物流の需要変動を科学的に分析し、適正人員を算出する指標とは

コストと品質のジレンマを解消する統計的アプローチ

物流現場のマネジメントにおいて、大きな課題の1つが「適正な人員配置」です。

日々の出荷量は常に変動します。
「明日は1,000件の予測に対し、もし2,000件来た場合はどう対応するのか」

この問いに対し、日本の多くの現場では、以下の3つの従来手法に依存してきました。

1. 平均値： 「概ね毎日この程度の出荷量」とみなし、平均値に基づいて人員配置を行う
2. 最大値： 「前年の繁忙期を踏まえ」、余裕を持った最大の人員数を配置する
3. KKD： 勘·経験·度胸
   
   

しかし、これらのやり方はいずれもリスクを抱えています。

というのも、平均に合わせれば、繁忙日に処理能力が不足して未出荷や遅延など品質のリスクが発生しますし、最大値に合わせれば閑散期に人が余り、コストが増大してしまうリスクがあるからです。

この「品質」と「コスト」のトレードオフを解消し、経済合理性に基づいた意思決定を行うための統計的指標が存在します。

それが『P95（95パーセンタイル）』です。

本稿では、感覚的な現場運営から脱却し、データに基づいた物流体制を構築するための具体的な手法を解説します。

1. なぜ「平均」で設計すると現場は破綻するのか

人や設備などのリソース設計を行う際、多くの企業が採用しがちな基準は以下の3つになります。しかし、統計的観点からは、基準Aと基準Bは推奨されません。

• 基準A：平均値または中央値での設計

  • 考え方： 過去の出荷実績から平均値(または中央値)を算出し、その数値に基づき員配置を行う。
  • 問題： 出荷量が平均値を上回る確率は、統計的に約50%です。つまり、この基準では「2日に1回は処理能力の超過（残業·出荷遅延）」が発生することを意味します。これではSLA（サービスレベルの合意）を達成することはできません。
    
    ※正規分布の場合、平均値と中央値はほぼ一致しますが、外れ値がある場合は中央値を使用します。いずれにせよ、50%の日で能力超過が発生する点は同じです。
    
    

• 基準B：最大値（Max）での設計

  • 考え方： 過去の最大ピークが3,000件だったので、常に3,000件処理できる体制を維持する。
  • 問題： 品質リスクは回避できるものの、稼働率は著しく低下してしまいます。通常時にはリソースの待機時間が発生するため、高コスト体質を招いてしまいます。
    
    

• 基準C：P95での設計

  • 考え方： データに基づき、全体の95%の日をカバーできるリソースの処理能力を用意する。
  • 効果： 年間の95%は定時内（残業なし）・定常人員で安定稼働します。残りの5%（超繁忙日）のみ、例外的な対応を行います。これが品質とコストの最適なバランスです。

2. P95の考え方：100％の対応準備を固定費のみで目指さない

P95は、「変動に関するすべての作業を、固定費のみで対応しない」というのがコンセプトです。

つまり、上位5%の「超繁忙日」は対象外とし、残りの95%に合わせてリソースを最適化するという方針になります。

なぜ物流ではP100を目指す必要がないのか

欠品ゼロ、遅延ゼロ（P100）は目指すべき指標ではありますが、完璧にこなそうと思うとどうしても高コスト体質に陥りがちです。しかし、業界によって目指すべき目標水準は異なります。

物流現場において病院のようなP100（完全対応）を目指すのは、経済合理性に反してしまいます。

商品は一定期間の保管が可能という物流特有の性質を活用し、P95で設計することが、最も経済合理性の高い戦略です。

3. 実践：ExcelでP95を算出する

ではP95を算出するにはどうしたらいいでしょうか? 高額なシステムの導入が必要なのでしょうか?

実は、高度な統計ソフトは不要で、一般的な表計算ソフト（Excel等）で算出することができます。

【算出手順】

1. データ準備
   A列に「日付」、B列に「出荷実績数」を、過去6—12か月分入力します。
   
   
2. 関数入力
   任意のセルに以下の数式を入力します。
   =PERCENTILE.INC(B:B,0.95)
   
   
3. 結果の活用
   ここで算出された数値が、貴社におけるP95（必要処理件数）です。
   この数値を「1人あたりの1日の処理能力（件/日）」で除算することで、統計的根拠に基づく適正な配置人員を算出できます。

4. P95で設計した場合の落とし穴と対処法

前述のとおりP95は有効な指標ですが、適用方法を誤ると期待した効果が得られないばかりか、マイナス面のほうが大きくなってしまうことがあります。よくある失敗パターンを事前に押さえておきましょう。

• 失敗事例1：過去データが古すぎた
  状況 : 3年前のデータでP95を算出したところ、市場環境の変化により実態との乖離が生じた。
  対策 : 最新12か月のデータを使用し、四半期ごとに再計算するサイクルを設ける。
  
  
• 失敗事例2：季節変動を無視した
  状況 : 年間データを一括で算出したところ、繁忙期と閑散期のデータが平滑化され、繁忙期に人が足りなくなった。
  対策 : 季節性が強い商材の場合は、「繁忙期P95」と「平常期P95」を分けて算出し、時期に応じて基準を調整する。
  
  
• 失敗事例3：オーバーフロー計画が甘かった
  状況 : 処理能力を超える「残り5%」の日を「現場で対応可能」と判断したもののリソースが確保できず、納期遅延のクレームが多発した。
  対策 : 次に解説する「残り5%への対応方針」を事前に策定しておく。

5. 戦略的判断：残り5%をどう処理するか

つまり、P95による設計のポイントは、対応範囲外となる「残り5%（ピーク時）」への対応方針を事前に策定しておくことになります。

この5%に固定費を投じることは非効率かつ高コストになるため、以下のような変動的なリソースを活用し、柔軟に対応することが推奨されます。

• 時間外労働時間の活用
  最も即応性の高い手段ですが、長時間労働に対する配慮とリスク管理が必要です。
  
  
• スポット人員の活用
  予測可能な出荷や入庫のピークに対しては、短期的な外部人材を充てます。
  
  
• 配送予定日の調整
  配達指定日や納品日の幅を持たせ、リードタイムを緩和することで出荷を平準化します。
  
  
• 外部リソース（3PL）の活用
  基本は既存倉庫で対応するものの、保管スペースや作業能力の限界を超えた「あふれた分」だけを、外部の倉庫会社（3PL）へ委託します。あらかじめSLA契約を結んでおくことで、急に注文が増えた時でも、慌てずスムーズかつ確実に対応できるようになります。

まとめ：データに基づく「最適なバランス」を見出す

• 平均値：現場での負荷が増加するリスク（品質の低下）
  
  
• 最大値：利益率が低下するリスク（過剰なコスト）
  
  
• P95設計：持続可能な成長が図られる可能性（全体最適化）

物流の需要変動は制御が困難な外部要因によるものが多いですが、その対応方法は選択することができます。

経験や勘に依存するのではなく、P95という統計的根拠に基づいて適正人員を算出し、処理能力を超える需要変動については外部リソースの活用をご検討ください。

コラム：なぜ「P90」や「P98」ではなく「P95」なのですか？

それは「コスト対効果の分岐点」だからです。

統計学では「平均＋標準偏差の2倍（2σ）」が全体の約95.4%をカバーします。 これ以上（P98やP99）を目指すと、わずかな安心のために莫大な予備人員（コスト）が必要になり、投資対効果が急激に悪化します。

逆にP90では、10日に1回パンクするため現場が疲弊します。
現場の安定と利益確保のバランスが最も取れる「黄金比」が、統計的にP95なのです。

※もちろん、戦略的にP98を目指す判断（高コスト·高品質）も間違いではなく、販売特性や商品特性によって変わることもあり得ます。

あわせて読みたい

なぜ在庫が合わない？

倉庫管理者を悩ませる在庫不一致の原因と今すぐできる対策

※記事本文のイラストは、AI画像生成技術を用いて作成しています。