コラム ｜ 物流データ意思決定シリーズ 第5回 ｜ 2026年10月2日

「生産性が低い」は、
問題ではなく現象である

物流データ意思決定シリーズ｜分析結果を、実行可能な解き方と投資判断につなげる

「生産性が低いことは分かった。それで、何を変えればいいのか」——会議でそんなやりとりになったことはないでしょうか。

資料に「生産性が低いので、改善が必要です」と書かれた瞬間、議論は「じゃあ何人増やすか」「自動化を検討すべきでは」に飛びます。そして多くの場合、そこで結論は出ません。出たとしても、なぜその手を選んだのかを後から説明できません。

前回まで、分析結果がそのまま問題定義になってしまうこと、分析の範囲が解決策の範囲を決めてしまうことを見てきました。今回は、その中心にある話です。「生産性が低い」は、解くべき問題ではありません。観測された現象です。

なぜ、そこで議論が止まるのか

物流の現場でよく交わされる議論は、だいたいこの形をしています。

どれも自然に聞こえます。しかし、よく見ると左端の観測値から、右端の打ち手へ、一段で飛んでいます。その間にあるはずの「なぜそうなっているのか」という構造の話が、抜け落ちている。

そして構造が分からないまま打ち手を選ぶと、選択の根拠は経験と、会議での声の大きさになります。「前回は増員で乗り切った」「他社は自動化している」。それは仮説として悪くありませんが、検証可能な根拠ではありません。効かなかったときに、何が間違っていたのかも分かりません。

ここで注意したいのは、これが分析の不足だとは限らないことです。分析からは、時間帯別の生産性低下も、特定工程の滞留も、物量波動との相関も出てきます。構造に近い情報は、すでに手元にあることが多い。足りないのは分析ではなく、分析結果を構造として読み、そこから選択肢を組み立てる工程です。

三つを分けて置く

まず、言葉を分けます。

この分け方の価値は、分類そのものにはありません。「同じ現象でも、構造が違えば正解が違う」ということが、はっきり見えるようになることです。

時間の内訳に分解する

では、現象から構造へはどう降りるのか。物流現場で最も汎用的な入口は、時間の使われ方を分解することです。

「1人1時間あたり何個処理したか」という生産性は、分子と分母の割り算です。分母である労働時間の中身を見なければ、生産性が低い理由を切り分けることはできません。実際に分解してみると、次のように分かれます。

分解すると、同じ「生産性が低い」でも意味が変わります。待ちや探索が大きいならまだ取り戻せる損失が残っている。例外処理が膨らんでいるなら、原因は倉庫の作業速度ではなく受注や荷主ルールの側にある。純作業の比率が高いのに数字が出ていないなら、取り戻せる時間だけでは説明できない状態で、作業方法や工程の能力といった別の要因を、さらに切り分ける必要があります。

製造の現場では、設備が動いていない時間を停止理由ごとに分けて記録する習慣が定着しています。「稼働率が低い」という事実だけでは、原因も対策も決まらないからです。

段取り替えが長いのなら、手順と治具の話になります。故障が多いのなら、保全の周期と部品の話になります。材料待ちなら、原因は設備の外——調達や前工程の計画側にあります。同じ「止まっている時間」でも、理由ごとに打つべき手がまったく違う。だからこそ、理由の内訳を記録することが仕組みとして組み込まれています。

物流の作業時間も、構造は同じです。総労働時間という一つの数字のままでは、そこに含まれる待ちも探索も例外処理も、すべて「生産性が低い」という同じ結論に丸め込まれてしまいます。

同じ現象から、6通りの正解が分岐する

構造が見えたら、次は解決策との対応です。ここで、「残業が増えた」という一つの現象だけを取り上げてみます。

現象の欄は、6行すべて同じです。KPIの数字も、報告書の見出しも同じになります。それでも、正解は6通りに分岐します。

現象だけを見て解決策に飛ぶということは、6つの可能性を切り分けないまま、そのうちの一つを選ぶということです。選んだ根拠は、経験と、会議での声の大きさになります。どちらも、次に同じ問題が起きたときの精度は上がりません。

この表は、上から順に試す階段ではありません

この対応表を見て、「まず応援で吸収して、それでもだめなら再配置して、最後に投資」という順番だと読まれることがあります。それは、この表の使い方としては誤りです。

受注条件の見直しと設備投資を、同時に比較することはあります。応援と再配置とレイアウト改善を、同じテーブルの上で効果と実施時期で並べることもあります。重要なのは、議論の入口で選択肢を狭めないことです。

「改善でいくのか、投資でいくのか」——この二択で始まった会議は、その時点ですでに他の選択肢を捨てています。受注の集中が原因だった場合、改善も投資も正解ではありません。しかし二択で始めた議論からは、その答えは絶対に出てきません。

ですから、この段階でやることはひとつです。構造に対応しうる選択肢を、業務改善から設備投資まで、同じテーブルに並べる。絞り込みはここではしません。効果・実施までの時間・可逆性・コスト・権限といった制約条件を加えて比較するのは、次回の話です。

物流で、これが難しい理由

ここまでの話は、構造としてはシンプルです。それでも物流現場で実践が難しいのには、はっきりした理由があります。

作業時間の内訳データが、そもそも存在しないことが多い。

WMSには、出荷実績と処理件数は残ります。勤怠システムには、出退勤と総労働時間が残ります。しかしその間——誰が、どの工程で、何分使い、そのうち何分が待ちで、何分が探索だったか——を記録している現場は、決して多くありません。

結果として、分子（処理量）と分母（総労働時間）だけで生産性を計算することになります。この2つの数字からは、割り算の答えしか出てきません。分母の中身が分からないかぎり、現象から構造へは降りられません。

もうひとつは、工程の境界が曖昧なことです。同じ人が入荷応援に回り、途中で出荷検品に入り、また戻る。人単位の実働と、工程単位の作業量が一致しない。この曖昧さが、「どの工程に能力不足があるのか」という問いを答えにくくしています。

逆に言えば、ここがデータ収集の設計が効いてくる場所です。すべての作業を秒単位で取る必要はありません。待ちと探索が大きいのか、例外処理が膨らんでいるのか、それとも純作業しか残っていないのか——構造を判別できる粒度があれば、判断はできます。どう取得するかについては、物流データ収集 完全ガイドで扱っています。

この判断をするために、最低限どのデータが要るか

現象から構造へ降り、選択肢を並べるために、最低限必要なものを整理します。すべてを一度に揃える必要はありません。

このうち、時間帯別と工程別の2軸は、外せません。日次・センター全体の合計値だけでは、6つの構造のどれにも絞り込めないからです。「月間平均では能力が足りている」という数字が何も説明してくれないのは、第3回で見たとおりです。

そしてこの一段には、先があります。現象から構造へ降りられるようになると、どこまでが今ある人・設備・時間の使い方を変えることで解ける問題で、どこからが投資によって初めて解ける問題なのかが、経験則ではなくデータの形で見えてきます。待ちも探索も取り切ったうえで残る差があるなら、それは現場の努力では越えられない線です。逆に、その線の手前にある問題に対して、戻せない投資をする理由はありません。

次回は、並べた選択肢に第2のフィルターをかけます。分析上は「あと10人いれば解決する」と出た。しかし採用できない、育成に時間がかかる、繁忙期だけ必要——分析上の最適解と、実行可能な最適解は違います。

物流データ意思決定シリーズ（全9回）