まず結論から言います。WMSのピックパス最適化は、アルゴリズムがどれほど高度かということではありません。きれいな三つの入力に帰着します。正確なロケーション情報、明確な受注構造、そして正直に計算された移動コストです。そのいずれかが汚れていれば、システムが生み出すルートは画面上では美しく見えても、現場では崩壊します。私はこの失敗をちょうど三回見てきましたが、筋書きは決して変わりません。稼働初日にピッカーが「このルートは間違っている」と言い、プロジェクトチームはユーザーが理解していないと言い、最後にはロケーション座標の半分が間違っていたことが判明するのです。
私は導入コンサルタントとして30件を超えるWMSの稼働を率いてきました。ピックパス最適化はほぼすべてのプロジェクトに登場しますが、その半分も正しくできていません。難しいのはアルゴリズムではありません。「最適化」はあまりに単純だと人々が考えることです。システムを入れてスイッチを入れれば、ピッカーの歩行が減る。そんなふうにはいきません。システムが計画したルートがベテランの勘に勝るのは、ベテランが記憶と習慣に頼るのに対し、システムが全体最適を計算するからです。しかし、その「全体」は、裏側のデータが本物である場合にのみ存在します。
三つのピックパス方式——選ぶ前に見分けよう
最も一般的なWMSのピックパス方式は、S字型、リターン型、最大ギャップ型の三つです。名前は数学の宿題のように聞こえますが、現場では一目瞭然です。
S字型:ピッカーは各通路を蛇行しながら端から端まで歩き、次に移ります。注文行数が多く、ほぼすべての通路でピックがある注文に合います。ルートは単純で間違えにくいですが、その通路に一件のピックしかなくても通路全体を歩くことになります。
リターン型:ピッカーは通路の前面から入り、最も奥のロケーションをピックして、同じ道を戻ります。注文行数が少なく、ピックがまばらな注文に合います。空の区間を飛ばせますが、同じ通路に二回入ることがあります。
最大ギャップ型:システムは通路内の隣り合う二つのピックロケーションの間にある最大の空き区間を見つけ、そこでルートを分割するので、ピッカーは両端から入ります。理論上は最も歩行が少ないのですが、システムに最も多くを要求します。ロケーション座標、通路長、ピック分布のすべてが正しくなければなりません。
| 方式 | 最適な条件 | 強み | リスク |
|---|---|---|---|
| S字型 | 注文行数が多く、通路あたりのピックが密集 | ルートが単純で、ミスが少ない | まばらな注文では歩行を無駄にする |
| リターン型 | 注文行数が少なく、ピックがまばら | 空の区間を飛ばせる | 同じ通路に二回入ることがある |
| 最大ギャップ型 | ピック分布が不均一で、データが正確 | 理論上は移動が最少 | 一つの座標の誤りですべてが崩れる |
勘では選べません。私のやり方はこうです。一か月分の実際の注文を取り、三つの方式をすべてシミュレーションし、決定する前に総移動距離とピッカーの感想を比較します。私はこの落とし穴を三回見ました。あるプロジェクトは他社の方式を真似し、ピックがまばらな倉庫でS字型を採用した結果、ピッカーは一日あたり二キロメートル余分に歩くことになりました。気づくのに三か月かかりました。
ピックパスとスロットティングは同じ問題
多くのチームはピックパス最適化とスロットティングを二つの別モジュールとして扱い、別々に構築します。それは間違いです。パス最適化が「どう歩くか」を決め、スロットティングが「商品をどこに置くか」を決め、商品をどこに置くかが歩き方を直接決めるのです。動きの速いAクラス商品を通路の奥に置けば、どんなルーティングアルゴリズムも救ってくれません。
2023年の秋、私は中国東部のeコマース倉庫で稼働に携わっていました。クライアントは300件を超えるAクラスSKUを持ち、稼働前はピッカーが一注文あたり平均400メートル以上歩いていました(当時の測定に基づくシナリオの例示)。私たちが最初にしたことはアルゴリズムの調整ではなく、再スロットティングでした。Aクラス商品を通路の前面、梱包ステーションの近くに移し、一緒に注文されることの多い商品を隣接するロケーションに置きました。再スロットティングの後、ルーティングアルゴリズムにはまったく手を付けていないのに、平均移動距離は急激に下がりました。そのプロジェクトが教えてくれたのは、パス最適化の上限はスロットティングが決めるということです。
ですから、ピックパス稼働のチェックリストには、常に次の関門が入っています。
- ロケーション座標をすべて検証する。現場で通路とロケーションの少なくとも20%を抜き取り確認する。一つの誤りがあれば、すべてを確認し直す。
- 受注構造を分析する。過去30日間の行数、注文あたりのSKU、同時注文の親和性。
- 三つの方式すべてを実際の注文でシミュレーションする。デモデータは決して使わない。
- ピッカーによる試行を行う。ベテラン二人と新人二人で、それぞれ20件の注文をこなし、移動距離とエラーを記録する。
- 例外計画。ロケーションが占有されていたり、在庫がなかったり、通路が閉鎖されていたりする場合、システムはどのようにルートを再計算するのか。マニュアルを読むだけでなく、実際にテストする。
バッチピッキングと波分けがルートのもう半分
パス最適化の半分は、注文をどうまとめるかにあります。単一注文ピッキングとバッチピッキングでは、まったく異なるルートが生まれます。バッチピッキングでは、システムが複数の注文のピックポイントを一つのルートに統合し、ポイント密度が上がり、S字型がリターン型に勝つことが多くなります。波分けも同じです。波を大きすぎるとピッカーのカートがあふれ、小さすぎるとルート最適化の意味がなくなります。
ここに直感に反する点があります。ピックパス最適化が優れているほど、注文のグルーピングが重要になります。ルートで節約した時間は、悪いグルーピングによって簡単に食われてしまいます。あるプロジェクトでは、パス最適化の稼働後に移動距離が減ったのに、全体のスループットは動きませんでした。波の切り方が追いついておらず、ピッカーは梱包ステーションで注文の分割を待って並んでいたのです。システムは地点Aを最適化し、ボトルネックは地点Bに移り、全体の効率は横ばいのままでした。
だからこそ、私の稼働当夜のチェックリストには常にこの行があります。50件の注文を端から端まで実行する。受注、グルーピング、ピッキング、検証、梱包。そしてフロー全体を計測する。ピッキングの数字だけを見るのは自己欺瞞です。
失敗する四つの典型パターン
第一に、不正確なロケーション情報です。上で述べたとおり、これが最大の殺し手です。座標の誤り、通路長の誤り、あるいは占有されているのに空きだと思い込んでいるロケーションがあれば、すべてのルートが間違います。
第二に、ピック作業を無視して移動距離だけを最適化することです。かがんだり、登ったり、二人で持ち上げたりしなければならない商品もあります。ルートは短くなっても、ハンドリング時間が増え、合計時間は改善しません。ルーティング計算には、少なくとも重量と難易度クラスによるハンドリングコストを含めるべきです。
第三に、ピーク時の物量でストレステストをしないことです。リターン型ルーティングは、注文行数が少ない静かな日には素晴らしく見えます。しかし、行数が二倍になるピーク日には、通路への出入りが増え、代わりにS字型が勝ちます。稼働前に必ずピーク時の注文量でシミュレーションしてください。
第四に、ピッカーがシステムを信頼しないことです。システムのルートが「遠回り」に見え、ピッカーは経験から近道をし、結果としてピック漏れや誤ピックが起きます。稼働後の最初の一週間、監督者は現場を歩き、システムが間違っているのか、ピッカーがルートに従わなかったのかを見極めなければなりません。この二つを区別できなければ、最適化は決して定着しません。
最後に一点。WMSのピックパス最適化は買うものではなく、調整するものです。アルゴリズムは出発点にすぎません。ロケーション、受注、人、プロセスという四つの車輪が一緒に回って初めて、ルートは本当に何かを節約します。上のチェックリストを一つずつ確認していけば、稼働当夜はよく眠れるでしょう。
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。







