在庫管理データテンプレート

この属性は、在庫管理プロセスにおける特定のステップまたはマイルストーンを記述します。各アクティビティは、在庫バッチに対して実行される個別の動作（受入、検査、移動、出荷など）を表します。

これらのアクティビティの順序と頻度を分析することは、プロセスマイニングの基盤です。これにより、プロセスフローを視覚化し、標準手順からの逸脱を特定し、遅延や手戻りの原因となっているアクティビティを特定できます。例えば、分析により、「棚卸実施済み」がピッキング失敗後に頻繁に発生しているかどうかが明らかになることがあります。

これはプロセスのステップを定義し、在庫の最初から最後までの流れの可視化と分析を可能にします。

これは通常、Manhattan Active Inventory内のイベントログ、トランザクションコード、またはステータス変更記録から導出されます。技術的なコードからユーザーフレンドリーな名称へのマッピングが必要となる場合があります。

この属性は、記録された各アクティビティの開始日時を提供します。イベントを時系列で順序付けし、異なるプロセスステップ間の期間を計算するために不可欠です。

分析において、開始時間は棚入れサイクルタイム、品質検査リードタイム、全体在庫滞留期間などの主要業績評価指標（KPI）を計算するために使用されます。タイムスタンプを分析することで、組織は作業がいつ行われているかを特定し、スケジュールに対するパフォーマンスを測定し、倉庫内における時間ベースの非効率性を発見できます。

このタイムスタンプは、イベントを正確に順序付けし、すべての時間ベースのパフォーマンス指標とKPIを計算するために不可欠です。

Manhattan Active Inventoryのすべてのトランザクションまたはイベント記録には、「CREATE_DTTM」や「EVENT_TIMESTAMP」のような関連するタイムスタンプフィールドがあるはずです。

在庫バッチまたはロット番号は、特定の製品数量に関連するすべてのアクティビティをグループ化します。これにより、在庫の入庫から様々な移動、最終的な出庫や消費に至るまで、個別の在庫数量の完全なライフサイクルを追跡できます。

プロセスマイニングにおいて、この属性は各在庫単位のエンドツーエンドのジャーニーを再構築するために不可欠です。特定のバッチに影響するプロセスバリアント、サイクルタイム、ボトルネック（例えば、長い品質検査遅延や出荷前の頻繁な内部移動が発生するバッチの特定など）の分析を可能にします。

これは、関連するすべての在庫イベントを単一のプロセスインスタンスに結合し、在庫ライフサイクルのエンドツーエンド分析を可能にするコア識別子です。

この識別子は、通常、Manhattan Active Inventory内の在庫詳細テーブルまたはロットマスターデータに見られます。具体的なテーブル名やフィールド名については、システムドキュメントを参照してください。

この属性は、イベントデータを生成したソースアプリケーションまたはモジュールを特定します。現代のロジスティクス環境では、データはコアWMS、ヤード管理システム、または輸送管理システムから供給される場合があります。

ソースシステムを特定することは、データガバナンスとデータのコンテキストを理解するために重要です。例えば、イベントが自動システムから発生したものか、手動入力ポータルから発生したものかを知ることは、自動化分析にとって不可欠です。

データの出所に関する重要なコンテキストを提供し、データ検証、ガバナンス、システム連携の理解に不可欠です。

これは通常、データ抽出プロセス中にデータセットの起源を識別するために追加される静的な値です。

この属性は、ソースシステムからデータが抽出された日時を記録します。分析の鮮度を理解するために不可欠なメタデータフィールドです。

ダッシュボードやレポートでは、このタイムスタンプは基盤となるデータがどれほど最新であるかをユーザーに知らせます。データ遅延に関する期待値を管理するのに役立ち、データパイプラインのリフレッシュをスケジュールするために不可欠です。

ユーザーがデータの鮮度を把握できるようにし、タイムリーで情報に基づいた業務上の意思決定を行う上で不可欠です。

このタイムスタンプは、データ抽出、変換、ロード（ETL）ツールまたはスクリプトによって生成され、データセットに追加されます。

この属性は、ピッキング、梱包、在庫調整などの特定のタスクを実行する担当者のユーザーIDまたは名前を記録します。自動化されたタスクの場合は、自動システムまたはボットIDを表すこともできます。

ユーザーごとのパフォーマンス分析は、トレーニング機会の特定、高業績者の認識、およびワークロード配分の理解にとって不可欠です。これは、ピッキングと梱包のパフォーマンスに関連するダッシュボードや、手動調整のホットスポットを調査するための重要な要素です。

プロセス活動を特定のユーザーにリンクさせ、パフォーマンス分析、ワークロードバランシング、およびトレーニングニーズの特定を可能にします。

この情報は通常、「USER_ID」、「EXECUTED_BY」、「RESOURCE_ID」などのフィールドにトランザクションデータと共に保存されます。Manhattan Active Inventoryのドキュメントを参照してください。

この属性は、記録された各アクティビティの完了日時を提供します。一部のイベントは瞬時的（開始時間と終了時間が同じ）ですが、品質検査やピッキングタスクのように期間を持つものもあります。

終了時間は、個別アクティビティの処理時間を計算するために必要です。これにより、全体プロセスの中でどの特定のタスクが最も時間を消費しているかの詳細な分析が可能になり、的を絞った改善努力を促します。

個々の活動期間の計算を可能にし、プロセス遅延の原因となっている正確なタスクを特定するのに役立ちます。

これはソースシステム内の別フィールド（例：「END_DTTM」）であるか、瞬時イベントの場合は開始時間と同じである可能性があります。イベントデータ構造については、Manhattan Active Inventoryのドキュメントを参照してください。

この属性は、ゾーン、通路、棚など、在庫イベントに関連するロケーションを特定します。倉庫内の在庫移動とアクティビティに地理的なコンテキストを提供します。

これは分析にとって極めて重要な要素であり、ほとんどすべてのダッシュボードで使用されます。ボトルネック領域の特定、異なるロケーション間のパフォーマンス比較、在庫差異の根本原因調査に役立ちます。例えば、特定のゾーンでピッキングエラー率が高いか、棚入れ時間が遅いかを示すことができます。

在庫イベントに空間的なコンテキストを提供し、ボトルネック、効率性、特定の物理的場所に結びついた問題の分析を可能にします。

ロケーションデータは、あらゆるWMSの核となる部分であり、在庫トランザクションテーブル（多くの場合「LOCATION_ID」、「BIN_CODE」、または「ZONE」のようなフィールド）で利用できるはずです。Manhattan Active Inventoryのドキュメントを参照してください。

この属性は、在庫イベントに関連する製品の数量を表します。例えば、受領、移動、ピッキング、または調整された品目の数などです。

数量は、業務の規模を理解し、いくつかの主要なKPIを計算するための重要な尺度です。手動調整量比率、数量別廃棄率、ピッキングスループットを決定するために使用されます。数量を分析することで、大口注文と小口注文で異なるプロセス特性があるかどうかを明らかにできます。

各活動の量を測定し、スループット、レート、その他の量ベースのKPIを計算するために不可欠です。

Manhattan Active Inventoryのトランザクションテーブルには、各移動またはイベントに関連付けられた数量フィールドが含まれます。「QTY」、「QUANTITY」、または「UNITS」と名付けられている場合があります。

在庫管理単位（SKU）は、製品を追跡するために使用される固有のコードです。サイズ、色、ブランドなどの特性に基づいて品目を区別できます。

プロセスマイニングでは、SKUによる分析は製品固有の問題を特定するのに役立ちます。例えば、特定のSKUが品質検査に時間がかかったり、破損や廃棄が発生しやすかったり、頻繁に在庫調整に関与しているかを明らかにできます。これは、「棚入れサイクルタイム分析」や「在庫廃棄トレンド」などのダッシュボードにとって重要な属性です。

製品レベルでの分析を可能にし、プロセス上の問題が特定の品目や製品カテゴリに集中しているかどうかを特定するのに役立ちます。

SKUは、品目マスターデータおよび在庫トランザクションテーブルにおける基本的なフィールドです。「SKU」、「ITEM_ID」、「PRODUCT_CODE」という名前のフィールドを探してください。

移動理由コードは、在庫イベントが発生した背景を説明します。内部転送、調整、返品、廃棄などの非標準的なアクティビティにとって特に重要です。

この属性は根本原因分析に不可欠です。例えば、「在庫差異概要」ダッシュボードでは、このコードが調整が行われた理由（例：「破損品」、「棚卸修正」、「盗難」）を説明します。また、内部在庫転送や廃棄の要因を分析するためにも使用されます。

在庫移動と調整の「理由」を説明し、不一致、廃棄、および転送に対する強力な根本原因分析を可能にします。

これは多くの場合、特定の移動タイプに関連するトランザクションテーブルのフィールドです。Manhattan Active Inventoryで「REASON_CODE」や「MOVEMENT_TYPE」などのフィールドを探してください。

SKUカテゴリは、類似製品を集計分析のためにグループ化する方法を提供します。これは、製品タイプ、保管要件（例：冷蔵）、または販売速度（例：A、B、Cアイテム）に基づいて分類できます。

この属性により、個別のSKU分析よりも高レベルなインサイトが得られます。「電子機器は他のカテゴリよりも棚入れに時間がかかりますか？」や「廃棄は季節商品カテゴリに集中していますか？」といった疑問に答えるのに役立ちます。「棚入れサイクルタイム」および「品質検査リードタイム」ダッシュボードで使用されます。

製品をグループ化することで集約分析を容易にし、製品ファミリー全体に共通するプロセスの傾向や問題を明らかにするのに役立ちます。

これは通常、品目マスターデータの一部であり、SKUにリンクされています。Manhattan Active Inventoryの製品または品目マスター設定を参照してください。

この指標は、特定のタスクに費やされた実作業時間を測定します。単一のアクティビティのイベント終了時間からイベント開始時間を差し引いて計算されます。瞬時イベントの場合、この期間はゼロです。

処理時間を分析することで、プロセス内でどの特定のステップが最も時間を消費しているかを特定するのに役立ちます。例えば、移動に起因する長いピッキングサイクル時間と、ピックフェースでの長時間滞留を区別できます。これにより、改善努力をより正確に集中させることができます。

個々のタスクの期間を測定し、全体プロセスの中で最も時間のかかるステップを特定し分析するのに役立ちます。

生データからの「イベント開始時間」と「イベント終了時間」属性を使用して導出される算出フィールドです。

在庫バッチ/ロットが品目を追跡する一方、タスク識別子はユーザーまたはシステムに与えられた特定の作業指示を追跡します。例えば、100個の単一バッチが、それぞれ50個ずつを扱う2つの異なるタスクを介して棚入れされることがあります。

この属性により、業務効率のより詳細な分析が可能になります。「ピッキングタスク作成」イベントをそれに対応する「ピッキング完了」イベントにリンクさせることができ、タスク実行時間の正確な測定を可能にします。これは、個別のタスクレベルでのピッキングと棚入れのパフォーマンスを分析するのに役立ちます。

タスクの作成イベントと完了イベント間の詳細なリンクを提供し、個別の作業割り当ての正確な測定を可能にします。

Manhattan Active Inventoryのタスク管理テーブルまたは実行テーブルには、各タスクの一意のIDが含まれています。「TASK_ID」または「WORK_ORDER_ID」を探してください。

この属性は、在庫バッチを受け入れた仕入先を識別します。この情報は、在庫ライフサイクルの初期、特に「入庫」と「品質検査」の段階で最も関連性が高いです。

仕入先別にプロセスを分析することは、仕入先パフォーマンスを管理する上で重要です。例えば、「品質検査リードタイム」ダッシュボードは、この属性を使用して、特定の仕入先からの在庫が常に長い検査遅延を経験しているかどうかを判断し、それが品質問題や書類の問題を示唆している可能性があります。

在庫プロセスを特定のサプライヤーにリンクさせ、品質検査の遅延など、サプライヤー関連のパフォーマンス分析を可能にします。

この情報は通常、入庫イベントに関連する発注書または事前出荷通知で利用可能です。購買データとの結合が必要になる場合があります。

この属性は、在庫アクティビティが行われている物流センターや倉庫など、特定の施設を識別します。特定の「倉庫ロケーション」（棚、通路）よりも高レベルなグループ化を提供します。

複数の施設を持つ企業にとって、倉庫別の分析は不可欠です。これにより、サイト間のパフォーマンス比較が可能になり、高業績の倉庫におけるベストプラクティスや、他の倉庫の改善領域を特定するのに役立ちます。「倉庫アクティビティスループット」ダッシュボードの主要な要素です。

異なる物理的サイトや配送センター間での在庫プロセスパフォーマンスの高度な比較を可能にします。

この情報は通常、ロケーションマスターデータの一部であるか、倉庫ロケーションコードから派生させることができます。「WH_ID」や「SITE_CODE」などのフィールドを探してください。

この属性は、イベントに関連する在庫の金融価値を表し、品目数量に単位コストを乗じて算出されます。特に財務影響分析に関連します。

「在庫廃棄トレンド」ダッシュボードにとって、品目価値は不可欠です。廃棄された商品に関連する財政的損失を定量化できるためです。頻繁に償却される高価値品目に焦点を当てることで、コスト削減努力の優先順位付けに役立ちます。また、在庫調整や差異に金銭的な側面も加えます。

在庫移動を財務影響に変換し、廃棄、差異、過剰在庫のコストを定量化するために不可欠です。

これは、トランザクションテーブルからの品目数量と、品目マスターまたは財務データからの単位コストを乗算することで導出されることがよくあります。単位コストは「STANDARD_COST」や「UNIT_PRICE」などのフィールドに保存されている場合があります。

この属性は、特定の時点での在庫の状態を記述します。在庫が注文に割り当て可能か、品質管理中か、その他の理由でブロックされているか、輸送中かを示します。

在庫ステータスの変化を追跡することは、貴重なインサイトを提供します。例えば、「保留中」または「検品中」のステータスに費やされた時間を分析することで、在庫の利用可能性における遅延を定量化できます。この属性は、在庫の滞留期間が長くなる理由を理解するのに役立ちます。

フルフィルメントのための在庫の可用性を示し、品質検査や保留などの非利用可能ステータスによって引き起こされる遅延の分析に役立ちます。

これは、Manhattan Active Inventory内の在庫残高または在庫レベルテーブルにおける主要なフィールドです。「STATUS_CODE」または「INVENTORY_STATUS」を探してください。

在庫滞留時間とは、倉庫内で在庫がアイドル状態にある期間を測定する主要業績評価指標（KPI）です。特定の在庫バッチについて、「棚入れ完了」イベントと「出庫記録」イベントの間の時間差として計算されます。

このKPIを監視することで、企業は在庫レベルを最適化し、キャッシュフローを改善できます。長い滞留時間は、過剰在庫、回転の悪い製品、または受注処理の非効率性を示している可能性があります。滞留時間の短縮は、在庫管理の主要な目標となることが多いです。

在庫保有時間を測定し、在庫レベルの最適化と在庫維持コスト削減という戦略目標を直接的に支援します。

「棚入れ完了」と「出庫記録済み」イベントを特定し、そのタイムスタンプを差し引くことで導出される算出フィールドです。

このブール属性は、棚入れタスクが目標完了時間を満たしたかどうかを示します。これは、実際の棚入れサイクルタイム（「棚入れ開始」から「棚入れ完了」まで）を、事前定義されたビジネス目標（例：4時間）と比較して算出されます。

この属性は「棚入れオンタイム率」KPIを計算するために使用されます。ユーザーが遅延した棚入れを簡単にフィルタリングし、倉庫ロケーション、SKUカテゴリ、または関与したユーザーなどの根本原因を調査できるようにすることで、分析を簡素化します。これにより、業務効率基準の監視と実施に役立ちます。

棚入れに関する内部サービスレベルへの遵守を直接測定し、プロセス障害を迅速に特定および分析するのに役立ちます。

これは算出フィールドです。算出されたサイクルタイムに、ビジネスルールまたはSLA定義（例：「目標棚入れ時間 = 4時間」）を適用する必要があります。

測定単位（UoM）は、品目数量属性にコンテキストを提供します。数量が個別品目、複数品目を含むケース、またはパレット全体を指すのかを特定します。

UoMを理解することは、特に異なる製品や取引を比較する際に正確な分析を行う上で非常に重要です。これにより、ピッキングスループットなどのKPIが正しく一貫して計算され、数量が異なる単位で記録されている場合のデータの誤解釈を防ぎます。

数量フィールドに不可欠なコンテキストを提供し、メトリクスと比較が正確で意味のあるものとなることを保証します。

これは品目マスターデータにおける標準フィールドであり、通常トランザクションテーブルに引き継がれます。「UOM」や「UNIT」などのフィールドを探してください。