warehouse-design について
warehouse-designは、倉庫設計担当者や運用チーム向けの施設計画スキルです。面積、レイアウト、保管方式、設備、処理能力、自動化、KPIを扱います。
主な機能
- 01事業・運用・敷地要件の評価
- 02保管面積と倉庫容量の見積もり
- 03レイアウトと保管方式の比較
- 04マテリアルハンドリング機器の選定
- 05ドック、ピッキング、自動化、KPIの分析
活用シーン
- 01新しい倉庫施設の計画
- 02需要予測に応じた容量の評価
- 03荷役とピッキング移動の削減
- 04保管・自動化案の比較
インストール
コマンドをコピーしてターミナルで実行します。
$
npx skills add https:/インストール後、Claude Code で/warehouse-designを入力して読み込まれたか確認します。
詳細
倉庫設計
倉庫設計と施設計画の専門家です。空間利用率、マテリアルフロー、労働生産性、業務効率を最適化する、効率的で費用対効果の高い倉庫施設の設計を支援します。
初期評価
倉庫を設計する前に、以下を把握します。
-
ビジネス要件
- 保管する製品は何ですか？（SKU数、品種）
- 処理量はどのくらいですか？（単位数／日、注文数／日）
- 成長予測はありますか？（3～5年の見通し）
- 特別な要件はありますか？（温度管理、危険物、セキュリティ）
-
業務プロファイル
- 注文の形態はどのようなものですか？（B2Bパレット、B2C個品、混合）
- ピーク時と平均時の処理量はどのくらいですか？（季節変動係数）
- SKUの出荷頻度の分布はどうなっていますか？（高頻度／中頻度／低頻度）
- 付加価値サービスはありますか？（キッティング、ラベル貼付、返品）
-
物理的制約
- 利用可能な敷地はありますか？（寸法、形状、制約）
- 建物の種類は何ですか？（新築、既存施設の改修）
- 利用可能な有効高さはどのくらいですか？
- 柱間隔と床の耐荷重はどのくらいですか？
-
現状
- 現在の業務で再現または改善すべき点はありますか？
- 現在の空間利用率と課題は何ですか？
- すでに導入済みのテクノロジーはありますか？
- 従業員に関する考慮事項はありますか？
倉庫設計のフレームワーク
設計原則
1. マテリアルハンドリングを最小限に抑える
- 直線的なフローを優先する
- 荷物に触れる回数と移動を最小限に抑える
- 可能な場合は直接棚入れする
- クロスドッキングの機会を活用する
2. 空間利用率を最大化する
- 垂直方向に保管する（高さを活用する）
- 出荷頻度の低い製品には高密度保管を採用する
- 効率的な通路配置にする
- 空間に適したサイズの機器を選ぶ
3. 労働生産性を最適化する
- 移動距離を最小限に抑える
- 類似した作業をまとめる
- 人間工学に基づいた作業台を設計する
- 作業負荷のバランスを取る
4. 柔軟性を確保する
- 成長に対応する
- 複数の注文形態をサポートする
- 拡張可能なシステムを採用する
- レイアウトを変更可能にする
5. 安全性とコンプライアンスを確保する
- 防火基準とスプリンクラーの要件
- ADAアクセシビリティ
- OSHA規制
- 製品固有の規制（食品、医薬品）
倉庫の規模と容量
面積の算出方法
必要な保管スペース：
import numpy as np
import pandas as pd
def calculate_storage_space(sku_data, peak_factor=1.5, utilization_target=0.85):
"""
Calculate required warehouse storage space
Parameters:
- sku_data: DataFrame with columns ['sku', 'avg_inventory', 'pallet_positions']
- peak_factor: Peak inventory as multiple of average (e.g., 1.5 = 50% above avg)
- utilization_target: Target space utilization (0.85 = 85%)
Returns:
- Required pallet positions
"""
# Calculate peak inventory
sku_data = sku_data.copy()
sku_data['peak_inventory'] = sku_data['avg_inventory'] * peak_factor
# Total pallet positions needed
total_positions = sku_data['pallet_positions'].sum()
# Adjust for utilization target (need more positions than peak to maintain flow)
required_positions = total_positions / utilization_target
return {
'avg_pallet_positions': sku_data['pallet_positions'].sum(),
'peak_pallet_positions': total_positions,
'required_positions': round(required_positions, 0),
'utilization_target': utilization_target
}
# Example
sku_data = pd.DataFrame({
'sku': [f'SKU_{i}' for i in range(1, 101)],
'avg_inventory': np.random.randint(10, 500, 100),
'pallet_positions': np.random.randint(1, 50, 100)
})
storage_req = calculate_storage_space(sku_data, peak_factor=1.5, utilization_target=0.85)
print(f"Required pallet positions: {storage_req['required_positions']}")
倉庫の総床面積：
def warehouse_sizing(storage_positions, storage_type='selective',
receiving_docks=10, shipping_docks=15,
value_added_sq_ft=5000):
"""
Calculate total warehouse square footage
storage_type: 'selective', 'drive-in', 'push-back', 'pallet-flow'
"""
# Square feet per pallet position by storage type
sq_ft_per_position = {
'selective': 30, # Single-deep racking, most accessible
'double-deep': 22, # Double-deep, less accessible
'drive-in': 18, # High density, LIFO
'push-back': 20, # High density, LIFO
'pallet-flow': 25, # FIFO, dynamic
'floor-stacked': 15 # Very dense, limited access
}
storage_sq_ft = storage_positions * sq_ft_per_position.get(storage_type, 30)
# Receiving area (assume 2000 sq ft per dock door)
receiving_sq_ft = receiving_docks * 2000
# Shipping area (assume 1500 sq ft per dock door)
shipping_sq_ft = shipping_docks * 1500
# Aisles and circulation (20-30% of storage)
circulation_sq_ft = storage_sq_ft * 0.25
# Office, break rooms, restrooms (5-10% of total)
support_sq_ft = (storage_sq_ft + receiving_sq_ft + shipping_sq_ft) * 0.08
# Total
total_sq_ft = (storage_sq_ft +
receiving_sq_ft +
shipping_sq_ft +
circulation_sq_ft +
value_added_sq_ft +
support_sq_ft)
breakdown = {
'Storage': round(storage_sq_ft, 0),
'Receiving': round(receiving_sq_ft, 0),
'Shipping': round(shipping_sq_ft, 0),
'Circulation': round(circulation_sq_ft, 0),
'Value_Added': value_added_sq_ft,
'Support': round(support_sq_ft, 0),
'Total': round(total_sq_ft, 0)
}
return breakdown
# Example
sizing = warehouse_sizing(
storage_positions=5000,
storage_type='selective',
receiving_docks=10,
shipping_docks=15,
value_added_sq_ft=5000
)
print("Warehouse Space Breakdown:")
for area, sq_ft in sizing.items():
print(f" {area}: {sq_ft:,.0f} sq ft")
print(f"\nTotal warehouse size: {sizing['Total']:,.0f} sq ft")
処理能力の分析
def throughput_capacity(storage_positions, picks_per_day, orders_per_day,
lines_per_order=5, pick_rate_per_hour=100):
"""
Analyze warehouse throughput capacity
Parameters:
- storage_positions: Total pallet positions
- picks_per_day: Daily pick volume (lines)
- orders_per_day: Daily order volume
- lines_per_order: Average lines per order
- pick_rate_per_hour: Picks per person per hour
Returns:
- Capacity analysis and labor requirements
"""
# Labor calculations
picks_per_day = orders_per_day * lines_per_order
hours_per_day = 16 # Assume 2-shift operation
pickers_needed = picks_per_day / (pick_rate_per_hour * hours_per_day)
# Receiving capacity (pallets per dock per day)
pallets_per_dock_day = 80 # Industry average
receiving_capacity = pallets_per_dock_day # per dock
# Shipping capacity (orders per dock per day)
orders_per_dock_day = 100 # Depends on order size
shipping_capacity = orders_per_dock_day # per dock
return {
'picks_per_day': picks_per_day,
'pickers_needed': round(pickers_needed, 1),
'receiving_pallets_per_dock': pallets_per_dock_day,
'shipping_orders_per_dock': orders_per_dock_day
}
# Example
capacity = throughput_capacity(
storage_positions=5000,
picks_per_day=0, # Will calculate
orders_per_day=2000,
lines_per_order=5,
pick_rate_per_hour=100
)
print(f"Daily picks: {capacity['picks_per_day']}")
print(f"Pickers needed: {capacity['pickers_needed']}")
倉庫レイアウト設計
レイアウトの種類
1. U字型フロー
- 入荷と出荷を同じ側に配置する
- コンパクトな敷地面積
- 小規模施設に適している
- クロスドッキングが容易
2. 直線型（Iフロー）
- 一方の端に入荷、反対側の端に出荷を配置する
- 長細い建物に適している
- 後戻りを最小限に抑える
- 入荷と出荷を明確に分離する
3. L字型フロー
- 一方の側に入荷、隣接する側に出荷を配置する
- 角地に適している
- フロー効率は中程度
4. T字型フロー
- 一方の側で入荷し、出荷を二方向に分ける
- 複数の出荷エリアに対応できる
- フローが複雑になる
機能別ゾーン
def design_functional_zones(total_sq_ft, order_profile='mixed'):
"""
Allocate space to functional zones
order_profile: 'pallet', 'case', 'each', 'mixed'
"""
# Space allocation percentages by order profile
allocations = {
'pallet': {
'Reserve_Storage': 0.50,
'Forward_Pick': 0.10,
'Receiving': 0.12,
'Shipping': 0.15,
'Value_Added': 0.03,
'Support': 0.10
},
'each': {
'Reserve_Storage': 0.35,
'Forward_Pick': 0.25,
'Receiving': 0.10,
'Shipping': 0.15,
'Value_Added': 0.05,
'Support': 0.10
},
'mixed': {
'Reserve_Storage': 0.40,
'Forward_Pick': 0.20,
'Receiving': 0.12,
'Shipping': 0.15,
'Value_Added': 0.05,
'Support': 0.08
}
}
profile_alloc = allocations.get(order_profile, allocations['mixed'])
zones = {
zone: round(total_sq_ft * pct, 0)
for zone, pct in profile_alloc.items()
}
return zones
# Example
zones = design_functional_zones(200000, order_profile='mixed')
print("Functional Zone Allocation:")
for zone, sq_ft in zones.items():
print(f" {zone}: {sq_ft:,.0f} sq ft ({sq_ft/sum(zones.values())*100:.1f}%)")
保管システムの選定
保管システムの比較
| システム | 密度 | 選択性 | FIFO/LIFO | コスト | 最適な用途 |
|---|---|---|---|---|---|
| セレクティブラック | 低 | 100% | どちらも可 | $ | 出荷頻度が高い製品、SKU数が多い場合 |
| ダブルディープ | 中 | 50% | LIFO | $$ | 出荷頻度が中程度、SKUをペアで保管する場合 |
| ドライブイン／ドライブスルー | 高 | 10-20% | LIFO/FIFO | $$ | 出荷頻度が低い製品、SKU数が少なく在庫量が多い場合 |
| プッシュバック | 高 | 25-30% | LIFO | $$$ | 処理量が多く、SKU数が限られている場合 |
| パレットフロー | 高 | 100% | FIFO | $$$$ | 出荷頻度が高く、日付管理が必要な製品 |
| 自動AS/RS | 非常に高い | 100% | どちらも可 | $$$$$ | 処理量が非常に多く、労働力が限られている場合 |
保管システムの選定ロジック
def select_storage_system(sku_velocity, sku_diversity, fifo_required=False,
space_constraint=False):
"""
Recommend storage system based on operational requirements
Parameters:
- sku_velocity: 'fast', 'medium', 'slow'
- sku_diversity: 'high' (>1000 SKUs), 'medium' (100-1000), 'low' (<100)
- fifo_required: True if FIFO needed (perishables, date-coded)
- space_constraint: True if space is at premium
"""
recommendations = []
if sku_diversity == 'high':
if sku_velocity == 'fast':
recommendations.append({
'system': 'Selective Racking',
'reason': 'High SKU count requires full selectivity',
'priority': 1
})
if space_constraint:
recommendations.append({
'system': 'Narrow Aisle (VNA)',
'reason': 'Increases density for high SKU count',
'priority': 2
})
else:
recommendations.append({
'system': 'Selective Racking',
'reason': 'Full selectivity for diverse SKU mix',
'priority': 1
})
elif sku_diversity == 'medium':
if sku_velocity == 'fast':
recommendations.append({
'system': 'Pallet Flow Rack',
'reason': 'FIFO, high velocity, moderate SKU count',
'priority': 1 if fifo_required else 2
})
recommendations.append({
'system': 'Push-Back Rack',
'reason': 'Dense storage, good throughput',
'priority': 2 if fifo_required else 1
})
else:
recommendations.append({
'system': 'Double-Deep',
'reason': 'Good density with reasonable selectivity',
'priority': 1
})
else: # low SKU diversity
if space_constraint:
recommendations.append({
'system': 'Drive-In Racking',
'reason': 'Maximum density for low SKU count',
'priority': 1 if not fifo_required else 2
})
if fifo_required:
recommendations.append({
'system': 'Drive-Through Racking',
'reason': 'Dense FIFO for low SKU count',
'priority': 1
})
# Sort by priority
recommendations.sort(key=lambda x: x['priority'])
return recommendations
# Example
recs = select_storage_system(
sku_velocity='fast',
sku_diversity='high',
fifo_required=True,
space_constraint=True
)
print("Storage System Recommendations:")
for rec in recs:
print(f" {rec['priority']}. {rec['system']}: {rec['reason']}")
ラック構成の計算
def rack_configuration(clear_height_ft, load_height_ft=5, load_depth_ft=4,
aisle_width_ft=12, rack_depth='single'):
"""
Calculate rack configuration and capacity
Parameters:
- clear_height_ft: Building clear height
- load_height_ft: Height per pallet level
- load_depth_ft: Depth per pallet position
- aisle_width_ft: Aisle width for equipment
- rack_depth: 'single', 'double', 'back-to-back'
"""
# Calculate number of levels (leave clearance for sprinklers/lights)
usable_height = clear_height_ft - 4 # 4 ft clearance
levels = int(usable_height / load_height_ft)
# Rack bay width (typically 96-108 inches for 2 pallets side-by-side)
bay_width_ft = 9 # 2 x 42" pallets + structure
# Calculate positions per bay
if rack_depth == 'single':
positions_per_bay = 2 # 2 pallets wide
depth_ft = load_depth_ft + 2 # Structure
elif rack_depth == 'double':
positions_per_bay = 4 # 2 deep x 2 wide
depth_ft = (load_depth_ft * 2) + 2
elif rack_depth == 'back-to-back':
positions_per_bay = 4 # 2 racks back to back, 2 wide each
depth_ft = (load_depth_ft * 2) + 3 # Shared structure
# Positions per bay
positions_per_bay_total = positions_per_bay * levels
# Linear feet required per bay (includes aisle)
linear_ft_per_bay = bay_width_ft
# Calculate density (positions per 1000 sq ft)
sq_ft_per_bay = bay_width_ft * (depth_ft + aisle_width_ft)
positions_per_1000_sqft = (positions_per_bay_total / sq_ft_per_bay) * 1000
return {
'levels': levels,
'positions_per_bay': positions_per_bay_total,
'bay_width_ft': bay_width_ft,
'depth_ft': depth_ft,
'sq_ft_per_bay': round(sq_ft_per_bay, 1),
'positions_per_1000_sqft': round(positions_per_1000_sqft, 1)
}
# Example
config = rack_configuration(
clear_height_ft=32,
load_height_ft=5,
aisle_width_ft=12,
rack_depth='single'
)
print(f"Rack levels: {config['levels']}")
print(f"Positions per bay: {config['positions_per_bay']}")
print(f"Density: {config['positions_per_1000_sqft']} positions per 1000 sq ft")
マテリアルハンドリング機器の選定
機器の種類と仕様
1. カウンターバランスフォークリフト
- 揚高：15～20 ft
- 通路幅：12～13 ft
- 用途：入荷、出荷、低層保管
- コスト：$25K～$40K
2. リーチトラック
- 揚高：25～35 ft
- 通路幅：8～10 ft
- 用途：セレクティブラック、保管効率の向上
- コスト：$35K～$50K
3. 非常に狭い通路（VNA）／ターレットトラック
- 揚高：35～45 ft
- 通路幅：5～6.5 ft
- 用途：最大密度、多数の SKU
- コスト：$60K～$100K+
- ワイヤーガイダンスと平坦な床が必要です
4. オーダーピッカー
- 揚高：25～35 ft
- 用途：各個／ケースピッキング、作業者が商品まで移動する方式
- コスト：$40K～$70K
5. 無人搬送車（AGV）
- 揚高：可変
- 用途：格納、補充、商品から作業者への搬送
- コスト：1台あたり$100K～$200K
def select_material_handling_equipment(storage_height_ft, aisle_budget='medium',
throughput_level='medium',
automation_interest=False):
"""
Recommend material handling equipment
Parameters:
- storage_height_ft: How high storage needs to go
- aisle_budget: 'tight' (<8 ft), 'medium' (8-12 ft), 'wide' (>12 ft)
- throughput_level: 'low', 'medium', 'high'
- automation_interest: Considering automation?
"""
recommendations = []
if storage_height_ft <= 15:
recommendations.append({
'equipment': 'Counterbalance Forklift',
'aisle_width': '12-13 ft',
'cost': '$25K-$40K',
'reason': 'Low height, versatile, lowest cost'
})
elif storage_height_ft <= 30:
if aisle_budget == 'tight':
recommendations.append({
'equipment': 'Very Narrow Aisle (VNA)',
'aisle_width': '5-6.5 ft',
'cost': '$60K-$100K',
'reason': 'Maximum space utilization, tight aisles'
})
else:
recommendations.append({
'equipment': 'Reach Truck',
'aisle_width': '8-10 ft',
'cost': '$35K-$50K',
'reason': 'Good balance of cost and density'
})
else: # > 30 ft
recommendations.append({
'equipment': 'VNA or Automated AS/RS',
'aisle_width': '5-6.5 ft or N/A',
'cost': '$60K+ or $2M+ system',
'reason': 'Required for very high storage'
})
if automation_interest and throughput_level == 'high':
recommendations.append({
'equipment': 'Automated Storage/Retrieval (AS/RS)',
'aisle_width': 'N/A',
'cost': '$2M-$10M+ system',
'reason': 'High throughput, labor savings, accuracy'
})
return recommendations
# Example
equipment = select_material_handling_equipment(
storage_height_ft=28,
aisle_budget='medium',
throughput_level='medium',
automation_interest=False
)
print("Material Handling Equipment Recommendations:")
for eq in equipment:
print(f"\n {eq['equipment']}")
print(f" Aisle width: {eq['aisle_width']}")
print(f" Cost: {eq['cost']}")
print(f" Reason: {eq['reason']}")
ドックと入荷／出荷の設計
ドックドアの算出
def calculate_dock_doors(inbound_trucks_per_day, outbound_trucks_per_day,
hours_of_operation=10, dwell_time_hours=2,
utilization_target=0.80):
"""
Calculate required dock doors
Parameters:
- inbound_trucks_per_day: Daily truck arrivals
- outbound_trucks_per_day: Daily truck departures
- hours_of_operation: Working hours per day
- dwell_time_hours: Hours per truck at dock (unload/load time)
- utilization_target: Target dock utilization (0.80 = 80%)
"""
# Capacity per dock door per day
door_capacity = hours_of_operation / dwell_time_hours
# Receiving doors needed
receiving_doors_raw = inbound_trucks_per_day / door_capacity
receiving_doors = receiving_doors_raw / utilization_target
# Shipping doors needed
shipping_doors_raw = outbound_trucks_per_day / door_capacity
shipping_doors = shipping_doors_raw / utilization_target
return {
'receiving_doors': int(np.ceil(receiving_doors)),
'shipping_doors': int(np.ceil(shipping_doors)),
'total_doors': int(np.ceil(receiving_doors + shipping_doors)),
'receiving_utilization': receiving_doors_raw / np.ceil(receiving_doors),
'shipping_utilization': shipping_doors_raw / np.ceil(shipping_doors)
}
# Example
doors = calculate_dock_doors(
inbound_trucks_per_day=50,
outbound_trucks_per_day=70,
hours_of_operation=16, # 2 shifts
dwell_time_hours=2,
utilization_target=0.80
)
print(f"Receiving doors needed: {doors['receiving_doors']}")
print(f"Shipping doors needed: {doors['shipping_doors']}")
print(f"Total dock doors: {doors['total_doors']}")
print(f"Receiving utilization: {doors['receiving_utilization']:.1%}")
print(f"Shipping utilization: {doors['shipping_utilization']:.1%}")
ドックの構成
設計上の考慮事項：
- ドック間隔：中心間で12 ft（標準）
- ドック奥行き：荷さばきエリアとして60～80 ft
- 転回スペース：53'トレーラーの場合は130～150 ft
- ドライブインドック：省スペースですが、処理能力は低下します
- クロスドック：入荷エリアと出荷エリアを近接させる必要があります
ピッキング経路とスロッティングの設計
移動距離の算出
def calculate_pick_travel_distance(orders_per_day, lines_per_order,
avg_travel_per_pick_ft=150,
picker_speed_ft_per_min=200):
"""
Calculate picker travel distance and time
Parameters:
- orders_per_day: Daily order volume
- lines_per_order: Average order lines
- avg_travel_per_pick_ft: Average travel distance per pick
- picker_speed_ft_per_min: Walking/driving speed
"""
picks_per_day = orders_per_day * lines_per_order
# Total travel distance
total_travel_ft = picks_per_day * avg_travel_per_pick_ft
total_travel_miles = total_travel_ft / 5280
# Travel time
travel_time_min = total_travel_ft / picker_speed_ft_per_min
travel_time_hours = travel_time_min / 60
# If picks per hour = 100, calculate labor needed
pick_time_hours = picks_per_day / 100
total_labor_hours = pick_time_hours + travel_time_hours
return {
'picks_per_day': picks_per_day,
'total_travel_miles': round(total_travel_miles, 1),
'travel_time_hours': round(travel_time_hours, 1),
'pick_time_hours': round(pick_time_hours, 1),
'total_labor_hours': round(total_labor_hours, 1),
'pickers_needed_single_shift': round(total_labor_hours / 8, 1)
}
# Example
travel = calculate_pick_travel_distance(
orders_per_day=2000,
lines_per_order=5,
avg_travel_per_pick_ft=150,
picker_speed_ft_per_min=200
)
print(f"Daily picks: {travel['picks_per_day']}")
print(f"Daily travel: {travel['total_travel_miles']} miles")
print(f"Travel time: {travel['travel_time_hours']} hours")
print(f"Pickers needed: {travel['pickers_needed_single_shift']}")
ゴールデンゾーンへの配置
原則：
- 回転率の最も高い商品を、最も取り出しやすい場所に配置します
- 「ゴールデンゾーン」：ラックの前面で、腰から肩までの高さ
- 垂直方向と水平方向の移動を最小限に抑えます
実装： 詳細なアルゴリズムについては、warehouse-slotting-optimization スキルを参照してください
自動化とテクノロジー
倉庫の自動化オプション
1. コンベヤーシステム
- 用途：ゾーン間で商品を移動します
- コスト：直線距離1 ftあたり$200～$500
- ROI：2～4年
2. 仕分けシステム
- 用途：注文／カートンをレーン／配送先別に仕分けます
- 種類：スライディングシュー、クロスベルト、チルトトレイ
- コスト：$500K～$3M+
- 処理能力：1時間あたり5K～30K+ユニット
3. 自動保管・検索システム（AS/RS）
- 用途：高密度保管、高処理能力
- 種類：ミニロード、ユニットロード、シャトルシステム
- コスト：$2M～$20M+
- ROI：3～7年
4. 商品から作業者への搬送（GTP）
- 用途：ピッカーの移動をなくします
- 種類：垂直リフトモジュール、水平カルーセル、シャトルシステム
- コスト：$500K～$5M+
- ピッキング率：1人1時間あたり200～400+明細行
5. ロボティクス
- 種類：AMR（自律移動ロボット）、ピッキングロボット、パレタイジングロボット
- コスト：1台あたり$50K～$200K
- 拡張性：必要に応じて追加・削除できます
6. 無人搬送車（AGV）
- 用途：パレット／コンテナを移動します
- コスト：1台あたり$100K～$200K
- インフラ（ワイヤー／磁石またはLiDAR）が必要です
def automation_roi_analysis(current_labor_cost, automation_cost,
labor_savings_pct, maintenance_cost_annual,
years=5):
"""
Calculate ROI for warehouse automation
Parameters:
- current_labor_cost: Annual labor cost ($)
- automation_cost: Upfront automation investment ($)
- labor_savings_pct: Labor reduction (e.g., 0.40 for 40%)
- maintenance_cost_annual: Annual maintenance ($)
- years: Analysis period
"""
annual_savings = current_labor_cost * labor_savings_pct
annual_net_savings = annual_savings - maintenance_cost_annual
# Simple payback period
payback_years = automation_cost / annual_net_savings
# NPV calculation (assume 10% discount rate)
discount_rate = 0.10
npv = -automation_cost
for year in range(1, years + 1):
npv += annual_net_savings / ((1 + discount_rate) ** year)
# ROI
total_savings = annual_net_savings * years
roi = (total_savings - automation_cost) / automation_cost
return {
'automation_cost': automation_cost,
'annual_labor_savings': round(annual_savings, 0),
'annual_maintenance': maintenance_cost_annual,
'annual_net_savings': round(annual_net_savings, 0),
'payback_years': round(payback_years, 2),
'npv_5_year': round(npv, 0),
'roi_5_year': round(roi, 2)
}
# Example
roi = automation_roi_analysis(
current_labor_cost=2_000_000, # $2M annual labor
automation_cost=4_000_000, # $4M automation investment
labor_savings_pct=0.50, # 50% labor reduction
maintenance_cost_annual=200_000, # $200K annual maintenance
years=5
)
print(f"Automation cost: ${roi['automation_cost']:,.0f}")
print(f"Annual labor savings: ${roi['annual_labor_savings']:,.0f}")
print(f"Annual net savings: ${roi['annual_net_savings']:,.0f}")
print(f"Payback period: {roi['payback_years']} years")
print(f"5-year NPV: ${roi['npv_5_year']:,.0f}")
print(f"5-year ROI: {roi['roi_5_year']:.1%}")
倉庫のKPIとパフォーマンス
主要業績評価指標
def warehouse_kpis(total_sq_ft, storage_sq_ft, occupied_positions,
total_positions, throughput_units, labor_hours,
orders_shipped, order_accuracy_pct):
"""
Calculate warehouse performance KPIs
"""
# Space utilization
space_utilization = occupied_positions / total_positions
# Inventory density
inventory_density = occupied_positions / (storage_sq_ft / 1000)
# Productivity
units_per_labor_hour = throughput_units / labor_hours
# Order accuracy
order_accuracy = order_accuracy_pct / 100
# Operating cost per unit (example)
# Would need cost inputs for full calculation
kpis = {
'Space_Utilization_%': round(space_utilization * 100, 1),
'Inventory_Density_per_1000sqft': round(inventory_density, 1),
'Units_per_Labor_Hour': round(units_per_labor_hour, 1),
'Order_Accuracy_%': round(order_accuracy * 100, 2),
'Orders_per_Labor_Hour': round(orders_shipped / labor_hours, 1)
}
return kpis
# Example
kpis = warehouse_kpis(
total_sq_ft=200000,
storage_sq_ft=120000,
occupied_positions=4200,
total_positions=5000,
throughput_units=50000,
labor_hours=500,
orders_shipped=2000,
order_accuracy_pct=99.5
)
print("Warehouse KPIs:")
for metric, value in kpis.items():
print(f" {metric}: {value}")
ツールとライブラリ
設計・シミュレーションソフトウェア
CAD／レイアウトツール：
- AutoCAD：倉庫の2D／3Dレイアウト
- SketchUp：3Dビジュアライゼーション
- Warehouse Blueprint：オンライン倉庫設計
- SmartDraw：倉庫レイアウトのテンプレート
シミュレーション：
- FlexSim：3Dシミュレーションモデリング
- AnyLogic：マルチメソッドシミュレーション
- Simio：プロセスシミュレーション
- Arena：離散イベントシミュレーション
- SimPy（Python）：離散イベントシミュレーションライブラリ
分析：
- Excel/Python：容量の算出、ROI分析
- Tableau/Power BI：パフォーマンスダッシュボード
よくある課題と解決策
課題：高さの活用不足
問題：
- 保管密度が低い
- 立方フィート単位の空間を無駄にしています
- 有効高が30 ft以上あるのに、10～15 ftしか使っていません
解決策：
- より高いラック（セレクティブまたはVNA）を設置します
- リーチトラックまたはオーダーピッカーを使用します
- ピッキング用の中二階を設置します
- 最大密度を実現するため、AS/RSを検討します
課題：ピッカーの移動距離が長すぎる
問題：
- 生産性が低い
- 人件費が高い
- ピッカーが1日に何マイルも移動します
解決策：
- 回転率に基づくスロッティングを実施します（warehouse-slotting-optimizationを参照）
- ゾーンピッキングまたはバッチピッキングの戦略を採用します
- 商品から作業者への自動搬送を導入します
- ピッキング経路を最適化します
- 回転率の高い商品向けの前方ピッキング場所を設けます
課題：ドックの混雑
問題：
- トラックの待機、滞留料金の発生
- 入荷・出荷のボトルネック
- 予約スケジュールの不備
解決策：
- 処理能力が不足している場合は、ドックドアを増設する
- ドック予約システム（YMS）を導入する
- クロスドッキングを利用して保管を省く
- 入荷業務と出荷業務を分離する
- 予約を一日を通して分散させる
課題：季節による取扱量の変動
問題：
- ピーク時に合わせた施設が、閑散期には十分に活用されない
- ピーク時の取扱量に対応できない
- 臨時労働者の確保が難しい
解決策：
- 柔軟な保管設備（折りたたみ式ラック、仮設設備）を活用する
- 3PL パートナーと連携して、あふれた在庫の保管スペースを確保する
- 自動化の規模を調整する（AMR を追加・撤去する）
- 従業員に複数の業務を習得させる
- 平均的な取扱量に合わせて設計し、あふれた分には別の保管戦略を利用する
課題：注文プロファイルの混在
問題：
- パレット単位の注文と単品単位の注文が混在している
- 両方に最適化するのが難しい
- プロセスを分けると非効率になる
解決策：
- 注文タイプごとに倉庫のゾーンを分ける
- パレットピッキングエリアと単品ピッキングエリアを分ける
- 複数方式に対応する自動化を利用する
- 注文タイプごとに異なるピッキング戦略を採用する
- プロファイルが大きく異なる場合は、施設を分けることを検討する
出力形式
倉庫設計レポート
エグゼクティブサマリー：
- 倉庫の規模と構成
- 保管容量（パレット保管位置数）
- 処理能力（単位数／日、注文数／日）
- 必要な設備投資額
- 運用コストの見積もり
施設仕様：
| 仕様 | 値 |
|---|---|
| 総床面積 | 250,000 sq ft |
| 有効天井高 | 32 ft |
| 保管面積 | 150,000 sq ft |
| パレット保管位置数 | 6,500 |
| 入荷ドックドア数 | 12 |
| 出荷ドックドア数 | 18 |
| 保管システム | セレクティブラック（80%）、プッシュバックラック（20%） |
| マテリアルハンドリング機器 | リーチトラック（6）、カウンターバランスフォークリフト（4） |
レイアウト図：
- 機能別ゾーンを示した平面図
- マテリアルフロー図
- ラック配置と通路構成
処理能力分析：
| 指標 | 設計処理能力 | ピーク処理能力（1.2x） |
|---|---|---|
| 保管位置数 | 6,500 | 7,800（床置き保管を含む） |
| 日次処理量 | 100,000 単位 | 120,000 単位 |
| 一日あたりの注文数 | 3,000 | 3,600 |
| 入荷（パレット／日） | 800 | 960 |
| 出荷（トラック／日） | 90 | 108 |
投資概要：
| カテゴリ | コスト |
|---|---|
| 建物（新築の場合） | $12M |
| ラックシステム | $2.5M |
| マテリアルハンドリング機器 | $800K |
| コンベヤー／仕分けシステム | $1.5M |
| IT システム（WMS など） | $500K |
| 設備投資合計 | $17.3M |
運用コスト（年間）：
| カテゴリ | コスト |
|---|---|
| 人件費 | $4.5M |
| 賃借料／減価償却費 | $2.0M |
| 光熱費 | $400K |
| メンテナンス | $300K |
| 年間合計 | $7.2M |
単位あたりのコスト： 出荷単位あたり $0.72
確認事項
追加の情報が必要な場合：
- 必要な処理能力はどの程度ですか？（単位数／日、注文数／日、注文プロファイル）
- SKU 数と出荷頻度の分布はどのようになっていますか？
- 今後 3～5 年間の成長予測はどの程度ですか？
- 候補地は決まっていますか？制約条件はありますか？（広さ、形状、有効天井高）
- 注文プロファイルはどのようなものですか？（パレット、ケース、単品、混在）
- 特別な要件はありますか？（温度管理、危険物、セキュリティ）
- 自動化への意向と予算はどの程度ですか？
- グリーンフィールドですか、ブラウンフィールドですか（既存の建物）？
関連スキル
- warehouse-slotting-optimization：倉庫内の商品配置を最適化する
- warehouse-automation：自動化システムを詳しく解説する
- order-fulfillment：ピッキング、梱包、出荷業務を設計する
- facility-location-problem：倉庫の立地を決定する
- picker-routing-optimization：ピッキング経路を最適化する
- dock-door-assignment：ドックのスケジュールを最適化する
- cross-docking：通過型オペレーションを設計する
- warehouse-location-optimization：ネットワーク全体で倉庫の配置を最適化する
コメント
Markdown 対応