AI在庫カウントで
棚卸しの合間に記録エラーを検知

多くの倉庫では、全品一斉棚卸のために業務を停止するのではなく、毎日または毎週、一部のロケーションを対象に棚卸を行っています。ABC分析に基づき、高額商品や回転率の高い品目ほど頻繁にカウントする仕組みですが、これには棚卸担当者の確保が必要であり、各ロケーションのチェックも不定期になるため、エラーが数週間放置されることもあります。また、棚卸はピッキング作業と人員を奪い合うことになり、繁忙期にはピッキングが優先されがちです。

カメラによる在庫カウントでは、ロケーションが常時監視されるため、移動した在庫と記録上の在庫に差異が生じた場合、即座にフラグを立てることができます。担当者は、決められたリストを順に確認するのではなく、問題が発生したロケーションのみをチェックすればよくなります。これにより、人件費や残業時間を増やすことなく、各ロケーションの棚卸頻度を実質的に高めることが可能です。カメラで確認できない品目については、従来の定期棚卸を継続できるため、プログラムから漏れることはありません。

多くの場合、可能です。P&Gの導入事例では、倉庫に既に設置されていたカメラを使用し、追加のハードウェアは不要でした。まずはカバー範囲を確認します。カメラで明確に見えない場所は、位置調整やカメラの追加が必要になる場合があり、非常に高いラックには別の視点が必要になることもあります。この確認作業により、既存の設備でどのゾーンをカウントでき、どこに変更が必要かが明らかになります。

ファントム在庫（実体のない在庫）は、ピッキングミス、誤った場所への格納、記録されていない破損、またはトランザクションの二重計上などが原因で、システム上に存在しない在庫が表示されることで発生します。空のロケーションにピッカーが向かうと時間が浪費され、注文の遅延につながります。これらのエラーを引き起こす動きを監視することで、次の棚卸を待つことなく、発生源で修正することが可能になります。

継続的な在庫記録は、正確なトランザクションと、各観測でカバーできる在庫の明確な記録に依存します。カメラの証拠は、識別子、インターフェース、タイミングが合致している場合、目視可能な動きと倉庫のトランザクション記録を照合するのに役立ちます。ただし、隠れた品目や観測されていないトランザクションすべてを特定できるわけではありません。調整前に不一致を確認して必要な承認を得た上で、比較可能な基準で棚卸差異を追跡してください。カウントが自動的に反映されると想定するのではなく、修正ワークフローを定義することが重要です。

それは監査人や規制要件によって異なります。多くの組織では依然として年次棚卸を行っていますが、継続的な棚卸を行うことでその範囲を縮小したり、サイクルベースの監査への移行を支援したりすることが可能です。各カウントの画像記録は、手書きのシートに頼ることなく、いつ、どこで、何がカウントされたかを示すため、監査人にとって有用な証拠となります。

エラーによる損失が最も大きい場所から始めましょう。1日に何度もピッキングされる高回転率のSKU、高額商品、そして差異の発生履歴があるロケーションです。これらは精度の向上と投資対効果を最も早く実感できます。低回転の商品は、プロセスが定着し、チームが結果を信頼できるようになってから追加可能です。季節商品は、エラーの影響が最も大きくなるピークシーズン前に導入するのが効果的です。

カメラ位置を記した倉庫レイアウト、ロケーション別の直近の棚卸差異、およびそこに保管されている品目のエクスポートデータをお送りください。現在、WMSの記録がどのように修正され、誰が調整を承認しているかについても併せてお知らせください。これらを基に、カメラのカバー範囲を確認し、開始ゾーンを提案した上で、差異がどのようにフラグ立てされ、解決されるかをお示しします。