港と揚荷港です。パッキングリストは項目が多く、煩雑です。カートン番号、品目説明、カートンごとの数量、正味重量と総重量、寸法、そして同じ品目が複数行に分かれていることもあります。私のルールは、項目表を2つ、信頼度閾値を2つです。コンテナ番号やシール番号で1文字でも間違えば止めます。数量で1桁でも間違えば止めます。品目説明にはもう少し余裕を持たせてもかまいません。

私はこれが失敗するのを3回見てきました。3回目は自動車部品の顧客でした。仕入先のパッキングリストは、仕様と色と注記を説明欄に詰め込んでいたため、システムは「黒色、左前ドア」を品目名の一部として読み取りました。WMSにはどの棚にも存在しない幻の品目が登録されてしまいました。受入チームはそれを1時間探しました。解決策は地味でした。説明と仕様と注記を3つの項目に分け、後ろの2つは検証せずに保存し、品目名だけの辞書を作ることです。辞書は約200語から始まり、1か月で1,000語を超えました。誤読が落ち着いたのはその後でした。

本番稼働の夜のチェックリストには、決して動かない1行があります。ベンダーが用意したサンプルページではなく、実際の文書3か月分をシステムに通すことです。サンプルページはきれいな印刷物です。実際の文書には折り目があり、文字の上にスタンプが押され、手書きの修正があります。認識の前に傾きを補正し、200 dpi未満でスキャンされたものはすべて再スキャンに回してください。この手順を省けば、レビュー担当者は後片付けに3倍の時間を費やすことになります。

倉庫におけるOCR文書認識の精度:文字、項目、文書全体は3つの異なる数字です

文字精度、項目精度、文書精度は3つの異なる数字であり、これらを混同することこそ、誤った購買判断の原因です。公開されている業界資料によると、従来のOCRエンジンの文字精度はおよそ85から97%で、最新のAIベースのシステムは95から99.5%の項目精度に達します。どちらの数字も安心できるように聞こえます。しかし文書全体で見ると話は厳しくなります。20項目の文書で、各項目が98%の確率で正しいとしましょう。20項目すべてが正しい確率は0.98の20乗、約67%です。3文書に1文書は、少なくとも1つの項目が間違っています。

この計算がレビューの人員配置を決めます。私は文書ごとではなく、項目ごとにレビュー基準を設定します。コンテナ番号、シール番号、船荷証券番号、数量、総重量は、信頼度が99%を下回れば人の手に回します。品目説明、マーク、備考は95%を下回れば人の手に回します。毎朝、キューは順番に片付けます。まず船荷証券、次にパッキングリストです。間違った船荷証券はコンテナをゲートに留めます。間違ったパッキングリストは、コンテナの荷降ろし中にまだ修正できます。

次に労力の計算です(仮定の例)。受入担当者がパッキングリストを1枚手入力するのに12分かかります。1日30枚なら6時間です。本番稼働後、文書の70%がそのまま通り、残りの30%のレビューに1枚あたり3分かかるとします。1日のレビュー時間は27分に減ります。節約される5時間以上はコーヒーのためではありません。現物と書類を照合するための時間です。画面だけを見つめるレビュー担当者は、やはり間違った貨物を出してしまいます。

ここが直感に反する部分です。認識率が最も高い文書は、最もきれいな印刷物ではありません。レイアウトが最も安定している文書です。船会社の船荷証券は10年間ほとんどフォーマットが変わらないので、確実に読めます。仕入先製のパッキングリストは数か月ごとにレイアウトが変わるので、ぶれます。ベンダーを評価するときは、デモの最高スコアで判断してはいけません。実際の文書の中で最もひどいバッチのスコアで判断してください。サンプルページがきれいなほど、疑うべきです。

受入ドックで定着させる

これが、私が倉庫におけるOCR文書認識のプロジェクトに承認を与える前に適用するテストです。展開は4つの手順で進みます。第1の手順は署名入りの項目表です。受入、通関、ITが一緒に座り、項目ごとに、WMSに入れるもの、参考用にだけ保存するもの、間違っていたらラインを止めなければならないものを決めます。第2の手順は過去データの実行です。実際の船荷証券とパッキングリスト3か月分をシステムに通し、誤読した項目をすべて記録し、辞書と閾値とルールを修正します。第3の手順は2週間の並行稼働です。新しいシステムと手入力を並行させ、毎日照合します。1日の差異が5文書を超えたら、止まって原因を探してください。差異を抱えたまま先に進んではいけません。第4の手順は単一システムへの切り替えで、手入力は緊急時の経路としてだけ残します。

レビューキューは各シフトの終わりまでに片付けなければなりません。一晩残ったものは翌朝最優先で処理し、48時間を超えたものは倉庫管理者に直行させます。例外には、誰も所有しない山ではなく、名前のある行き先が必要です。番号やシールが船荷証券と一致しないコンテナは、船会社が書面で確認するまでロックされたままにします。パッキングリストの数量が実数と一致しない場合は実数で受け入れ、差異のメモをその日のうちに購買部門と仕入先に送ります。手書きの修正は、署名とスタンプがある場合にのみ有効です。なければ元の数字を記録し、差異は別途処理します。この3つのルールはシステムマニュアルに埋もれるのではなく、受入ドックの壁に掲げるべきものです。

失敗のポイントは、繰り返し3つ現れます。1つ目は、誰もスキャン品質を管理しないまま認識を魔法のように扱うことです。ぼやけたページ、破れた角、光の反射がそのまま投入され、精度が下がります。2つ目は、レビュー基準を緩く設定しすぎることです。コンテナ番号の1文字違いが素通りし、コンテナが半分荷降ろしされた状態で税関検査のときに初めて表面化します。3つ目は、立ち上げてからメンテナンスを放棄することです。新しい仕入先、新しい品目名、新しいレイアウトが届き、誰も辞書を更新せず、3か月後には精度が静かに手入力の出発点まで戻っています。

これがうまくいくと、ドックは空っぽに見えません。落ち着いて見えます。間違った番号で出されるコンテナが減り、パッキングリストの行エラーが減り、照合に費やす夜が減ります。労力の節約は結果であって目的ではありません。目的は、WMSのすべての文書が1枚の紙まで遡れること、そして重要な項目を確認した名前のある担当者がいることです。

明日できること。先月分から最もひどい船荷証券20枚と最もひどいパッキングリスト20枚を取り出し、ベンダーに目の前でライブ実行させてください。そこで見る項目精度と文書精度こそ、プロジェクトの本当の出発点です。

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。