ピッキングロボット導入｜供給状態とSKU変動で向き不向きが決まる

ピッキングロボットの導入を検討してこのページに来た方の多くは、「ロボットが自社の商品を掴めるかどうか」という把持技術の性能を判断の中心に置いているのではないでしょうか。しかし実際に投資回収を左右するのは、把持アルゴリズムの巧拙よりも、対象商品がどのような状態で供給されるか、そして品目構成がどれだけの頻度で変わるかです。本記事では、掴む技術の優劣比較をいったん脇に置き、供給状態とSKU変動という2つの軸から向き不向きを見極める順序を整理します。

ピッキングロボットとは何か、混同されやすい3つの用語を先に切り分ける

ピッキングロボットの検討が最初につまずくのは、技術の難しさではなく用語の混同です。物流や生産の出荷工程を自動化しようとするとき、現場で候補に挙がる仕組みは大きく3つあります。1つ目が本記事の主題である個品単位のピッキングロボット、いわゆるピースピッキングロボットです。ロボットアームが商品を1個ずつ掴み、別の容器や搬送コンベアへ移します。2つ目が、人がハンディ端末や表示灯の指示にしたがって商品を拾うDPS/DAS、つまりデジタルピッキングシステムです。ここにロボットは登場せず、自動化されるのは「どこから何をいくつ取るか」という指示の部分だけです。3つ目がパレタイジングロボットで、こちらはケースや箱の単位でパレットに積み付ける工程を担います。

この3つは、投資額も、効果の出方も、失敗したときのリカバリーの難しさもまったく異なります。それにもかかわらず、社内の稟議書やSIerへの見積依頼書では「ピッキングの自動化」という一語にまとめられてしまいがちです。前提がずれたまま複数社に見積を依頼すると、A社は個品ピッキングのロボットセルを、B社は表示器システムを、C社はケース単位のパレタイザーを提案してきて、金額だけが横に並ぶ比較表ができあがります。この比較表は一見すると意思決定の材料に見えますが、そもそも自動化する対象工程が三者三様なので、比較する意味がありません。用語を切り分けることは言葉遊びではなく、見積の土俵をそろえるための実務そのものです。

3つの違いを踏まえると、読むべき記事も変わってきます。人手で拾う体制は維持したまま、指示と検品の仕組みだけを整えたいという段階であれば、ピッキングシステムの選び方(DPS/DAS)のほうが実務に近いはずです。ケース単位の積み付けを自動化したい、あるいは価格感を先に知りたいということであれば、パレタイジングロボットの価格を参照してください。パレタイジングは置き場所が積み付けパターンによって常に変わるため、都度計算が必要になるという技術的な性格の違いがあり、個品ピッキングとは論点が別物です。

もう1つ整理しておきたいのが、ロボットビジョンとの関係です。ピッキングロボットは、対象物の位置と姿勢を認識する目にあたる仕組みがなければ成立しません。その意味でロボットビジョンはピッキングロボットの構成要素ですが、ロボットビジョンという技術自体はピッキング専用ではなく、位置決めや外観検査にも使われます。費用構造や投資回収の計算式をロボットビジョン全般の視点で押さえたい方は、ロボットビジョン導入の費用と投資回収をご覧ください。本記事はビジョンの費用構造そのものには深入りせず、個品ピッキングに固有の論点、すなわち供給状態とSKU変動に絞って進めます。

ピッキングロボットの精度とスループットの実態

用語を切り分けたところで、次に押さえるべきは性能の実態です。ここで多くの検討が誤った方向へ進むのは、カタログや事例記事に出てくる高い精度の数字を、対象商品を問わない汎用的な性能値として受け取ってしまうためです。実際には、同じロボット、同じアルゴリズムでも、扱う商品の物性と供給のされ方によって成功率は大きく振れます。

剛体品と変形品で精度は大きく変わる

Mordor Intelligenceの調査によると、AIビジョンによる剛体、つまり硬く形が変わらないアイテムのピック精度は95%以上に達するとされています。一方で、袋物のように変形しやすい商品では75〜80%にとどまるとされています。この差は、技術がまだ未熟だから埋まっていないというより、対象商品の物性がそのまま性能に跳ね返る構造的なものです。剛体であれば、3Dカメラで捉えた形状と事前に持っているモデルを照合しやすく、吸着点や把持点も安定して決まります。変形品は、置かれた瞬間に形が変わり、掴んだ瞬間にも形が変わるため、認識した位置と実際に掴める位置がずれます。

この数字が示す実務上の意味は明快です。もし自社の出荷品目が袋詰めの食品や柔らかい包材中心であれば、「ロボットの選定を頑張る」より先に、「対象工程の中で剛体品が占める割合はどれくらいか」を数えるべきだということです。精度75〜80%という水準は、4〜5回に1回程度は取り損ねるということであり、そのリカバリーを人が担う運用設計をしないかぎり、ラインは止まります。

バラ積みと整列供給で難易度が変わる

商品の物性と同じくらい効くのが、供給状態です。商品が箱の中に乱雑に積まれた状態から取り出すことを、ランダムビンピッキング、いわゆるバラ積みピッキングと呼びます。技術文献ベースでは、新規・未知の物体に対する把持成功率は80%台半ばから90%台前半が現状水準とされています。そして注目すべきは、そのボトルネックが把持アルゴリズムそのものより、単一視点では山積みの大半が隠れてしまうというオクルージョンの問題、つまり3D認識側の課題に移りつつあるという分析です。

つまり、「掴む技術が足りない」のではなく「そもそも見えていない」ことが成功率の上限を決めているということです。裏を返せば、前工程で商品を整列させて供給する、あるいはトレイに仕切って入れる、カメラの視点を増やすといった周辺の作り込みによって、同じロボットのままでも成功率は上げられます。ロボット単体の性能表を見比べるより、供給状態を変えられる余地が自社の工程にあるかどうかを確認するほうが、投資判断としては効きます。

供給状態の話をすると、「うちはバラ積みだから無理ということか」と受け取られることがありますが、そうではありません。ここで見てほしいのは、同じ設備投資でも、供給状態を変える改造に少し予算を回したほうが、ロボット本体のグレードを上げるより成功率への寄与が大きい場面がある、という費用配分の話です。

スループットの目安は工程設計の前提になる

処理能力についても、実態を押さえておく必要があります。個品単位のピッキングロボットの一般的な処理能力は400〜600個/時間とされています。前掲のMordor Intelligenceの調査には最大1,200 picks/hourという記載もありますが、これは条件が整った場合の上限値と理解すべきで、多品種混在の出荷現場でそのまま出る数字ではありません。

この目安が重要なのは、必要台数の見積もりに直結するからです。ピーク時の出荷点数を処理能力で割れば、必要なセル数の概算が出ます。ここを詰めずに1台だけ導入すると、平常時は余裕があるのにピーク日だけ人海戦術に戻る、という中途半端な運用になりがちです。ロボットの選定より先に、自社のピーク出荷点数を時間あたりで把握しておくことをおすすめします。

調達モデルの変化、RaaSの広がりと産業用ロボット価格の下落

性能の実態と並んで、この数年で大きく変わったのが調達の仕方です。産業用ロボットの価格を検討材料にしている方にとって、ここは判断の前提が変わっている部分なので、古い相場観のまま検討すると結論を誤ります。

Mordor Intelligenceの調査では、協働アーム本体の価格は2020年の5万USDから現在は1.5万USD未満まで下落したとされています。もちろん、これはアーム本体の価格であって、ハンド、ビジョン、架台、安全柵や安全機器、周辺コンベア、そしてシステムインテグレーションの費用は別に必要です。それでも、システム全体に占める本体費用の比率が下がったということは、投資判断の重心が「ロボットを買えるかどうか」から「工程をどう設計するか」へ移ったことを意味します。

さらに大きいのが、RaaS(Robot as a Service)という月額課金型の調達モデルの広がりです。同調査では、RaaSが2025年の導入の60.30%を占めるとされています。導入の過半が買い切りではなく月額契約になっているということで、これは初期投資を抑えたい中堅規模の拠点にとって現実的な選択肢が増えたことを示しています。

市場そのものも拡大が見込まれています。同じくMordor Intelligenceの推計では、個品ピッキングロボット市場は2025年に17億USD、2026年に25.8億USDとされ、2026年から2031年のCAGRは51.78%、2031年には207.8億USDに達すると予測されています。ただし、この種の市場規模の数値は調査会社によって前提の置き方が異なり、幅が大きいのが実情です。単一の正解として扱うのではなく、「調達モデルの変化を伴いながら市場が拡大局面にある」という方向性の把握にとどめるのが安全です。

技術面でも動きは続いています。Amazonが2025年5月にドイツで発表した新型ロボット「Vulcan」は、同社初の触覚センサー搭載ロボットで、3Dフォースセンサーとサクションカップアームによって棚からのピックと格納を行い、格納対象アイテムの約75%に対応できるとされています。米ワシントン州スポケーンとドイツ・ハンブルクの拠点で稼働中で、2026年に米独の他拠点へ展開される予定と報じられています。ここで注目したいのは、世界最大級の物流網を持つ事業者であっても、この約75%という形で対応できる範囲を明示している点です。全量を任せるのではなく、対応できる範囲を切り出して自動化するという考え方は、規模の大小を問わず共通します。

ロボットハンドの選定は対象商品の物性から逆算する

ロボットハンドの選定について問い合わせをいただくことがありますが、この問いは多くの場合、順序が逆になっています。ハンドのカタログを比較してから対象商品を当てはめるのではなく、対象商品の物性と供給状態を先に確定させ、そこからハンドの方式を逆算するのが正しい順序です。

判断の起点になるのは、前章で見た剛体か変形品かという区分です。硬く平滑な面を持つ商品であれば吸着方式が第一候補になり、剛体品に対するピック精度として示されている95%以上という水準を狙える領域に入ります。表面が粗い、通気性がある、あるいは形が定まらない商品であれば、吸着では保持できず、指で挟む方式や、対象ごとに専用の治具を持たせる設計が必要になります。1台のロボットに複数方式のハンドを持たせて切り替える構成も可能ですが、切り替え時間がスループットを削るため、400〜600個/時間という目安がそのまま出るとは考えないほうがよいでしょう。

もう1つ、ハンド選定を左右するのがSKU数の見通しです。品目が固定されているなら、その商品に最適化した専用ハンドが最も高い成功率と速度を出します。一方、品目が四半期ごとに入れ替わるような現場では、専用ハンドを作り込むほど、品目が変わるたびに再投資と再ティーチングが必要になります。この点については、業界の動きとして興味深い事例があります。Berkshire Grey社は2024年9月、自動倉庫大手のKardex(AutoStore)と正式なパートナーシップを発表し、SKUデータの事前登録やティーチングが不要で稼働初日から性能を発揮できることをうたい、99.99%のピッキング精度を掲げていると報じられています。ティーチング不要という訴求が製品の差別化ポイントとして成立していること自体が、多SKU環境における再ティーチングの負担が実務上の大きな障壁であることの裏返しです。

したがって、ハンドの選定は次の順序で進めることをおすすめします。まず対象工程で扱う商品を剛体品と変形品に仕分けます。次にそれぞれの構成比を数え、剛体品の比率が高い工程を優先対象として切り出します。最後に、その商品群に合った保持方式を決めます。この順序を守れば、「あらゆる商品を掴めるハンド」という実現困難な要求仕様を書かずに済みます。

向く工程と向かない工程を分ける2つの軸

ここまでの内容を、導入判断の軸としてまとめます。ピッキングロボットが向くかどうかは、商品の供給状態と、SKU構成の変動頻度という2つの軸でおおむね決まります。

供給状態の軸では、整列供給に近いほど向き、完全なバラ積みに近いほど難易度が上がります。SKU変動の軸では、品目が固定的であるほど向き、頻繁に入れ替わるほど再ティーチングや治具の作り直しといった見えにくいコストが積み上がります。この2軸で自社の工程を並べると、着手すべき順序が自然に決まります。剛体品が中心で、整列供給が可能で、SKUが安定している工程が最初の候補です。変形品が中心で、バラ積みで、SKUが毎月入れ替わる工程は、技術的に不可能というわけではないものの、最初の1台で挑むべき対象ではありません。

ここで、判断の手順を具体的に示すために、架空の想定企業を使って考え方を整理します。以下の数値はすべて筆者による独自試算のための仮定であり、調査によって確認された事実ではありません。バンコク近郊に出荷拠点を持つ、日系の消費財メーカーの現地法人を想定します。この拠点では2,000品目を扱っていますが、出荷点数の内訳を調べたところ、上位300品目で全出荷点数のおよそ7割を占めており、その300品目のうち約8割が箱入りの剛体品だったとします。この場合、2,000品目すべてをロボットで扱おうとすると変形品と多SKUの問題に正面からぶつかりますが、上位300品目の剛体品だけを対象工程として切り出せば、整列供給の前提を作りやすく、成功率も高い水準を見込めます。残りの品目は人手のまま残し、DPS/DASによる指示と検品の仕組みで支える、という併存の設計が現実的です。

この考え方の要点は、「全部を自動化しなくてよい」ということに尽きます。前章で触れたAmazonのVulcanが格納対象アイテムの約75%という形で対応範囲を示しているように、現時点のピッキングロボットは対象を選んで使う設備です。全量対応を要求仕様に書いた瞬間に、実現できるベンダーがいなくなるか、実現できると答えるベンダーだけが残って後で問題になるか、どちらかになります。

逆に、次のような工程は最初の1台の対象から外すことをおすすめします。1つ目は、袋物や不定形品が過半を占める工程です。75〜80%という精度水準を前提にした運用設計が必要になり、初号機の評価としては難易度が高すぎます。2つ目は、SKUが毎月大きく入れ替わる工程です。3つ目は、ピーク時の出荷点数が処理能力の目安である400〜600個/時間を大きく超えており、複数台を同時に導入しないと効果が出ない工程です。これらは技術的に不可能なわけではなく、順序として後回しにすべきという意味です。

タイ・ASEANでピッキングロボットが検討される背景

タイをはじめとする東南アジアで、この数年ピッキングの自動化が話題に上がる頻度が増えているのには、いくつかの構造的な背景があります。

第一に、扱う荷姿が変わってきていることです。タイのEC市場は2024年に前年比14%成長で1.1兆バーツ規模に到達し、ソーシャルコマースは2025年に前年比18.6%成長したとされています。ECとソーシャルコマースの比率が上がるということは、出荷の単位がケースから個品へ移り、1件あたりの点数が減って件数が増えるということです。これはまさに個品ピッキングの負荷が増える方向の変化であり、従来のケース単位の物流設計のままでは人員が足りなくなります。同時に、タイの物流はベトナムや中国ほど最適化されていないとの指摘もあります。これは、現場の作り込み余地がまだ残っていることの裏返しでもあります。

第二に、労働力の確保です。タイの最低賃金は2025年7月にバンコクで日額400バーツへ改定済みで、2026年時点で明確な追加引き上げの動きはなく、州別のレンジは337〜400バーツとされています。つまり、賃金そのものが急騰しているという状況ではありません。それでも自動化の検討が進むのは、金額よりも人が採れないという事情が大きいためです。タイの労働市場は高齢化と家計債務の増加が課題とされ、労働団体側も最低賃金の引き上げより非正規雇用の保護策やスキルアップを重視する動きがあると報じられています。加えて、APAC域内の物流賃金は労働供給の縮小により2027年まで消費者物価上昇率を上回るペースで上昇すると予測され、東南アジア域内の平均賃金上昇率予測は5.3%、ベトナムが7.1%でトップとの調査もあります。アジアの3PL各社が賃金上昇分の転嫁条項を標準契約条項化し始める可能性も指摘されており、物流をアウトソースしている企業にとっても他人事ではありません。人件費全般の対策を横断的に検討したい方は、タイの人件費高騰対策2026もあわせてご覧ください。

第三に、域内の投資環境です。東南アジアの倉庫自動化市場はMordor Intelligenceの推計で2025年に8.1億USD、2031年に16.3億USDへ拡大し、CAGRは12.36%と見込まれています。国別ではインドネシアが2025年収益の28.63%でトップ、ベトナムはEC事業者のメガハブ建設を背景に13%のCAGRで最速成長すると見込まれています。タイに拠点を置く企業にとっては、域内の他国が自動化投資を先行させているという相対的な位置づけを踏まえて検討する必要があります。

なお、タイ国内で「どの企業がピッキングロボットを導入したか」という具体的な一次事例は、今回の調査では確認できていません。したがって本記事では、タイ国内の導入事例を断定的に紹介することはしません。参考になるのは、判断軸そのものが国を問わず共通だという点です。日本での動きとしては、Dexterity Robotics社が住友商事と2022年に契約し、2026年までに日本の倉庫へ1,500台のロボット導入を計画していると報じられています。こうした事例で先に自動化されているのが、供給状態が整えられ、SKUが管理された工程であることは、タイの現場で対象工程を選ぶ際にもそのまま当てはまります。

RaaSモデルについては、タイの中堅規模の工場や物流拠点との相性が良い可能性があります。初期投資を抑えたまま効果検証ができるためです。ただし実務上は2点の確認が必要です。1つは契約解除の条件で、効果が出なかった場合にどのタイミングで解約できるのか、残存期間の扱いはどうなるのかを事前に確認しておくべきです。もう1つは為替です。この種の契約はUSD建てになることが多く、バーツ建てで予算を組んでいる現地法人にとっては、月額費用が為替で変動します。稟議の段階で為替前提を明記しておかないと、期中に予算超過の説明が必要になります。

発注前に確認しておきたい項目

ここまでの論点を、SIerやベンダーへ見積を依頼する前に自社側で確定させておくべき項目として整理します。この情報がそろっていないまま依頼すると、各社が異なる前提で提案してくることになり、金額の比較ができません。

この表の中で、社内で軽視されやすいのが最後の例外時の運用です。剛体品で95%以上、変形品で75〜80%という精度水準は、裏を返せば必ず取り損ねが起きるということです。取り損ねたときにアラームが鳴って人が駆けつけるのか、後工程で検知して手戻りになるのか、そのまま流れて出荷ミスになるのかで、必要な人員配置も、実際に得られる省人効果もまったく変わります。ここを詰めずに省人効果だけを計算すると、稼働後に「結局そばに人が張り付いている」という状態になります。

もう1点、社内側で決めておくべきなのが、SKUが入れ替わったときの再設定を誰が担当するかです。品目の入れ替えは購買や営業の都合で決まり、ロボットの都合では決まりません。再ティーチングや治具の変更が必要な構成にした場合、その作業を現地の保全担当が回せるのか、そのたびにベンダーを呼ぶのかを、契約前に決めておく必要があります。呼ぶ前提であれば、その費用と対応リードタイムを見積に含めてもらってください。ここが空白のまま稼働すると、品目が変わった翌週からロボットが止まったままになる、という事態が起こり得ます。

よくある質問

ピッキングロボットとは何ですか

ロボットアームが商品を1個ずつ掴み、別の容器やコンベアへ移す設備のことで、ピースピッキングロボットとも呼ばれます。人がハンディ端末や表示灯の指示にしたがって拾うDPS/DASや、ケース単位でパレットに積み付けるパレタイジングロボットとは、扱う単位も投資判断の論点も異なります。この3つを切り分けないまま見積を依頼すると、各社が異なる工程を前提に提案してくるため、比較ができなくなります。

ピッキングロボットの価格はどのくらいですか

協働アーム本体の価格については、2020年の5万USDから現在は1.5万USD未満まで下落したとする調査があります。ただしこれは本体のみの価格で、ハンド、ビジョン、安全機器、周辺設備、システムインテグレーションの費用は別途必要です。加えて、月額課金型のRaaSという調達モデルが広がっており、ある調査では2025年の導入の60.30%を占めるとされています。初期投資を抑えたい場合はRaaSも選択肢に入りますが、解約条件と契約通貨の確認は事前に済ませてください。

ピースピッキングロボットはどんな商品に向いていますか

硬く形が変わらない剛体品に向いています。AIビジョンによる剛体アイテムのピック精度は95%以上に達するとされる一方、袋物のような変形しやすい商品では75〜80%にとどまるとされています。また、商品がバラ積みされた状態からのピッキングでは、新規・未知の物体に対する把持成功率は80%台半ばから90%台前半が現状水準とされ、山積みの大半が隠れてしまうオクルージョンが主要なボトルネックとされています。剛体品で、整列供給が可能で、品目が安定している工程から着手するのが定石です。

ロボットハンドはどう選定すればよいですか

ハンドのカタログから選ぶのではなく、対象商品の物性と供給状態を確定させてから逆算してください。硬く平滑な面を持つ商品であれば吸着方式が第一候補になり、表面が粗い商品や不定形品では挟む方式や専用治具が必要になります。複数方式を切り替える構成も可能ですが、切り替え時間がスループットを削るため、400〜600個/時間という一般的な処理能力の目安がそのまま出るとは考えないほうが安全です。品目の入れ替えが頻繁な現場では、専用ハンドを作り込むほど再投資が発生する点にも注意が必要です。

人手のままでも改善できる場合はありますか

あります。出荷点数の増加が緩やかで、指示ミスや検品漏れのほうが課題になっているなら、人が拾う体制を維持したまま指示と検品の仕組みを整えるほうが投資対効果は高くなります。その場合はピッキングシステムの選び方(DPS/DAS)が参考になります。ロボット化は、供給状態を整えられる工程があり、かつ人員確保が構造的に難しいという条件がそろったときに効いてきます。

タイでも導入できますか

技術的には可能ですが、タイ国内の具体的な導入事例については今回の調査では一次情報を確認できておらず、断定的にお伝えすることはできません。判断軸そのものは国を問わず共通で、剛体品が中心で供給状態を整えられ、SKUが安定している工程から着手するという順序は同じです。タイ固有の事情としては、EC市場の拡大で個品出荷が増えていること、賃金水準そのものより人材確保の難しさが投資判断の主因になりやすいこと、RaaS契約が多くUSD建てになるため為替の前提を稟議に明記しておく必要があることが挙げられます。

まとめ

ピッキングロボットの導入判断は、掴む技術の優劣を比べることからは始まりません。決め手になるのは、対象商品が剛体品か変形品か、供給状態がバラ積みか整列供給か、そしてSKU構成がどれだけの頻度で変わるかという3点です。剛体品で95%以上、変形品で75〜80%という精度差は技術の未熟さではなく設計判断の結果であり、どの商品群を対象に選ぶかで最初から決まります。まずは自社の出荷品目を剛体品と変形品に仕分け、出荷点数の上位品目に剛体品がどれだけ含まれているかを数え、そこを対象工程として切り出す。処理能力は400〜600個/時間を目安に必要台数を概算し、取り損ねが起きたときの復旧手順とSKU入れ替え時の再設定担当を先に決める。この順序を踏めば、全量自動化を前提にした実現困難な要求仕様を書かずに済みます。

当社ではタイの日系製造業向けに生産管理やエネルギー管理などの現場ソリューションを提供する中で、「自社のどの工程がロボット化に向いているのか」「人手のまま仕組みで改善すべきか、ロボットに置き換えるべきか」といった切り分けのご相談をいただくことがあります。まだ具体的な機種選定の段階に至っていない、対象工程の棚卸しから整理したいという段階でも構いません。ご相談はお問い合わせページからお気軽にどうぞ。

参考情報

• About Amazon — Amazon Vulcan robot pick and stow with touch
• IEEE Spectrum — Amazon Robotics Vulcan Warehouse Picking
• Mordor Intelligence — Piece Picking Robots Market
• Mordor Intelligence — South East Asia Warehouse Automation Market
• Siemens — Robotic Picking System and Method
• AMD Machines — AI Vision Enables Random Bin Picking at Scale
• Kardex — Berkshire Grey Announces Formal Partnership with Kardex
• The Robot Report — Dexterity Picks Up 95M Funding for Container Unloading Robots
• Dematic — Robotics Solutions
• RoboDK — The Essential Guide to Robotic Palletizing
• Thairath — Thailand Labour Market Interview
• Thai Law Online — Minimum Wage in Thailand
• Value Chain Asia — Asia Warehouse Labour Shortage 2026
• GotPaid Asia — State of Payroll Southeast Asia 2026
• Digital in Asia — Thailand Digital Market Overview 2026