2024年問題をはじめとする様々な課題を抱える物流業界において、人手不足を解消し運送・業務・在庫管理の効率化を叶えるDXを実現するための方法について解説します。
物流業界では、「2024年問題」「DX」「自働化」等がキーワードが話題となっています。
インターネット通販などにより小口配送の需要が増加し続ける一中で、トラックドライバーの高齢化や業界を超えた人手不足により、物流業界でも労働力不足が深刻になっています。
さらに、2024年4月に施行される働き方改革関連法によってこれらの問題が顕在化し、運送事業者のみならず、荷主企業にも対策の早急な実施が求められています。
2024年問題とは
2024年問題とは、働き方改革関連法によって2024年4月1日以降、トラックドライバーの勤務時間が減ることにより発生する様々な問題の総称を指します。
この法改正で特に大きな影響を及ぼす変更点は、トラックドライバーの年間時間外労働時間が上限960時間(1ヵ月80時間)に制限される「時間外労働時間の上限規制」と言えます。この上限規制により、ドライバー一人あたりの走行距離が短くなるため、これまでのように長距離で荷物が運べなくなることが懸念されます。
それでもドライバー(自動車運転業務従事者) の時間外労働時間の上限は、一般の年間時間外労働720時間よりも長時間ですが、将来的には一般則の適用を目指すとされています。
(参考)全日本トラック協会:トラック運送業界の働き方改革実現に向けたアクションプラン
「時間外労働時間の上限規制」以外にも、「5日の年次有給休暇の取得義務付け(2019年施行)」や「労働時間の適正把握義務付け(2019年施行)」、「月60時間超の時間外労働の割増賃金率の引き上げ(2023年施行)」等の各種改正も、2024年問題に拍車をかけています。
これらの法改正が重なり、運送事業者は人材不足、人件費高騰、長距離輸送の対応ができなくなることによる売り上げ減少等の課題を抱えています。
これらの課題に対応する物流業界のDX(デジタルトランスフォーメーション)が注目されています。
DXによって、物流プロセスの効率化や自動化が進められ、人手不足の解消やコスト削減といったメリットが得られます。また、AIやビッグデータの活用によって、物流の予測や最適化も実現できることから、物流業界は、目前の2024年問題の対策としてだけではなく、今後の運送事業の拡大と差別化を実現する手段として、デジタル化を捉える必要があります。
こちらの記事では、物流DXに求められる条件と実現方法について、物流DXの先進国であるアメリカで浸透している概念や現地の状況も含めて解説します。
2024年問題について、流行りのChatGPTに聞いてみると、正しく整理された素晴らしい模範解答を返してくれます。
ChatGPTの解答の中で、IT関連では以下のような解答が返ってきました。
技術の導入
“物流業界では、物流プロセスの自動化や効率化によって、人手不足を解消することができます。例えば、自動倉庫や自動車などの導入によって、従来は人手が必要だった作業を自動化し、作業効率を向上させることができます。“
これらは以前から色々な取り組みがなされてきたと思いますが、トラックドライバーをはじめとして人手不足という未来がはっきりしているわけですから、今まで以上に、この部分の改善を徹底、加速する必要があるということでしょう。
物流業界におけるDX(デジタル化)の現状と課題
実際、先進の物流センター/倉庫では、かなりの作業を機械・ロボットが担うようになっていますし、G2P(Good to Person)という発想の転換の結果、人があまり動かなくても済むようになってきています。またフィジカルインターネットや共同配送、共同倉庫などの取り組みによって、トラック運送の効率化等は着々と進んでいるという感触はあります。
しかし全体としては「部分最適」の域を完全には出ておらず「全体最適」という観点では未だ道半ばというか、ステークホルダー間の合意が形成されるまでには至っていないように感じます。
そして2024年問題と直接は関係しませんが、この3年のコロナ禍やウクライナ侵攻の問題で明らかになったのは、いくら精緻に組み上げたシステムも、想定外のことが起こると非常に脆く、精緻すぎるが故に想定外のことが起こると返ってダメージが大きくなることがあるということです。従って突発的なことが起きても臨機応変に素早く対応すること、例え障害が発生して機能しない部分があっても、そこから素早く回復する力も重要であることもわかりました。
物流のDX実現に必要な要素とは?
そのような素早い対応や回復力を得るためには何が必要でしょうか?
何が発生しているかを素早く理解し、十分に状況を理解した上で、適切な判断を行い、適切に対応・行動することが必要です。何を当たり前のことを、と思われるかもしれませんが、実際には、これらを実現するのは、それほど簡単ではありません。
何が難しいか順を追って説明します。
何が起きているかを素早く理解するためには、まず状況を正しく把握する必要がありますが、それには判断材料となるデータが必要です。データも、必要十分な情報が、適切な量、適切なタイミングで、適切な人や人を代行する機械・システムに提供されなければなりません。
そもそも「必要なデータが必要十分な形で整理されて揃う」ということは、予め、そういう仕掛けを用意しておかない限り、あり得ません。
必要なデータが最初から1つの場所に整理されて置いてあるなどという状況は、考えにくく、むしろどんどんそういうことが難しくなっている状況だと思います。
データの時代と言われて久しいですが、今この瞬間もデータは様々な部門やシステム上で発生し、様々な場所に蓄積されています。
オフィスや物流の現場で使われているアプリケーションや新しいソリューション、更にはクラウドの新しいサービスを利用する機会もどんどん増えているでしょうし、
業務上の都合でそれらを自分で加工したり、インターネットから情報を集めてエクセルの表を作ったりしていることでしょう。
自動化のために導入したロボットや機械、IoT機器からも様々なデータが生成されています。
そういう状況の中で、何か突発的なことが発生した際に何が起こっているかを瞬時に判断できるでしょうか?
おそらく、ほとんどの場合それは不可能でしょう。でも今求められているのは、そういうことなのです。
つまり、必要十分な情報が、適切な量、適切なタイミングで、適切な人や人を代行する機械・システムに提供される環境を提供することが、物流DXの鍵であり、2024年問題の最もスマートな解決方法と言えます。
しかし、それを実現するための道筋を想像すると、やることが多すぎて、めげてしまうという気持ちも理解できます。
逆に考えると、もしそんなことが実現できれば、実現できていない他の人・組織・事業体に対して、圧倒的な優位性を確保できるかもしれません。そう考えると、やってみる価値があるとは思いませんか?
一方で、これは終わりのない戦いであることも理解する必要があります。
競争優位に立てたとしても競争相手が追い付いたら、そこで振り出しに戻ります。
皆さん、腹を括りましょう。
これは一気呵成にできるものでもありません。
地道に1つ1つ取り組んでいくしかないのです。
まずは小さな課題を取り上げて、その課題を解決するために必要なデータセットを定義し、そのデータセットを揃えて、瞬時の判断が可能な形でデータを整理する方法を実装してみましょう。
ここでも様々な試行錯誤、創意工夫が求められることが考えられます。
それでも、実現できた時の成功体験の価値は計り知れません。
あとは、その成功体験で得られた手法を、また違う小さな課題に適用してみてください。
そしてそれを繰り返してください。
経験を積んでいくと、効率的に、課題解決までの時間も短縮できるようになるでしょう。気がついたら、瞬時の判断が可能な局面が増えてきたように感じられるかもしれません。どのくらいで実現できるかは分かりませんが、相当な時間が必要だろうとは思います。完璧という領域にはなかなか到達できない、というか完璧は無理かもしれません。
でも何もできていないよりは、ずっとましなはずです。
米国で浸透している「データファブリック」とは
ここで話は少し変わりますが、IT業界でデータを整理する手法の1つとして「データファブリック」という概念が注目を集めています。これに関しては色々な所で議論されていますが、従来からあるデータウェアハウスやデータレイクといったデータ管理の概念と、何がどう違うのか分かりにくいと感じられるのではないかと思います。
ファブリックというのは英語で”織物”という意味ですが、1本1本の糸を編むことで織物を作る様を表現しています。
データの糸が複数撚りあって、より大きなデータになるというイメージを表現したいのだと思います。
これは先ほど述べた1つの小さな課題解決までの道筋を、必要なデータを織り合わせて、ひとつの形のある織物に仕上げる工程に似ています。
そして糸の数が多ければ多いほど、縦横無尽に織り込まれるほど、織物もより強固になっていくのと同様に、データファブリックも強力になっていく、ということだと思います。
データファブリックの位置づけ
データウェアハウス | データレイク | データファブリック | |
---|---|---|---|
特性 | 均質性が高いテーブルデータ | 構造化、 非構造データの混在 |
疎結合、異種混在 |
データ量 | 中程度 | 大規模 | 超大規模 |
アーキテクチャー | 集中 | 集中 | 分散 |
環境 | オンプレ、 単一クラウド |
オンプレ、 単一クラウド |
ハイブリッド/ マルチ・クラウド、 オンプレ |
リアルタイム | 不可 | 不可 | 可能 |
マルチワークロード | 不可 | 不可 | 可能 |
管理 | IT部門主体 | IT部門主体 | 事業部門主体 |
プロジェクト形態 | ビッグプロジェクト | ビッグプロジェクト | スモールスタート |
主たる利用者 | 経営トップ、 ビジネスアナリスト |
データサイエンティスト | ビジネスユーザー |
相互の関係性 | 単独 | DWHを補完 | DWH,Lakeを 補完、拡張 |
データファブリックはDWH、データレークを補完、強化するもの
概念を言葉だけで伝えるのは限界がありますが、ニュアンスだけでも伝わればいいかと思います。
この考え方は、突発的な事態に臨機応変に対応する際に有用なだけでなく、全体最適を念頭に置き、それに基づいていろいろな仕組みを実装する上でも、有効なのではないかと思います。
欧米では、データファブリックの概念を取り入れた新しいサプライチェーン・アーキテクチャーが提唱されています。
以下は、従来のサプライチェーンの構造と新しいアーキテクチャを説明する図です。
従来の方法は、サプライチェーンで実際に物が動く順番や流れに基づいてシステムを構築したものです。
普通に構築すれば、このような形態になるのは極めて当然であり、この構造を前提に今までは様々な最適化に挑戦したのではないかと思います。
物流DXを見据えたデータ整理の必要性
しかし先ほども述べた通り、パンデミックやウクライナ問題など、突発的に発生した様々な分断には、この構造ではうまく対処できないことが明らかになりました。
そういう状況に対処するためには中心に(ここではデジタルコアという表現を使っています)データを集めて、そのデータに基づいて様々な判断をしていこうという考え方です。
これは最近工場の現場等で注目されているデジタルツィン(デジタルの双子)と同様と捉えることもできると思います。
つまり物理的なものやことの流れ、動きがそっくりそのままデジタルの世界で再現されている環境です。
こういう環境が実現できれば、人手不足は過去のもの、という時代がくるかもしれません。
まだまだ夢物語かもしれませんが、まずは最初の一歩を踏み出されるのはいかがでしょうか?
当社のソリューションは、異種データの統合を可能とするデータ基盤(プラットフォーム)として、国内外の多くの物流事業者様においてDX(デジタルトランスフォーメーション)実現のお役に立っております。物流の課題をぜひお聞かせください。