物流データは何秒ごとに集めるべきか？
—精度とコストの考え方
・データの取得間隔は短いほど良いとは限らない理由
・KPI・用途別に適切な取得間隔を判断する考え方
・取得間隔を決める際に見落としがちなコスト構造
データ収集の仕組みを検討する際、「取得間隔（サンプリング周期）はどのくらいにすべきか」という問いが出てきます。1秒ごとか、1分ごとか、1時間ごとか。IoTセンサーやPLCからのデータ取得では特に、この判断が必要になります。
結論から言えば、倉庫改善のためのKPI分析では秒単位の取得は通常必要ありません。多くの場合、必要なのは「作業完了などのイベント情報」または「数分〜数十分単位の進捗情報」です。
「短い間隔で取るほど良い」と考えがちですが、間隔を短くすればデータ量が増え、通信・ストレージ・保守のコストも増加する傾向があります。重要なのは、「分析に必要な精度」と「それにかかるコスト」のバランスを取ることです。
1. 取得間隔が変わると何が変わるのか
同じセンサーから同じデータを取得する場合でも、取得間隔によってデータ量は大きく変わります。
| ・1秒間隔 | → | 86,400件/日 |
| ・1分間隔 | → | 1,440件/日 |
| ・10分間隔 | → | 144件/日 |
| ・1時間間隔 | → | 24件/日 |
データ量の増加は、単にストレージを圧迫するだけではありません。通信帯域の消費、データベースへの書き込み負荷、バックアップ時間の増加、そして日常的な保守運用の工数にも影響します。
2. 用途別に見る適切な取得間隔
取得間隔を決める基準は、「そのデータをどのタイミングで、どのような判断に使うか」です。第2回で紹介した「判断のタイミングから逆算する」考え方を、さらに具体的なユースケースに当てはめてみます。
| 用途 | 取得間隔の目安 | 理由 |
|---|---|---|
| 人時生産性の算出 | 工程の開始/終了時点 （イベント駆動） |
例えばピッキング工程であれば、「誰が」「何時から何時まで」「処理数量がいくつか」が分かれば人時生産性を算出できる。この粒度でデータが取れると、曜日・時間帯ごとの必要人数や人員配置の妥当性も分析可能になる |
| 出荷進捗の監視 | 10分〜30分間隔 | カットタイムまでの残作業数を把握し、遅延リスクを検知する。1秒単位の変化を追う必要はなく、数十分ごとの更新で判断に間に合う |
| 倉庫内の温湿度管理 | 5分〜15分間隔 | 温湿度の変化は緩やかなため、分単位の取得で傾向を十分に把握できる。異常値の検知にも対応可能 |
| マテハン設備の稼働監視 | 1秒〜数秒間隔 | コンベアやソーターなどの異常を早期に検知するには、秒単位の監視が必要になる場合がある |
| AGV・フォークリフトの位置把握 | 1秒〜5秒間隔 | 移動体のリアルタイム追跡には短い間隔が必要。ただし動線分析のみであれば、10秒〜30秒でも実用的なケースがある |
※上記は一般的な目安です。設備構成や分析目的によって適切な間隔は異なります。
※設備制御や異常検知では秒単位の監視が必要ですが、倉庫改善のKPI分析では設備データそのものではなく、「作業結果」「処理量」「完了時刻」といった業務イベントを扱うケースが多くなります。
ここで注目すべきは、倉庫改善のKPI（人時生産性、出荷進捗など）の算出に秒単位のデータは通常不要だという点です。秒単位の精度が求められるのは、設備監視やリアルタイム制御など、改善分析とは異なる用途です。
3. 物流改善では「測る」より「出来事を記録する」
取得間隔を設計する際には、「何秒ごとに取得するか」だけでなく、「一定間隔で取得するのか、それとも出来事が起きたときだけ記録するのか」という取得方法も重要になります。
取得間隔を考えるとき、「一定時間ごとに測定する（ポーリング）」だけが選択肢ではありません。「何かが起きたときだけ記録する（イベント駆動）」というアプローチがあり、物流改善のKPI分析ではこちらの方が適しているケースが多くあります。
- 温度・湿度など連続的に変化するデータに適する
- 変化がなくてもデータが発生するため、データ量が多くなりやすい
- 取得間隔の設計が必要
- 作業の開始/終了、スキャン、検品完了など「出来事」の記録に適する
- 不要なデータが発生しないため、データ量を抑えられる
- 取得間隔の設計が不要
人時生産性に必要な「作業開始時刻」「作業終了時刻」は、本質的にイベントデータです。ハンディ端末のスキャンやWMSのステータス更新がそのまま記録になるため、新たにセンサーを追加しなくても取得できるケースがあります。
「データ収集＝センサーの導入」とは限りません。既存のWMSやハンディ端末から取得できるイベントデータを見直すことで、追加投資なしに改善に必要なデータが揃うケースは少なくありません。新しい機器を導入する前に、まず今あるシステムから「出来事」として記録できるデータを洗い出すことが、データ収集設計の第一歩です。
4. 過剰な取得間隔が引き起こすコスト構造
取得間隔を必要以上に短くした場合、見えにくいコストが積み上がります。
- 通信コスト：特にLTE/セルラー回線を利用する場合、データ量に応じた通信費が発生する。Wi-Fi環境でも帯域を圧迫しうる
- ストレージコスト：クラウド上のデータベースやデータレイクへの蓄積量が増え、保存・検索のコストが上がる。サービスによっては、保存容量だけでなくデータの書き込み回数や処理回数がコストに影響する場合がある
- 処理負荷：データの受信・変換・書き込み処理がゲートウェイやサーバーに負荷をかけ、他のシステムに影響を及ぼすことがある
- 保守運用コスト：データ量が増えるほど、バックアップ・監視・障害対応の工数が増える。実務ではこの保守コストが最も見落とされやすい
- 分析のノイズ：不要に細かいデータは、分析時にノイズとなり、傾向の把握をかえって難しくする場合がある
取得間隔の設計は「技術的にどこまで短くできるか」ではなく、「分析目的に対して十分な精度を、持続可能なコストで実現できるか」という観点で判断する必要があります。
まとめ：取得間隔は、技術ではなく改善目的から決める
取得間隔の正解は、すべてのデータに一律で適用できるものではありません。KPIの算出に使うデータ、リアルタイム監視に使うデータ、環境モニタリングに使うデータ——それぞれ求められる精度が異なります。
何秒で集められるかではなく、何を判断したいかで取得間隔を決めることが重要です。「そのデータで何を判断するか」「その判断にどの程度の精度が必要か」「その精度を維持するコストは妥当か」。この3つに答えることで、適切な取得間隔が見えてきます。
現場改善に必要なデータだけを、分析できる形で残すことです。
どのデータを取得すべきか、どの粒度・取得間隔で集めるべきか、既存のWMSや設備データをどう活用できるか——改善したいKPIから逆算したデータ設計を支援します。Nexa Warehouse-Optimizerは、収集したデータをもとにKPIを可視化する分析基盤です。
お問い合わせはこちら