エグゼクティブ・サマリー
- ピッキング自動化の成否を決めるのは、ロボットの性能ではなく、自社が扱う商品の荷姿とばらつきである。同じ機械が、ある倉庫では歩留まり良く回り、別の倉庫では止まり続ける。違いは機械側ではなく荷物側にある。
- 検討の第一歩は機種比較ではなく、SKUデータの棚卸しである。サイズ・重量・材質・表面状態・出荷頻度を実データで集計し、「全SKUの何％が自動化対象になるか」を数字で出す。この作業をせずに始めた検討は、必ずどこかでやり直しになる。
- 方式は四つに大別できる。GTP（棚搬送型）、ロボットピッキング、自動倉庫、アシスト系（ピッキングカート等）。これらは競合ではなく併用が前提である。全SKUを一つの方式で処理しようとすると、最も難しいSKUに全体の仕様が引きずられ、投資が跳ね上がる。
- ロボットピッキングでは、成功率99%でも運用は成立しない場合がある。1時間に600ピック処理すれば1%は6回の停止を意味する。重要なのは成功率そのものより、失敗を検知して人に渡すまでの復旧設計である。
- 実証（PoC）で測るべきは「掴めたかどうか」ではない。自社の実在庫・実オーダーで、時間あたり処理数と復旧時間を含めた実効スループットを測る。ベンダーが用意したサンプル品での実演は、参考情報以上のものにはならない。
倉庫の中で最も人手がかかる工程はどこか。多くの現場でその答えはピッキングである。歩行距離が長く、点数が多く、繁閑差が大きく、そして間違えると顧客に直接届いてしまう。だからこそ自動化の期待が最も集まる工程でもある。
ところが、ピッキングの自動化は倉庫内自動化のなかで最も難易度が高い。搬送は「決められた場所へモノを運ぶ」という定義の明確な仕事だが、ピッキングは「不定形で、材質も重さも表面もばらばらな物体を、一つだけ正確に取り出す」という仕事だからである。人間の手が異様に高性能であることを、この工程は容赦なく突きつけてくる。
本稿では、ピッキング自動化を検討する発注者側の立場から、何をどの順序で確かめれば投資判断ができるのかを整理する。技術トレンドの解説ではなく、明日から自社データで着手できる手順として書く。