売場への補充（土曜）
土曜に、品薄になった什器がどれだけの時間そのままになるかを、補充係1人と2人で見ます。
ログインせずStudioで開き、保存済みの結果を確認して2D・3Dで編集できます。自分のAIをつなぐにはログインしてください。プロジェクトファイルは無料で利用できます。実行条件はアカウントで確認してください。現在の空間を置き換える前に確認が表示されます。
土曜の補充係は1人で足りるでしょうか？それとも2人目がいないと、品薄が長く続きすぎるでしょうか？
- 想定する利用者
- 週末のシフトを組む店長と、チェーン本部の店舗運営チーム
- 価値の生み方
- 週末のシフトを決める前に、同じ品薄の発生で補充係1人と2人を比べ、それぞれで什器の品薄がどれだけ続くかを見ます。品薄の短縮を、追加で支払う勤務時間に照らして判断してください。什器が埋まっているだけでは、売上が増えることは示せません。
- 現場のデータを用意する
- 時間帯別に什器が品薄になる頻度（消化率や売場点検から）、実測のピッキングと補充の時間、歩行経路と荷物用エレベーター。在庫量、サイズ切れ、機会損失はモデル化していません。
確認できるモデル
同じ2フロア店の土曜の2時間です。什器はランダムに品薄になり（ポアソン、平均毎時8件：レディース35%、アクセサリー15%、メンズ30%、デニム20%）、品薄ごとに空いている補充係を待ちます。補充係は1階のストックルームでサイズをそろえ（1〜6分）、台車を什器まで押していき（2階へは荷物用エレベーターで）、補充して（2〜10分）、ピッキング地点へ歩いて戻ります。品薄が発生してから什器が満たされるまでの時間が、その什器が品薄のままの時間です。同時に客も買い物をしています（毎時120人、各階の試着室4室とレジ3台が稼働）が、補充係の邪魔にはなりません。群集の物理、在庫量、サイズ切れや機会損失は扱いません。
1つだけ変える
同じ品薄の発生で、補充係を2人にします。あるいは、1時間あたりの品薄の発生数や、ピッキングと補充の時間を変えます。
結果を読む
品薄から什器が満たされるまでの時間（品薄が続く時間）、補充係を待つ時間、補充係の稼働率。荷物用エレベーターの利用回数から、2階の分の移動の割合が分かります。
開始時の入力を見る
- 毎時の客数
- 120
- 毎時の品薄の発生数
- 8
- ストックルームでの標準的なピッキング時間（秒）
- 180
- 什器1台の標準的な補充時間（秒）
- 300
エージェントの数、経路、資源の定義も、プロジェクトのJSONに保存されます。
同じ需要で処理能力を比較
1回の実行、シード8。 観測期間240分。 到着、形状、シードの組は、すべての案で同じです。
| シナリオ | 完了 | 平均待ち時間 | 平均サイクル時間 | ブロック |
|---|---|---|---|---|
| 在庫担当1人 | 261 | 1m 11s | 10m 33s | 0 |
| 在庫担当2人 | 261 | 31s | 9m 53s | 0 |
待ちの平均は到着したジョブを対象とし、終わっていない待ちも含みます。サイクル時間の平均は完了したジョブだけが対象です。これらは説明用の計算であり、実測した現場の実績、売上、安全性の評価ではありません。
エンジン、状態、出力の注記
process-des-2.7.0. 状態： 在庫担当1人: 完了; 在庫担当2人: 完了. 実行状態が「完了」でも、すべての仕事が成功したとは限りません。停止した仕事の件数と警告を確認してください。
- エンジンの警告はありません。
エンジンの入力と保存した比較は、保存したプロジェクトとともに残ります。軌跡が限られている場合、影響するのは再生の詳細で、集計の指標には影響しません。
この作例の記事
2Dで計画し、3Dで確認、プロジェクト全体を保存
- 開いて調整する。 2Dと3Dを切り替え、部品、フロア、入力を編集します。どちらのビューも同じモデルを表します。
- エージェントを無料で接続する。 サインインして、AI接続を選び、ChatGPT・Claude・Codex・Claude Codeのいずれかを接続します。作例の確認、レイアウトの編集、経路の確認を依頼してください。
- チェックポイントを保存する。 プロジェクト → プロジェクトファイル、またはエージェントにプロジェクト全体の書き出しを依頼します。後で取り込むと、フロア、シナリオ、保存した比較、選択したビューが復元されます。
- 案を比較。 同じ需要条件で新しい運用比較を計算できます。実行条件・内蔵AI・手動クラウド保存の上限はアカウントで確認してください。