スマホで棚卸し・在庫照合

なぜ中小倉庫の棚卸しは今もこんなに大変なのか

大手物流センターではハンディ端末やWMS（倉庫管理システム）の導入が進んでいますが、従業員数十名規模の中小倉庫・卸・製造業の部品倉庫では、いまだに紙の棚卸し票に手書きでカウントし、後からExcelに手入力する運用が珍しくありません。理由は単純で、専用ハンディ端末とパッケージWMSは初期費用が大きく、必要台数を揃えると投資が一気に膨らむからです。

この紙＋Excel運用には、構造的な問題が3つあります。第一に転記ミス。棚卸し票からExcelへの手入力で桁ずれ・品番取り違えが起き、在庫差異の原因が「実際の差異」なのか「入力ミス」なのか切り分けられなくなります。第二に時間。月末・期末の棚卸しに数日を要し、その間ラインや出荷が止まる、あるいは残業で吸収することになります。第三に属人化。「この棚はベテランしか数えられない」という状態が、人手不足のなかで深刻なリスクになります。

元キーエンスで画像処理装置を扱ってきた立場から見ると、この課題の本質は「現場にある文字情報（ラベル・品番・数量）を、いかに低コストでデジタルに取り込むか」です。そして今、その読み取り手段が専用機からスマホへと移りつつあります。

スマホのカメラ × AI-OCRで何ができるのか

仕組みはシンプルです。作業者がスマホ・タブレットのカメラで棚のラベルや品番、数量表示を撮影すると、AI-OCRが文字を読み取り、その場で在庫データ（Excelやデータベース）と照合します。読み取った品番が在庫表にあるか、数量が一致するか、差異があればその場で画面に表示します。

ここで鍵になるのがOCRエンジンの種類です。従来型OCRは、あらかじめ登録したフォントやレイアウトのパターンに強い一方、多様なラベルや手書き、汚れ・かすれに弱いという限界がありました。VLM（Vision Language Model）ベースのAI-OCRは、マスター登録なしで多様なフォント・レイアウト・手書き混在を「読んで解釈する」ことができ、現場の雑多なラベルに強いのが特徴です。

読み取れる主な情報

紙＋Excel・専用ハンディ・スマホAI-OCRを比較する

在庫照合のデジタル化には大きく3つの選択肢があります。それぞれの向き不向きを、初期コスト・精度・拡張性・現場負担の軸で整理します。

※ 上記は一般的な傾向の整理です。最適解は倉庫の規模・品目数・ラベルの状態により異なります。バーコードが全品に整備済みなら専用ハンディが有利な場面もあります。

ポイントは「バーコードが全品に整備されているか」です。整備済みならバーコードリーダーが速くて確実です。しかし中小倉庫の現実は、バーコードのない仕入れ品・手書きラベル・旧式の棚札が混在しているケースが大半で、ここでVLMベースのAI-OCRが効いてきます。

失敗しない段階的な導入ステップ

在庫管理のデジタル化で最も多い失敗は、「いきなり倉庫全体・全工程を一気にシステム化しようとして、現場が回らなくなる」ことです。スコープを小さく区切り、効果を確認しながら広げるのが鉄則です。

STEP 1：棚卸し（数量カウント）だけをスマホ化

まずは月末・期末の棚卸しに限定します。スマホで棚札・品番・数量を撮影し、Excel在庫表と照合するだけ。ここだけでも転記ミスと残業が大きく減り、現場がAI-OCRの使い勝手に慣れます。投資判断もこの段階の効果で行えます。

STEP 2：入出庫照合に拡張

次に、入荷時の納品書・送り状、出荷時のピッキングリストの照合に広げます。入荷伝票のOCR照合で誤入荷・誤出荷を入口で止められるようになります。

STEP 3：WMS連携で在庫を生きたデータに

最後に、読み取り結果をWMS（倉庫管理システム）やERPに連携し、リアルタイムの在庫データとして運用します。CSVやAPIで既存システムと突合する構成にすれば、いきなり大型WMSを入れ替えなくても段階的に高度化できます。

現場でAI-OCRの精度を出すための実務ポイント

画像処理の現場経験から言えるのは、「OCRの精度はエンジンの性能より、撮影条件で決まる」ということです。スマホ運用でも、ここを押さえるだけで読み取り精度が大きく変わります。

• 照明：棚の奥は暗くなりがち。スマホのライトや簡易ライトで均一に照らすだけで、かすれ・低コントラストのラベルの読み取りが安定します。
• 手ブレ・距離：ラベルが画面に正対し、文字が十分大きく写る距離で撮ること。ガイド枠を画面に表示する設計が有効です。
• 反射・ラミネート：光沢ラベルやラミネートは正反射でハレーションを起こします。角度を少し変える、偏光を使うなどで回避します。
• 人による確認UI：完全自動を狙うより、読み取り結果を画面で確認・ワンタップ修正できるUIにする方が、現場の実用精度（=最終的な正確さ）は高くなります。

つまり「AIに丸投げ」ではなく、撮影しやすい運用設計と、人が最後に確認できる仕組みをセットにすることが、現場で本当に使える在庫照合の条件です。

Nsightのアプローチ

Nsightは物流ラベルのVLM-OCRと外観検査を手がけており、中小倉庫の在庫照合についても、現場のラベルサンプルでの読み取り検証から、スマホ運用の設計、既存Excel/WMSとの連携まで一貫して相談に乗れます。元キーエンス画像処理事業部出身のエンジニアが、撮影条件・照明・読み取り精度の見極めを行います。

まずは現場サンプルで読めるかを確認

導入可否は、御社の実際のラベル・棚札の写真でAI-OCRが読めるかどうかで決まります。まずは数枚のサンプルで読み取り精度を無料検証し、段階導入の入口（STEP 1）から小さく始めるのがおすすめです。

中小企業の投資負担と補助金の考え方

スマホAI-OCRの利点は、専用ハードを大量購入しなくても始められるため、初期投資を抑えやすい点です。さらに一般論として、ソフトウェア導入や省力化投資にはIT導入補助金・ものづくり補助金・中小企業省力化投資補助金などが活用できる場合があります。

※ 補助金の要件・補助率・公募時期は年度や制度改正により変わります。申請を検討する際は、その時点の最新の公募要領を必ずご確認ください。Nsightでは申請に向けた構成整理のサポートも行っています。

関連記事

物流OCR・倉庫DX

よくある質問