JP6793819B2 - 改善施策推薦装置、改善施策推薦方法、および、改善施策推薦プログラム - Google Patents

Description

本発明は、改善施策を推薦する改善施策推薦装置、改善施策推薦方法、および、改善施策推薦プログラムに関する。

物流倉庫、物流センタ、その他商品供給センタ（以下、センタ）では、供給側の製造者が製造した商品を入荷し、物流倉庫内の所定の場所に一時的に保管し、需要側の出荷先の注文に応じて物流倉庫内の所定の場所から当該商品を集品（ピッキングとも言う）し、出荷先に配送する業務が日々行われている。

また、センタでは、配送前に、集品した商品の詰め合わせや装飾付けといった流通加工や、段ボールのような配送に適した形への包装が行われることもある。物流倉庫業務においては、この入荷→保管→集品（ピッキング）→流通加工→包装→配送サイクルにおいて、より少ないコストでより多くの商品を入荷、保管、出荷できることが望ましい。

ここで言うコストには、たとえば、商品保管に必要な倉庫の管理費や土地代といったスペースにかかるコストや、商品の入出荷作業に必要な人件費といった作業に係るコストがある。このコスト対効果を上げるために、各種作業の日々の改善が必要である。

物流倉庫業務において、人件費の占める割合が多い作業の１つにピッキング作業がある。ピッキング作業とは、作業指示に基づいて、各商品を倉庫内の所定の場所から選び出し収集する作業である。

通常、倉庫内の在庫置き場には人の身長大の棚が並べられ、作業者はその棚から必要な商品をピックする。棚は複数の棚段からなり、さらに棚段は置かれる商品ごとに細かな間口と呼ばれる区画された収納スペースに分けられる。すなわち、１つの棚には複数の商品が置かれる。作業者は、各棚に移動し、棚から所望の商品が置いてある棚段および間口を見つけて、商品をピックする。作業指示には、どの出荷先向けに、どの商品を、何個、どの場所から収集するかが記載されており、ピッキング作業者はこの作業指示を見て作業を行う。

収集にはピッキングカートが使われることが多い。ピッキングカートは、収集した商品を入れる仕分け用の箱と、作業指示を表示する画面とを有する。作業者は、画面に表示された作業指示に従ってカートを押して、目的の棚まで移動し、目的の商品の収集と仕分けを繰り返す。

現場改善の手段の１つとして、従来から、作業実績データを分析し、分析結果を元に改善施策を考え、施策を実施する取り組みが行われている。このようなデータ分析主体の方法では、分析結果からいかに有用な施策を導き出すかが現場改善の大きなポイントとなる。

従来、データ分析による施策導出の方法では、改善担当者が、改善対象の問題点と、問題点を解決する施策の仮説と、を予め考え、分析担当者が、仮説を立証するために、必要なデータを集めて分析を実施していた。しかしこの場合、分析の観点が改善担当者の問題意識の範囲内に限定されてしまい、真に有用な施策が導出できない可能性があった。また、仮説立案→分析→分析結果確認のための試行錯誤サイクルに時間を要し、改善の効率化がなされなかった。

この問題を解決する手段の一つとして、下記特許文献１は、分析システムに入力されるデータに対して、予め定義した演算オペレータを実行することで説明変数を自動生成し、目的変数との相関関係を網羅的に算出することで、目的変数に関係する説明変数を自動で抽出、可視化する方法を開示する。

また、特許文献２は、過去の改善事例を元に、業務課題と、データ抽出すべき項目と、施策を実施した際の評価値の算出方法をログとして蓄えておき、新規分析時には、業務課題が同じであり、改善効果の高かったログを抽出し、データ分析者に提示する方法を開示する。

特開２０１６−３１６２４号公報 特開２０１４−８１７５０号公報

しかしながら、特許文献１は、分析対象の問題点を指摘しているのみで、施策導出は改善担当者が決定する。したがって、施策導出には改善担当者の経験と直感が必要になり、改善が属人的になる。また、特許文献２は、過去事例にない施策を抽出できず、新たな分析結果から施策を考えるのは、やはり現場改善者である。このように、特許文献１，２では、おこなうべき施策が不明確であるという問題がある。

本発明が解決しようとする課題をより明確にするために、本願における「施策」の定義について補足する。本願における「施策」とは、改善のための具体的なアクションを指す。一方、特許文献１などで述べている施策は、現場の問題点や着眼点の位置づけである。たとえば、分析結果として『棚ＡＡＡの作業時間が他に比べて長い』といった情報が得られた場合、これは問題の箇所を指摘し、施策の着眼点を提示したにすぎず、本願における「施策」には該当しない。

また、このような漠然とした問題点の指摘から考えられる施策には多くのパターンがあり、真に有効な施策の絞り込みが難しい。本願における「施策」は、前述の分析結果に対し、『棚ＡＡＡの商品を探しやすくするために、間口札の表示を明確にする』や、『棚ＡＡＡへの移動距離を短くするために、棚ＡＡＡの場所を変更する』といった、具体的なアクションのことを指す。

以上をまとめると、本発明は、施策の明確化を図ることを目的とする。

本願において開示される発明の一側面となる改善施策推薦装置、改善施策推薦方法、および、改善施策推薦プログラムは、記憶デバイスにアクセス可能なプロセッサが、改善施策推薦プログラムを実行する。改善施策推薦装置は、前記記憶デバイスに、作業実績情報を記憶するとともに、作業ロスを改善する方策を示す施策と、前記作業ロスによる問題点について前記施策の着眼点を示す施策観点と、を対応付けた対応情報を記憶する。前記作業実績情報は、オーダごとに作業者、商品、作業時間帯、および倉庫内の作業場所についての作業の実績データに、前記作業者を分類する作業者属性、前記作業時間帯を分類する作業時間帯属性、前記商品を分類する商品属性、および、前記作業場所を分類する場所属性のうち少なくとも１つの属性を示す前記作業のバラつき要因が関連付けられている情報である。前記プロセッサは、前記作業実績情報に基づいて、前記バラつき要因の各区分について、倉庫作業を構成する要素作業ごとに、前記作業の作業頻度、作業量、および単位時間の少なくとも１つを含む原単位を算出する算出処理と、前記算出処理によって異なる区分で算出された同一バラつき要因の算出結果に基づいて、前記要素作業、前記原単位、および、前記バラつき要因の組み合わせの集合から、作業ロスが生じる前記要素作業、前記原単位、および、前記バラつき要因の特定の組み合わせを抽出する抽出処理と、前記抽出処理によって抽出された前記特定の組み合わせに基づいて、特定の施策観点を特定する特定処理と、前記対応情報を参照して、前記特定処理によって特定された特定の施策観点に対応する施策を決定する決定処理と、を実行する。

本発明の代表的な実施の形態によれば、施策の明確化を図ることができる。前述した以外の課題、構成及び効果は、以下の実施例の説明により明らかにされる。

図１は、改善施策推薦例を示す説明図である。 図２は、改善施策推薦装置のハードウェア構成例を示すブロック図である。 図３は、作業実績テーブルの記憶内容例を示す説明図である。 図４は、バラつき要因マスタの記憶内容例を示す説明図である。 図５は、稼働分析テーブルの記憶内容例を示す説明図である。 図６は、施策観点−施策テーブルの記憶内容例を示す説明図である。 図７は、改善施策推薦装置の機能的構成例を示すブロック図である。 図８は、バラつき要因付き作業実績テーブルの生成例１を示す説明図である。 図９は、バラつき要因付き作業実績テーブルの生成例２を示す説明図である。 図１０は、バラつき要因付き作業実績テーブルの生成例３を示す説明図である。 図１１は、バラつき要因付き作業実績テーブルの生成例４を示す説明図である。 図１２は、バラつき要因付き作業実績テーブルの記憶内容例を示す説明図である。 図１３は、作業工程時間の算出概念を示す説明図である。 図１４は、作業工程時間テーブルの生成例１を示す説明図である。 図１５は、作業工程時間テーブルの生成例２を示す説明図である。 図１６は、算出部による作業工程時間の算出処理手順例を示すフローチャートである。 図１７は、作業ロス要因の抽出概念を示す説明図である。 図１８は、抽出部による作業ロス度テーブルの生成例を示す説明図である。 図１９は、抽出部による作業ロス要因テーブルの生成例を示す説明図である。 図２０は、抽出部による作業ロス要因テーブルの生成処理手順例を示すフローチャートである。 図２１は、改善施策観点の特定処理手順例を示すフローチャートである。 図２２は、図２１に示した該当作業者の教育内容決定処理（ステップＳ２１２２）の詳細な処理手順例を示すフローチャートである。 図２３は、図２１に示した該当作業環境の教育内容決定処理（ステップＳ２１２３）の詳細な処理手順例を示すフローチャートである。 図２４は、図２３に示した該当作業場所の作業性改善決定処理（ステップＳ２３０２）の詳細な処理手順例を示すフローチャートである。 図２５は、図２３に示した該当物の扱い易さ改善決定処理（ステップＳ２３０３）の詳細な処理手順例を示すフローチャートである。 図２６は、図２３に示した該当時間帯の作業スケジュール改善決定処理（ステップＳ２３０４）の詳細な処理手順例を示すフローチャートである。 図２７は、図２１に示した作業指示に関する改善施策観点特定処理（ステップＳ２１０３）の詳細な処理手順例を示すフローチャートである。 図２８は、オーダ割当の適正化の一例を示す説明図である。

以下の実施例においては、便宜上その必要があるときは、複数のセクションまたは実施の形態に分割して説明するが、特に明示した場合を除き、それらは互いに無関係なものではなく、一方は他方の一部または全部の変形例、詳細、補足説明等の関係にある。また、以下の実施例において、要素の数等（個数、数値、量、範囲等を含む）に言及する場合、特に明示した場合および原理的に明らかに特定の数に限定される場合等を除き、その特定の数に限定されるものではなく、特定の数以上でも以下でもよい。

さらに、以下の実施例において、その構成要素（要素ステップ等も含む）は、特に明示した場合および原理的に明らかに必須であると考えられる場合等を除き、必ずしも必須のものではないことは言うまでもない。同様に、以下の実施例において、構成要素等の形状、位置関係等に言及するときは、特に明示した場合および原理的に明らかにそうでないと考えられる場合等を除き、実質的にその形状等に近似または類似するもの等を含むものとする。このことは、上記数値および範囲についても同様である。

＜改善施策推薦例＞
図１は、改善施策推薦例を示す説明図である。改善施策推薦装置１００は、物流倉庫における作業実績データ１０１を分析するが、『棚ＡＡＡの作業時間が他に比べて長い』といった分析結果１０２ではなく、『棚ＡＡＡの商品を探しやすくするために、間口札の表示を明確にする』や、『棚ＡＡＡへの移動距離を短くするために、棚ＡＡＡの場所を変更する』といった具体的なアクションを示す作業改善施策１０３を出力する。なお、作業実績データ１０１は、オーダごとに作業者、商品、作業時間帯、および倉庫内の作業場所を示す作業の実績データである。また、本実施例において、「移動」とは、たとえば、作業者が棚から取り出した商品を収納するためのカートとともに作業者が歩行または走行する行動である。

＜改善施策推薦装置１００のハードウェア構成例＞
図２は、改善施策推薦装置１００のハードウェア構成例を示すブロック図である。改善施策推薦装置１００は、プロセッサ２０１と、記憶デバイス２０２と、入力デバイス２０３と、出力デバイス２０４と、通信インターフェース（通信ＩＦ）２０５と、を有する。プロセッサ２０１、記憶デバイス２０２、入力デバイス２０３、出力デバイス２０４、および通信ＩＦ２０５は、バス２０６により接続される。プロセッサ２０１は、改善施策推薦装置１００を制御する。記憶デバイス２０２は、プロセッサ２０１の作業エリアとなる。また、記憶デバイス２０２は、各種プログラムやデータを記憶する非一時的なまたは一時的な記録媒体である。記憶デバイス２０２としては、たとえば、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、フラッシュメモリがある。入力デバイス２０３は、データを入力する。入力デバイス２０３としては、たとえば、キーボード、マウス、タッチパネル、テンキー、スキャナがある。出力デバイス２０４は、データを出力する。出力デバイス２０４としては、たとえば、ディスプレイ、プリンタがある。通信ＩＦ２０５は、ネットワーク２１０と接続し、データを送受信する。

また、通信ＩＦ２０５は、プロセッサ２０１からの指示により、ネットワーク２１０を介してＤＢ２２０にアクセスする。なお、ＤＢ２２０は、記憶デバイス２０２内に設けてもよい。また、図２では、１台のコンピュータにより改善施策推薦装置１００を構成したが、複数台のコンピュータにより改善施策推薦装置１００を構成してもよい。

＜各種テーブル＞
図３〜図６を用いて、改善施策推薦装置１００がアクセス可能なテーブル群について説明する。これらテーブル群は、改善施策推薦装置１００内の記憶デバイス２０２または改善施策推薦装置１００外のＤＢ２２０に格納され、プロセッサ２０１がアクセス可能である。なお、以降の各テーブルの説明において、ＡＡフィールドｂｂｂ（ＡＡはフィールド名、ｂｂｂは符号）の値を、ＡＡｂｂｂと表記する場合がある。たとえば、オーダ番号フィールド３０１の値を、オーダ番号３０１と表記する。

図３は、作業実績テーブルの記憶内容例を示す説明図である。作業実績テーブル３００は、作業実績データ１０１を記憶するテーブルである。作業実績テーブル３００は、オーダ番号（図３では、「オーダＮｏ．」と表記）フィールド３０１と、作業時刻フィールド３０２と、作業者ＩＤフィールド３０３と、棚ＩＤフィールド３０４と、商品ＩＤフィールド３０５と、出荷先フィールド３０６と、エリアフィールド３０７と、商品数フィールド３０８と、移動距離フィールド３０９と、作業時間フィールド３１０と、を有する。

同一行の各フィールド３０１〜３１０の値の組み合わせが、１件の作業実績データ１０１を構成するエントリとなる。作業実績データ１０１は、たとえば、Ｗａｒｅｈｏｕｓｅ Ｍａｎａｇｅｍｅｎｔ Ｓｙｓｔｅｍ（ＷＭＳ）から取得される。

オーダ番号フィールド３０１は、オーダ番号を格納する記憶領域である。オーダ番号３０１は、注文を一意に特定する識別番号である。

作業時刻フィールド３０２は、作業時刻を格納する記憶領域である。作業時刻３０２とは、そのオーダ番号３０１で特定される注文作業の開始時刻である。

作業者ＩＤフィールド３０３は、作業者ＩＤを格納する記憶領域である。作業者ＩＤ３０３は、そのオーダ番号３０１で特定される注文作業を行う作業者を一意に特定する識別情報である。

棚ＩＤフィールド３０４は、棚ＩＤを格納する記憶領域である。棚ＩＤ３０４は、そのオーダ番号３０１で特定される注文作業でピッキングされる商品を保管する棚を一意に特定する識別情報である。

商品ＩＤフィールド３０５は、商品ＩＤを格納する記憶領域である。商品ＩＤ３０５は、そのオーダ番号３０１で特定される注文作業で注文された商品を一意に特定する識別情報である。

出荷先フィールド３０６は、出荷先を格納する記憶領域である。出荷先３０６は、そのオーダ番号３０１で特定される注文作業により出荷する商品の宛先である。

エリアフィールド３０７は、エリアを格納する記憶領域である。エリア３０７は、その商品ＩＤ３０５の商品が保管されている領域である。すなわち、棚ＩＤ３０４で特定される棚の位置に相当する。

商品数フィールド３０８は、商品数を格納する記憶領域である。商品数３０８は、そのオーダ番号３０１で特定される注文作業で注文された商品の個数である。

移動距離フィールド３０９は、移動距離を格納する記憶領域である。移動距離３０９は、その出荷先３０６まで移動する距離である。

作業時間フィールド３１０は、作業時間を格納する記憶領域である。作業時間３１０は、そのオーダ番号３０１で特定される注文作業にかかる時間である。作業時刻３０２と作業時間３１０とにより、そのオーダ３０１での作業時間帯が特定される。

このように、作業実績テーブル３００は、いつ（“作業時刻３０２”と“作業時間３１０”）、ある作業者（“作業者ＩＤ３０３”）が、どの棚（“棚ＩＤ３０４”ｔｐ“エリア３０７”）から、どんな商品（“商品ＩＤ３０５”）をピックしたかを示す値がそれぞれのフィールド３０１〜３０５、３０７に記録される。

また、人、時刻、場所、モノの付帯情報として、たとえば、“出荷先３０６”（場所の付帯情報）が併せて記録されることもある。さらに、作業の生産性関連の情報として、各行に要した“作業時間３１０”や“移動距離３０９”、ピックした“商品数３０８”が記録される。記録のタイミング（エントリの発行粒度）は、ある商品（“商品ＩＤ３０５”）をあるオーダ（“オーダ番号３０１”）に仕分けたタイミングとなる。

図４は、バラつき要因マスタの記憶内容例を示す説明図である。バラつき要因マスタ４００は、バラつき要因を定義するマスタテーブルである。バラつき要因マスタ４００は、改善施策推薦装置１００のユーザが作成するマスタテーブルである。バラつき要因マスタ４００は、４Ｗフィールド４０１と、バラつき要因フィールド４０２と、属性フィールド４０３と、条件フィールド４０４と、を有する。同一行の各フィールド４０１〜４０４の値の組み合わせが、１件のバラつき要因情報を構成するエントリとなる。

４Ｗフィールド４０１は、４Ｗを格納する記憶領域である。４Ｗ４０１は、いつ（ｗｈｅｎ：作業時間帯）、だれが（ｗｈｏ：作業者）、何を（ｗｈａｔ：商品）、どこで（ｗｈｅｒｅ：作業場所）のいずれかを示す情報であり、バラつき要因情報を分類する要素となる。ｗｈｅｎ、ｗｈａｔ、ｗｈｅｒｅをまとめて作業環境と称す。

バラつき要因フィールド４０２は、バラつき要因を格納する記憶領域である。バラつき要因４０２は、要素作業に関するバラつきの原因のうちその４Ｗ４０１の種類に応じた特定の原因を規定する情報である。たとえば、バラつき原因には、「作業時間帯」、「作業者経験」、「商品重さ」、「エリア（作業場所）」の４種の属性（作業時間帯属性、作業者属性、商品属性、場所属性）があるとする。４Ｗ４０１が「ｗｈｅｎ」であれば、そのバラつき要因４０２は、「作業時間帯」である。

属性フィールド４０３は、属性を格納する記憶領域である。属性４０３は、そのバラつき要因４０２が有する１以上の特徴群の中から規定された区分を示す情報である。たとえば、バラつき要因４０２が「作業時間帯」である場合、「ＡＭ」、「ＰＭ１」、「ＰＭ２」、…などの複数の特徴の中から属性４０３が区分として規定される。

条件フィールド４０４は、条件を格納する記憶領域である。条件４０４は、そのバラつき要因４０２および属性４０３を充足、または、充足するように規定する制約情報である。たとえば、バラつき要因４０２が「作業時間帯」で属性４０３が「ＡＭ」である場合、条件４０４は、「作業時間帯≦１２：００」となる。また、属性４０３を示す「ＰＭ１」、「ＰＭ２」だけでは、違いがわからないため、条件４０４により区別して規定される。たとえば、「ＰＭ１」の条件４０４は、「１２：００＜作業時間帯≦１５：００」であり、「ＰＭ２」の条件４０４は、「１５：００＜作業時間帯」である。

図５は、稼働分析テーブルの記憶内容例を示す説明図である。稼働分析テーブル５００は、ピッキング作業の総作業時間を要素作業ごとの作業時間３１０に分けた稼働分析結果を格納するテーブルである。稼働分析結果は、人手による稼働分析により得られる。稼働分析とは、生産工学の分野で用いられる手法で、総作業時間のうち、どの作業にどれだけの時間を要したかを人の目で観測し集計する手法である。

稼働分析テーブル５００は、要素作業フィールド５０１と、総作業時間フィールド５０２と、作業回数フィールド５０３と、を有する。同一行の各フィールド５０１〜５０３の値の組み合わせが、その要素作業における稼働分析結果を構成するエントリとなる。

要素作業フィールド５０１は、倉庫作業を構成する要素作業を格納する記憶領域である。要素作業５０１は、稼働分析対象を構成する作業群の１つである。本例では、たとえば、「仕分け」、「商品探索」、「移動」の３つの要素作業５０１で稼働分析対象となる倉庫作業群を構成する。「仕分け」とは、作業者が仕分対象商品を仕分ける作業行為である。「商品探索」とは、作業者が仕分対象商品を探索する作業行為である。「移動」とは、作業者が仕分対象商品の保管場所（棚）まで移動する作業行為である。

総作業時間フィールド５０２は、総作業時間を格納する記憶領域である。総作業時間５０２は、その要素作業５０１の合計作業時間である。

作業回数フィールド５０３は、作業回数を格納する記憶領域である。作業回数５０３は、その要素作業５０１を行った回数である。なお、総作業時間５０２は、合計フィールド５０４で合計値が格納される。

稼働分析テーブル５００は、測定対象作業者および測定時間帯ごとに、複数設けられる。図５では、例として、測定対象となる作業者ＩＤ３０３＝ＷＫ０１の作業者の測定時間帯＝１０：００〜１２：００について、稼働分析テーブル５００Ａが作成される。また、測定対象となる作業者ＩＤ３０３＝ＷＫ０３の作業者の測定時間帯＝１３：００〜１５：００について、稼働分析テーブル５００Ｂが作成される。

図６は、施策観点−施策テーブルの記憶内容例を示す説明図である。施策観点−施策テーブル６００は、施策観点および施策を関連付けるテーブルである。施策観点−施策テーブル６００は、要素作業フィールド５０１と、原単位フィールド６０１と、バラつき要因フィールド４０２と、施策観点フィールド６０２と、施策フィールド６０３と、を有する。同一行の各フィールド５０１、４０２，６０１〜６０３の値の組み合わせが、その要素作業５０１における施策観点および施策を関連付ける情報を構成するエントリとなる。

原単位フィールド６０１は、原単位を格納する記憶領域である。原単位６０１は、その要素作業５０１に必要とされる数量であり、たとえば、その要素作業５０１の単位時間、作業量、作業頻度がある。

施策観点フィールド６０２は、施策観点を格納する記憶領域である。施策観点６０２は、作業ロスによる問題点についての施策の着眼点であり、その要素作業５０１、原単位６０１およびバラつき要因４０２により特定される。たとえば、『棚ＡＡＡの作業時間が他に比べて長い』といった問題点についての施策観点６０２は、『移動先の探しやすさ改善』である。

施策フィールド６０３は、施策を格納する記憶領域である。施策６０３は、作業ロスを改善する方策であり、その要素作業５０１、原単位６０１およびバラつき要因４０２により特定される。たとえば、『移動先の探しやすさ改善』という施策観点６０２についての施策６０３は、『棚ＡＡＡの商品を探しやすくするために、間口札の表示を明確にする』や、『棚ＡＡＡへの移動距離を短くするために、棚ＡＡＡの場所を変更する』のような、具体的なアクションとなる。

なお、図６において、要素作業フィールド５０１、原単位フィールド６０１、および、バラつき要因フィールド４０２はオプションである。具体的には、たとえば、後述する図２１〜図２７のフローチャートに示す処理をプロセッサ２０１に実行させる場合は、施策観点−施策テーブル６００において、要素作業フィールド５０１、原単位フィールド６０１、および、バラつき要因フィールド４０２は不要である。一方、後述する作業ロス要因テーブルの要素作業５０１、原単位６０１、およびバラつき要因４０２との一致判定をプロセッサに実行させる場合には、要素作業フィールド５０１、原単位フィールド６０１、および、バラつき要因フィールド４０２は必要である。

＜改善施策推薦装置１００の機能的構成例＞
図７は、改善施策推薦装置１００の機能的構成例を示すブロック図である。改善施策推薦装置１００は、生成部７０１と、算出部７０２と、抽出部７０３と、特定部７０４と、決定部７０５と、を有する。生成部７０１〜決定部７０５は、具体的には、たとえば、図２に示した記憶デバイス２０２に記憶されたプログラムをプロセッサ２０１に実行させることにより実現される機能である。

生成部７０１は、作業実績テーブル３００にバラつき要因マスタ４００を追加することにより、バラつき要因付き作業実績テーブル７１１を生成する。バラつき要因付き作業実績テーブル７１１の生成例については、図８〜図１２を用いて後述する。

算出部７０２は、稼働分析テーブル５００と生成部７０１によって生成されたバラつき要因付き作業実績テーブル７１１とを用いて、作業工程時間を算出する。作業工程時間は、作業工程時間テーブル７１２に格納される。作業工程時間の算出例については、図１３〜図１６を用いて後述する。

抽出部７０３は、作業工程時間テーブル７１２を用いて、作業ロス要因を抽出して、作業ロス要因テーブル７１３を生成する。作業ロス要因とは、作業ロスの要因である。作業ロスとは、作業効率を下げる行為または状態である。作業ロス要因の抽出例については、図１７〜図２１を用いて後述する。

特定部７０４は、抽出部７０３によって抽出された作業ロス要因に基づいて改善施策観点を特定し、施策観点リスト７１４を出力する。改善施策観点の特定例は、図２１〜図２７を用いて後述する。

決定部７０５は、施策観点−施策テーブル６００を用いて、特定部７０４によって特定された改善施策観点に基づいて施策６０３を決定し、施策リスト７１５を出力する。施策６０３の決定例は、図６を用いて後述する。

＜バラつき要因付き作業実績テーブル７１１の生成例＞
図８は、バラつき要因付き作業実績テーブル７１１の生成例１を示す説明図である。生成例１は、作業実績テーブル３００の各エントリに、バラつき要因マスタ４００における４Ｗ４０１の「ｗｈｅｎ」に対応する［ｗｈｅｎ］作業時間帯フィールド８０１を追加する例である。［ｗｈｅｎ］作業時間帯フィールド８０１は、作業時間帯に関する属性４０３を格納する記憶領域である。

［ｗｈｅｎ］作業時間帯フィールド８０１を追加する場合、生成部７０１は、バラつき要因マスタ４００の４Ｗ４０１が「ｗｈｅｎ」のエントリを用いる。具体的には、たとえば、生成部７０１は、作業実績テーブル３００の各エントリについて、作業時間帯を求める。作業時間帯の開始時刻は、作業時刻３０２であり、作業時間帯の終了時刻は、作業時刻３０２に作業時間３１０を加算した時刻である。生成部７０１は、作業実績テーブル３００の各エントリについて、バラつき要因マスタ４００の４Ｗ４０１が「ｗｈｅｎ」のエントリから、算出した作業時間帯に該当するエントリを特定し、特定したエントリの属性４０３を［ｗｈｅｎ］作業時間帯フィールド８０１に追加する。

たとえば、作業実績テーブル３００の１行目のエントリの場合、オーダ番号３０１は「０００１」、作業時刻３０２は「１０：０１」、作業時間３１０は「６０（秒）」である。したがって、作業時間帯は、「１０：０１〜１０：０２」となる。算出した作業時間帯「１０：０１〜１０：０２」は、バラつき要因マスタ４００の属性４０３が「ＡＭ」で、かつ、条件４０４が「作業時間帯≦１２：００」のエントリに該当するため、生成部７０１は、作業実績テーブル３００の１行目のエントリの［ｗｈｅｎ］作業時間帯フィールド８０１に、値として、属性４０３の「ＡＭ」を追加する。

図９は、バラつき要因付き作業実績テーブル７１１の生成例２を示す説明図である。生成例２は、作業実績テーブル３００の各エントリに、バラつき要因マスタ４００における４Ｗ４０１の「ｗｈｏ」に対応する［ｗｈｏ］作業者経験フィールド９０１を追加する例である。［ｗｈｏ］作業者経験フィールド９０１は、作業者経験に関する属性４０３を格納する記憶領域である。作業者経験は、作業者の経験年数に関する情報である。

［ｗｈｏ］作業者経験フィールド９０１を追加する場合、生成部７０１は、バラつき要因マスタ４００の４Ｗ４０１が「ｗｈｏ」のエントリを用いる。具体的には、たとえば、生成部７０１は、作業者ＩＤ３０３を作業実績テーブル３００から取得し、取得した作業者ＩＤ３０３が含まれる条件４０４を有するエントリを、バラつき要因マスタ４００から特定する。そして、生成部７０１は、特定したバラつき要因マスタ４００のエントリの属性４０３を、［ｗｈｏ］作業者経験フィールド９０１に追加する。

たとえば、作業実績テーブル３００の１行目のエントリの場合、オーダ番号３０１は「０００１」、作業者ＩＤ３０３は「ＷＫ０１」である。作業者ＩＤ３０３「ＷＫ０１」は、バラつき要因マスタ４００の属性４０３が「＞５ｙｅａｒｓ」で、かつ、条件４０４が「作業者ＩＤ３０３ ｉｎ ［ＷＫ０１，ＷＫ０４］」のエントリに該当するため、生成部７０１は、作業実績テーブル３００の１行目のエントリの［ｗｈｏ］作業者経験フィールド９０１に、値として、属性４０３の「＞５ｙｅａｒｓ」を追加する。

図１０は、バラつき要因付き作業実績テーブル７１１の生成例３を示す説明図である。生成例３は、作業実績テーブル３００の各エントリに、バラつき要因マスタ４００における４Ｗ４０１の「ｗｈａｔ」に対応する［ｗｈａｔ］商品重さフィールド１００１を追加する例である。［ｗｈａｔ］商品重さフィールド１００１は、商品の重さに関する属性４０３を格納する記憶領域である。

［ｗｈａｔ］商品重さフィールド１００１を追加する場合、生成部７０１は、バラつき要因マスタ４００の４Ｗ４０１が「ｗｈａｔ」のエントリを用いる。具体的には、たとえば、生成部７０１は、商品ＩＤ３０５を作業実績テーブル３００から取得し、取得した商品ＩＤ３０５が含まれる条件４０４を有するエントリを、バラつき要因マスタ４００から特定する。そして、生成部７０１は、特定したバラつき要因マスタ４００のエントリの属性４０３を、［ｗｈａｔ］商品重さフィールド１００１に追加する。

たとえば、作業実績テーブル３００の１行目のエントリの場合、オーダ番号３０１は「０００１」、商品ＩＤ３０５は「ＳＨ０３」である。商品ＩＤ３０５「ＳＨ０３」は、バラつき要因マスタ４００の属性４０３が「１．５ｋｇ」で、かつ、条件４０４が「商品ＩＤ３０５ ｉｎ ［ＳＨ０２，ＳＨ０３，ＳＨ０５］」のエントリに該当するため、生成部７０１は、作業実績テーブル３００の１行目のエントリの［ｗｈａｔ］商品重さフィールド１００１に、値として、属性４０３の「１．５ｋｇ」を追加する。

図１１は、バラつき要因付き作業実績テーブル７１１の生成例４を示す説明図である。生成例４は、作業実績テーブル３００の各エントリに、バラつき要因マスタ４００における４Ｗ４０１の「ｗｈｅｒｅ」に対応する［ｗｈｅｒｅ］エリアフィールド１１０１を追加する例である。［ｗｈｅｒｅ］エリアフィールド１１０１は、エリア３０７に関する属性４０３を格納する記憶領域である。

［ｗｈｅｒｅ］エリアフィールド１１０１を追加する場合、生成部７０１は、バラつき要因マスタ４００の４Ｗ４０１が「ｗｈｅｒｅ」のエントリを用いる。具体的には、たとえば、生成部７０１は、エリア３０７を作業実績テーブル３００から取得し、取得したエリア３０７が含まれる条件４０４を有するエントリを、バラつき要因マスタ４００から特定する。そして、生成部７０１は、特定したバラつき要因マスタ４００のエントリの属性４０３を、［ｗｈｅｒｅ］エリアフィールド１１０１に追加する。

たとえば、作業実績テーブル３００の１行目のエントリの場合、オーダ番号３０１は「０００１」、エリア３０７は「Ａ」である。エリア３０７「Ａ」は、バラつき要因マスタ４００の属性４０３が「Ａ」で、かつ、条件４０４が「エリア３０７＝Ａ］」のエントリに該当するため、生成部７０１は、作業実績テーブル３００の１行目のエントリの［ｗｈｅｒｅ］エリアフィールド１１０１に、値として、属性４０３の「Ａ」を追加する。

図１２は、バラつき要因付き作業実績テーブル７１１の記憶内容例を示す説明図である。バラつき要因付き作業実績テーブル７１１は、図８〜図１１に示した生成例１〜生成例４により生成される。

＜作業工程時間の算出例＞
図１３は、作業工程時間の算出概念を示す説明図である。作業工程時間算出の目的は、ある作業に費やした総作業時間５０２がどのような内訳から成っているかを把握することにある。具体的には、たとえば、（Ａ）総作業時間５０２をそれぞれの段階で分解することである。（Ａ）を行数で分解すると、（Ｂ）行あたり作業時間３１０が特定される。行とは、バラつき要因付き作業実績テーブル７１１において、バラつき要因４０２に該当するエントリである。（Ｂ）を要素作業５０１で分解すると、（Ｃ）行あたり作業時間３１０が特定される。（Ｃ）を原単位６０１で分解すると、（Ｄ１）仕分時間、（Ｄ２）商品探索時間、（Ｄ３）移動時間が特定される。

すなわち、どの内訳部分に改善の対象であるかを明らかにすることができる。たとえば、（Ｄ３）において、移動距離３０９が他に比べ長ければ、移動距離３０９を減らす施策６０３が必要であり、逆に移動の単位時間が長ければ、移動速度を上げる施策６０３が必要になる。逆に、このような分解がなければ、「作業時間３１０の短縮」のような漠然とした問題提起に留まってしまうことになる。

図１４は、作業工程時間テーブル７１２の生成例１を示す説明図である。作業工程時間テーブル７１２の生成例１では、算出部７０２は、稼働分析テーブル５００Ａを用いる。稼働分析テーブル５００Ａは、測定対象の作業者ＩＤ３０３が「ＷＫ０１」で、かつ、測定時間帯が「１０：００〜１２：００」という稼働分析条件下での稼働分析結果を示す。

図１５は、作業工程時間テーブル７１２の生成例２を示す説明図である。作業工程時間テーブル７１２の生成例２では、算出部７０２は、稼働分析テーブル５００Ｂを用いる。稼働分析テーブル５００Ｂは、測定対象の作業者ＩＤ３０３が「ＷＫ０３」で、かつ、測定時間帯が「１３：００〜１５：００」という稼働分析条件下での稼働分析結果を示す。

作業工程時間テーブル７１２の生成例１，２において、算出部７０２は、当該稼働分析条件に該当するエントリを、バラつき要因付き作業実績テーブル７１１から特定する。この場合、図１４および図１５中、バラつき要因付き作業実績テーブル７１１において太線枠で囲ったエントリが特定されたものとする。特定されたエントリ群の各々は、仕分け作業を示す。したがって、特定されたエントリ数は、要素作業５０１が「仕分け」である作業回数５０３に一致する。

作業工程時間テーブル７１２は、要素作業フィールド５０１と、総作業時間フィールド５０２と、行あたり時間フィールド１４０１と、作業頻度フィールド１４０２と、回あたり時間フィールド１４０３と、作業量フィールド１４０４と、単位時間フィールド１４０５と、を有する。要素作業フィールド５０１および総作業時間フィールド５０２は、稼働分析テーブル５００から複製される。

行あたり時間フィールド１４０１は、行あたり時間を格納する記憶領域である。行あたり時間１４０１は、各要素作業５０１について、総作業時間５０２を、稼働分析条件に該当するバラつき要因付き作業実績テーブル７１１のエントリ数（上記の例では、生成例１ではエントリ数１０００件、生成例２ではエントリ数５５０件）で割った時間である。すなわち、行あたり時間１４０１は、稼働分析条件下での１要素作業５０１あたりの平均作業時間となる。

作業頻度フィールド１４０２は、作業頻度を格納する記憶領域である。作業頻度１４０２は、各要素作業５０１について、作業回数５０３を、上述した稼働分析条件に該当するバラつき要因付き作業実績テーブル７１１のエントリ数で割った回数である。すなわち、作業頻度１４０２は、稼働分析条件下での１作業あたりの平均作業回数となる。

なお、稼働分析条件に該当するバラつき要因付き作業実績テーブル７１１のエントリ数は、要素作業５０１が仕分けである作業回数５０３に一致するため、要素作業５０１が仕分けである作業頻度１４０２は、「１．００」となる。

回あたり時間フィールド１４０３は、回あたり時間を格納する記憶領域である。回あたり時間１４０３は、各要素作業５０１について、総作業時間５０２を、作業回数５０３で割った時間である。すなわち、回あたり時間１４０３は、各要素作業５０１について稼働分析条件下での１回の作業あたりの平均作業時間となる。

作業量フィールド１４０４は、作業量を格納する記憶領域である。作業量１４０４は、その要素作業５０１の対象についての平均値である。たとえば、要素作業５０１が仕分けおよび商品探索である場合、作業量１４０４は、稼働分析条件に該当するバラつき要因付き作業実績テーブル７１１における商品数３０８の合計値を、上述した稼働分析条件に該当するバラつき要因付き作業実績テーブル７１１のエントリ数で割った値となる。すなわち、要素作業５０１が仕分けおよび商品探索である場合の作業量１４０４は、稼働分析条件下での１作業あたりの平均商品数となる。

また、要素作業５０１が移動である場合、作業量１４０４は、稼働分析条件に該当するバラつき要因付き作業実績テーブル７１１における移動距離３０９の合計値を、上述した稼働分析条件に該当するバラつき要因付き作業実績テーブル７１１のエントリ数で割った値となる。すなわち、要素作業５０１が移動である場合の作業量１４０４は、稼働分析条件下での１作業あたりの平均移動距離となる。

単位時間フィールド１４０５は、単位時間を格納する記憶領域である。単位時間１４０５は、回あたり時間１４０３を作業量１４０４で割った値である。すなわち、単位時間１４０５は、１回の要素作業５０１において、１作業量（要素作業５０１が仕分けおよび商品探索であれば商品１個、移動であれば移動距離１［ｍ］）あたりの作業時間３１０である。

図１６は、算出部７０２による作業工程時間の算出処理手順例を示すフローチャートである。図１６のフローチャートで示す作業工程時間の算出処理は、上述した稼働分析条件（たとえば、測定対象の作業者ＩＤ３０３が「ＷＫ０１」で、かつ、測定時間帯が「１０：００〜１２：００」）ごとに実行される。

まず、算出部７０２は、稼働分析テーブル５００およびバラつき要因付き作業実績テーブル７１１を読み込み、稼働分析の対象データを、バラつき要因付き作業実績テーブル７１１から抽出する（ステップＳ１６０１）。稼働分析の対象データとは、上述した稼働分析条件（たとえば、測定対象の作業者ＩＤ３０３が「ＷＫ０１」で、かつ、測定時間帯が「１０：００〜１２：００」）を満たすバラつき要因付き作業実績テーブル７１１のエントリである。

算出部７０２は、ステップＳ１６０１で抽出した対象データを用いて、行あたり時間１４０１（ステップＳ１６０２）、作業頻度１４０２（ステップＳ１６０３）、回あたり時間１４０３（ステップＳ１６０４）、作業量１４０４（ステップＳ１６０５）、および単位時間１４０５（ステップＳ１６０６）を算出する。

そして、算出部７０２は、ステップＳ１６０２〜Ｓ１６０６の算出結果を作業工程時間テーブル７１２に出力する（ステップＳ１６０７）。これにより、図１４および図１５に示したように、作業工程時間テーブル７１２が生成される。

＜作業ロス要因の抽出例＞
図１７は、作業ロス要因の抽出概念を示す説明図である。ここでは、図１３に示した（Ｄ３）移動時間を例に挙げて説明する。作業ロス要因抽出の目的は、［要素作業５０１、原単位６０１、バラつき要因４０２］のどの組合せがロス要因、すなわち改善対象であるかを明らかにすることにある。図１３の例では、（Ｄ３）移動時間により要素作業５０１＝“移動”、原単位６０１＝“単位時間１４０５”の値が大きく、移動速度を上げる施策６０３が必要であることまで絞り込んだ。

図１７の例は、（Ｄ３）移動時間を複数のバラつき要因４０２で比較して、改善の対象を明らかにしている。バラつきを評価する理由は、以下のパターンが成り立つと考えられるからである。

（パターン）一定のレベルの作業者が一定のレベルに整えられた作業環境（場所、商品、時間帯など）において、一定のレベルに精査された作業指示に従って作業すれば、作業時間３１０、作業量１４０４、および作業頻度１４０２が均一に理想的な値に収まる一方、何らかの条件４０４が「一定のレベル」から外れた場合に、該当条件４０４の作業時間３１０、作業量１４０４、および作業頻度１４０２が大きくなり、結果としてバラつきが生じる。

たとえば、図１７の例１７０１のように、作業者の作業者経験にバラつきがあった場合には、作業時間３１０が大きい原因が作業者にあることになるので、移動速度を上げるための該当作業者の教育の施策６０３が必要である。一方、例１７０２のように、場所にバラつきがあった場合には、作業時間３１０が大きい原因が場所にあることになるので、移動速度を上げるための該当場所の移動しやすさの施策６０３が必要であると絞り込むことができる。このように、［要素作業５０１、原単位６０１、バラつき要因４０２］のどの組み合わせに問題があるかを明らかにすることで、アクションが明確な施策６０３を導出することができる。

図１８は、抽出部７０３による作業ロス度テーブル１８００の生成例を示す説明図である。抽出部７０３は、作業工程時間テーブル７１２を用いて、作業ロス度テーブル１８００を作成する。作業ロス度テーブル１８００は、要素作業５０１についての作業ロス度（単に、「ロス度」という場合もある）を規定するテーブルである。

作業ロス度テーブル１８００は、要素作業フィールド５０１と、原単位フィールド６０１と、バラつき要因フィールド４０２と、作業ロス度フィールド１８０１（図１８では、単に「ロス度」と表記）と、を有する。作業ロス度フィールド１８０１は、作業ロス度を格納する記憶領域である。作業ロス度１８０１とは、作業ロスの度合いを示す値であり、作業ロスとは、作業効率を下げる行為または状態である。具体的には、たとえば、作業ロス度１８０１は、あるバラつき要因４０２から得られた作業工程時間テーブル７１２における要素作業５０１および原単位６０１（作業頻度１４０２、作業量１４０４、または単位時間１４０５）により特定される実績値のバラつきを示す値であり、たとえば、分散や標準偏差である。

着目しているバラつき要因４０２の中に問題のある属性４０３がなければ、どの属性４０３も一定基準の値に収まるためバラつきが小さくなる。逆に、問題のある属性４０３があれば、問題のある属性４０３の値が大きくなるためバラつきが大きくなる。作業ロス度１８０１は、この点に着目した値である。

作業ロス度１８０１の算出例について、具体的に説明する。ここでは、６種類の作業工程時間テーブル７１２Ａ〜７１２Ｆを用いる。作業工程時間テーブル７１２Ａ、７１２Ｂは、図１４および図１５に示した通りである。作業工程時間テーブル７１２Ｃは、バラつき要因付き作業実績テーブル７１１において、バラつき要因４０２である［ｗｈｏ］作業者経験９０１が「＞５ｙｅａｒｓ」に該当するエントリから得られた作業工程時間テーブル７１２である。作業工程時間テーブル７１２Ｄ〜７１２Ｆはそれぞれ、バラつき要因付き作業実績テーブル７１１において、バラつき要因４０２である［ｗｈｅｒｅ］エリア１１０１が「Ａ」、「Ｂ」、および「Ｃ」に該当するエントリから得られた作業工程時間テーブル７１２である。

作業ロス度１８０１は、バラつき要因４０２が共通する作業工程時間テーブル７１２において、同一要素作業５０１および同一原単位６０１により特定される値のバラつきを示す。たとえば、バラつき要因４０２が［ｗｈｏ］作業者経験９０１である場合、作業工程時間テーブル７１２Ａ〜７１２Ｃが適用される。ここで、要素作業５０１を「商品探索」、原単位６０１を「単位時間１４０５」とした場合、抽出部７０３は、作業工程時間テーブル７１２Ａ〜７１２Ｃの太線枠で示したセルの実績値（２．０［ｓｅｃ／個］、１．８［ｓｅｃ／個］、５．０［ｓｅｃ／個］）を特定する。そして、抽出部７０３は、特定したセルの実績値のバラつきを示す値（たとえば、分散または標準偏差）を算出する。算出した値が、要素作業５０１「商品探索」、原単位６０１「単位時間１４０５」、およびバラつき要因４０２「作業者経験」の作業ロス度１８０１である「４．５」となる（作業ロス度テーブル１８００の太線枠のエントリ）。

同様に、バラつき要因４０２が［ｗｈｅｒｅ］エリア１１０１である場合、作業工程時間テーブル７１２Ｄ〜７１２Ｆが適用される。ここで、要素作業５０１を「移動」、原単位６０１を「作業頻度１４０２」とした場合、抽出部７０３は、作業工程時間テーブル７１２Ｄ〜７１２Ｆの太点線枠で示したセルの実績値（０．５２［回／行］、０．２８［回／行］、０．３１［回／行］）を特定する。そして、抽出部７０３は、特定したセルの実績値のバラつきを示す値（たとえば、分散または標準偏差）を算出する。算出した値が、要素作業５０１「移動」、原単位６０１「作業頻度１４０２」、およびバラつき要因４０２「エリア３０７」の作業ロス度１８０１である「３．９」となる（作業ロス度テーブル１８００の太点線枠のエントリ）。

作業ロス度１８０１が高くなるにつれ、そのエントリを構成する要素作業５０１、原単位６０１およびバラつき要因４０２の組み合わせに問題がある可能性が高くなる。

図１９は、抽出部７０３による作業ロス要因テーブル７１３の生成例を示す説明図である。作業ロス要因テーブル７１３は、作業ロス要因を規定するテーブルである。作業ロス要因とは、要素作業５０１、原単位６０１、バラつき要因４０２、および作業ロス度１８０１の組み合わせで規定される作業ロス度テーブル１８００のエントリのうち、問題のある作業ロス度１８０１を含むエントリである。問題のある作業ロス度１８０１とは、作業ロス度１８０１のうち、あらかじめ設定されたしきい値以上、または、相対的に降順で上位Ｎ（Ｎは１以上の整数）番までの作業ロス度１８０１である。

作業ロス要因テーブル７１３は、作業ロス度テーブル１８００にロス属性フィールド１９０１が追加されたテーブルである。ロス属性フィールド１９０１は、ロス属性１９０１を格納する記憶領域である。ロス属性１９０１は、作業ロス要因で特定される作業ロス度１８０１の算出元となる各値のうち、最悪値を有するバラつき要因フィールド４０２の値である。

たとえば、作業ロス度テーブル１８００の太線枠のエントリが作業ロス要因である場合、図１８における作業工程時間テーブル７１２Ａ〜７１２Ｃの太線枠で示したセルの実績値（２．０［ｓｅｃ／個］、１．８［ｓｅｃ／個］、５．０［ｓｅｃ／個］）から最悪値である５．０［ｓｅｃ／個］と特定する。そして、抽出部７０３は、特定した実績値（５．０［ｓｅｃ／個］）を有する作業工程時間テーブル７１２Ｃから、バラつき要因４０２である［ｗｈｏ］作業者経験９０１の値「＜１ｙｅａｒ」を特定して、ロス属性フィールド１９０１に登録する。

同様に、作業ロス度テーブル１８００の太点線枠のエントリが作業ロス要因である場合、図１８における作業工程時間テーブル７１２Ｄ〜７１２Ｆの太点線枠で示したセルの実績値（０．５２［回／行］、０．２８［回／行］、０．３１［回／行］）から最悪値である０．５２［回／行］と特定する。そして、抽出部７０３は、特定した実績値（０．５２［回／行］）を有する作業工程時間テーブル７１２Ｄから、バラつき要因４０２である［ｗｈｅｒｅ］エリア１１０１の値「Ａ」を特定して、ロス属性フィールド１９０１に登録する。

図２０は、抽出部７０３による作業ロス要因テーブル７１３の生成処理手順例を示すフローチャートである。抽出部７０３は、要素作業５０１、原単位６０１およびバラつき要因４０２の組み合わせを１つずつ選択し、全組み合わせについて、ステップＳ２００２、Ｓ２００３を繰り返し実行する（ステップＳ２００１）。図１８で説明したように、抽出部７０３は、ステップＳ２００１で選択された要素作業５０１、原単位６０１およびバラつき要因４０２の組み合わせについて、作業工程時間テーブル７１２を参照して、バラつき要因４０２の各グループの実績値に対し、作業ロス度１８０１を算出する（ステップＳ２００２）。抽出部７０３は、ステップＳ２００１で選択された要素作業５０１、原単位６０１およびバラつき要因４０２の組み合わせのエントリに、算出した作業ロス度１８０１を格納する（ステップＳ２００３）。

全組み合わせについて、作業ロス度１８０１の算出（ステップＳ２００２）および格納（ステップＳ２００３）が終了すると、抽出部７０３は、作業ロス度１８０１の高いエントリを作業ロス度テーブル１８００から抽出し（ステップＳ２００４）、作業ロス要因テーブル７１３に格納する。そして、抽出部７０３は、図１９で説明したように、作業ロス要因テーブル７１３の各エントリについて、ロス属性１９０１を登録する（ステップＳ２００６）。これにより、作業ロス要因テーブル７１３が作成される。

＜改善施策観点の特定例＞
つぎに、特定部７０４による改善施策観点の特定例について図２１〜図２７を用いて説明する。特定部７０４は、要素作業５０１、原単位６０１、およびバラつき要因４０２の組み合わせごとに、当該組み合わせから、改善施策観点を特定する。図２１〜図２７のフローチャートでは、ある組み合わせについて特定部７０４が改善施策観点を特定する処理手順例を示す。

図２１は、改善施策観点の特定処理手順例を示すフローチャートである。特定部７０４は、ロス属性１９０１テーブルから選択されたエントリの要素作業５０１、原単位６０１、およびバラつき要因４０２の組み合わせ（以下、選択組み合わせ）について、原単位６０１が、単位時間１４０５であるか、作業量１４０４または作業頻度１４０２であるかを判断する（ステップＳ２１０１）。原単位６０１が単位時間１４０５である場合（ステップＳ２１０１：単位時間１４０５）、作業効率に関する改善施策観点特定処理（ステップＳ２１０２）に移行し、原単位６０１が作業量１４０４または作業頻度１４０２である場合（ステップＳ２１０１：作業量１４０４または作業頻度１４０２）、作業指示に関する改善施策観点特定処理（ステップＳ２１０３）に移行する（図２７）。

作業効率に関する改善施策観点特定処理（ステップＳ２１０２）では、特定部７０４は、原単位６０１が単位時間１４０５である選択組み合わせについて、バラつき要因４０２が、ｗｈｏであるか、ｗｈｅｎ、ｗｈｅｒｅまたはｗｈａｔであるかを判断する（ステップＳ２１２１）。バラつき要因４０２がｗｈｏである場合（ステップＳ２１２１：ｗｈｏ）、特定部７０４は、該当作業者の教育内容決定処理（ステップＳ２１２２）を実行する（図２２）。一方、バラつき要因４０２がｗｈｅｎ、ｗｈｅｒｅまたはｗｈａｔである場合（ステップＳ２１２１：ｗｈｅｎ、ｗｈｅｒｅまたはｗｈａｔ）、特定部７０４は、当該作業環境の改善内容決定処理（ステップＳ２１２３）を実行する（図２３）。

ステップＳ２１０３、Ｓ２１２２、Ｓ２１２３のあと、特定部７０４は、ステップＳ２１０３、Ｓ２１２２、Ｓ２１２３から得られた改善施策観点を示す文字列データに当該選択組み合わせのロス属性１９０１を付与する（ステップＳ２１０４）。これにより、特定部７０４は、選択組み合わせについての改善施策観点の特定処理を終了する。

図２２は、図２１に示した該当作業者の教育内容決定処理（ステップＳ２１２２）の詳細な処理手順例を示すフローチャートである。特定部７０４は、原単位６０１が単位時間１４０５であり、かつ、バラつき要因４０２がｗｈｏである選択組み合わせについて、要素作業５０１が、仕分け、商品探索、および移動のいずれに該当するかを判断する（ステップＳ２２０１）。要素作業５０１が仕分けに該当する場合（ステップＳ２２０１：仕分け）、特定部７０４は、該当作業者の教育内容を、「仕分け方法・手順の教育」に決定して（ステップＳ２２０２）、該当作業者の教育内容決定処理（ステップＳ２１２２）を終了する。

また、要素作業５０１が商品探索に該当する場合（ステップＳ２２０１：商品探索）、特定部７０４は、該当作業者の教育内容を、「商品探索方法・手順の教育」に決定して（ステップＳ２２０３）、該当作業者の教育内容決定処理（ステップＳ２１２２）を終了する。

また、要素作業５０１が移動に該当する場合（ステップＳ２２０１：移動）、特定部７０４は、該当作業者の教育内容を、「移動方法・手順の教育」に決定して（ステップＳ２２０４）、該当作業者の教育内容決定処理（ステップＳ２１２２）を終了する。

図２３は、図２１に示した該当作業環境の改善内容決定処理（ステップＳ２１２３）の詳細な処理手順例を示すフローチャートである。特定部７０４は、原単位６０１が単位時間１４０５であり、かつ、バラつき要因４０２がｗｈｅｎ、ｗｈｅｒｅまたはｗｈａｔである選択組み合わせについて、バラつき要因４０２がｗｈｅｎ、ｗｈｅｒｅまたはｗｈａｔのいずれに該当するかを判断する（ステップＳ２３０１）。バラつき要因４０２がｗｈｅｒｅである場合（ステップＳ２３０１：ｗｈｅｒｅ）、特定部７０４は、該当作業環境の改善内容を該当作業場所の作業性改善として、該当作業場所の作業性改善決定処理（ステップＳ２３０２）を実行して（図２４）、該当作業環境の改善内容決定処理（ステップＳ２１２３）を終了する。

また、バラつき要因４０２がｗｈａｔである場合（ステップＳ２３０１：ｗｈａｔ）、特定部７０４は、該当作業環境の改善内容を該当物の扱い易さ改善として、該当物の扱い易さ改善決定処理（ステップＳ２３０３）を実行して（図２５）、該当作業環境の改善内容決定処理（ステップＳ２１２３）を終了する。

また、バラつき要因４０２がｗｈｅｎである場合（ステップＳ２３０１：ｗｈｅｎ）、特定部７０４は、該当作業環境の改善内容を該当時間帯の作業スケジュール改善として、該当時間帯の作業スケジュール改善決定処理（ステップＳ２３０４）を実行して（図２６）、該当作業環境の改善内容決定処理（ステップＳ２１２３）を終了する。

図２４は、図２３に示した該当作業場所の作業性改善決定処理（ステップＳ２３０２）の詳細な処理手順例を示すフローチャートである。特定部７０４は、原単位６０１が単位時間１４０５であり、かつ、バラつき要因４０２がｗｈｅｒｅである選択組み合わせについて、要素作業５０１が、仕分け、商品探索、および移動のいずれに該当するかを判断する（ステップＳ２４０１）。要素作業５０１が仕分けに該当する場合（ステップＳ２４０１：仕分け）、特定部７０４は、該当作業場所の作業性改善内容を、「該当場所の商品取りやすさ改善」に決定して（ステップＳ２４０２）、該当作業場所の作業性改善決定処理（ステップＳ２３０２）を終了する。

また、要素作業５０１が商品探索に該当する場合（ステップＳ２４０１：商品探索）、特定部７０４は、該当作業場所の作業性改善内容を、「該当場所の商品探しやすさ改善」に決定して（ステップＳ２４０３）、該当作業場所の作業性改善決定処理（ステップＳ２３０２）を終了する。

また、要素作業５０１が移動に該当する場合（ステップＳ２４０１：移動）、特定部７０４は、該当作業場所の作業性改善内容を、「該当移動先の探しやすさ改善」に決定して（ステップＳ２４０４）、該当作業場所の作業性改善決定処理（ステップＳ２３０２）を終了する。

図２５は、図２３に示した該当物の扱い易さ改善決定処理（ステップＳ２３０３）の詳細な処理手順例を示すフローチャートである。特定部７０４は、原単位６０１が単位時間１４０５であり、かつ、バラつき要因４０２がｗｈａｔである選択組み合わせについて、要素作業５０１が、仕分け、商品探索、および移動のいずれに該当するかを判断する（ステップＳ２５０１）。要素作業５０１が仕分けに該当する場合（ステップＳ２５０１：仕分け）、特定部７０４は、該当物の扱い易さ改善内容を、「該当商品の扱い易さ改善」に決定して（ステップＳ２５０２）、該当物の扱い易さ改善決定処理（ステップＳ２３０３）を終了する。

また、要素作業５０１が商品探索に該当する場合（ステップＳ２５０１：商品探索）、特定部７０４は、該当物の扱い易さ改善内容を、「該当商品の探し易さ改善」に決定して（ステップＳ２５０３）、該当物の扱い易さ改善決定処理（ステップＳ２３０３）を終了する。

また、要素作業５０１が移動に該当する場合（ステップＳ２５０１：移動）、特定部７０４は、該当物の扱い易さ改善内容を、「施策なし」（出荷傾向の影響）に決定して（ステップＳ２５０４）、該当物の扱い易さ改善決定処理（ステップＳ２３０３）を終了する。

図２６は、図２３に示した該当時間帯の作業スケジュール改善決定処理（ステップＳ２３０４）の詳細な処理手順例を示すフローチャートである。特定部７０４は、原単位６０１が単位時間１４０５であり、かつ、バラつき要因４０２がｗｈｅｎである選択組み合わせについて、要素作業５０１が、仕分け、商品探索、および移動のいずれに該当するかを判断する（ステップＳ２６０１）。要素作業５０１が仕分けに該当する場合（ステップＳ２６０１：仕分け）、特定部７０４は、該当時間帯の作業スケジュール改善内容を、「仕分け時の障害物除去」に決定して（ステップＳ２６０２）、該当時間帯の作業スケジュール改善決定処理（ステップＳ２３０４）を終了する。

また、要素作業５０１が商品探索に該当する場合（ステップＳ２６０１：商品探索）、特定部７０４は、該当時間帯の作業スケジュール改善内容を、「探索時の障害物除去」に決定して（ステップＳ２６０３）、該当時間帯の作業スケジュール改善決定処理（ステップＳ２３０４）を終了する。

また、要素作業５０１が移動に該当する場合（ステップＳ２６０１：移動）、特定部７０４は、該当時間帯の作業スケジュール改善内容を、「作業疲労の改善」に決定して（ステップＳ２６０４）、該当時間帯の作業スケジュール改善決定処理（ステップＳ２３０４）を終了する。

また、要素作業５０１が仕分け、商品探索、および移動のいずれに該当した場合であっても、ユーザ操作により、仕分け、商品探索、および移動のいずれも選択しないこととしてもよい（ステップＳ２６０５：非選択）。この場合、特定部７０４は、該当時間帯の作業スケジュール改善内容を、「作業疲労の改善」に決定して（ステップＳ２６０５）、該当時間帯の作業スケジュール改善決定処理（ステップＳ２３０４）を終了する。

図２７は、図２１に示した作業指示に関する改善施策観点特定処理（ステップＳ２１０３）の詳細な処理手順例を示すフローチャートである。特定部７０４は、原単位６０１が作業量１４０４または作業頻度１４０２である選択組み合わせについて、バラつき要因４０２がｗｈｏ、ｗｈｅｎ、ｗｈｅｒｅおよびｗｈａｔのいずれに該当するかを判断する（ステップＳ２７０１）。バラつき要因４０２がｗｈｏである場合（ステップＳ２７０１：ｗｈｏ）、特定部７０４は、作業指示に関する改善施策観点を、「作業者割当の適正化」に決定して（ステップＳ２７０２）、作業指示に関する改善施策観点特定処理（ステップＳ２１０３）を終了する。

また、バラつき要因４０２がｗｈｅｒｅである場合（ステップＳ２７０１：ｗｈｅｒｅ）、特定部７０４は、要素作業５０１が仕分けまたは商品探索であるか、または、移動であるかを判断する（ステップＳ２７０３）。要素作業５０１が仕分けまたは商品探索である場合（ステップＳ２７０３：仕分けまたは商品探索）、特定部７０４は、作業指示に関する改善施策観点を、「施策なし」（出荷傾向の影響）に決定して（ステップＳ２７０４）、作業指示に関する改善施策観点特定処理（ステップＳ２１０３）を終了する。

一方、要素作業５０１が移動である場合（ステップＳ２７０３：移動）、特定部７０４は、作業指示に関する改善施策観点を、「商品配置の適正化」に決定して（ステップＳ２７０５）、作業指示に関する改善施策観点特定処理（ステップＳ２１０３）を終了する。

また、バラつき要因４０２がｗｈａｔである場合（ステップＳ２７０１：ｗｈａｔ）、特定部７０４は、要素作業５０１が仕分けまたは商品探索であるか、または、移動であるかを判断する（ステップＳ２７０６）。要素作業５０１が仕分けまたは商品探索である場合（ステップＳ２７０６：仕分けまたは商品探索）、特定部７０４は、作業指示に関する改善施策観点を、「施策なし」（出荷傾向の影響）に決定して（ステップＳ２７０７）、作業指示に関する改善施策観点特定処理（ステップＳ２１０３）を終了する。

一方、要素作業５０１が移動である場合（ステップＳ２７０６：移動）、特定部７０４は、作業指示に関する改善施策観点を、「オーダ割当の適正化」に決定して（ステップＳ２７０８）、作業指示に関する改善施策観点特定処理（ステップＳ２１０３）を終了する。

なお、「オーダ割当の適正化」とは、２つのピッキング作業において、一方の作業のオーダと他方の作業のオーダとを入れ替えることで、一方の作業の移動距離３０９が短縮されるという改善である。

図２８は、オーダ割当の適正化の一例を示す説明図である。（Ａ）は、適正化前の状態、（Ｂ）は、適正化後の状態を示す。（Ａ）において、作業者ＷＫ０１は、オーダ００１１〜００１３の作業を行い、作業者ＷＫ０２は、オーダ００１４〜００１６の作業を行う。各オーダ００１１〜００１６には、取り出すべき商品ＳＨ１１〜ＳＨ２２が含まれる（個数については説明を簡略にするため省略）。ここで、作業者ＷＫ０１のオーダ００１３には、作業者ＷＫ０２が担当するオーダ００１５，００１６の商品ＳＨ１６が含まれており、作業者ＷＫ０２のオーダ００１４には、作業者ＷＫ０１が担当するオーダ００１１，００１２の商品ＳＨ１１、ＳＨ１４が含まれている。

この場合、（Ｂ）のように、オーダ００１３とオーダ００１４とを入れ替えることで、オーダ割当が適正化される。具体的には、作業者ＷＫ０１がオーダ００１４を処理した方が作業者ＷＫ０１の移動距離３０９が短くなる。すなわち、作業者ＷＫ０１は、商品ＳＨ１１が保管されている棚から、オーダ００１１，００１２，００１４の商品ＳＨ１１のピッキングをおこなうことができ、商品ＳＨ１４が保管されている棚から、オーダ００１２，００１４の商品ＳＨ１４のピッキングをおこなうことができる。このため、作業者ＷＫ０１は、オーダ００１３の商品ＳＨ１６〜ＳＨ１８が保管されている棚まで移動する必要がなくなる。

同様に、作業者ＷＫ０２がオーダ００１３を処理した方が作業者ＷＫ０２の移動距離３０９が短くなる。すなわち、作業者ＷＫ０２は、商品ＳＨ１６が保管されている棚から、オーダ００１３，００１５，００１６の商品ＳＨ１６のピッキングをおこなうことができる。このため、作業者ＷＫ０１は、オーダ００１４の商品ＳＨ１１，ＳＨ１４が保管されている棚まで移動する必要がなくなる。

図２７に戻り、バラつき要因４０２がｗｈｅｎである場合（ステップＳ２７０１：ｗｈｅｎ）、特定部７０４は、要素作業５０１が仕分けまたは商品探索であるか、または、移動であるかを判断する（ステップＳ２７０９）。要素作業５０１が仕分けまたは商品探索である場合（ステップＳ２７０９：仕分けまたは商品探索）、特定部７０４は、作業指示に関する改善施策観点を、「発注単位の効率化」に決定して（ステップＳ２７１０）、作業指示に関する改善施策観点特定処理（ステップＳ２１０３）を終了する。発注単位とは、発注量を示す単位であり、たとえば、ダースである。

一方、要素作業５０１が移動である場合（ステップＳ２７０６：移動）、特定部７０４は、作業指示に関する改善施策観点を、「施策なし」（出荷傾向の影響）に決定して（ステップＳ２７１１）、作業指示に関する改善施策観点特定処理（ステップＳ２１０３）を終了する。

＜施策６０３の決定例＞
決定部７０５による施策６０３の決定例について、図６を用いて説明する。図６において、施策観点リスト７１４は、特定部７０４によってロス属性１９０１が付与された改善施策観点の一覧を示すデータである。決定部７０５は、施策観点−施策テーブル６００を用いて、特定部７０４によって特定された改善施策観点に基づいて施策６０３を決定する。具体的には、たとえば、決定部７０５は、施策観点リスト７１４の各改善施策観点に一致する施策観点を、施策観点−施策テーブル６００の施策観点から特定し、特定した施策観点に関連付けられる（同一エントリである）施策６０３を、施策観点−施策テーブル６００の施策観点から特定する。そして、決定部７０５は、特定された施策観点に、改善施策観点に付与されているロス属性１９０１を組み込む。具体的には、たとえば、決定部７０５は、施策６０３の文字列の「○○」にロス属性１９０１を挿入する。

たとえば、施策観点リスト７１４の観点１の場合、施策観点として、『商品探索方法・手順の教育』が特定され、対応する施策６０３として、『〇〇の商品探索方法（探索の目印、目線の手順ｅｔｃ）を確認』が特定される。決定部７０５は、観点１のロス属性１９０１である“作業者経験＝１年未満”を施策６０３である『〇〇の商品探索方法（探索の目印、目線の手順ｅｔｃ）を確認』の「○○」に挿入して、具体的な施策６０３として『“作業者経験＝１年未満”の商品探索方法（探索の目印、目線の手順ｅｔｃ）を確認』を生成する。これにより、決定部７０５は、具体的な施策６０３を含む施策リスト７１５を出力デバイス２０４に出力する。

このように、本実施例の改善施策推薦装置１００は、記憶デバイスに、作業実績情報としてバラつき要因付き作業実績テーブル７１１と、作業ロスを改善する方策を示す施策６０３と施策の観点を示す施策観点６０２とを対応付けた対応情報として施策観点−施策テーブル６００と、を記憶する。作業実績情報は、どの作業者がどの作業時間帯にどの商品を倉庫内のどの場所から取り出したかというオーダごとの作業の実績データに、作業者を分類する作業者属性、作業時間帯を分類する作業時間帯属性、商品を分類する商品属性、および、倉庫内の場所を分類する場所属性のうち少なくとも１つの属性を示す作業のバラつき要因４０２が関連付けられている情報である。

プロセッサ２０１は、作業実績情報に基づいて、バラつき要因４０２の各区分（属性４０３）について、倉庫作業を構成する要素作業５０１ごとに、作業の作業頻度、作業量、および単位時間の少なくとも１つを含む原単位６０１を算出する算出処理を、算出部７０２として実行する。

プロセッサ２０１は、算出処理によって異なる区分で算出された同一バラつき要因の算出結果（作業工程時間テーブル７１２（７１２Ａ〜７１２Ｃ，７１２Ｄ〜７１２Ｆ））に基づいて、要素作業５０１、原単位６０１、および、バラつき要因４０２の組み合わせの集合から、作業ロスが生じる要素作業５０１、原単位６０１、および、バラつき要因４０２の特定の組み合わせを抽出する抽出処理を、抽出部７０３として実行する。

プロセッサ２０１は、抽出処理によって抽出された特定の組み合わせに基づいて、特定の施策観点６０２を特定する特定処理を、特定部７０４として実行する。

プロセッサ２０１は、対応情報を参照して、特定処理によって特定された特定の施策観点に対応する施策６０３を決定する決定処理を、決定部７０５として実行する。

これにより、改善施策推薦装置１００は、施策６０３の明確化を図ることができ、問題点の指摘でなく、改善のアクションが明確な施策６０３を提示することができる。したがって、施策６０３の決定プロセスを簡略化し、現場改善スピードを向上させることができる。また、現場改善が属人的にならず、現場改善の経験が浅い改善担当者でも、現場改善を実施することができる。また、過去の施策事例の参照に留まらず、新規の施策６０３を提示することができる。

また、上述した対応情報は、未定の改善対象（施策６０３内の「○○」）に対する改善の方策を示す施策６０３と施策の観点を示す施策観点６０２とを対応付けた情報である。抽出処理では、プロセッサ２０１は、特定の組み合わせに、異なる区分（属性４０３）のうち作業ロスの原因となる特定の区分（ロス属性１９０１）を関連付ける。決定処理では、プロセッサ２０１は、特定の施策観点６０２に対応する施策６０３について、特定の組み合わせに関連付けられた特定の区分（ロス属性１９０１）を、未定の改善対象に設定することにより、改善対象が規定された施策６０３を出力する。

これにより、改善対象を具体的に明示することができ、改善のアクションが明確な施策６０３を提示することができる。

また、抽出処理では、プロセッサ２０１は、算出結果に基づいて、組み合わせにおける作業ロスの度合いを示す作業ロス度１８０１を算出し、作業ロス度１８０１に基づいて特定の組み合わせを抽出する。

これにより、改善施策推薦装置１００は、どの組み合わせが作業ロスを生じやすいかを客観的に判断することができ、施策６０３の決定精度の向上を図ることができる。

また、特定処理では、プロセッサ２０１は、特定の組み合わせを構成する原単位６０１が要素作業５０１の作業量または作業頻度である場合、特定の組み合わせに対応する施策観点６０２を、作業指示の改善に決定する（ステップＳ２１０３）。これにより、改善施策推薦装置１００は、施策観点６０２を作業指示の改善に絞り込んで、対応する施策６０３の具体化を図ることができる。

また、特定処理では、プロセッサ２０１は、特定の組み合わせを構成する原単位６０１が要素作業５０１の単位時間である場合、特定の組み合わせに対応する施策観点６０２を、作業効率の改善に決定する（ステップＳ２１０２）。これにより、改善施策推薦装置１００は、施策観点６０２を作業効率の改善に絞り込んで、対応する施策６０３の具体化を図ることができる。

また、特定処理では、プロセッサ２０１は、特定の組み合わせを構成するバラつき要因４０２に基づいて、作業指示の改善（ステップＳ２１０３）に関する内容を特定する（ステップＳ２７０１〜Ｓ２７１１）。これにより、改善施策推薦装置１００は、具体的に作業指示に関する施策６０３の適正化、効率化を図ることができる。

また、特定処理では、プロセッサ２０１は、特定の組み合わせを構成するバラつき要因４０２が作業者属性である場合、作業効率の改善（ステップＳ２１０２）を、該当作業者の教育に決定する（ステップＳ２１２２）。これにより、改善施策推薦装置１００は、施策観点６０２を該当作業者の教育に絞り込んで、対応する施策６０３の具体化を図ることができる。

また、特定処理では、プロセッサ２０１は、特定の組み合わせを構成するバラつき要因４０２が作業時間帯属性、商品属性、または、場所属性（作業環境属性）である場合、作業効率の改善（ステップＳ２１０２）を、該当作業環境の改善に決定する（ステップＳ２１２３）。これにより、改善施策推薦装置１００は、施策観点６０２を該当作業環境の改善に絞り込んで、対応する施策６０３の具体化を図ることができる。

また、特定処理では、プロセッサ２０１は、特定の組み合わせを構成するバラつき要因４０２が作業者属性である場合、特定の組み合わせを構成する要素作業５０１に基づいて、施策観点６０２である該当作業者の教育（ステップＳ２１２２）に関する内容を特定する（ステップＳ２２０２〜Ｓ２２０４）。これにより、改善施策推薦装置１００は、施策観点６０２を該当作業者の教育に関する内容に絞り込んで、対応する施策６０３の具体化を図ることができる。

また、特定処理では、プロセッサ２０１は、特定の組み合わせを構成するバラつき要因が場所属性である場合、該当作業環境の改善（ステップＳ２１２３）を、該当作業場所の作業性改善に決定する（ステップＳ２３０２）。これにより、改善施策推薦装置１００は、施策観点６０２を該当作業場所の作業性改善に絞り込んで、対応する施策６０３の具体化を図ることができる。

また、特定処理では、プロセッサ２０１は、特定の組み合わせを構成するバラつき要因が商品属性である場合、該当作業環境の改善（ステップＳ２１２３）を、該当物の扱い易さの改善に決定する（ステップＳ２３０３）。これにより、改善施策推薦装置１００は、施策観点６０２を該当物の扱い易さの改善に絞り込んで、対応する施策６０３の具体化を図ることができる。

また、特定処理では、プロセッサ２０１は、特定の組み合わせを構成するバラつき要因が作業時間帯属性である場合、該当作業環境の改善（ステップＳ２１２３）を、該当時間帯の作業スケジュールの改善に決定する（ステップＳ２３０４）。これにより、改善施策推薦装置１００は、施策観点６０２を該当時間帯の作業スケジュールの改善に絞り込んで、対応する施策６０３の具体化を図ることができる。

なお、本発明は前述した実施例に限定されるものではなく、添付した特許請求の範囲の趣旨内における様々な変形例及び同等の構成が含まれる。例えば、前述した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに本発明は限定されない。また、ある実施例の構成の一部を他の実施例の構成に置き換えてもよい。また、ある実施例の構成に他の実施例の構成を加えてもよい。また、各実施例の構成の一部について、他の構成の追加、削除、または置換をしてもよい。

また、前述した各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等により、ハードウェアで実現してもよく、プロセッサがそれぞれの機能を実現するプログラムを解釈し実行することにより、ソフトウェアで実現してもよい。

各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリ、ハードディスク、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等の記憶装置、又は、ＩＣ（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）カード、ＳＤカード、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｃ）の記録媒体に格納することができる。

また、制御線や情報線は説明上必要と考えられるものを示しており、実装上必要な全ての制御線や情報線を示しているとは限らない。実際には、ほとんど全ての構成が相互に接続されていると考えてよい。

Claims (14)

1. プログラムを実行するプロセッサと、前記プログラムを記憶する記憶デバイスと、を有する改善施策推薦装置であって、
   前記記憶デバイスは、作業実績情報を記憶するとともに、作業ロスを改善する方策を示す施策と、前記作業ロスによる問題点について前記施策の着眼点を示す施策観点と、を対応付けた対応情報を記憶しており、
   前記作業実績情報は、オーダごとに作業者、商品、作業時間帯、および倉庫内の作業場所を示す作業の実績データに、前記作業者を分類する作業者属性、前記作業時間帯を分類する作業時間帯属性、前記商品を分類する商品属性、および、前記作業場所を分類する場所属性のうち少なくとも１つの属性についての作業のバラつき要因が関連付けられている情報であり、
   前記プロセッサは、
   前記作業実績情報に基づいて、前記バラつき要因の各区分について、倉庫作業を構成する要素作業ごとに、前記作業の作業頻度、作業量、および単位時間の少なくとも１つを含む原単位を算出する算出処理と、
   前記算出処理によって異なる区分で算出された同一バラつき要因の算出結果に基づいて、前記要素作業、前記原単位、および、前記バラつき要因の組み合わせの集合から、作業ロスが生じる前記要素作業、前記原単位、および、前記バラつき要因の特定の組み合わせを抽出する抽出処理と、
   前記抽出処理によって抽出された前記特定の組み合わせに基づいて、特定の施策観点を特定する特定処理と、
   前記対応情報を参照して、前記特定処理によって特定された特定の施策観点に対応する施策を決定する決定処理と、
   を実行することを特徴とする改善施策推薦装置。
2. 請求項１に記載の改善施策推薦装置であって、
   前記対応情報は、未定の改善対象に対する改善の方策を示す施策と、前記施策観点と、を対応付けた情報であり、
   前記抽出処理では、前記プロセッサは、前記特定の組み合わせに、前記異なる区分のうち前記作業ロスの原因となる特定の区分を関連付け、
   前記決定処理では、前記プロセッサは、前記特定の施策観点に対応する施策について、前記特定の組み合わせに関連付けられた前記特定の区分を、前記未定の改善対象に設定することにより、前記改善対象が規定された施策を出力することを特徴とする改善施策推薦装置。
3. 請求項１に記載の改善施策推薦装置であって、
   前記抽出処理では、前記プロセッサは、前記算出結果に基づいて、前記組み合わせにおける前記作業ロスの度合いを示す作業ロス度を算出し、前記作業ロス度に基づいて前記特定の組み合わせを抽出することを特徴とする改善施策推薦装置。
4. 請求項１に記載の改善施策推薦装置であって、
   前記特定処理では、前記プロセッサは、前記特定の組み合わせを構成する前記原単位が前記要素作業の作業量または作業頻度である場合、前記特定の組み合わせに対応する施策観点を、作業指示の改善に決定することを特徴とする改善施策推薦装置。
5. 請求項１に記載の改善施策推薦装置であって、
   前記特定処理では、前記プロセッサは、前記特定の組み合わせを構成する前記原単位が前記要素作業の単位時間である場合、前記特定の組み合わせに対応する施策観点を、作業効率の改善に決定することを特徴とする改善施策推薦装置。
6. 請求項４に記載の改善施策推薦装置であって、
   前記特定処理では、前記プロセッサは、前記特定の組み合わせを構成する前記バラつき要因に基づいて、前記作業指示の改善に関する内容を特定することを特徴とする改善施策推薦装置。
7. 請求項５に記載の改善施策推薦装置であって、
   前記特定処理では、前記プロセッサは、前記特定の組み合わせを構成する前記バラつき要因が前記作業者属性である場合、前記作業効率の改善を、該当作業者の教育に決定することを特徴とする改善施策推薦装置。
8. 請求項５に記載の改善施策推薦装置であって、
   前記特定処理では、前記プロセッサは、前記特定の組み合わせを構成する前記バラつき要因が前記作業時間帯属性、前記商品属性、または、前記場所属性である場合、前記作業効率の改善を、該当作業環境の改善に決定することを特徴とする改善施策推薦装置。
9. 請求項７に記載の改善施策推薦装置であって、
   前記特定処理では、前記プロセッサは、前記特定の組み合わせを構成する前記要素作業に基づいて、前記該当作業者の教育に関する内容を特定することを特徴とする改善施策推薦装置。
10. 請求項８に記載の改善施策推薦装置であって、
    前記特定処理では、前記プロセッサは、前記特定の組み合わせを構成する前記バラつき要因が前記場所属性である場合、前記該当作業環境の改善を、該当作業場所の作業性改善に決定することを特徴とする改善施策推薦装置。
11. 請求項８に記載の改善施策推薦装置であって、
    前記特定処理では、前記プロセッサは、前記特定の組み合わせを構成する前記バラつき要因が前記商品属性である場合、前記該当作業環境の改善を、該当物の扱い易さの改善に決定することを特徴とする改善施策推薦装置。
12. 請求項８に記載の改善施策推薦装置であって、
    前記特定処理では、前記プロセッサは、前記特定の組み合わせを構成する前記バラつき要因が前記作業時間帯属性である場合、前記該当作業環境の改善を、該当時間帯の作業スケジュールの改善に決定することを特徴とする改善施策推薦装置。
13. プログラムを実行するプロセッサと、前記プログラムを記憶する記憶デバイスと、を有する改善施策推薦装置による改善施策推薦方法であって、
    前記記憶デバイスは、作業実績情報を記憶するとともに、作業ロスを改善する方策を示す施策と、前記作業ロスによる問題点について前記施策の着眼点を示す施策観点と、を対応付けた対応情報を記憶しており、
    前記作業実績情報は、オーダごとに作業者、商品、作業時間帯、および倉庫内の作業場所を示す作業の実績データに、前記作業者を分類する作業者属性、前記作業時間帯を分類する作業時間帯属性、前記商品を分類する商品属性、および、前記作業場所を分類する場所属性のうち少なくとも１つの属性についての作業のバラつき要因が関連付けられている情報であり、
    前記改善施策推薦方法は、
    前記プロセッサが、
    前記作業実績情報に基づいて、前記バラつき要因の各区分について、倉庫作業を構成する要素作業ごとに、前記作業の作業頻度、作業量、および単位時間の少なくとも１つを含む原単位を算出する算出処理と、
    前記算出処理によって異なる区分で算出された同一バラつき要因の算出結果に基づいて、前記要素作業、前記原単位、および、前記バラつき要因の組み合わせの集合から、作業ロスが生じる前記要素作業、前記原単位、および、前記バラつき要因の特定の組み合わせを抽出する抽出処理と、
    前記抽出処理によって抽出された前記特定の組み合わせに基づいて、特定の施策観点を特定する特定処理と、
    前記対応情報を参照して、前記特定処理によって特定された特定の施策観点に対応する施策を決定する決定処理と、
    を実行することを特徴とする改善施策推薦方法。
14. 記憶デバイスにアクセス可能なプロセッサに実行させる改善施策推薦プログラムであって、
    前記記憶デバイスは、作業実績情報を記憶するとともに、作業ロスを改善する方策を示す施策と、前記作業ロスによる問題点について前記施策の着眼点を示す施策観点と、を対応付けた対応情報を記憶しており、
    前記作業実績情報は、オーダごとに作業者、商品、作業時間帯、および倉庫内の作業場所を示す作業の実績データに、前記作業者を分類する作業者属性、前記作業時間帯を分類する作業時間帯属性、前記商品を分類する商品属性、および、前記作業場所を分類する場所属性のうち少なくとも１つの属性についての作業のバラつき要因が関連付けられている情報であり、
    前記プロセッサに、
    前記作業実績情報に基づいて、前記バラつき要因の各区分について、倉庫作業を構成する要素作業ごとに、前記作業の作業頻度、作業量、および単位時間の少なくとも１つを含む原単位を算出する算出処理と、
    前記算出処理によって異なる区分で算出された同一バラつき要因の算出結果に基づいて、前記要素作業、前記原単位、および、前記バラつき要因の組み合わせの集合から、作業ロスが生じる前記要素作業、前記原単位、および、前記バラつき要因の特定の組み合わせを抽出する抽出処理と、
    前記抽出処理によって抽出された前記特定の組み合わせに基づいて、特定の施策観点を特定する特定処理と、
    前記対応情報を参照して、前記特定処理によって特定された特定の施策観点に対応する施策を決定する決定処理と、
    を実行させることを特徴とする改善施策推薦プログラム。

Images