コラム ｜ 2026年7月13日

出荷能力が上がらない原因とは？
—工程分析で改善ポイントを見つける方法

倉庫の改善活動では、「忙しそうな工程に人を増やす」という判断がよく行われます。ピッキング担当が残業している、フォークリフトが常に動いている——そういった光景を見て、そこへ投資を集中させる。しかし、それだけでは出荷能力が上がらないことがあります。

例として、こんなシナリオを考えてみます。ピッキング担当を2人増やした。しかし出荷完了時刻はほとんど変わらなかった——なぜこういうことが起きるのか。その原因のひとつは、「どの工程が出荷能力全体を制限しているか」が見えていないまま改善策を打っていることにあります。改善すべき工程ではない場所に手を入れても、全体の出荷能力は上がりません。

本記事では、製造業で長く活用されてきた「工程分析」「ボトルネック分析」という考え方を参照しながら、物流倉庫で工程ごとの処理能力データを使って改善ポイントを特定する方法を解説します。なお本記事では、時間あたりの処理件数を「スループット」と呼びます。

なぜ「頑張っている工程」への投資が空振りになるのか

製造業の「工程分析」「ボトルネック分析」という考え方

物流倉庫での「ボトルネック工程」の見つけ方

製造業と同様に、物流倉庫でも各工程のスループット（時間あたりの処理件数）を比較することで、出荷能力を制限している工程を特定できます。

以下は、ある倉庫の1日の工程別スループットを比較した例です。

※上記は説明用の架空データです。

この例では、検品工程のスループットが80件/時間と最も低く、倉庫全体の出荷能力を80件/時間に制限しています。ピッキング担当者をいくら増やして100件/時間→120件/時間に改善しても、検品で80件しか処理できなければ、出荷完了までの時間は変わりません。

改善の優先順位を「全体の処理能力を左右している工程」に向けることで、投資対効果が高まります。この判断を感覚ではなくデータから導くことが、工程分析の本質です。

工程分析に必要な3種類のデータと、Nexa Warehouse-Optimizerでの確認方法

工程別スループットを比較するには、工程ごとの処理件数や作業時間を継続的に記録しておく必要があります。工程分析を行うには、大きく3種類のデータを見ることが重要です。

• 工程別スループット：各工程が今日どれだけ処理しているか
• 作業員別生産性：その工程の誰がどれだけ処理しているか
• 日別推移：その工程の低スループットが常態化していないか

Nexa Warehouse-Optimizerでは、これら3種類のデータをそれぞれの画面で確認できます。

1

作業工程スループット——「今日、どの工程が遅れているか」をリアルタイムで把握する

ピッキング・検品・梱包など各工程のスループット（時間あたり処理件数）と目標KPIに対する達成率を表形式で表示します。当日の全工程を横断的に比較できるため、「他の工程と比べてどこが低いか」が一目でわかります。

目標KPIに対して達成率が低い工程が、その日の処理能力上のボトルネック候補です。「ピッキング担当が残業しているから忙しい」という印象ではなく、「検品工程の達成率が他の工程より20%低い」というデータで判断できます。

活用のポイント：達成率が低い工程を発見したら、次の「工程別生産性ランキング」と合わせて「人員配置の問題か、工程自体の問題か」を切り分けます。

2

工程別生産性ランキング——「その工程の誰が・どれだけ処理しているか」を把握する

各工程の作業員を生産性の高い順にランキング表示します。スループットが低い工程を発見したとき、「その工程全体の処理能力が低いのか」「特定の作業員の生産性が低いのか」を切り分けられます。

たとえば検品工程のスループットが低い場合でも、一部の作業員が高い生産性を出しており、残りが低い状態であれば、「作業手順の標準化」や「高生産性の作業員を検品に優先配置する」という具体的な改善アクションが導けます。工程全体の問題か、人員配置の問題かを区別することが、改善策の精度を上げます。

活用のポイント：生産性が高い作業員をスループットが低い工程に優先配置することで、その工程の処理能力を引き上げ、全体の出荷能力を改善できます。

3

作業工程スループット（日ごと）——「特定工程の低スループットが常態化していないか」をトレンドで確認する

各工程のスループットを日単位のグラフで表示します。「今日だけ検品が遅かった」のか「毎週火曜・水曜は検品が詰まる傾向がある」のかを区別できます。

単発の遅れであれば当日の応援対応で十分ですが、特定の工程・曜日・時間帯に繰り返しスループットが低下している場合、それは構造的に処理能力が不足している工程として改善策を検討すべきサインです。継続的なデータの蓄積が、「一時的な問題」と「構造的な問題」の判別を可能にします。

活用のポイント：慢性的にスループットが低い工程が見つかった場合、シフトシミュレーションでその工程への配置人員を増やすシミュレーションを実行し、改善効果の見通しを立てられます。

データで判断する前と後

工程分析の考え方をデータで実践する

製造業では工程分析・ボトルネック分析が改善活動の基本として定着しています。物流倉庫でも、WMSやIoTによって工程ごとのデータが取得できるようになり、同様の考え方で改善ポイントを特定できる環境が整いつつあります。

データ分析は、分析ツールを導入することから始まるのではありません。まずは工程ごとのデータを継続的に取得できる仕組みを整えることが出発点です。WMSやIoTを組み合わせて現場データを蓄積し、そのデータを工程分析へ活用することで、改善の優先順位を客観的に判断できるようになります。

これまで本サイトで紹介してきたKPI可視化・人時生産性・予実管理・IoTによるデータ収集は、すべてこの「工程分析」を実践するための土台です。工程ごとのデータが揃って初めて、改善すべきポイントを客観的に特定できるようになります。データが積み上がるほど、次の改善アクションの精度が上がります。