倉庫管理システムの必要機能や標準機能の一覧について

倉庫管理システム（WMS）の導入を検討するとき、最初の壁になるのが「結局、倉庫管理システムにはどんな機能があり、自社には何が必要なのか」が見えにくいことです。製品サイトには入出荷管理・在庫管理・ピッキングといった機能名が並びますが、それぞれが現場のどの作業をどう支えるのか、標準機能でどこまでカバーでき、自社固有の業務はどこから作り込みが必要になるのか、という肝心の部分が分かりにくいまま検討が進みがちです。機能の役割を正しく理解することが、過不足のない選定と要件整理の出発点になります。

本記事は、倉庫管理システムの必要機能・標準機能を、発注企業の視点から体系的に整理する「機能特化」の解説です。入出荷管理・ロケーション管理・ピッキング・ロット/賞味期限管理といった基幹機能から、AIスロッティング・AI画像検品・OCR・需要予測・バース予約といった先端機能、さらにERPやマテハン機器との連携機能まで、それぞれが提供する役割とカバー範囲を具体的に解説します。読み終えるころには、自社に必要な機能の優先順位が描けるはずです。なお、倉庫管理システム全体の費用や選び方をまだ把握していない方は、まず倉庫管理システムの完全ガイドから読むことをおすすめします。

▼全体ガイドの記事
・倉庫管理システムの完全ガイド

入出荷・在庫管理という基幹機能

倉庫管理システムの中核を担うのが、入荷・出荷・在庫の三つを一気通貫で管理する基幹機能です。これらは倉庫の血流にあたる部分で、どんなWMSにも標準で備わります。ここがリアルタイムかつ正確に動くことで、情物一致（帳簿在庫と現物在庫の一致）が保たれ、その上に検品やピッキングなどの機能が乗ります。まずこの基幹機能の役割を押さえることが、機能比較の土台になります。

入荷管理は、仕入先や工場から届いた商品を倉庫に受け入れる工程を支えます。発注データや入荷予定（ASN）と照合し、届いた商品の品目・数量・ロットをハンディでスキャンして検品し、差異があればその場で検知します。続く棚入れでは、システムが保管すべきロケーションを指示し、作業者は迷わず格納できます。入荷の段階で正確にデータ化されることが、以降のすべての在庫精度の前提になるため、入荷検品の機能は倉庫管理システムの要と言えます。

標準機能でカバーできるのは、バーコードによる照合と数量チェックまでが一般的です。一方、外観の良否判定や品種の自動識別までは、後述するAI画像検品など追加機能の領域になります。自社の入荷検品が「数量を数えれば済む」のか「外観や品質まで見る必要がある」のかで、必要な機能の深さが変わります。この見極めを誤ると、標準機能では現場の検品が回らない、という導入後のギャップにつながります。

入荷予定（ASN）との突合機能も、検品の効率を大きく左右します。仕入先から事前に送られる入荷予定データとハンディのスキャン結果を自動照合できれば、品目や数量の差異をその場で検知でき、入荷検収の時間を短縮できます。ASN連携の有無は製品によって差があるため、仕入先との電子データ連携が見込める倉庫では、機能評価の重要な観点になります。入荷の精度が、その後の在庫・出荷のすべての精度を決める起点であることを忘れてはいけません。

在庫管理機能は、リアルタイムで在庫数を把握し、受注に対して在庫を引き当てる役割を担います。引き当てとは、ある注文に対して「どのロット・どのロケーションの在庫を割り当てるか」を決める処理です。先入れ先出し（FIFO）や賞味期限の早い順を自動で適用できれば、古い在庫の滞留や期限切れによる廃棄を防げます。出荷指示では、引き当て結果をもとにピッキングリストを生成し、作業者へ指示を出します。

この在庫引き当ての精度が、欠品や過剰受注を左右します。在庫がリアルタイムに更新されず、注文を受けた時点の在庫が実態とずれていると、引き当てたはずの在庫が現物にない、という事故が起きます。出荷件数が多い倉庫では、この引き当てロジックをどう設計するかが現場の安定稼働を決めます。標準機能の引き当てルールが自社の運用に合うか、合わない場合にどこまでカスタマイズできるかを、機能評価の重要な観点として確認すべきです。

在庫管理機能のもう一つの柱が、棚卸しと在庫照会です。棚卸しは、現物在庫とシステム在庫を突き合わせて差異を確認する作業で、ハンディでスキャンしながら数えることで、紙の棚卸し表に比べて時間と誤差を大きく削減できます。一部のロケーションを日々少しずつ棚卸しする循環棚卸しに対応していれば、業務を止めずに在庫精度を維持できます。在庫照会機能は、品目・ロケーション・ロット・期限などの条件で在庫を瞬時に検索でき、問い合わせ対応や引き当ての判断を支えます。

これらの機能の充実度は、日々の運用負荷に直結します。棚卸しに何日もかかる、在庫を調べるのに時間がかかる、という状態では、せっかくWMSを入れても現場の手間は減りません。標準機能でどこまでの棚卸し方式に対応し、在庫照会がどれだけ柔軟かは、製品比較で必ず確認したい観点です。とくに多品種・多ロケーションの倉庫ほど、棚卸しと在庫照会の使い勝手が、運用の快適さを左右します。

ロケーション管理とピッキング機能

倉庫の生産性をもっとも大きく左右するのが、ロケーション管理とピッキングの機能です。広い倉庫で商品をどこに置き、どの順番で取りに行くかを最適化できれば、作業者の歩行距離が縮まり、同じ人数でも処理量が伸びます。ここは標準機能と先端機能の差が出やすい領域でもあり、自社の物量と作業特性に合わせた見極めが必要です。

ロケーション管理には、商品ごとに保管場所を固定する「固定ロケーション」と、空いた場所に随時格納する「フリーロケーション」があります。固定は分かりやすい反面、空間効率が落ちやすく、フリーは効率が良い反面、システムでの管理が前提になります。多くのWMSは両方に対応し、商品特性に応じたハイブリッド運用ができます。製品サイトでは「フリー/固定対応」と一行で書かれがちですが、自社にとってどう使い分けるかの運用設計こそが、機能を活かす鍵になります。

さらに一歩進んだのがAIスロッティングです。これは出荷頻度のデータをもとに、AIが「どの商品をどのロケーションに置くと取り出しやすいか」を提案する機能です。出荷の多い商品を作業動線の手前に集約することで、ピッキングの歩行距離を体系的に削減できます。固定・フリーの単純な選択にとどまらず、データドリブンで保管場所を継続的に最適化できる点が、AIスロッティングが競合との差別化要素になりやすい理由です。繁忙期の処理能力を底上げしたい倉庫ほど、この機能の有無は重要になります。

ピッキング機能は、出荷指示にもとづいて商品を集める作業を支援します。注文ごとに集める「シングル（オーダー）ピッキング」、複数注文をまとめて集めてから仕分ける「トータル（種まき）ピッキング」、棚から取り出す「摘み取り方式」など、複数の方式に対応するのが一般的です。出荷の特性（少量多品種か、大量少品種か）によって最適な方式は変わるため、WMSが複数方式に対応し、状況に応じて切り替えられることが望ましいと言えます。

ピッキングの精度を支えるのが、ハンディによるスキャン検証です。指示されたロケーションと商品のバーコードを読み、合致しなければ警告が出る仕組みが、誤ピックを構造的に防ぎます。さらにピッキングロボットやAGV（無人搬送車）と連携すれば、人が歩かずに商品が運ばれてくる搬送自動化も可能です。ただしロボット連携は1,000〜3,000万円以上の投資を伴うため、まずは人によるハンディピッキングの精度を高め、物量の拡大に応じて自動化を検討する段階的なアプローチが現実的です。

ロット・賞味期限とAI・先端機能

業種によって必要性が大きく変わるのが、ロット・賞味期限管理とAI系の先端機能です。食品や医薬品を扱う倉庫では前者が必須要件になり、人手不足やEC物流の倉庫では後者が処理能力の決め手になります。これらは「あれば便利」ではなく、自社の業種・課題によっては「ないと業務が成立しない」機能なので、優先順位を正しく置くことが重要です。

ロット管理は、製造ロットや入荷ロット単位で在庫を区別して管理する機能です。賞味期限管理と組み合わせることで、期限の早いロットから出荷する先入れ先出しを自動化し、期限切れによる廃棄を抑えます。食品・飲料・医薬品・化粧品といった業種では、これがなければそもそも法令や品質基準を満たせません。さらに、どのロットがどの出荷先に渡ったかを追跡できるトレーサビリティ機能は、万一の回収（リコール）時に対象を素早く特定するために不可欠です。

これらの機能は標準で持つWMSも多いものの、業種特有のルール（同一ロット内での細かな区分、複数の期限種別、出荷可否判定の閾値など）まで作り込もうとすると、カスタマイズが必要になることがあります。カスタマイズ規模の目安は、軽微で10〜50万円、中程度で50〜200万円、大規模で500〜1,000万円以上です。自社のロット・期限管理がどこまで複雑かを棚卸しし、標準機能で足りるか作り込みが要るかを早期に見極めることが、費用見積りの精度を高めます。

AI系の先端機能は、人手不足を補い処理能力を引き上げます。AI画像検品は、カメラ画像から商品の照合や良否判定を自動化する機能で、NTTロジスコの事例では検品工程の生産性を60%向上させています。OCR（文字認識）は、紙の伝票や納品書を自動でデータ化し、入力工数を削減します。需要予測は、過去の出荷データから将来の需要を予測し、適正在庫の維持や繁忙期の人員計画に活かします。これらはRPAと組み合わせると効果が大きく、LOGILESSの事例では全注文の約90%を自動出荷しています。

注意したいのは、AI機能は導入すれば自動で成果が出るわけではない点です。AI検品なら学習用の画像データ、需要予測なら一定期間の出荷実績データが必要で、運用しながら精度を高めていく前提があります。製品の機能一覧に「AI対応」とあっても、自社のデータ量や品目特性で実用的な精度が出るかはPoC（概念実証）で確かめるべきです。先端機能は差別化の源泉であると同時に、過大な期待で導入すると失望につながりやすいため、効果を見極めながら段階的に取り入れるのが賢明です。

外部システム・マテハン連携の機能

倉庫管理システムは単独で完結するものではなく、ERPやOMS、EC、配送会社、そして倉庫内の自動化機器とつながって初めて真価を発揮します。連携機能の充実度が、WMS導入の投資効果を大きく左右します。ここでは「業務システムとの連携」と「マテハン機器との連携」という二つの方向を押さえておく必要があります。

業務システムとの連携機能は、受注から出荷までのデータを途切れさせないために重要です。ERP（基幹）とは在庫・出荷・入荷の実績を、OMS（受注管理）とは注文データを、ECやモールとは受注・在庫数を、配送会社とは送り状データをやり取りします。連携の手段はAPIやCSV、ファイル連携などがあり、WMSがどの方式に対応しているかで実装の難易度と費用が変わります。連携費用の目安は、基幹（会計・販売）で100〜500万円、ECモール1モールで20〜100万円、配送会社1社で30〜80万円です。

とくに在庫数の連携は、WMS（倉庫＝モノ）とOMS（受注＝注文）の役割分担を理解したうえで設計する必要があります。両者の在庫情報の同期にタイムラグがあると、ECでは在庫ありと表示されているのに実際は欠品している、という売り越しが起こります。一体型（WMS+OMS）にするか、それぞれを選んでAPI連携するかは、機能の選定そのものと密接に関わる論点です。連携機能を「おまけ」ではなく主要な評価軸として扱うことが、導入後のトラブルを防ぎます。

マテハン（物流機器）連携は、自動倉庫やコンベア、AGV、ピッキングロボットといった機器とWMSをつなぐ機能です。ここで理解しておきたいのが、WMS・WCS・WESの役割の違いです。WMSが在庫や作業の「管理」を担うのに対し、WCS（倉庫制御システム）は機器を「制御」し、WES（倉庫実行システム）は両者をつないで作業の「実行」を最適化します。マテハン連携の費用は、ハンディ接続で50〜500万円、自動倉庫やオートピッカー（WCS制御）で500〜1,000万円、AGVやロボットで1,000〜3,000万円以上が目安です。

もう一つ、近年重視されるのがバース予約（トラックの入出庫時間の事前予約）機能です。改正物流効率化法を背景に、トラックの荷待ち時間の削減が物流業界全体の課題になっており、バース予約でトラックの到着時間を平準化することが求められています。WMSとバース管理を連動させれば、入荷作業の計画が立てやすくなり、ドライバーの荷待ちも減らせます。連携機能の評価では、業務システムとマテハン機器の両方に加え、こうした周辺業務の機能までカバー範囲を見ておくと、将来の拡張で困りにくくなります。

3PL（物流アウトソーシング）事業者にとって重要なのが、複数荷主・複数拠点を一元管理する機能です。同じ倉庫内の在庫を荷主単位で論理的に区切り、荷主ごとに在庫照会・入出庫指示・帳票出力・請求計算を行えるようにします。荷主ごとに料金体系や作業ルールが異なるため、それらを柔軟に設定できることが3PL向けWMSの要件になります。はぴロジのように累計2,000社超・連携倉庫200拠点超・累計出荷1.5億件超という規模で多数の荷主と倉庫をつなぐサービスもあり、この機能の充実度が3PLの競争力を左右します。

複数荷主管理で見落とせないのが、荷主ごとのデータ分離（あるテナントの在庫が別のテナントに見えない制御）と、荷主別の請求・実績レポート機能です。荷主は委託先に「自社の在庫状況をリアルタイムに見たい」「月次の作業実績や保管料を明細で把握したい」と求めます。これに応えるWMSを持つ3PLは、荷主に対する透明性を武器に新規受注を獲得できます。複数荷主・複数拠点対応は、現場効率だけでなく営業力にも直結する機能だと捉えるべきです。

まとめ

倉庫管理システムの機能は、入出荷・在庫管理という基幹機能を土台に、ロケーション管理とピッキング、ロット・賞味期限管理、AI画像検品・OCR・需要予測といった先端機能、そしてERP・OMS・ECやマテハン機器との連携機能という層構造で理解すると整理しやすくなります。標準機能でどこまでカバーでき、自社固有の業務がどこから作り込み（軽微10〜50万、中程度50〜200万、大規模500〜1,000万円以上）になるのかを見極めることが、過不足のない選定の鍵です。AIスロッティングやAI検品（生産性60%向上）、RPA自動出荷（約90%自動化）といった機能は、自社の課題に合えば大きな差別化要素になります。

機能を比較するときに大切なのは、機能名の多さではなく「自社のどの作業を、どの機能が、どこまで支えるか」という対応づけです。業種・物量・課題に照らして必要機能の優先順位を付け、標準機能とカスタマイズの境界を早期に定めることが、見積りの精度と導入後の満足度を高めます。riplaはフルスクラッチ受託と国内開発の立場から、業務から逆算した機能要件の整理と、標準機能を活かしつつ固有業務だけを作り込む進め方を支援します。全体像の確認には、あらためて完全ガイドをご活用ください。

株式会社riplaでは、IT事業会社出身のプロフェッショナルが「Impact-Driven型支援」を通じて、プロダクトやシステムの納品・提供を目的とせず、お客様と同じ目線で、事業成果の達成をゴールとして、高品質なDX/開発支援をいたします。

また、弊社独自の開発テンプレート「Boxシリーズ」による標準機能の高速開発と、AI駆動開発の独自フレームワーク「GoDD」による独自機能のAI実装を組み合わせることで、低コスト・短期間で開発を実現いたします。

もし、システム開発やプロダクト開発に関するご要望がございましたら、お気軽にお問い合わせください。

株式会社riplaの会社HPはこちら

・サービス概要資料のURLはこちら >>>
・お問合せページのURLはこちら >>>
・お役立ち資料のURLはこちら >>>

執筆者プロフィール

張田谷凌央

株式会社ripla 代表取締役CEOとして、システムパッケージ活用、システム開発、データ分析、生成AI活用、SaaS開発、アプリ開発、EC構築など、幅広い領域で企業のDX推進と事業成長を支援している。IT事業会社出身のプロフェッショナルが集う株式会社riplaにおいて、「Impact-Driven型支援」を掲げ、単なるシステム納品にとどまらず、クライアントと同じ目線で事業成果の実現に向けた伴走支援を行う。早稲田大学卒業後、ラクスル株式会社、LINEヤフー株式会社にて事業開発やDX推進などに従事した後、株式会社riplaを創業。