倉庫・拠点配置の見直しが難しい3つの原因と最適化AIで解く施設配置問題 

なぜ拠点・倉庫配置の見直しが必要になるのか

倉庫・拠点の配置は物流コストの構造そのものを規定する経営判断です。一度決めると簡単には動かせない一方で、外部環境は刻々と変わり続けます。過去に決めた配置が今の事業構造に合っているかは、定期的に問い直すべき論点です。

物流コスト構造に占める「配置」の比重

配送費・倉庫費・在庫費を合算したいわゆる物流コストの中で、最大の決定要因は拠点の地理的配置です。どこに何個の拠点を持つかで、幹線輸送の距離も、ラストワンマイルの密度も、各拠点の在庫保有水準もほぼ決まってしまいます。配送ルートの最適化や積載率の改善といった日々の努力で削れるのは、この基盤の上に乗った数パーセントです。配置という基盤を動かさない限り、コスト構造の根本は変わりません。

需要分布の変化と過去最適解の陳腐化

配置を決めた当時の需要重心と、今の需要重心はどれだけずれているでしょうか。EC比率の上昇、人口の都市集中、新規取引先の地域偏り、撤退店舗の累積。こうした変化が積み上がると、配送先の重心は静かに、しかし確実に動いていきます。

ところが拠点はその場に居続けるため、配送一回あたりの平均距離が少しずつ伸びていく。年単位で見ると、同じオペレーションを続けているだけでコストが上がっていく構造です。需要分布が動いた以上、過去の最適解は今の最適解ではありません。

2024年問題と「距離」のコスト増

2024年4月から、トラックドライバーの時間外労働の上限規制が適用されました。年間960時間という上限は、長距離輸送の運用を直撃しています。一日で往復できなかった距離はこれまで以上に運びづらくなり、二日仕立ての中継輸送やドライバー交代が前提となります。同じ距離を運ぶための実コストが上がったということです。

この変化は、遠い拠点ほど不利になることを意味します。これまで「やや遠いが許容範囲」だった配送圏が、ドライバー稼働の制約から成立しなくなる場合もある。距離の経済性が変わったいま、過去の配置がそのまま機能し続けると考えるほうが楽観的です。

配置を見直したい現場で起きている3つのサイン

「そろそろ拠点配置を見直したほうがよいのでは」と話題に上る現場には、共通して観察される兆候があります。

緊急配送・特積便の利用が常態化している

定期便の中に収まらないオーダーを、緊急配送や特積便で凌ぐ運用が当たり前になっている。これは、配送圏と配送頻度の設計が現在の需要パターンに追いついていないサインです。本来であれば計画配送に乗るはずの荷物が、毎月一定量を都度便でさばかれている。これらは単価が高く、伝票上はバラけて見えるため経営報告で目立たないこともありますが、年間で集計すると相当な金額になります。

配送先と倉庫の組み合わせが「歴史的経緯」で固定化している

ある工場はA倉庫から、別の地域の顧客はB倉庫から。理由を聞くと「昔からそうなっているから」「Aの担当者がその顧客を握っているから」という答えが返ってくる。担当者が変われば、あるいはWMSや配送管理システムを刷新するタイミングがあれば、本来は組み直してよいはずの紐付けが、運用の慣性で動かないまま残っているケースは多いものです。

歴史的経緯の積み重ねは、現場で見ると合理的な部分配置に思えても、ネットワーク全体としては大きく非効率な状態を生みます。同じ顧客に近い倉庫から運ぶほうが安いのに、契約や担当の都合で遠い倉庫から運び続けている、といった重複は珍しくありません。

在庫が複数拠点に薄く広く積み上がっている

各拠点が「自分のところで欠品させない」ことを優先すると、ネットワーク全体としては過剰在庫を抱える状態に陥ります。同じ品目を複数の倉庫がそれぞれ安全在庫として持ち、結果として保有総量は本来必要な水準を大きく上回る。これは在庫拠点の役割分担、つまりどこを母倉庫とし、どこを地域倉庫とするかの設計が曖昧なときに起こる典型的なパターンです。

配置の問題は、在庫の問題と切り離せません。同じ品目を複数の倉庫がそれぞれ安全在庫として持つ状態は、各拠点の役割分担が曖昧なまま放置された結果であり、在庫拠点をどう設計するかという論点そのものです。

配置の意思決定が「動かない判断」に陥る3つの根本原因

見直しが必要だという認識はあっても、実際に動かす意思決定にまで至らないケースは多いものです。背景には、配置という問題が持つ構造的な難しさがあります。

創業地・買収・取引先の歴史的経緯による固定化

多くの企業の拠点配置は、戦略的に設計されたというより、事業の歴史によって形作られています。創業地の本社倉庫、地方進出の足がかりとして開設した拠点、買収によって増えた営業所、主要取引先の工場近くに作った前線倉庫。これらは当時の合理性に基づいて選ばれた立地ですが、時間が経つとそれぞれの存在理由が曖昧になっていきます。

歴史的経緯で生まれた配置を組み直すには、各拠点の「なぜそこにあるのか」を一度棚卸しし、現在の事業構造から見て本当に必要かを問い直す作業が必要です。これ自体に時間と政治力が要求されるため、多くの企業で先送りされる論点になっています。

トレードオフの多次元性とExcel的思考の限界

配置を変えると、何か一つの数字が良くなって、別の何かが悪くなります。倉庫を統合すれば固定費は下がりますが、配送距離は伸びる。新拠点を増やせばリードタイムは短くなりますが、各倉庫の規模が小さくなるため在庫の安全在庫は積み増す必要が出る。サービスレベルを上げると配送費が膨らむ。こうしたトレードオフは少なくとも4〜5次元の同時最適化問題として現れます。

Excelで重心計算をして「需要の中心はこのあたり」と求めるところまでは可能ですが、その先のトレードオフは表計算ではほぼ扱えません。複数の候補配置を並べて、それぞれが総コストとサービスレベルの両面でどう振る舞うかを比較する手段が、現場の道具としては存在してこなかったのです。

「動かせない」前提の心理的ハードル

拠点を一つ閉じる、新拠点を立てるといった意思決定は、雇用・契約・現場運用に大きな影響を与えます。だからこそ、明確な根拠と数字がないと経営は動かしません。ところが前項の通り、根拠となる数字を出すこと自体が難しい。結果として「いまの配置のままで運用改善でしのぐ」という判断が積み重なり、改善幅が頭打ちになっていきます。

動かせない前提で考え続けると、選択肢が「現状維持」と「全面刷新」の二択に見えてしまいます。本来は段階的な統廃合や役割分担の組み替えなど、中間的な打ち手の幅が広いはずですが、検討の俎上に上がりません。

配置見直しで同時に考えるべき6つの計画要素

拠点配置を最適化するには、以下の要素を切り離さずに同時に扱う必要があります。一つを動かすと他のすべてが連動するため、個別最適では破綻します。

(1) 候補地の集合：既存拠点・新設候補・統廃合パターン

最適化の出発点は、検討対象となる候補地の集合を定義することです。既存の倉庫や配送センターを残すか、閉じるか。新規の候補地としてどこを検討するか。複数の拠点を統合する場合、どの組み合わせを評価するか。この集合が大きいほど解の質は上がりますが、評価すべきパターン数も増えます。

候補地は単なる地理座標ではなく、賃料・労働力供給・交通アクセス・拡張性など多次元の属性を持ちます。これらを各候補地について整理しておくことが前提条件になります。

(2) 各拠点のキャパシティ：保管能力・処理能力・人員

各候補地に何個の拠点を持たせるか、それぞれにどれだけの容量を割り当てるかを決める必要があります。同じ立地でも、5,000坪の大型倉庫を一つ置くか、2,000坪を二つ置くかで配送の柔軟性とコスト構造は大きく変わります。

キャパシティは保管面積だけでなく、ピッキング処理能力、入出庫の車両受け入れ枠、人員シフトでこなせる物量も含みます。倉庫内オペレーションの効率はピッキング動線や棚配置にも影響されます。

(3) 顧客需要の地理分布と季節変動

配送先がどこに、どれだけ、いつあるか。この需要マップが配置最適化の核になります。月次・週次・日次の出荷数量を地理的にプロットし、現在の重心と将来の重心を見極める必要があります。

需要は静的ではありません。季節変動、新規顧客の獲得、既存顧客の撤退、製品ミックスの変化により、需要マップは数年単位で動きます。単一時点のデータだけで配置を決めると、変動の山と谷で配置がミスマッチを起こしやすい。複数時点・複数シナリオでのデータを使うことが望ましいでしょう。

(4) 輸送モードと幹線・支線のネットワーク構造

幹線輸送（拠点間の大ロット輸送）と支線配送（拠点から顧客への小口配送）を分けて設計する必要があります。幹線をどこに通すか、どこで積み替えるか、どの拠点を中継地とするか。これらの選択が幹線コストと支線コストの配分を決めます。

トラック・鉄道・船舶・航空など、利用可能な輸送モードが複数ある場合、モード選択も最適化変数になります。距離・時間・コスト・CO2排出量など評価軸が増えるため、配置とモードを切り離して決めることはできません。

(5) 在庫の配置：どの拠点にどの品目をどれだけ持つか

拠点の地理的配置が決まっても、各拠点に何を置くかが残ります。全品目を全拠点に薄く配置するのか、母倉庫に集約してハブ＆スポークで運ぶのか、地域別に在庫を分散させるのか。在庫配置は欠品リスクとサービスレベル、保有コストのトレードオフを抱えます。

ABC品目の重要度別、需要の地理的偏在、調達リードタイムによって、適切な配置パターンは変わります。配置最適化は単に「箱をどこに置くか」ではなく「箱の中身をどう分散させるか」まで含めて初めて実用的な答えになります。

(6) リードタイム制約とサービスレベル

「翌日配送カバー率を90%以上」「全国の主要都市から24時間以内」といったサービスレベル目標は、最適化の制約条件として与えます。これを満たさない配置は候補から除外され、満たすなかでコスト最小の配置を探す形になります。

サービスレベルを厳しくすると配置コストは上がり、緩めると下がる。どこに線を引くかは事業戦略の問題です。重要なのは、サービスレベルとコストのトレードオフを定量的に提示できる状態を作ることで、「サービスレベルを5ポイント緩めればコストはこれだけ下がる」という判断を経営に示せるようになります。

なぜExcelや勘では限界があるのか

ここまで挙げた要素を一人の担当者がExcelで扱おうとすると、すぐに行き詰まります。理由は三つあります。

一つは、組み合わせ数の爆発です。候補地が10カ所、各候補地のキャパシティ配分が3パターン、品目の配置パターンが10通りあれば、それだけで30万通り以上の組み合わせを評価することになります。実際の問題ではこの何百倍ものパターンが存在し、全パターンを総当たりで評価するのは現実的ではありません。

二つ目は、トレードオフの同時最適化です。配送費・在庫費・固定費・リードタイムを同時に良くする配置は、たいてい存在しません。あるのは「この組み合わせならこのバランス」という複数のパレート的な解で、人間が手計算で複数のバランスパターンを並べて比較することは困難です。Excelの重心計算は単一目的の近似解にすぎず、多次元のトレードオフ判断には情報量が足りません。

三つ目は、シナリオ評価のスピードです。需要が10%増えたら、特定地域のドライバー単価が上がったら、燃料費が上がったらどうなるか。経営が判断するには「もしこうなったら配置はどう変わるか」を複数シナリオで比較できる必要があります。Excelで一つの配置を評価するのに数日かかるようでは、この感度分析は実質的に不可能です。

人手の計画では、ある一つの正解らしき配置を出すことはできても、「複数の選択肢をトレードオフで並べて経営判断に渡す」というアウトプットが作れません。

最適化AI（施設配置問題）で拠点配置を解く

ここまで挙げた要素を同時に扱う枠組みが、組合せ最適化の世界で施設配置問題（Facility Location Problem）と呼ばれる古典的な問題です。最適化AIは、この問題構造を計算機で解いて、現実的な時間内で高品質な配置案を出すための仕組みです。

施設配置問題の基本構造

施設配置問題は、おおまかに次の形で記述されます。決めたいのは、各候補地に拠点を開設するかどうか、各顧客（あるいは需要点）をどの拠点に割り当てるか、各リンクをどれだけの量が流れるかの3つです。良くしたい指標は、拠点の固定費と配送費と在庫費の総和を小さくすることです。守るべきルールは、各拠点のキャパシティを超えない、すべての顧客需要を満たす、リードタイムの上限を超えない、といった条件群です。

最適化AIにはこの問題の数学的な記述を与え、決定変数の値を探索させます。組み合わせ数が膨大な実問題では、最適解を厳密に求めるのは現実的ではないため、ヒューリスティックやメタヒューリスティックを組み合わせた探索型アルゴリズムで、許容時間内に高品質な解を見つけます。

複数シナリオでロバストな配置を見つける

実務で重要なのは、ある一つのシナリオで最適な配置ではなく、複数の起こりうる未来に対して安定して悪くない配置です。最適化AIは需要の高低、ドライバー単価の変動、燃料費の上昇など複数のシナリオを与えて、それぞれで最適配置を求められます。

シナリオごとに最適配置がまったく違うようであれば、配置はリスク要因に対して脆弱です。逆に、複数シナリオで似た配置が選ばれるなら、その配置はロバストな選択肢として経営に提示できます。「単一のシナリオで100点」より「複数のシナリオで安定して80点以上」のほうが、長期投資である拠点配置の判断には適しています。

現場固有のルールを守るべき条件として組み込める

配置最適化の現場には、教科書的な定式化には収まらない固有のルールがあります。「この顧客は契約上A倉庫から配送する」「この地域の倉庫は冷蔵設備が必須」「特定の品目は専用倉庫でなければ扱えない」「特定地域への配送は必ず昼までに到着する必要がある」。

最適化AIはこうした条件を制約として組み込んで計画を立てられます。汎用ソルバーや一般的な物流ネットワーク設計ツールでは表現しきれない条件も、業務ヒアリングを通して数式と探索手順に翻訳することで、現場で実際に使える解になります。理論上のきれいな解ではなく、運用に乗る解を出せるかが実用上の分かれ目です。

全体最適と部分最適の違い

配送計画だけ、在庫計画だけ、人員計画だけを個別に最適化しても、全体としては最適にならないという話は、物流の現場で繰り返し経験されているはずです。配置の見直しはまさに、配送・在庫・人員・リードタイムをまとめて扱う領域で、ここを部分ごとに切り分けて最適化すると必ずしわ寄せが残ります。

最適化AIで施設配置問題を解くことのもう一つの価値は、ネットワーク全体を一つの最適化問題として扱える点にあります。配送費を下げる選択肢が在庫費を上げるなら、両方を同時に評価して総コストの観点で判断する。経験論ではなく定量的な比較で、全体最適の意思決定を支援します。

導入で得られる効果と進め方

拠点配置の最適化では、ネットワーク全体を一つの最適化問題として扱うことで、いくつかの典型的な意思決定パターンを定量的に検討できます。

たとえば配送センターの統合を検討する場面では、統合によって増える配送費を在庫の集約による在庫保有費の削減で吸収できるかを、最適化AIの出力とシミュレーションで事前に評価できます。固定費と配送費と在庫費を総コストの観点で同時に比較できるため、統合可否を勘ではなく数字で判断できます。

逆に、需要重心の移動に合わせて新拠点を増設する選択肢も同じ枠組みで評価できます。増設に伴う固定費を遠方配送の削減で相殺できるかをネットワーク全体で見れば、「拠点を増やすとコストが上がる」という素朴な見方とは逆の結論が導かれることもあります。

進め方の基本は段階的な検証です。いきなり全拠点を対象にした大規模な最適化に踏み込むのではなく、特定地域・特定品目・特定の時間軸に絞って、最適化AIの出力と現場の感覚がどれだけ整合するかを確認するところから始めます。

シナリオ分析と感度分析で、配置の選択肢が経営に提示できる状態になれば、意思決定は数字に基づいた議論に移行できます。Excel上の重心計算では届かなかった、配送・在庫・固定費・サービスレベルを統合した判断軸が手に入る形です。

まとめ

倉庫・拠点配置の見直しは、物流コストの50〜70%を決定する経営判断であり、需要分布の変化や2024年問題による距離コストの上昇を受けて、いま改めて問い直すべき領域に入っています。動かない判断に陥る背景には、歴史的経緯による固定化、トレードオフの多次元性、Excelでは扱いきれない組み合わせ数、そして動かせない前提の心理的ハードルがあります。

配置設計では、候補地・キャパ・需要分布・輸送モード・在庫配置・リードタイム制約という6つの要素を切り離さず同時に扱う必要があります。これらを一つの最適化問題として記述したものが施設配置問題で、最適化AIの探索型アルゴリズムによって、現実的な時間で高品質な配置案を複数シナリオで比較できる形にまで持ち込めます。

意思決定の質を上げる鍵は、単一の正解を出すことではなく、複数の選択肢をトレードオフで並べて経営判断に渡せる状態を作ることです。Excelの重心計算では届かなかったネットワーク全体の最適化を、現場固有の制約を組み込んだ最適化AIで実現する。配置の見直しを「動かない判断」から「定量的に動かせる判断」に変える道筋として、最適化AIの活用を検討する価値はあります。