R ルートコンパスAI お問い合わせ

工場の調達・納品物流を最適化
ミルクラン・工場間輸送のルート設計と2024年問題

工場の物流最適化とは、部品や原材料の調達、工場間の横持ち、製品の納品という一連の輸送を、限られた車両とドライバーで回しきるために、輸送計画そのものの質を高める取り組みです。2024年問題以降、輸送力は「発注すれば確保できるもの」ではなくなりました。運送会社の問題として扱ってきた領域が、荷主である製造業自身の課題に変わりつつあります。

この記事では、製造業の物流を調達・工場間・納品の3つに整理したうえで、工場の物流が最適化しにくい構造的な理由、ミルクラン（巡回集荷）の考え方、そして最適化AIが扱えることと導入の進め方を解説します。生産管理、購買、物流をご担当の方に向けた内容です。

2024年問題は「運送会社の問題」ではなくなった

多くの製造業にとって、物流は長らく外部に委託する業務でした。必要なときに車を手配すれば、荷物は届く。運賃は交渉次第で下がる。そういう前提で成り立ってきました。

「以前の運賃では車が捕まらなくなった」
「翌日納品が難しいと言われるようになった」
「積み込みの待機が長いという理由で断られた」

こうした声が現場から上がるようになったのは、輸送力そのものが不足し始めているためです。国の試算では、何も対策を講じなければ2030年度には3割を超える輸送力不足が生じる可能性が指摘されています。車を確保できるかどうかが、生産計画そのものを左右する時代に入りつつあります。

さらに制度面でも、荷主の責任が明確化されています。2025年4月からは、荷主を含むすべての事業者に物流効率化のための努力義務が課され、2026年4月からは一定規模以上の荷主に中長期計画の提出や物流統括管理者（CLO）の選任が義務づけられました。物流は、調達部門の一項目から、経営が向き合うべき課題へと位置づけが変わっています。

製造業の物流は3つに分かれる

最適化を考える前に、自社の物流がどこで発生しているかを整理する必要があります。

調達物流： 部品・原材料を仕入先から工場へ運ぶ 巡回集荷、積載率、納入頻度
工場間輸送： 工場・倉庫・外注先の間で仕掛品や製品を運ぶ 便数の削減、拠点間の経路、車両の共用
納品物流： 完成品を得意先・物流センターへ運ぶ 訪問順序、納品時刻、自社便と傭車の使い分け

この3つは、社内では別々の部署が担当していることが多いのが実情です。調達物流は購買部門、工場間輸送は生産管理、納品物流は営業や物流部門——という具合に分かれています。その結果、同じ方面へ空車が走り、別の車が満載になれずに走るといった非効率が、誰にも見えないまま発生します。

なぜ工場の物流は最適化しにくいのか

改善の必要性は認識されていても、なかなか着手されない理由が3つあります。

物流費が製造原価に埋もれている

調達物流の運賃が部品単価に含まれていたり、納品運賃が販売価格に含まれていたりすると、物流費が独立した費目として見えなくなります。金額が見えないものは、改善の対象になりません。

まずは、どの輸送にいくらかかっているかを分離して把握することが出発点です。仕入先が運賃込みで見積もっている場合でも、自社で引き取る場合の運賃を試算すれば、比較の土台はつくれます。

生産計画と輸送計画が分断されている

生産計画は生産効率を基準に組まれ、輸送はその結果として発生する——という順序になっているのが一般的です。しかし輸送力に制約がある以上、この順序は成り立ちにくくなっています。

たとえば、生産の都合で納品が特定の曜日に集中していれば、その日だけ車両が不足し、他の日は空きが生じます。生産計画を少し平準化するだけで必要な車両数が減るケースは珍しくありません。輸送を「決まったことへの対応」ではなく、計画段階の制約条件として扱えるかどうかが分かれ目です。

便を減らすと在庫が増えるというトレードオフ

輸送を効率化する最も単純な方法は、まとめて運ぶことです。しかし納入頻度を減らせば、工場側で保有する在庫が増えます。ジャストインタイムを追求してきた現場ほど、この変更に抵抗があります。

重要なのは、このトレードオフを感覚ではなく数字で評価することです。納入頻度を半分にしたときに増える在庫金額と、減る輸送費を並べて比較すれば、どちらが自社にとって有利かは計算できます。品目によって答えが違うのが普通で、すべてを一律に変える必要はありません。

ミルクラン（巡回集荷）という考え方

ミルクランとは

ミルクランとは、一台の車両が複数の仕入先を巡回して部品を集荷し、工場へ運ぶ方式です。牛乳の集乳車が農場を回る様子になぞらえてこう呼ばれます。

従来は、仕入先がそれぞれ自社の車で工場へ納入する方式が一般的でした。この場合、仕入先の数だけ車両が工場へ向かうことになり、一台あたりの積載率は低くなります。ミルクランに切り替えると、車両数を減らし、積載率を高めることができます。工場側の受け入れ回数も減るため、荷受けの負担軽減にもつながります。ミルクランとは、一台の車両が複数の仕入先を巡回して部品を集荷し、工場へ運ぶ方式です。牛乳の集乳車が農場を回る様子になぞらえてこう呼ばれます。

従来は、仕入先がそれぞれ自社の車で工場へ納入する方式が一般的でした。この場合、仕入先の数だけ車両が工場へ向かうことになり、一台あたりの積載率は低くなります。ミルクランに切り替えると、車両数を減らし、積載率を高めることができます。工場側の受け入れ回数も減るため、荷受けの負担軽減にもつながります。ミルクランとは、一台の車両が複数の仕入先を巡回して部品を集荷し、工場へ運ぶ方式です。牛乳の集乳車が農場を回る様子になぞらえてこう呼ばれます。

従来は、仕入先がそれぞれ自社の車で工場へ納入する方式が一般的でした。この場合、仕入先の数だけ車両が工場へ向かうことになり、一台あたりの積載率は低くなります。ミルクランに切り替えると、車両数を減らし、積載率を高めることができます。工場側の受け入れ回数も減るため、荷受けの負担軽減にもつながります。ミルクランとは、一台の車両が複数の仕入先を巡回して部品を集荷し、工場へ運ぶ方式です。牛乳の集乳車が農場を回る様子になぞらえてこう呼ばれます。

従来は、仕入先がそれぞれ自社の車で工場へ納入する方式が一般的でした。この場合、仕入先の数だけ車両が工場へ向かうことになり、一台あたりの積載率は低くなります。ミルクランに切り替えると、車両数を減らし、積載率を高めることができます。工場側の受け入れ回数も減るため、荷受けの負担軽減にもつながります。

向いているケース・向いていないケース

ミルクランは万能ではありません。次のような条件が揃うほど効果が出ます。

• 仕入先が地理的にまとまっている
• 一社あたりの引き取り量が、単独で車両を仕立てるには少ない
• 納入頻度が高い（毎日または週数回）
• 仕入先の出荷可能時間帯に、ある程度の幅がある

逆に、仕入先が広域に散らばっている場合や、一社だけで車両が満載になる場合は、巡回による効果は限定的です。また、引き取り方式に変更する場合は、運賃の負担区分を仕入先と整理し直す必要があります。

巡回ルートの設計そのものは、集荷先の数が増えるほど組み合わせが爆発的に増える問題です。5社なら手作業でも組めますが、20社、30社となると、人間が最も効率的な巡回順序を見つけ出すことは現実的ではありません。

工場間輸送・納品便で見直せるポイント

調達以外の領域でも、見直しの余地は残っています。

• 工場間の横持ち便が、往路または復路で空車になっていないか
• 調達の帰り便を、納品や横持ちに活用できないか
• 複数の拠点に分かれている在庫を、どの拠点から出荷するのが最も効率的か
• 自社便で運ぶべき荷物と、傭車に出すべき荷物を区別できているか
• 納品先ごとの時間指定が、実態より厳しく設定されたままになっていないか

このうち、往復のどちらかが空車になる問題は、多くの工場で見られます。部門をまたいで輸送を一つの計画として扱えば、調達の帰り便に納品を載せるといった組み合わせが見えてくることがあります。

最適化AIが扱えること

数理最適化AIは、こうした組み合わせ問題を計算によって解く技術です。車両、拠点、集荷先、納品先、時間枠、積載量、ドライバーの拘束時間といった条件を同時に考慮し、総コストが最小になる輸送計画を算出します。

製造業の物流では、次のような使い方が想定されます。

• 複数の仕入先を巡回する集荷ルートの自動設計
• 調達・工場間・納品を一つの問題として解いた車両の共用計画
• 納入頻度を変更した場合の、必要車両数と輸送費の試算
• 新規の取引先が増えた場合に、既存の便に組み込めるかどうかの判定
• 自社便と傭車の使い分けによる総コストの比較

特に価値が大きいのは、実行前に試算できるという点です。「納入頻度を週5回から週3回に変えたら、車両は何台減り、輸送費はいくら下がるか」を計算で先に確認できれば、仕入先や社内との調整に説得力を持って臨めます。

取り組む際のポイント

導入を検討する際は、次の項目を確認しましょう。

• 複数の集荷先を巡回するルートを設計できるか
• 複数拠点の運用に対応しているか
• 時間枠（引き取り可能時間、納品指定時刻）を条件にできるか
• 車両の積載量とドライバーの拘束時間を考慮できるか
• 自社便と傭車の混在に対応しているか
• 条件を変えた場合の試算（シミュレーション）ができるか
• 既存の生産管理・購買システムと連携できるか
• 導入前に効果検証（PoC）ができるか

特に「条件を変えた場合の試算ができるか」は、製造業では重要です。日々の配車を自動化することよりも、納入頻度や拠点の使い方といった設計レベルの意思決定を数字で支えることのほうが、効果が大きい場合があります。

コストの考え方

投資判断は、削減できる金額を先に把握してから行います。主な効果は、輸送費（運賃・燃料費）の削減、必要車両数の削減、荷受け作業の削減、そして輸送計画の作成にかかる時間の削減です。

年間改善効果 ＝ 輸送費の削減額 ＋ 車両関連費用の削減額 ＋ 荷受け・計画作成にかかる人件費の削減額 ＋ その他の改善効果

ただし、納入頻度の変更を伴う場合は、増加する在庫金額を必ず差し引いて評価してください。輸送費だけを見て判断すると、在庫という別の費目に問題を移し替えただけ、という結果になりかねません。

これらの効果は、導入前の効果検証（PoC）を通じて、自社の実データをもとに試算できます。また、省力化や物流効率化を目的とした国の補助制度を活用できる可能性もあります。制度の内容や公募時期は年度によって変わるため、最新の公募要領で個別に確認が必要です。

まとめ

工場の物流最適化は、運賃交渉の延長線上にある取り組みではありません。輸送力そのものが不足するなかで、限られた車両とドライバーで自社の生産を支え続けるための、荷主側の経営課題です。

取り組みの道筋は、まず調達・工場間・納品に分けて物流費を可視化し、部門をまたいで一つの計画として扱える状態をつくり、最適化の技術で組み合わせを検証し、その効果を実行前に数字で確認する——という順序で描けます。納入頻度や拠点の使い方といった設計レベルの判断を、感覚ではなく計算で支えられるようになります。

輸送計画の最適化は、説明を読むだけでは自社での効果を判断しにくい取り組みです。まずは実際の最適化計算を見ることで、現在の輸送との違いを具体的にイメージできます。

ルートコンパスAIのページでは、集荷先・拠点・配送先を含む標準モデルで、配車最適化のデモをその場で体験できます。まずは「最適化を実行」ボタンから、輸送費・労務費・拠点作業費・遅延ペナルティを考慮し、設定した条件のもとで総コストを抑える計画がどのように算出されるのかをご確認ください。

自社データを使った具体的な削減効果については、導入前の効果検証（PoC）を通じて確認できます。まずはデモで最適化の動きを体験し、そのうえでPoCへ——という順序で、低リスクに検討を進められます。