「動線を直せばピッキングは速くなる」——だが動線は変数の一つで、モデルは歩く人を素通しする

ピッキングを速くするには歩く経路を短く直せばよい、と語られる。だが動線は、保管配置やバッチ化やゾーニングと並ぶ複数の設計変数の一つにすぎない。経路最適化モデルは歩く距離を計算するが、慣れ・疲れ・誤りという歩く人を素通しする。自動化も約束ではなくトレードオフだ。

前の単位では、荷物をどこに置いておくか——拠点の置き場所を扱った。ここでは、置いた荷物を注文どおりに棚から集める作業、ピッキングを扱う。ピッキングを速くするには、と問われれば、たいてい返ってくる答えは一つ——歩く経路（動線）を短く直せばよい、である。この棚が繰り返す見方をここでも一度置いておく——「動線最適化で◯%速く」は、モデルの中の歩行距離短縮であって、走った後の実測ではない。数理の最適と、現場の速さは別物である。 ピッキングとは、注文どおりに棚から品物を集める作業のこと。動線とは、作業者が歩く経路のことだ。

動線は、たくさんある設計変数の一つにすぎない

ピッキングは、倉庫のなかで最も労働集約的で、最もコストのかかる作業だとされる。だからこそ研究も多い。de Koster・Le-Duc・Roodbergen が2007年に *European Journal of Operational Research* 誌 182(2):481-501 でまとめた注文ピッキングの設計と制御のレビューは、ピッキングを速くする設計変数が動線だけではないことを整理している。品物をどこに置くか（保管配置）、複数の注文をまとめて一度に集めるか（バッチピッキング）、倉庫を区画に分けて担当を割るか（ゾーニング）——これらはどれも速さを左右する。Gu・Goetschalckx・McGinnis が2007年に同誌 177(1):1-21 で示した倉庫運用の総合レビューも、ピッキングを含む倉庫運用が多数の相互に絡む設計判断からなることを示す。つまり、動線を直せば速くなる、は、多くの設計変数のうち一つだけを取り出した話である。ほかを固定して動線だけをいじれば、効くこともあれば、ほとんど動かないこともある。

なぜ動線ばかりが語られるのか。それは、動線がいちばん目に見えて、いちばん図に描きやすいからだ。歩いた線を地図に引けば、短くできそうな箇所がすぐ見つかる。一方で、どの品をよく出すか、どうまとめて集めるかは、記録を数えないと見えてこない。見えやすい変数に注意が集まり、効きの大きい変数が後回しになる——これはこの棚が繰り返し出会う型で、数字の見た目の分かりやすさが、当てどころを歪めていく。動線を疑うより先に、まず自分の作業で時間がどこに消えているかを数える理由が、ここにある。

経路最適化のモデルは、人を素通しする

動線を最短にする経路最適化には、もう一つの落とし穴がある。歩く距離は計算できても、歩く人は計算に入っていないことだ。Grosse・Glock・Jaber・Neumann が2015年に *International Journal of Production Research* 誌 53(3):695-717 で示した研究は、注文ピッキングの計画モデルに人的要因——学習、疲労、注意、誤り——が組み込まれていないことを指摘した。実際の作業者は、慣れれば速くなり（学習）、時間が経てば遅くなり（疲労）、混雑すれば待たされる。最短経路を前提にしたモデルの予測速度は、こうした人の変化を素通ししているぶん、実際の速さを過大評価しやすい。ここで大事なのは、これを作業者の「能力不足」の話にしないことである。学習も疲労も、人である以上あたりまえに起きることで、それを見込まずに立てた計画のほうが、現実に追いついていない。現場の人は、モデルの変数ではなく、モデルが取りこぼしているものを日々埋めている主体である。

自動化のROIは、トレードオフであって約束ではない

動線でも人でも足りないなら自動化を、という流れになりやすい。だが自動化も「入れれば速い」ではない。Baker と Halim が2007年に *Supply Chain Management: An International Journal* 誌 12(2):129-138 で行った倉庫自動化の実装探索は、自動化がコスト・サービス・柔軟性という三つの間のトレードオフであることを示した。速さやコストを取れば柔軟性が犠牲になり、柔軟性を残せば投資対効果は薄まる。どれを重んじるかで評価が割れるので、「投資は必ず回収できる」という一般解は無い。ベンダーが掲げる「生産性◯%向上」の数字は、たいてい特定の前提の上での比較で、あなたの品ぞろえや波動には当てはまらないことが多い。数字の出どころ（誰がどんな条件で測ったのか）を確かめないまま、それを自分の現場の約束として受け取らないことである。

理論を現場に置くと、立ち上げの制約が出る

では、理論どおりに設計すれば現場もそのとおりに動くのか。Dekker・de Koster らが2004年に *Interfaces* 誌 34(4):303-313 で報告した実例は、ある倉庫の注文ピッキングの応答時間を、保管配置の見直しなどで改善した取り組みを扱っている。ここで見えるのは、理論を実装に移す段で、現場ならではの制約（既存の棚・作業者の慣れ・切り替えの手間）が必ず出てくることだ。Pasparakis らが2025〜2026年に *Logistics Research* 誌でオンライン先行公開した人とロボットの協働の研究も、自動化された現場でさえ、人がどこまで主導しどこまで従うかという設計が残ることを示す。理論は速くする筋道を教えてくれるが、その筋道を現場に敷くときの立ち上げのコストは、モデルの外にある。

時間・変化：2004年から2026年まで

順に置く。2004年、Dekker らが理論を実装した倉庫の改善事例を報告する（現場の制約が見える）。2007年、de Koster らが注文ピッキングの設計と制御を、Gu らが倉庫運用の総合レビューを整理し、設計変数が動線だけでないことが体系化される。2015年（オンラインは2014年）、Grosse らが計画モデルに人的要因が欠けていることを指摘する。そして2025〜2026年、Pasparakis らが人とロボットの協働を扱う。この二十年で確からしくなったのは、「動線を直せば速くなる」という一因子の因果ではない。 確からしくなったのは、速さは複数の設計変数と、素通しできない人と、立ち上げの制約が絡んで決まる、という向きのほうである。

妨げるもの、助けるもの、最初の一歩

妨げるものの筆頭は、動線という一つの変数だけを取り出して、そこを直せば全体が速くなると思い込むことである。動線は目に見えて分かりやすいので、そこに注意が集まる。だが、よく出る品の置き場所や、まとめて集める工夫や、そもそもの品ぞろえのほうが、効き方が大きいことは多い。標本の偏りも断っておく。ピッキング研究の多くは、ある程度の規模と品目数のある倉庫を対象にしている。一日に数個を、自宅の棚から集めて送る人が、同じ設計変数に悩むわけではない。

助けになるのは、自分が実際にものを集めるとき、時間がどこに消えているかを、自分の手元で分けて数えてみることだ。歩いて探したのか、取り出しに手間取ったのか、そもそもどこにあるか分からなかったのか。動線かどうかは、数えてから決めればよい。

最初の一歩は10分。直近に自分が発送準備でものを集めた作業を思い出し、あるいは次の一回を、「歩いて探した」「取り出しに手間取った」「すぐ取れた」の三つに分けて件数を数える。どのやり方が優れているかは書かない。時間がいちばん消えている先に印を付けるだけでよい。もし「歩いて探した」がゼロなら、動線を直しても速くはならない、という発見になる。

次の単位は 392「誤出荷をなくすには？」——棚から集めた品を、注文と取り違えずに送り出せているかを確かめる話へ、一段積み上げる。

皮肉なのは、いちばん熱心に動線を引き直した人ほど、「これでピッキングは速くなった」と言い切りたくなることである。だが縮んだのは地図の上の歩行距離で、実際の速さは、慣れや疲れや、まとめ方や置き場所や、自動化の立ち上げと一緒に決まる。動線は目に見えて分かりやすいぶん、そこだけに注意が集まりやすい。ピッキングが「速くなった」ように見えるとき、たいていそれは、時間がいちばん消えている先を、まだ数えていないだけかもしれない。