倉庫管理データテンプレート

アクティビティ名は、倉庫管理プロセス内の個別のステップまたはイベントを表します。これらのアクティビティは、倉庫オーダーを履行するために実行される個々のタスクを示し、プロセスフローを詳細に把握することができます。例えば、オーダー作成、商品受領、品質チェック、品目ピッキング、出荷発送などが含まれます。

プロセスマイニング分析において、この属性はプロセスマップを構築するために極めて重要です。これはプロセスグラフのノードを定義し、アナリストがイベントのシーケンスを可視化し、異なるタスクの頻度を理解し、ボトルネックやアクティビティ間の非効率な移行を特定することを可能にします。アクティビティに対する明確で一貫した命名規則は、意味のあるプロセス発見と分析のために不可欠です。

この属性はプロセスマップのステップを定義します。これは、ボトルネックと逸脱を特定するためのすべてのプロセスマイニング分析の基盤となります。

通常、個々の倉庫作業が記録されるイベントログ、タスク管理テーブル、またはトランザクションデータにあります。

イベント開始時刻は、倉庫アクティビティが開始された瞬間を記録する正確なタイムスタンプです。このデータポイントは、プロセスステップのタイミングと期間を理解するために極めて重要です。終了タイムスタンプと組み合わせることで、各アクティビティの完了にかかった時間を正確に計算できます。

プロセスマイニングでは、このタイムスタンプは、正確なプロセスフローを構築するためにイベントを時系列で並べ替える上で基本となります。アクティビティ間のサイクルタイム計算、待機時間の特定、作業が遅延しているボトルネックの正確な特定など、すべての時間ベース分析の基礎となります。正確な開始時刻は、プロセス効率に関連するパフォーマンスダッシュボードとKPIにとって不可欠です。

このタイムスタンプは、イベントを正しく順序付けし、サイクルタイムを計算するために不可欠です。これらは、プロセスボトルネックと遅延を特定するために重要です。

特定のタスクの開始またはステータス変更を捕捉するシステムイベントログまたはトランザクション記録に見られます。

ソースシステム属性は、イベントデータの発生元（特定の倉庫管理システム（WMS）、統合基幹業務システム（ERP）、またはレガシーアプリケーションなど）を示します。複雑なIT環境では、単一のビジネスプロセスが複数のシステムにまたがることがあり、この項目は各データがどこから来たのかを区別するのに役立ちます。

この情報は、データの検証とガバナンスにとって価値があり、プロセスマイニングに使用されるデータが正しい発生元に遡れることを保証します。また、データ品質の問題が検出された際の根本原因分析にも役立ちます。分析においては、同じ組織内の異なるシステムやシステムバージョン間のプロセス変動やパフォーマンス指標を比較するために使用できます。

データの発生源に関するコンテキストを提供し、これはデータ検証、トラブルシューティング、および異なるシステム間でのプロセスバリエーションの理解にとって重要です。

この情報は、データ抽出（ETL）プロセス中に追加されるか、データウェアハウスおよび統合プラットフォームの標準フィールドである場合があります。

倉庫オーダーIDは、倉庫管理システム内の各物流作業オーダーに割り当てられる一意のキーです。これにより、入荷、棚入れ、ピッキング、梱包、出荷など、すべての関連活動を単一のエンドツーエンドのプロセスインスタンスとして連結します。

プロセスマイニングにおいて、この属性は各倉庫オーダーのライフサイクルを再構築するための基本です。倉庫オーダーIDをケース識別子として使用することで、アナリストはオーダーの完全なフローを視覚化し、一般的な経路を特定し、標準プロセスからの逸脱を発見し、開始から完了までにかかる合計時間を測定できます。これにより、特定のオーダーに対する倉庫フルフィルメントプロセス全体の包括的な分析が可能になります。

これは、関連するすべての倉庫活動を連結し、エンドツーエンドのオーダーフルフィルメントプロセスを分析可能にする不可欠なケースIDです。

通常、倉庫オーダー文書のヘッダーテーブルまたは物流タスクに関連するトランザクションログにあります。

最終データ更新タイムスタンプは、分析に使用されたデータセットがソースシステムから最後に更新された日時を指定します。これはデータの鮮度と関連性を明確に示し、ユーザーが分析の対象期間を把握できるようにします。

この属性は、プロセスマイニングのダッシュボードと分析に対する信頼を維持するために極めて重要です。ユーザーは、ほぼリアルタイムの情報を見ているのか、履歴データを見ているのかを理解できます。このタイムスタンプをダッシュボードに目立つように表示することで、ユーザーの期待を管理し、古い情報に基づく誤解を防ぐのに役立ちます。これは、データガバナンスと透明性の主要な構成要素です。

このタイムスタンプは、ユーザーがデータの鮮度を理解することを保証し、プロセスマイニングの洞察に基づいた情報に基づいたタイムリーな意思決定を行う上で不可欠です。

これは通常、データがプロセスマイニングプラットフォームにロードされる際のデータ抽出（ETL）プロセス中に生成され、保存されます。

イベント終了時刻は、倉庫タスクまたはアクティビティが終了した正確な時点を示します。このタイムスタンプはイベント開始時刻の対となるものであり、個々のアクティビティの期間を測定するために不可欠です。すべてのイベントに明確な期間があるわけではありませんが、ピッキングや梱包のように期間がある場合、このデータは非常に貴重です。

プロセスマイニングでは、開始時刻と終了時刻の両方を持つことで、プロセスパフォーマンスのより高度な分析が可能になります。これにより、処理時間（タスクに積極的に費やされた時間）と待機時間（タスク間の時間）を計算できます。この区別は、真の運用上のボトルネックとリソースの可用性の問題を特定するために重要です。アクティビティ期間を分析することは、パフォーマンスベンチマーキング、リソース計画、および運用改善の機会を特定するのに役立ちます。

正確なアクティビティ期間の計算を可能にし、より良いボトルネック分析のために、アクティブな処理時間と遊休待機時間を区別するのに役立ちます。

特定のタスクの完了またはステータス変更を捕捉するシステムイベントログまたはトランザクション記録に見られます。

ユーザーIDは、特定の倉庫作業の実行を担当する人物またはリソースを一意に識別します。これは、倉庫作業員、シフト管理者、あるいはロボットやコンベアベルト制御装置のような自動システムである可能性もあります。各活動を誰が実行したかを追跡することは、リソースの割り当てとパフォーマンスを理解する上で重要です。

この属性は、ワークフォースおよびリソース管理に関連する強力な分析を可能にします。異なるユーザーやチーム間の生産性レベルを分析し、トレーニングの必要性を特定し、標準作業手順への順守を保証するために使用できます。ユーザーIDでプロセスマップをフィルタリングすることにより、アナリストは異なる個人やチームが同じプロセスをどのように実行するかを比較し、ベストプラクティスや改善が必要な領域を発見できます。また、コンプライアンスおよび監査の目的にも不可欠です。

この属性は、リソースパフォーマンス分析に不可欠であり、異なる従業員、チーム、またはシフト間の効率と品質の比較を可能にします。

通常、トランザクションログやタスク実行記録で、アクションを確認または完了したユーザーが記録される場所で利用可能です。

保管場所は、活動に関連する倉庫内の物理的な場所を特定します。これは、ピッキング作業のソース場所、または棚入れ作業の宛先場所となる可能性があります。粒度は、広範なゾーンから特定のラック、棚、およびビン番号まで多岐にわたります。

保管場所ごとにデータを分析することで、倉庫のレイアウトと効率性に関する洞察が得られます。プロセスマイニングは、異なる場所間の移動時間を明らかにしたり、活動の多い「ホットスポット」を特定したり、非効率な棚入れやピッキングの経路を浮き彫りにしたりできます。この情報は、頻繁にピッキングされる商品をアクセスしやすい場所に配置して移動時間を最小限に抑え、ピッキング効率全体を向上させるためのスロッティング戦略の最適化に非常に価値があります。また、混雑を軽減し、フローを改善するための倉庫レイアウトの再設計にも役立ちます。

倉庫レイアウトと移動効率の分析を可能にし、ピッキング経路と保管戦略を最適化してサイクルタイムを短縮するのに役立ちます。

倉庫タスク、在庫記録、および物流移動トランザクションの詳細に見られます。

実績数量は、倉庫作業員またはシステムが活動中に物理的に取り扱い、計数し、確認したユニット数を指します。これは、サプライヤーからの入荷数や、注文を履行するために棚からピッキングされた数量など、タスクの実際の実行状況を反映します。

この属性は、計画数量と比較した差異分析に不可欠です。計画数量と実績数量の間の差異は、サプライヤーからの出荷不足、ピッキングエラー、在庫情報の不正確さなど、プロセス問題の直接的な指標となります。プロセスマイニングはこのデータを使用して、どの製品、場所、または従業員がこれらの差異に最も頻繁に関連しているかを特定し、精度向上と費用のかかるエラー削減のための的を絞った介入を可能にします。

これはタスクの実際の結果を測定します。これを計画数量と比較して分析することは、ピッキング、入荷、または計数におけるエラーと非効率性を特定するのに役立ちます。

オペレーターまたはシステムが物理的に取り扱ったアイテムの数量を入力するタスク確認データに記録されます。

オーダータイプは、ビジネス目的に基づいて倉庫オーダーを分類します。一般的なタイプには、サプライヤーからの商品受領のための入荷オーダー、顧客への製品出荷のための出荷オーダー、補充や在庫調整などの移動のための内部オーダーが含まれます。

この属性は、異なる倉庫プロセスをセグメント化し比較するために不可欠です。入荷オーダーのプロセスフローは、出荷オーダーのそれとは大きく異なります。オーダータイプをフィルターとして使用することで、アナリストは各フローに対して個別のプロセスマップとダッシュボードを作成でき、より正確で関連性の高い分析が可能になります。異なるオーダータイプ間でサイクルタイムなどのKPIを比較することは、リソースをより効果的に配分し、特定の要求を満たすようにプロセスを調整するのに役立ちます。

これにより、入荷、出荷、内部移動など、異なるフローとパフォーマンス目標を持つ個別のプロセスを分離し、比較することができます。

通常、倉庫オーダー文書のヘッダーデータにあります。

完了希望日とは、倉庫オーダー、特に出荷において、完了を目指す目標期日を指します。この期日は、通常、顧客との約束、運送会社の集荷スケジュール、または社内のサービスレベル契約（SLA）によって決定されます。これは、定時達成度を測る主要な基準となります。

プロセスマイニングにおいて、この属性は定時出荷パフォーマンス分析に不可欠です。実際の完了日と完了希望日を比較することで、企業は定時達成率を算出し、遅延の根本原因を特定できます。完了希望日を守れなかったオーダーを分析すると、特定のボトルネック、リソースの制約、あるいは常に遅延を引き起こしているプロセスステップが明らかになり、具体的な改善策の実施に繋がります。

これは定時達成度を測定するためのベンチマークです。これを実際の完了日と比較することが、定時出荷率KPIを計算するための鍵となります。

通常、倉庫オーダーのヘッダーデータにあり、関連する販売オーダーまたは顧客要求から継承されることが多いです。

計画数量は、特定の倉庫タスクにおける目標ユニット数を表します。入荷オーダーの場合、これは受領が予定されている数量です。出荷オーダーの場合、ピッキングおよび出荷する必要がある数量です。この値は通常、購買オーダーや販売オーダーなどの元のビジネス文書から導き出されます。

この属性は、パフォーマンスおよび精度分析の重要なベースラインとして機能します。計画数量と実績数量を比較することで、企業はピッキング精度、受領差異、および在庫記録精度を測定できます。差異を分析することは、サプライヤー、内部プロセス、または在庫データにおけるシステム上の問題を特定するのに役立ち、運用効率と顧客満足度の向上につながります。

これは正確性を測定するためのベースラインを提供します。これを実際の数量と比較することは、ピッキング正確性などのKPIを計算し、不一致を特定するための鍵となります。

倉庫オーダーまたはタスクの明細行詳細に見られ、多くの場合、関連する販売オーダー、購買オーダー、または転送オーダーから取得されます。

オーダー優先度は、倉庫オーダーの相対的な重要性または緊急性を示す分類です。これは多くの場合、タスクが割り当てられ、実行される速度と順序を決定します。例えば、「緊急」または「高」優先度のオーダーは、たとえ後から到着したとしても、「標準」優先度のオーダーよりも先に処理されることがあります。

オーダー優先度に基づいてプロセスを分析することは、サービスレベル契約（SLA）の遵守を評価する上で極めて重要です。プロセスマイニングは、高優先度オーダーが実際に標準オーダーよりも速く処理されているかを検証できます。また、特定のオーダーを優先することが他のオーダーに重大な遅延やボトルネックを生み出しているかどうかも明らかにできます。この分析は、緊急オーダーの速度と全体的な倉庫効率のバランスを取るための優先順位付けルールとリソース配分戦略を洗練するのに役立ちます。

これは、優先度の高いオーダーが優先度の低いオーダーよりも迅速に処理されていることを確認することで、サービスレベル契約が満たされているかどうかを分析するのに役立ちます。

通常、倉庫オーダーのヘッダーデータにあり、多くの場合、ソースとなる販売オーダーまたはビジネス要件によって決定されます。

倉庫IDは、ロギングされた活動が発生した物理施設（配送センターや倉庫など）を識別する一意のコードです。これは、複数の物流拠点のネットワークを運営する組織にとって特に重要です。

この属性により、異なる拠点間での比較分析が可能になります。企業は、倉庫IDでデータをフィルタリングまたはセグメント化することで、パフォーマンスをベンチマークし、プロセス効率を比較し、高パフォーマンスの拠点におけるベストプラクティスを特定して他の場所に展開できます。また、需要、リソース利用、および運用上の課題における地域差を理解するのにも役立ち、ネットワーク全体での戦略的意思決定の基盤となります。

異なる配送センター間でのパフォーマンスベンチマーキングとプロセス比較を可能にし、ベストプラクティスや地域的な問題の特定に役立ちます。

これは重要な組織データフィールドであり、通常、ほとんどすべての倉庫関連トランザクションドキュメントのヘッダーで利用可能です。

出荷IDとは、1つ以上の倉庫オーダーを1回の出荷にまとめる一意のキーです。1つの出荷には、同じ配送先へ向かう複数のオーダーや、同じ運送会社が担当する複数のオーダーが含まれることがあります。この識別子は、倉庫での活動と輸送および物流の段階とを連携させます。

この属性により、個々のオーダーだけでなく、統合された出荷レベルでの分析が可能になります。荷積み準備（ステージング）や積載プロセスの効率性を分析したり、出荷の最初の品目がピッキングされてからトラックが出発するまでの合計時間を測定したり、倉庫のパフォーマンスと輸送データを関連付けたりするために使用できます。この広範な視点により、倉庫内のステップだけでなく、出荷物流チェーン全体の最適化に役立ちます。

複数の倉庫オーダーを単一の配送にまとめ、ステージングと積み込みの効率を含む、統合された出荷プロセスの分析を可能にします。

出荷または輸送書類に見られ、多くの場合、ウェーブ計画または割り当て段階で倉庫オーダーにリンクされます。

実績完了日は、倉庫オーダーに関連するすべてのアクティビティの完了を示すタイムスタンプです。出荷オーダーの場合、これは通常、商品が倉庫から発送された時点です。入荷オーダーの場合、すべての商品が棚入れされ、在庫として利用可能になった時点かもしれません。

この属性は要求完了日と対をなす事実上のデータであり、パフォーマンス測定にとって極めて重要です。定時配送率と全体的な注文処理サイクルタイムの計算に直接使用されます。根本原因分析では、実績完了日が遅れているケースをフィルタリングすることで、アナリストは遅延したオーダーのプロセスフローを深く掘り下げ、共通のパターンや原因を特定することができます。

これは定時分析の実際の結果を提供します。総サイクルタイムを計算し、オーダーが早期、定時、または遅延であったかを判断するために使用されます。

これは、オーダーのライフサイクルにおける最終イベント（「出荷発送済み」または「倉庫オーダー完了」など）のタイムスタンプです。

設備IDは、倉庫タスクを実行するために使用されたマテリアルハンドリング機器（MHE）を特定します。これには、フォークリフト、パレットジャッキ、ハンディスキャナー、音声ピッキングヘッドセット、またはコンベヤーやソーターマシンなどの自動化システムが含まれます。

設備IDによるプロセスデータの分析は、資産活用とメンテナンス計画にとって不可欠です。どの設備が最も頻繁に使用されているか、設備関連のボトルネックがあるか、設備のパフォーマンスがタスク全体の期間にどのように影響するかといった質問に答えるのに役立ちます。この情報は、設備調達、倉庫全体のフリートバランス、およびダウンタイムを最小限に抑えるための予防保全のスケジューリングに関する決定を導くことができます。

この属性は、機械のリソース利用率を分析し、設備関連のボトルネックを特定し、メンテナンスや調達の意思決定に役立てるのに貢献します。

オペレーターが作業に使用した機器を記録するタスク確認データ、または自動化システムログから記録されることがよくあります。

プロダクトID（一般的にSKUや品番、品目番号とも呼ばれます）は、倉庫に保管されている各商品に割り当てられた固有の識別コードです。このIDによって一連のアクティビティと特定の商品が紐付けられ、商品の種類ごとにどのような工程で処理されているかを詳細に分析できるようになります。\n\nプロダクトIDを軸にプロセスを分析することで、現場の改善に直結する重要なインサイトが得られます。例えば、大型商品と小型商品で処理時間にどのような差があるかを比較したり、品質保持（クオリティホールド）などのプロセス逸脱が発生しやすい商品を特定したりすることが可能です。また、売れ筋商品とそうでない商品でフルフィルメントプロセスを比較分析することもできます。こうした詳細な把握は、在庫管理の最適化や倉庫レイアウトの改善、そして商品の特性に合わせた最適な物流プロセスの設計に不可欠です。

製品レベルの分析を可能にし、特定のアイテムや製品カテゴリに関連するプロセスバリエーションやボトルネックを発見するのに役立ちます。

この情報は、倉庫オーダー、タスク、および在庫レコードの品目レベルの詳細に含まれています。