2025年10月– date –
-
リーダーのための工場改善図解：Factory Physics入門② T0・rb・W0の測り方
この記事の概要 Factory Physicsの3本曲線を使いこなすには、まず「T₀・r_b・W₀」を測ることから。加工時間・ボトルネック能力・理想仕掛品量を数値化すれば、工場の“現在地”が見えてくる。 本文ダイジェスト T₀は「純加工時間」──待ちや段取りを除いた、... -
リーダーのための工場改善図解：Factory Physics入門① 3本の基準曲線だけ覚えよう
この記事の概要 仕掛品・リードタイム・スループットの関係は、たった3本の曲線で説明できる。Factory Physicsが示す“best・worst・pwc”の基準で、工場の現在地を見える化しよう。 本文ダイジェスト 仕掛品が多すぎても少なすぎても問題──この永遠の課題を... -
リーダーのための工場改善図解：仕掛品の最適水準を決めるシンプルな法則
この記事の概要 仕掛品の最適水準は“勘”ではなく“法則”で決める。リトルの法則が、WIP・スループット・リードタイムの関係をシンプルに示します。 本文ダイジェスト 仕掛品が多すぎると資金を圧迫し、少なすぎると納期遅れ──その最適点を導くのが「リトル... -
リーダーのための工場改善図解：世界一簡単な仕掛品管理「CONWIP」とは？
この記事の概要 現場改善の原点は“仕掛数を一定に保つ”こと。世界一シンプルな仕掛品管理「CONWIP」が、在庫とリードタイムの悩みを一気に解決します。 本文ダイジェスト 複雑なカンバンやシステムを導入せずとも、出荷数をカウントして翌日に同数を投入す... -
データで磨く、あなたのお店：「最適棚陳列ミニシリーズ」第3回（最終回）Pythonで棚配分を最適化してみよう
この記事の概要 Pythonで「棚配分の最適解」を探す。AIが全通りを試し、粗利最大化のシミュレーションを実現。 本文ダイジェスト 5商品×10フェースをAIが総当たりで探索し、粗利最大化の配分を算出。最適解では「機能性ドリンク」を5フェースに拡大し、粗... -
データで磨く、あなたのお店：「最適棚陳列ミニシリーズ」第2回 《簡易試算編》
この記事の概要 棚の幅を変えるだけで利益は動く。Excelで試せる「1フェースあたり粗利」分析で、売場を数字で磨く。 本文ダイジェスト POSデータを使って、棚の“稼ぎ効率”を3つの指標で見直す方法を紹介。販売数・売価・原価から「1フェースあたり粗利」... -
データで磨く、あなたのお店：「最適棚陳列ミニシリーズ」第1回（考え方編）
この記事の概要 売上を左右するのは商品だけではありません。「棚の幅」も、利益と購買行動を決める経営資源です。 本文ダイジェスト 棚を“限られた資源”と捉え、データで配分を最適化する考え方を紹介。フェースを増やしても効果は逓減する――この実感を「... -
データで磨く、あなたのお店：数字から人の姿へ：ターゲット顧客像を描くステップ
この記事の概要 数字で商圏を描いたら、次は「誰に届けるか」を考える段階へ。データを“人の姿”に変換して、ターゲット顧客像を描く方法を紹介します。 本文ダイジェスト 250mメッシュで得たデータを、年齢・世帯・交通手段などで整理。数字を組み合わせて... -
データで磨く、あなたのお店：数字で商圏を描く！jSTAT MAP活用の4ステップ
この記事の概要 「お店の商圏」を感覚ではなく、地図と数字で描く。jSTAT MAPなら、無料で“リアルな生活圏”がわかります。 本文ダイジェスト 総務省の「jSTAT MAP」を使えば、登録不要で商圏分析が可能。250mメッシュ単位で人口や年齢層を地図上に表示でき... -
データで磨く、あなたのお店：250mメッシュでここまで分かる：5歳階級・就業/在学・交通手段・外国人まで
この記事の概要 250mメッシュのデータを掘り下げると、年齢層・働き方・交通手段まで“暮らしの実像”が見えてきます。 本文ダイジェスト 「5歳階級」や「世帯構成」から、地域の年齢層や家族の形が把握できる。就業・通学・交通手段の情報を組み合わせれば...
