ピッキングと梱包は何人？出荷の締めに間に合うかを、物流倉庫のシミュレーションでAIと決める

物流倉庫のモデルを開く（登録なしで開けます。シミュレーションを動かすにはProが要ります）。新しい荷主の出荷を、運送会社の締め時刻に間に合わせるには、ピッキングと梱包に何人要るか。同じ注文でピッキング担当と梱包台の数を変え、AIがシミュレーションで比べます。この記事では、模擬の倉庫で、AIがMCPで呼ぶのと同じ道具を動かしました。以下の数字は、すべてその結果です。

1. 倉庫と午後の出荷

模擬の倉庫は3PL（物流代行）の倉庫で、新しい荷主の午後の出荷（13:00〜17:30）です。

• 注文は13:00〜15:00に1時間45件ずつ、ランダムな間隔で来ます（ポアソン到着、2時間で平均91.5件）。
• 空いているピッキング担当がピッキングリストを出してカートを取り、地上のパレットから1〜3ケースを取ります。4件に3件は共用の荷物用エレベーター（カート2台、秒速0.5 m）で中2階へ上がり、棚から2〜5個を取って下ります。
• カートは空いている梱包台へ置きます（向かっているカートも数え、なければ列のいちばん短い台）。梱包担当が梱包・計量・ラベル貼りをして（約200秒）、箱はコンベヤで仕分けへ流れます。
• 15:45の締めまでに梱包してコンベヤに乗った注文は、運送会社の今日の便に乗り、それより後は翌日の便です。リーチフォークがピッキングの棚を補充します。
• いまはピッキング担当4人、梱包台2台です。数えていないもの：1台のカートでの複数注文のまとめ（バッチ）、通路の混雑、ピッキングミス、休憩、人件費、運送会社の積める量。

2. ピッキング担当と梱包台の数

AIは保存されているシナリオのパラメータ（ピッキング担当の人数・梱包台の数）を、sweep_process_parameters で値ごとに、同じ乱数の20回走らせました。締めに間に合わない注文（91.5件のうち、20回の平均）：

• いまの4人・梱包台2台では、25.2件が締めに間に合いません。注文はピッキング担当を平均42.7分待ちます。
• 梱包台を3台にしても、4人のままなら25.2件で変わりません。足りないのはピッキング担当です。
• 6人・梱包台3台にすると1.1件（95%区間は0〜2.2件）、7人・梱包台3台では20回のどれでも0件でした。

3. 片方だけ増やすと、列が移る

梱包台2台のまま、ピッキング担当を増やしたとき：

• ピッキング担当を増やすほど、注文がピッキング担当を待つ時間は減りますが、梱包台の前にカートの列ができます（7人で最長14.3台）。そのため、6人からは間に合わない注文が15.9件より減りません。
• 締めに間に合わせるには、ピッキングと梱包の両方が要ります。

4. 荷主の注文が増えたら

6人・梱包台3台にしたシナリオの写しを作り（保存されているシナリオはそのまま）、1時間の注文を増やしました。

• 同じ人数のままでは、荷主の注文が1時間55件に増えると13.1件が間に合いません。見積もりのときは、荷主の注文の増え方まで試しておくと確かです。

5. この数字の使い方

• 荷主の時間ごとの注文数、1件あたりのケースと個の行数、中2階の小物の割合は、荷主のデータから分かります。ピッキング・梱包の時間とカートでの歩く速さは、自分の倉庫で測った値をAIに伝えてください。エレベーターの1回の時間と、運送会社ごとの締め時刻も。
• この記事は人員の計画で、売上の予測ではありません。休憩と欠勤の余裕、注文のまとめ方は、自分の決まりで足してください。
• 計算していないもの：カートでの複数注文のまとめ、通路の混雑、ピッキングミス、休憩、人件費、運送会社の積める量。