📋 関係の概要
🎯 核心的な関係性
EIQマトリクス表と従来計算（従来分析）は、同一の考案者である寺本敏幸氏によって開発された、 相互補完的な物流分析手法です。両者は同じデータソース（T200テーブル）から生成され、 同じ5段階ランク体系を採用することで、多角的かつ整合性のある分析を実現します。
EIQマトリクス表と従来計算（従来分析）は、同一の考案者である寺本敏幸氏によって開発された、 相互補完的な物流分析手法です。両者は同じデータソース（T200テーブル）から生成され、 同じ5段階ランク体系を採用することで、多角的かつ整合性のある分析を実現します。
両分析手法は独立して使用できますが、併用することで最大の効果を発揮します。 従来計算で全体像を把握し、EIQマトリクスで詳細な関係性を分析する、という段階的アプローチが推奨されます。
👤 共通の考案者
🎓 寺本敏幸氏による体系的開発
物流技術研究所の寺本敏幸氏は、従来のABC分析の限界を克服し、 物流現場でより実践的な分析を行うために、以下の2つの手法を体系的に開発しました:
両手法は最初から統合的に設計されており、同じランク体系、同じ集計ロジック、 同じ物量指標を用いることで、シームレスな分析連携を可能にしています。
物流技術研究所の寺本敏幸氏は、従来のABC分析の限界を克服し、 物流現場でより実践的な分析を行うために、以下の2つの手法を体系的に開発しました:
- EIQマトリクス分析: Entry（出荷先）とItem（アイテム）の関係性を可視化
- 従来計算（ABC分析5分割版）: ABC分析を5段階に細分化し、EIQ分析と整合
両手法は最初から統合的に設計されており、同じランク体系、同じ集計ロジック、 同じ物量指標を用いることで、シームレスな分析連携を可能にしています。
🏗️ 共通基盤
1. 同一データソース
📊 T200テーブル（抽出済み出荷データ）
両分析は、条件抽出後のT200テーブルを共通データソースとして使用します。
| 項目 | 内容 |
|---|---|
| テーブル名 | T200（条件抽出後の出荷データ） |
| 主要カラム | 出荷日、アイテム、出荷先、出荷区分、数量、ケース数、PL数、容積、重量 |
| ランクカラム | CIランク、CEランク、BIランク、BEランク、IQ種別、EランクI、IランクE |
| 生成タイミング | 「条件抽出_計算Bt」ボタンクリック時に生成 |
2. 共通ランク体系（5段階）
🎖️ A1, A2, B, C, D の5段階
両分析とも、累積比率に基づく同一の5段階ランクを採用しています。
| ランク | 累積比率 | 該当比率 | 位置づけ |
|---|---|---|---|
| A1 | 0 ～ 50% | 約 5% | 物量の50%を占める最重要層 |
| A2 | 50 ～ 70% | 約 15% | 物量の20%を占める重要層 |
| B | 70 ～ 85% | 約 30% | 物量の15%を占める中程度層 |
| C | 85 ～ 95% | 約 30% | 物量の10%を占める低頻度層 |
| D | 95 ～ 100% | 約 20% | 物量の5%を占める最低頻度層 |
3. 共通物量指標
📦 集計される物量指標
- 行数: 出荷レコード数（出荷回数）
- バラ数: ピース単位の個数
- ケース換算: ケース数
- PL換算: パレット数
- 容積換算: 容積（㎥）
- 重量換算: 重量（kg）
これらの指標は、両分析で共通に使用されるため、 数値の整合性が保たれ、相互検証が容易です。
📊 EIQマトリクス分析（詳細）
分析の特徴
🔍 2軸マトリクス分析
- 視点: Entry（出荷先）とItem（アイテム）の関係性を分析
- 表現形式: 5×5のマトリクス表（25セル）
- ランク軸:
- Iランク（横軸）: アイテムのランク（I-A1, I-A2, I-B, I-C, I-D）
- Eランク（縦軸）: 出荷先のランク（E-A1, E-A2, E-B, E-C, E-D）
- セル内容: 各セルに、該当する「出荷先とアイテムの組み合わせ」の物量を表示
- 表示モード:
- 実数表示: 行数、ケース数、PL数などの実数値
- A比率表示: 行方向（Iランク方向）の累積比率
- B比率表示: 列方向（Eランク方向）の累積比率
EIQマトリクス表の例（イメージ）
| Eランク ↓ |
Iランク（アイテム） → | 合計 | ||||
|---|---|---|---|---|---|---|
| I-A1 | I-A2 | I-B | I-C | I-D | ||
| E-A1 | 500 | 300 | 200 | 100 | 50 | 1,150 |
| E-A2 | 200 | 150 | 100 | 80 | 30 | 560 |
| E-B | 100 | 80 | 60 | 40 | 20 | 300 |
| E-C | 50 | 40 | 30 | 20 | 10 | 150 |
| E-D | 20 | 15 | 10 | 8 | 5 | 58 |
| 合計 | 870 | 585 | 400 | 248 | 115 | 2,218 |
📌 表の読み方
- セル (E-A1, I-A1) = 500: 最重要顧客（E-A1）に最重要品（I-A1）を出荷した行数が500
- E-A1行の合計 = 1,150: 最重要顧客への全アイテムの出荷行数
- I-A1列の合計 = 870: 最重要品の全出荷先への出荷行数
📈 従来計算（詳細）
分析の特徴
🔍 単軸集計分析
- 視点: 1軸のみに注目し、ランク別に集計
- 2つの分析軸:
- アイテム別: アイテムを物量でランク付け（CIランク, BIランク）
- 出荷先別: 出荷先を物量でランク付け（CEランク, BEランク）
- 表現形式: ランク別の集計表（1次元テーブル）
- 目的: 各ランクに属する数（アイテム数/出荷先数）と物量の分布把握
従来計算の表例（アイテム別）
| CIランク | アイテム数 | 行数 | ケース換算 | PL換算 | 容積 | 重量 |
|---|---|---|---|---|---|---|
| CI-A1 | 50 | 870 | 500 | 50 | 100.0 | 500.0 |
| CI-A2 | 150 | 585 | 300 | 30 | 60.0 | 300.0 |
| CI-B | 300 | 400 | 200 | 20 | 40.0 | 200.0 |
| CI-C | 300 | 248 | 100 | 10 | 20.0 | 100.0 |
| CI-D | 200 | 115 | 50 | 5 | 10.0 | 50.0 |
| 合計 | 1,000 | 2,218 | 1,150 | 115 | 230.0 | 1,150.0 |
📌 表の読み方
- CI-A1: 50アイテム（全体の5%）が、870行（全体の約39%）を占める
- CI-D: 200アイテム（全体の20%）だが、115行（全体の約5%）のみ
- ⇒ 少数の重要アイテムが大量の物量を占める「80:20の法則」が確認できる
⚖️ 2つの分析手法の比較
EIQマトリクス分析
- 次元: 2次元（Iランク × Eランク）
- 表現: 5×5マトリクス（25セル）
- 視点: 関係性・相関性
- 粒度: 詳細（組み合わせ単位）
- 用途: ゾーニング、動線設計、設備配置
- データ量: 多（25セル）
- 理解難易度: やや高い
- 対象者: 現場担当者、設計者
従来計算（従来分析）
- 次元: 1次元（Iランク または Eランク）
- 表現: ランク別集計表（5行）
- 視点: 分布・構成比
- 粒度: 概要（ランク単位）
- 用途: 全体把握、資源配分、優先度判断
- データ量: 少（5行×2軸）
- 理解難易度: 低い
- 対象者: 経営層、管理者
🎯 どちらを使うべきか？
答え: 両方を併用する
答え: 両方を併用する
- まず従来計算で全体像・分布を把握
- 次にEIQマトリクスで詳細な関係性を分析
- 両者を相互検証し、データの整合性を確認
🔗 データの関連性
数値の整合性
📐 EIQマトリクスと従来計算の数値関係
✅ 成立する関係式
【アイテム別】
従来計算の「CI-A1の行数」 = EIQマトリクスの「I-A1列の合計」
従来計算の「CI-A2の行数」 = EIQマトリクスの「I-A2列の合計」
・・・（以下同様）
従来計算の「CI-A1の行数」 = EIQマトリクスの「I-A1列の合計」
従来計算の「CI-A2の行数」 = EIQマトリクスの「I-A2列の合計」
・・・（以下同様）
【出荷先別】
従来計算の「CE-A1の行数」 = EIQマトリクスの「E-A1行の合計」
従来計算の「CE-A2の行数」 = EIQマトリクスの「E-A2行の合計」
・・・（以下同様）
従来計算の「CE-A1の行数」 = EIQマトリクスの「E-A1行の合計」
従来計算の「CE-A2の行数」 = EIQマトリクスの「E-A2行の合計」
・・・（以下同様）
✅ つまり...
- EIQマトリクスの行合計 = 従来計算の出荷先別の値
- EIQマトリクスの列合計 = 従来計算のアイテム別の値
- EIQマトリクスの総計 = 従来計算のどちらの総計とも一致
数値検証の例
前述のマトリクス表と従来計算表で検証:
| 検証項目 | EIQマトリクス | 従来計算（アイテム別） | 一致 |
|---|---|---|---|
| I-A1 / CI-A1 行数 | 870 | 870 | ✅ |
| I-A2 / CI-A2 行数 | 585 | 585 | ✅ |
| 全体合計 | 2,218 | 2,218 | ✅ |
この整合性により、相互検証が可能であり、データ入力ミスや計算エラーを早期発見できます。
🎯 統合的活用法
段階的分析アプローチ
推奨される分析フロー
STEP 1
従来計算（アイテム別）
全体分布の把握
→
STEP 2
従来計算（出荷先別）
顧客構成の把握
↓
STEP 3
EIQマトリクス分析
関係性の詳細分析
→
STEP 4
相互検証
数値の整合性確認
↓
STEP 5: 意思決定
レイアウト設計・設備配置
統合的な判断
活用シーン別の使い分け
| シーン | 従来計算の活用 | EIQマトリクスの活用 |
|---|---|---|
| 経営層への報告 | ✅ 主: シンプルで理解しやすい | △ 補足資料として |
| 全体傾向の把握 | ✅ 主: ランク別分布が一目瞭然 | △ 詳細すぎる |
| 資源配分の決定 | ✅ 主: ランク別に明確に判断可能 | ○ 補完的に使用 |
| 倉庫レイアウト設計 | ○ 全体像把握の初期段階 | ✅ 主: ゾーニング設計に最適 |
| 動線計画 | ○ 優先順位の参考 | ✅ 主: 出荷先×品の関係が重要 |
| 設備配置の詳細検討 | △ 単純すぎる | ✅ 主: セル単位の分析が必要 |
| 現場オペレーション改善 | ○ 重点管理対象の特定 | ✅ 主: 具体的な動きの分析 |
| データ検証 | ✅ 併用 | ✅ 併用 |
🔄 分析ワークフロー（実践編）
Tera計算1での操作手順
-
データ準備
- Tera計算1を起動
- 「1出荷データ分析」画面を開く
- 出荷データ（T100テーブル）が読み込まれていることを確認
-
条件抽出
- 「EIQデータ分析」タブを選択
- 抽出条件を設定（期間、出荷区分、出荷先ルート、アイテム区分等）
- 「条件抽出_計算Bt」ボタンをクリック
- ⇒ T200テーブル生成、ランク計算（CI, CE, BI, BE, Iランク, Eランク）実行
-
従来計算の確認（STEP 1）
- 「従来分析」タブを選択
- アイテム別分析を確認:
- CI-A1, CI-A2, CI-B, CI-C, CI-D の分布
- アイテム数、行数、物量の比率
- 出荷先別分析を確認:
- CE-A1, CE-A2, CE-B, CE-C, CE-D の分布
- 出荷先数、行数、物量の比率
- ⇒ 全体像を把握
-
EIQマトリクスの確認（STEP 2）
- 「EIQデータ分析」タブに戻る
- EIQマトリクス表を確認:
- 5×5マトリクスの各セル値
- どの組み合わせ ( Eランク×Iランク ) が多いか
- 実数表示 / A比率 / B比率 を切り替えて多角的に分析
- ⇒ 詳細な関係性を把握
-
数値検証（STEP 3）
- 従来計算の「CI-A1の行数」と、EIQマトリクスの「I-A1列の合計」を比較
- 従来計算の「CE-A1の行数」と、EIQマトリクスの「E-A1行の合計」を比較
- ⇒ 数値の整合性を確認（一致していればOK）
-
Excel出力（必要に応じて）
- 「Excel送信」ボタンでEIQマトリクスをExcel出力
- 従来計算の表もExcelにコピー
- 並べて比較・レポート作成
-
意思決定・アクション（STEP 4）
- 従来計算で特定したA1ランクのアイテム/出荷先を優先配置
- EIQマトリクスで特定した高頻度セル（例: E-A1×I-A1）のゾーニングを最適化
- レイアウト設計、設備配置、動線計画に反映
💼 実践例: 新倉庫レイアウト設計
🏭 ケーススタディ: 新倉庫のレイアウトを設計する
背景
新倉庫を建設するにあたり、以下を決定する必要がある:
- ピッキングエリアのサイズ
- アイテムの配置順序
- 出荷先別のゾーニング
- 自動化設備の導入範囲
分析手順
フェーズ1: 従来計算でマクロ把握
- 従来計算（アイテム別）を確認
- CI-A1: 50アイテム（5%）→ 物量の50%を占める
- CI-A2: 150アイテム（15%）→ 物量の20%を占める
- ⇒ 上位200アイテム（20%）で物量の70%
- 従来計算（出荷先別）を確認
- CE-A1: 10出荷先（5%）→ 物量の50%を占める
- CE-A2: 30出荷先（15%）→ 物量の20%を占める
- ⇒ 上位40出荷先（20%）で物量の70%
フェーズ2: EIQマトリクスで詳細分析
- EIQマトリクス表を確認
- セル (E-A1, I-A1) = 500行 → 最重要顧客×最重要品の組み合わせ
- セル (E-A1, I-A2) = 300行 → 次に重要な組み合わせ
- セル (E-D, I-D) = 5行 → ほぼ動かない組み合わせ
- A比率・B比率で累積分布を確認
- E-A1行の累積比率が高いセルを特定
- I-A1列の累積比率が高いセルを特定
フェーズ3: レイアウト決定
- ピッキングエリア前列:
- CI-A1の50アイテムを配置
- さらにEIQマトリクスで (E-A1, I-A1) の組み合わせを最優先位置に配置
- ピッキングエリア中央:
- CI-A2の150アイテムを配置
- (E-A1, I-A2) や (E-A2, I-A1) を考慮して配置順序を決定
- ピッキングエリア後列:
- CI-Bの300アイテムを配置
- リザーブエリア:
- CI-C, CI-Dの500アイテムを配置
- EIQマトリクスで (E-D, I-D) などの低頻度セルは倉庫奥または別棟に保管
- 自動化設備の導入:
- CI-A1 + CE-A1の組み合わせ領域に自動ピッキング装置を導入
- ROI（投資対効果）が最大化される
期待される効果
- ✅ ピッキング動線距離: 30%削減
- ✅ ピッキング作業時間: 25%削減
- ✅ 出荷リードタイム: 20%短縮
- ✅ 在庫スペース: 15%削減
- ✅ 自動化投資効率: 最大化
📚 まとめ
🎯 EIQマトリクス表と従来計算の関係 - 核心的ポイント
- 同一の考案者: 寺本敏幸氏が一貫した設計思想で開発
- 同一のデータソース: T200テーブルから生成され、数値の整合性が保たれる
- 同一のランク体系: 5段階（A1, A2, B, C, D）で統一
- 相互補完的: 従来計算は全体把握、EIQマトリクスは詳細分析
- 相互検証可能: 行合計・列合計で数値一致を確認できる
- 段階的活用: 従来計算 → EIQマトリクス → 意思決定 の流れが効果的
✅ 実務での活用指針
| 目的 | 使用する分析手法 |
|---|---|
| 全体傾向の把握 | 従来計算 （シンプルで理解しやすい） |
| 経営層への報告 | 従来計算 （説明が容易） |
| 資源配分の意思決定 | 従来計算 （ランク別に明確） |
| 倉庫レイアウト設計 | EIQマトリクス （ゾーニングに最適） |
| 動線計画・設備配置 | EIQマトリクス （関係性が重要） |
| 詳細なオペレーション改善 | EIQマトリクス （セル単位の分析） |
| データ検証 | 両方を併用 （相互検証で精度向上） |
| 包括的な物流戦略立案 | 両方を併用 （多角的な分析） |
🎓 寺本敏幸氏の設計思想
物流技術研究所の寺本敏幸氏は、従来のABC分析の限界を認識し、 より実践的で詳細な物流分析を可能にするために、以下を実現しました:
この2つの分析手法は、単独でも強力ですが、併用することで真価を発揮し、 物流現場の課題解決と最適化を実現します。
物流技術研究所の寺本敏幸氏は、従来のABC分析の限界を認識し、 より実践的で詳細な物流分析を可能にするために、以下を実現しました:
- 5段階ランク体系: ABC（3分割）を5分割に細分化
- 2軸マトリクス分析: Entry（出荷先）とItem（アイテム）の関係性を可視化
- 統合的設計: 従来計算とEIQマトリクスを最初から連携前提で設計
この2つの分析手法は、単独でも強力ですが、併用することで真価を発揮し、 物流現場の課題解決と最適化を実現します。