はしがき

はじめに

本講座は、物流改善におけるEIQ分析の導入を検討している方や、ABC分析以外の分析手法を学びたい方向けの実践的なガイドです。

• 基礎から応用まで： 各章で事例を用いた解説を行い、分析の「読み方・考え方」を習得できます。
• 実践的なExcel活用： 第15章では、Excelを使用した具体的な分析例（例題EX0）を掲載しています。
• 計画への展開： 分析結果をどう解釈し、どのように配送センターのシステム計画へと反映させるか、その一連の流れを体系的に理解できる構成となっています。

Ⅰ データ分析結果を読む

データ分析はよく行われますが、分析結果を見ているだけでは不十分です。大切なのは、その結果をどのように読み、どのように活用するかを考えることです。

Ⅱ データを読み易くする

設計手法の選択

• ABC分析： 重点管理項目（売れ筋や重要顧客）を特定します。
• 度数分析： データのバラつきやボリュームゾーンを把握します。
• EIQ分析の適用： 注文（E）、品目（I）、量（Q）の3つの軸でデータを整理し、多品種少量なのか、大口顧客中心なのかといった現場の特性を浮き彫りにします。
• グラフ化（可視化）： 数値表では気づけない急激な変化や特異なデータを直感的に理解できるようにします。

Ⅲ どのように分析結果を読むか

配送センターを設計する際、主観や勘に頼ると、設備の過不足や作業効率の低下を招きます。

1. センターの「器」を決める基本分析

• 出荷量の変動分析： 最大在庫量（器の大きさ）と、出荷のピーク（人員配置）を算出します。
• 在庫回転率： 商品がどれくらい滞留するかを把握し、保管効率を設計します。

2. EIQ分析による判断

配送センター計画において、EIQ分析は「動線」や「自動化」の判断基準となります。

Ⅳ データ・クッキング（Data Cooking）

データをピッキング効率化に活用するための「工程（レシピ）」を整理しました。

1. 下ごしらえ：データの分類

• トータルピッキング用： 全受注を合算し、棚からまとめて持ってくるためのデータ。
• オーダーピッキング用： 顧客ごとの梱包単位に分かれたデータ。

2. 味付け：最適化

• ロケーション順の並び替え： 最短動線を構築し、作業者の無駄な歩行を排除します。
• 重量物の先配置： 梱包を安定させるため、リストの最初に重量物を配置します。

3. 盛り付け：視認性

数量を太字にする、箱単位とバラ単位を色分けするなど、読みやすさをミスの防止に直結させます。

Ⅴ データ分析結果に対する考え方

データ分析は、過去を知ることから未来を予測するステップへと進化します。

1. 過去を知る： 何が起きたかを確認する（例：出荷件数の増加）。
2. 解釈する： なぜ起きたかを推定する（例：キャンペーンや季節需要）。
3. 予測する： 次はどうなるかを予測し、人員や在庫の仮説を立てる。