ある大手部品工場では、年間を通じてラインを止めることなく、ゾーンごとに在庫を数え続けています。週5日、2名の担当者がスキャナーと印刷されたリストを手に作業を行います。棚卸しが遅れることはなく、差異の記録も常に最新の状態です。しかし、期末の監査になると、同工場では原因不明の差異として多額の在庫評価損を計上することになります。その四半期中、システム上は在庫があるはずの部品を待つために、組立ラインはすでに2度も停止しているのです。
このプロセスに不備があったわけではありません。計数は規律正しく行われ、書類も整理され、担当者も慎重でした。問題は構造的なものです。棚卸しとは、ある瞬間に特定の通路で何が起きていたかを示すものに過ぎず、担当者がその場を離れた瞬間に在庫は再び動き出してしまうからです。本ガイドでは、サイクルカウントとは何か、標準的な手法、正確性の誠実な測定方法、そして現在、計数作業そのものがどのように置き換わりつつあるのかを解説します。
サイクルカウントとは、在庫の一部をローテーションで定期的に数える棚卸手法です。これにより、業務を停止することなく、すべてのSKUを年に数回検証できます。この手法は、多くの倉庫や工場で年次の一斉棚卸に取って代わりました。そして今、そのサイクルカウントもまた取って代わられようとしています。ガートナーの予測によれば、2027年までに倉庫業務を行う企業の50%が、従来のスキャンベースのサイクルカウントに代わり、AIを活用した画像認識システムを導入する見込みです。
サイクルカウントとは何か？
サイクルカウントは、継続的な在庫監査です。年に一度すべてを数えるのではなく、毎日または毎週、特定の場所やSKUをローテーションで少しずつ数えていき、すべての在庫を網羅したところで再びローテーションを開始します。計数中も業務は止まりません。
この手法が存在するのは、年次棚卸の特定の問題を解決するためです。一斉棚卸で差異が見つかったときには、すでに11ヶ月が経過していることも珍しくありません。二重に計上された入庫伝票や、オーバーフローラックに移動されたパレットのことなど、誰も覚えていないのです。サイクルカウントはフィードバックループを短縮するため、差異の原因に近いタイミングで発見でき、単に数値を合わせるだけでなく、根本的な原因を修正することが可能になります。
これこそがサイクルカウントプログラムの真の成果であり、正確に理解しておく価値があります。サイクルカウントは正確性を生み出すものではありません。正確性を測定し、それを損なわせているプロセス上の欠陥を、修正可能な早期の段階で浮き彫りにするものです。もし毎回のローテーションで同じ通路の同じ差異が見つかり、上流工程で何も改善されないのであれば、そのプログラムは解決していない問題をただ綺麗に記録しているだけに過ぎません。
サイクルカウントとは何か、また実地棚卸とはどう違うのか？
サイクルカウントは、業務を継続しながら選択した品目を部分的に数える手法です。一方、実地棚卸（一斉棚卸とも呼ばれます）は、すべての場所のすべての品目を完全に数えるもので、通常は計数中の在庫移動を防ぐために生産や出荷を停止して行われます。
項目：サイクルカウント、実地棚卸。対象範囲：SKUまたはロケーションの一部、すべてのロケーションの全SKU。頻度：毎日または毎週のローテーション、通常年1〜2回。業務への影響：生産と並行して実施、通常ラインや出荷は停止。エラー検出までの時間：数日から数週間、最大で丸1年。労働パターン：小規模・継続的・専門的、大規模・単発・応援スタッフの活用が多い。主な弱点：スケジュールされたものしか見えない、原因から時間が経過した後にエラーを発見する。規制や監査を受ける多くの業務では、法的な理由から少なくとも年1回は完全な実地棚卸が行われています。成熟したサイクルカウントプログラムがあれば、監査人が期末棚卸の範囲縮小を認めてくれることも少なくありません。両者は対立するものではなく、サイクルカウントは日常的な業務管理であり、実地棚卸は法的な裏付けとなるものです。
ABCサイクルカウントとは何か、何を数えるべきかどう判断するか？
ABCサイクルカウントは、すべてのSKUを年間消費額でランク付けし、高額な品目ほど頻繁に数える手法です。Aランク品は全体の価値の約80%を占める約20%のSKUであり、最も頻繁に数えられます。Bランク品はそれより頻度が低く、低価値な部品のロングテールであるCランク品は年に数回数えられます。
ABCは最も一般的な手法ですが、唯一のものではありません。代替手法は、それぞれ異なる発生パターンの問題に適しています。
- 管理グループカウント。 短期間に同じ少数の品目を繰り返し数えます。在庫を監査するのではなく、計数プロセスそのものを監査し、手順自体にエラーの原因がないかを確認します。
- ランダムサンプリングカウント。 毎日ランダムに選んだ品目を数えます。スケジュールが操作されている疑いがある場合に有効で、誰も予測や準備ができません。
- 機会ベースのカウント。 ビンが空になった時、最後の1個がピッキングされた時、補充が行われた時など、自然なタイミングで品目を数えます。空のビンを確認するのにかかる時間はわずかであり、最も低コストなカウント方法です。
- 利用頻度に基づくカウント 品目価値ではなく、移動頻度でカウントします。1日に200回触れる安価な留め具は、月に2回しか触れない高価な鋳造品よりも、取引上のエラーが蓄積しやすいためです。
価値と移動頻度は異なるリスク軸であり、ABC分析はその一方しかカバーしていません。移動頻度が高く価値が低い品目こそ、ABC分析のみに基づくスケジュールでは後回しにされがちですが、実際にはライン停止を招く可能性が最も高い品目です。
棚卸しはどのくらいの頻度で行うべきですか？
頻度は経験則ではなく、品目クラスと確保できる棚卸し日数から算出します。一般的な開始パターンは、A品目は月次または四半期ごと、B品目は半年ごと、C品目は年1回です。そこから計算は単純です。年間で必要な総カウント数を稼働日数で割れば1日あたりのカウント数が出ます。これにより、そのスケジュールが人員配置として現実的かどうかが判断できます。
具体例を挙げます。6,000のSKUをA：1,200、B：1,800、C：3,000に分けた場合、Aを四半期ごと、Bを半年ごと、Cを年1回カウントすると、年間で4,800＋3,600＋3,000＝11,400回のカウントが必要です。年間250稼働日とすると、休暇取得者を考慮せずとも毎日46回のカウントが永続的に必要となります。この数字こそが、棚卸し方針が現実的な計画か、単なる願望かを測る正直なテストであり、多くのプログラムがC品目のローテーションをひっそりと省略し始める分岐点でもあります。
クラスに関係なく、2つの調整を行う価値があります。過去に差異が発生した履歴があるSKUは、将来の差異を予測する最良の指標となるため、カウント頻度を引き上げてください。また、在庫切れが生産停止を招く品目についても、誤りによるコストは部品の価値ではなくダウンタイムの価値であるため、同様に頻度を引き上げてください。
在庫精度はどのように計算しますか？
在庫記録精度とは、カウントした品目のうち、物理的な数量がシステム上の記録と一致した割合のことです。
在庫記録精度（%）＝（記録と一致したカウント品目数 / カウントした総品目数）x 100
500のSKUをカウントし、465がシステムと完全に一致した場合、精度は93%です。この数字が意味を持つかどうかを決める詳細は「一致のルール」です。一致とは、正しいSKUが、正しい場所に、正しい数量で存在することを意味しなければなりません。拠点全体の合計在庫数量のみを比較していると、プラスとマイナスの誤差が相殺されて正常なカウントとして扱われてしまい、間違った通路に置かれた在庫は誰かが必要とするまで見えないままになります。
合計値だけでなくロケーションごとに測定し、相殺されてゼロになる場合でも、差異は差異としてカウントしてください。
適切な在庫精度の割合はどのくらいですか？
ベンチマークは情報源や業界によって異なります。重要なのはその範囲と、目標と現実のギャップです。NetSuiteは90%を妥当な目標、95%を世界水準としていますが、特に規制の厳しい業界や高価値品を扱う現場では、99%以上を維持しているところもあります（NetSuite, Inventory Accuracy: What It Is and How to Improve It）。
実際のパフォーマンスはこれらの目標を大きく下回っています。CAPS Researchの2024年のデータによると、平均的な在庫精度は約83%で、この指標を追跡している組織は約69%に過ぎません。実店舗の小売環境では平均は約65%とさらに低くなります。オーバーン大学RFIDラボの調査では、小売の平均在庫精度は介入前で63%でしたが、EPC対応RFIDの導入により約95%まで向上し、同時に棚卸し時間が96%削減されたことが示されています（ASCM, on the Auburn University RFID Lab findings）。
参照ポイント在庫精度情報源世界水準の目標95%以上NetSuite一般的な目標ベンチマーク90%NetSuite業界平均約83%CAPS Research, 2024実店舗の小売平均約65%業界ベンチマークデータ, 2026RFID導入前の小売平均63%オーバーン大学RFIDラボRFID導入後の小売平均約95%オーバーン大学RFIDラボ95%の目標値と83%の平均値との間にある乖離こそがビジネス上の最大の課題であり、何十年にもわたるスキャナー、バーコード、倉庫管理システムの導入にもかかわらず、この差は埋まっていません。この乖離こそが、棚卸手法そのものが見直されている理由です。
なぜサイクルカウントの結果が一致しないのでしょうか？
棚卸とはある瞬間のサンプルを抽出する作業であり、探している誤差はその瞬間の合間に発生しているからです。以下に挙げるあらゆるメカニズムは、完璧に実行されたサイクルカウントであってもすり抜けてしまいます。
棚卸中に在庫が移動し続けるとどうなりますか？
棚卸と在庫トランザクションが競合し、記録が不正確になります。ピッカーが棚卸中のロケーションから商品を取り出し、フォークリフトがオーバーフローから補充を行い、入荷処理が遅れて計上されるといったことが起こります。棚卸担当者が記録した数値とシステム上の数値は、それぞれ異なる時点では正しいものの、両者が一致することはありません。これらを照合して調整を行うと、在庫誤差のように見えますが、実際にはタイミングのズレによる誤差が生じているのです。
棚卸中にトランザクションを停止させるのが教科書的な解決策ですが、これはサイクルカウントが本来避けるために考案された手法です。多くの現場では、カットオフのルールを設けて誤差を許容していますが、その誤差こそが棚卸ベースのプログラムが達成できる精度の限界となっています。
在庫精度が低いとどのような結果を招きますか？
この問題は両方向に同時に作用するため、症状が矛盾しているように見えます。記録上の在庫が多いと欠品が発生します。システム上は在庫があるため生産計画が立てられますが、実際には存在せずラインが停止します。逆に記録上の在庫が少ないと過剰在庫が発生します。システム上の在庫が過小評価されているため、本来持っているはずの在庫を余分に発注してしまい、運転資金が棚の中に眠ることになります。
さらに、見落とされがちなのがロケーションの問題です。在庫は正しい数量で存在しているものの、誰も確認していない棚に置かれているケースです。プランナーにとっては欠品と区別がつかないため、再び発注が行われます。その結果、同じSKUが2か所に存在する状態となり、重複在庫は数年後に過剰在庫や陳腐化、あるいは廃棄として発覚するまで見えないままとなります。
欠品、過剰在庫、誤ったロケーションへの重複在庫は、別々の問題ではありません。これらはすべて「記録と現品が一致しておらず、誰もそれに気づいていない」という同じ欠陥から生じる3つの結果に過ぎません。
人員を増やさずに倉庫の在庫精度を向上させるにはどうすればよいですか？
より速く数えるのではなく、必要な棚卸の回数を減らすことです。棚卸の作業量は線形的に増加しますが、精度目標はそうではないからです。以下の4つの対策が効果的です。
- 棚卸で繰り返し発見される原因を修正する。 特定のゾーンで発生する繰り返しの差異は、場所が特定できるプロセス上の欠陥です。ラベルの誤り、2段階で行うべき格納作業が1段階で済まされている、誰も守っていない入荷カットオフなどが原因です。
- 例外ベースで棚卸を行う。 カレンダーに基づいた棚卸ではなく、手持ち在庫のマイナス、ピッキング時の欠品、予定より早くゼロになった棚など、何らかの問題を示唆するイベントが発生した際に棚卸をトリガーします。
- ロケーション精度を独立した指標にする。 数量のみの測定では、重複在庫という失敗モードを完全に隠してしまいます。
- 手作業による確認プロセスを排除する。 これら4つの対策のうち、作業の最適化ではなく労働曲線そのものを変える唯一の方法であり、以下の技術的転換が目指すものです。
自動化によって在庫精度を向上させるにはどうすればよいでしょうか？
在庫の動きを発生の瞬間に継続的に捉えることで、記録を更新します。人がスキャナーを使って事後的に再構築するのではなく、イベントそのものが記録を更新する仕組みです。棚卸しは「計画的な作業」から「業務遂行の副産物」へと変わります。
これこそが、ガートナーが提唱する変化です。2027年までに、倉庫業務を行う企業の半数が、従来のスキャンベースの棚卸しプロセスに代わり、AIを活用した画像認識システムを導入すると予測されています。また、ガートナーが2023年12月に実施した調査では、サプライチェーン専門家506名のうち20%がすでに導入済みであると回答しています（ガートナー プレスリリース、2024年6月）。その原動力はコストと能力です。カメラとパターン認識モデルの性能が向上し、継続的な監視の方が、人間による定期的な確認よりも低コストで実現可能になったためです。
画像認識によるカウントは、すでに施設内にあるものを対象に機能します。カメラが店舗や移動ポイントを監視し、モデルがSKUを識別して個数をカウントします。入出庫の動きがあるたびに、ERPやWMS上の記録がリアルタイムで更新されます。JidokaのNAGAREは、既存のCCTVインフラを活用するため、ラックへの新たなハードウェア設置や部品へのタグ付け、手持ちのスキャナーは一切不要です。SAPやWMSプラットフォームに書き戻すことで、システム上の記録を常に最新の状態に保ちます。根拠となるのは動画であるため、差異が発生した際には、実際に何が起きたのかを示すタイムスタンプ付きのクリップを確認でき、差異調査は「議論」から「事実確認」へと変わります。
実際の店舗で継続的なカウントがどのように機能するかをご覧ください： ビジョンAIによる在庫記録の精度向上
これは、棚卸しがなくなることを意味するのでしょうか？
いいえ、そう断言するベンダーがいれば、それは過大評価です。2つの要素が変化し、1つの要素は残ります。
変化するのは、人手に頼ったカウント作業と検知のタイムラグです。すべての動きで記録が更新されれば、棚卸しは不一致を発見するための手段ではなくなり、1日46回のカウントも、在庫状況を把握するための代償ではなくなります。
残るのは監査です。自動化された記録が正しいことを証明するためには、依然として独立した物理的な検証が必要であり、法令や顧客による監査でも求められます。カウントは「管理機能」へと縮小されます。つまり、棚を監視するためではなく、システムを検証するための、より小規模で頻度の低い作業となります。
棚卸し、スキャン、継続的な画像認識カウントの比較
機能手動棚卸しバーコードまたはRFIDスキャン継続的な画像認識カウント記録の更新タイミング棚卸し当日スキャン時すべての動きに対して検知のタイムラグ数日から数ヶ月数時間から数日リアルタイムカウント作業継続的かつ定型的削減されるが手動作業なしロケーションレベルの正確性計画されたゾーンのみスキャンが発生した場所カメラの視界内すべて在庫への新規ハードウェアなしアイテムごとのタグやラベルなし差異の根拠担当者のメモスキャンログタイムスタンプ付き動画別の場所にある重複在庫の検知そのゾーンが計画されている場合のみその在庫がスキャンされた場合のみはい差異への対応次回の棚卸しで発見されることを願う事後調査発生した瞬間にアラートスキャン技術はカウント作業を改善しましたが、なくすことはできませんでした。そのため、バーコード時代を通じて業界平均は83%に留まっていました。継続的な監視はカウント作業そのものを不要にします。これは全く異なる次元の変化です。
何から始めるべきか
在庫精度が90%を下回っている場合、最初に取り組むべき課題は棚卸しプログラムではありません。カウントによって繰り返し示される問題、つまり「常にズレが生じるロケーション」「シフト終了後に計上された入庫」「通路で行われ翌朝入力された移動」といった根本原因を修正してください。カウントプログラムは、エラーを生み出すプロセスを追い越すことはできません。
すでに精度が十分に高く、それを維持するために毎日2名がカウント作業に追われているのであれば、もはや「いかに効率よくカウントするか」という問いは無意味です。問うべきは「カウントという作業自体が人間にとって必要なのか」ということです。正しいSKU、正しい場所、正しい数量を継続的に検証するモデルは、棚卸しを行い、その間のズレを許容する従来の手法とは全く異なる運用モデルです。
JidokaのNAGAREは、店舗に設置済みのカメラで在庫検証を行い、既存のSAPやWMSと統合します。6ヶ月のパイロット運用ではなく、実際のラインで即座に稼働を開始します。継続的なカウントが貴社の業務にどのような変化をもたらすかを確認したい場合は、 チームに相談する、または当社の手法については 在庫記録の精度 ページをご覧ください。関連資料： AIによる仕分けとカウント、 キッティング検証、 倉庫・物流向けビジョンAI、および 在庫管理とは。
