WMS 全般解説
― 倉庫管理システムの機能・選定と主要ベンダー比較 ―
機能体系 ／ 導入タイプ ／ Manhattan・Blue Yonder・SAP・Oracle・Körber 他
2026年7月
本資料は、倉庫管理システム（WMS）全般について、その役割・主要機能・導入タイプ・選定基準を整理し、主要ベンダー（Manhattan Associates・Blue Yonder・SAP EWM・Oracle・Körber(Infios)・Infor 他）を横断比較する。WMS導入・刷新を検討するSCM／物流／IT企画の実務者を主な読者に想定している。
第一章 WMSとは何か
WMS（Warehouse Management System：倉庫管理システム）は、入荷から格納・保管・ピッキング・出荷までの倉庫内オペレーションを管理・最適化するシステムである。ERP・OMS（受注管理）・TMS（輸送管理）と連携し、「モノがどこに・どれだけ・どの状態であるか」をリアルタイムに把握して作業を指示する。
| システム | 役割 | WMSとの関係 |
|---|---|---|
| ERP | 受発注・在庫・会計の基幹 | WMSへ出荷指示、WMSから在庫実績を受領 |
| OMS | 受注・在庫引当・チャネル横断 | 出荷オーダーをWMSへ連携 |
| WMS | 倉庫内作業の管理・最適化 | 格納/ピッキング/出荷を指示・実績管理 |
| WCS/MFS | 自動設備の制御 | WMSの指示を設備動作へ変換（EWMはMFSで統合可） |
| TMS | 輸配送の計画・実行 | WMSの出荷とドッキング・積付を連携 |
第二章 WMSの主要機能 ― 何ができるか（詳細）
・入荷・格納（Receiving / Putaway）：ASN照合・検品・格納戦略に基づく最適棚配置
・在庫管理：棚・ロット・シリアル・HU単位のリアルタイム在庫、循環棚卸、トレーサビリティ
・ピッキング・出荷：ウェーブ／バッチ／ゾーンピッキング、梱包、出荷検品、ラベル発行
・労務管理（Labor Management）：標準作業時間・生産性計測・要員計画
・スロッティング：出荷頻度に基づく最適棚配置の設計・再配置
・自動化制御：AS/RS・コンベア・ソーター・AGV/AMR・GTPロボットの連携（WCS/MFS）
・付加価値サービス（VAS）：キッティング・ラベリング・組立等の倉庫内加工
・可視化・分析：KPI（生産性・精度・スループット・OTIF）ダッシュボード
2-1 入荷・格納（Inbound）
・入荷予定（ASN）照合：事前出荷通知や発注と入荷実績を突合し、数量・品目・ロットの差異を検出
・検品・受入：数量検品・品質検査（QM連携）・破損チェック。合否で格納/保留を分岐
・格納戦略（Putaway Strategy）：品目特性・棚の空き・温度帯・回転率に基づき最適な棚を自動決定（固定ロケーション/自由ロケーション/近接格納 等）
・入荷時のHU生成：パレット・ケース単位でハンドリングユニットを採番し、以降の在庫・移動を荷姿単位で管理
・クロスドッキング：入荷品を保管せず出荷へ直結し、保管コストとリードタイムを削減
2-2 在庫管理・棚卸
・リアルタイム在庫：棚・HU・ロット・シリアル・品質ステータス単位で在庫を即時把握
・在庫移動・棚移動：内部移動・補充（Replenishment）・保管タイプ間移動を作業指示で制御
・棚卸：循環棚卸（サイクルカウント）・一斉棚卸。差異の記録と会計調整
・トレーサビリティ：ロット/シリアル/賞味期限（FEFO）による追跡とリコール対応
2-3 ピッキング・出荷（Outbound）
・ウェーブ／バッチ／ゾーン／マルチオーダーピッキング：出荷オーダーを束ね、動線とリソースを最適化
・ピッキング戦略：FEFO/FIFO・最短動線・一括摘み取り（トータルピック）・種まき（仕分け）方式
・ピッキング支援：RFハンディ・音声（Pick-by-Voice）・ピッキングカート・Pick-to-Light/Put-to-Light
・梱包・出荷検品：梱包（パッキング）・重量/寸法チェック・出荷ラベル/納品書発行・積付
・出荷・ドッキング：出荷ドア割当・トラック積込・TMS/輸送との連携
2-4 返品・付加価値・その他プロセス
・返品処理（Returns）：返品受入・検査・再入庫/廃棄判定。ECのリバースロジスティクスで重要
・付加価値サービス（VAS）：ラベリング・キッティング・組立・詰め替え等の倉庫内加工
・デコンソリデーション：混載HUを出荷先別に仕分け直す
・ヤード管理：構内のトレーラー・車両・ドックの配置と移動
・課金（Billing）：3PL向けに保管・作業量に応じた倉庫サービス課金
2-5 労務・スロッティング・自動化制御
・労務管理（Labor Management）：標準作業時間の設定・実績計測・生産性分析・要員配置計画・インセンティブ
・スロッティング：出荷頻度（ABC）・重量・サイズに基づく最適棚配置の設計と定期的な再配置
・自動化制御：AS/RS・コンベア・ソーター・AGV/AMR・GTP（Goods-to-Person）ロボットの連携。WCS/WES/MFSで設備を制御
・マテハン機器統合：DPS（デジタルピッキング）・自動梱包機・重量検品機との接続
2-6 可視化・分析・管理
・KPIダッシュボード：生産性（件/時）・出荷精度・在庫精度・スループット・OTIF・棚利用率
・作業モニタリング：進捗・遅延・例外をリアルタイム監視し、作業を動的に再配分
・AI/予測：需要連動の作業計画・スロッティング最適化・異常検知・繁忙予測
💡 WMSの機能は「入荷→格納→保管→ピッキング→出荷」という物流の流れに沿って理解すると整理しやすい。差がつくのは、この基本の上に載る「労務管理・スロッティング・自動化制御・分析」であり、倉庫の規模・自動化度が上がるほどこれらの巧拙が生産性を左右する。
第三章 WMSの導入タイプと選択
3-1 ERP内蔵型 vs ベストオブブリード
・ERP内蔵型（例：SAP EWM、Oracle WMS）：基幹と密連携。マスタ・在庫の整合が容易。ERPと同一ベンダーで運用を簡素化
・ベストオブブリード（例：Manhattan、Blue Yonder、Körber）：WMS専業の高度機能・自動化対応。ERP非依存で複数ERP環境に強い
3-2 クラウド vs オンプレ、規模別（Tier）
・クラウド（SaaS）：導入速度・アップデート・拡張性に優れる。近年の主流（Manhattan Active、Blue Yonder Luminate等）
・Tier別：Tier1＝大規模・高度自動化（Manhattan/BY/SAP/Oracle）、Tier2＝中規模、Tier3＝小規模・軽量。規模と複雑性で選ぶ
第四章 主要WMSベンダー比較
WMS市場は成熟し、Gartnerの2025年 Magic Quadrant では80社超を評価し17社が掲載された。SAPは12年連続、Oracleは10年連続でLeaderに選出されている。主要ベンダーの特徴を整理する。
| ベンダー / 製品 | タイプ | 強み | 主な適性 |
|---|---|---|---|
| Manhattan Associates (Manhattan Active WM) |
専業・クラウド | 機能の深さ・オムニチャネル・自動化。長年トップLeaderのWMS専業最有力 | 大規模小売・3PL・EC・高度自動化 |
| Blue Yonder (Luminate WMS) |
専業・クラウド | SCM全体（計画〜実行）と一体。AI/ML | 小売・製造・3PL |
| SAP EWM | ERP内蔵/分散 | S/4HANAと密結合・MFSで自動化直接制御。Gartner 12年連続Leader | SAP基幹の製造・物流 |
| Oracle (Fusion Cloud WMS) |
ERP内蔵・クラウド | Oracle基幹と統合・クラウドネイティブ。Gartner 10年連続Leader | Oracle基幹の企業 |
| Körber (Infios) | 専業 | 幅広い規模対応・自動化・音声 | 製造・3PL・中〜大規模 |
| Infor (WMS/CloudSuite) | 専業/業種特化 | 業種別テンプレート・3D可視化 | 流通・製造・3PL |
| Softeon / Made4net / Tecsys | 専業 | 柔軟性・コスト・特定業種 | 中規模・特定業種 |
💡 ベンダー選定の勘所：SAP基幹ならEWM、Oracle基幹ならOracle WMSが統合面で有利。一方、複数ERP環境・高度な自動化・オムニチャネルが主要件なら、Manhattan・Blue Yonder・Körberといった専業のベストオブブリードが強い。「ERP親和性」と「WMS機能の深さ」のトレードオフが選定の中心軸となる。
第五章 WMS導入が適している企業
WMSはすべての企業に必要なわけではない。手作業やExcel・ERP標準在庫機能で回る規模なら過剰投資になりうる。一方、以下のシグナルが複数当てはまる企業は、WMS導入の投資対効果が高い。
5-1 WMS導入が向く企業のシグナル
・出荷量・SKU数が多い：日次出荷件数が多く、SKU数が数千〜数万規模で、人手・紙では在庫精度と生産性が限界
・在庫精度が低い：棚卸差異・誤出荷・欠品/過剰が慢性化し、原因が「どこに何があるか分からない」ことにある
・繁閑差・季節波動が大きい：ピーク時に人員が回らず、要員計画と作業最適化が必要
・オムニチャネル/EC：店舗・EC・卸で在庫を共有し、当日/翌日出荷・返品対応が求められる
・トレーサビリティ要件：ロット/シリアル/賞味期限（FEFO）・リコール対応が必須（食品・医薬・化学・自動車部品）
・倉庫自動化を進めたい：AS/RS・AMR・GTP・ソーター等の導入を計画し、制御基盤（WCS/MFS）が要る
・3PL/複数倉庫：複数拠点・複数荷主を標準プロセスで運営し、作業量課金や横断可視化が必要
・拡大・グローバル展開：拠点増設・海外展開で、属人運用でなく標準化されたオペレーションが要る
5-2 業種別に見る適合度
| 業種 | WMSが効く理由 | 特に重要な機能 |
|---|---|---|
| 小売・EC | 多SKU・オムニチャネル・当日出荷・大量返品 | ウェーブ/マルチオーダー・返品・在庫可視化 |
| 3PL・物流 | 複数荷主・作業量課金・拠点横断 | 課金・マルチクライアント・KPI可視化 |
| 食品・飲料 | 鮮度(FEFO)・ロット追跡・温度帯 | FEFO・ロット/賞味期限・温度管理 |
| 医薬・医療機器 | 規制・シリアル・トレーサビリティ | シリアル管理・GxP・監査証跡 |
| 製造（部品/完成品） | 生産供給・入出荷同期・多品種 | 生産連携・かんばん補充・クロスドック |
| 自動車部品/補修 | 多品種少量・供給責任・保守部品 | 多階層在庫・RF自動化・供給精度 |
5-3 規模別の目安（Tier）
・大規模・高度自動化（Tier1）：日次数万行以上・多拠点・自動化前提。Manhattan/Blue Yonder/SAP EWM/Oracle
・中規模（Tier2）：単一〜数拠点・中程度の自動化。Körber/Infor/中堅専業
・小規模（Tier3）：単一倉庫・軽量。クラウド軽量WMS、またはERP内蔵の簡易在庫（例：SAP Stock Room Management）
5-4 導入を急がない方がよいケース
・SKU・出荷量が少なく、ERP標準在庫や簡易ツールで在庫精度が保てている
・マスタ（品目・棚・ロケーション）が未整備で、まずデータ整備が先
・業務プロセスが固まっておらず、WMSに載せる標準作業が定義できていない
⚠ 前提条件：WMSは「整流化された倉庫」を高速化する道具であり、混沌をそのまま自動化する魔法ではない。ロケーション・棚・品目マスタの整備と、標準作業（入荷〜出荷）の設計を先に固めることが、導入成功の前提となる。
💡 判断の目安：「在庫精度・出荷精度・生産性のいずれかが人手/Excel/ERP標準で限界に来ている」かつ「SKU数・出荷量・拠点数・自動化計画のどれかが拡大している」なら、WMS導入の投資対効果は高い。
第六章 WMS選定の基準
WMS選定は「機能の網羅性」だけで決めると失敗する。自社の要件を軸に、評価軸ごとに重み付けして比較することが重要である。以下では、選定プロセス・主要評価軸・要件定義の勘所・失敗回避を体系的に示す。
6-1 選定プロセス（RFP〜PoC）
① 要件定義：出荷量・SKU数・拠点・自動化計画・オムニチャネル・トレーサビリティ要件を数値化し、Must/Wantで整理
② ロングリスト：ERP親和性・規模(Tier)・業種適合で候補を絞る
③ RFP／デモ：主要ユースケース（繁忙期ピッキング・返品・自動化連携）でシナリオデモを要求
④ PoC／適合度検証：自社の実データ・実業務でフィット&ギャップを確認（アドオン量＝カスタマイズ量を見極める）
⑤ TCO評価・最終選定：ライセンス＋実装＋保守＋自動化投資の5年TCOと、拡張性・サポート体制で決定
6-2 主要な評価軸（重み付けして比較）
| 評価軸 | 見るべきポイント | 重くなる企業 |
|---|---|---|
| 機能適合 | 標準機能でどこまで賄えるか（アドオン量が少ないほど良い） | 業務が特殊な企業 |
| 規模・スループット | 日次出荷行数・SKU数・ピーク変動への耐性(Tier) | 大規模・繁閑差大 |
| 自動化対応 | AS/RS・AMR・GTP・ソーター連携、WCS/WES/MFS統合の深さ | 自動化投資を計画 |
| ERP親和性 | 既存ERP（SAP/Oracle等）との統合コスト・マスタ整合 | 単一ERP志向 |
| クラウド/展開 | SaaSの拡張性・アップデート・多拠点/多言語/多通貨展開 | グローバル・拡大 |
| オムニチャネル | 店舗/EC/卸横断の在庫可視化・引当・返品 | 小売・EC |
| 拡張性・API | 外部連携・ロボ/機器接続の容易さ、開発の柔軟性 | エコシステム重視 |
| サポート/実績 | ベンダー/パートナーの実装体制・業種実績・ロードマップ | 長期運用重視 |
| TCO | 導入・保守・アップグレード・自動化を含む総保有コスト | コスト厳格 |
6-3 要件定義の勘所
・ピーク基準で見る：平均でなく繁忙期のピーク出荷量・作業者数に耐えるかで規模を判断
・自動化ロードマップを織り込む：将来AS/RS・AMRを入れるなら、WCS/MFS統合の深いWMSを最初から選ぶ
・カスタマイズ最小化：標準で賄える製品を選び、アドオンを抑える（アップグレード負債の回避）
・マスタとプロセスの整備状況：WMSは整流化された倉庫を高速化する道具。マスタ未整備なら整備を先行
6-4 失敗を避けるための注意点
⚠ ありがちな失敗：①機能の多さで選び現場に定着しない、②将来の自動化を考えず後で統合に苦しむ、③過剰カスタマイズでアップグレード不能、④マスタ未整備のまま導入し精度が上がらない、⑤ピーク耐性を見誤る。いずれも「要件定義とPoCの甘さ」に起因する。
💡 選定の本質は「最も機能が多い製品」ではなく「自社の要件・規模・ERP・自動化計画に最も適合し、標準で賄え、TCOが見合う製品」を選ぶこと。評価軸に重みを付け、PoCで実データ検証することが、後悔しない選定の鍵である。
第七章 自動化・AIのトレンド
WMSは「倉庫作業を記録・指示するシステム」から、「倉庫全体（人・ロボット・設備）をリアルタイムにオーケストレーションする基盤」へと進化している。近年の主要トレンドを整理する。
7-1 倉庫ロボティクスとGTP
・AMR（自律走行搬送）：人の動線を減らす搬送ロボ。棚搬送型（GTP＝Goods-to-Person）と協働型がある
・ピースピッキングロボ：AI画像認識で個品を掴む自動ピッキング。EC・多品種で普及が進む
・自動倉庫・AutoStore：高密度保管（キューブ型グリッド）で保管効率とピッキング速度を両立
・マルチベンダー統合：WMSが複数ベンダーのロボ・設備を統合制御する「オーケストレーション層」へ（標準API/ロボ統合基盤）
7-2 WMS×WES×WCSの統合（レイヤーの融合）
従来は、WMS（在庫・作業管理）／WES（作業実行・最適化）／WCS（設備制御）が別レイヤーだった。近年はこれらが融合し、1つの基盤で在庫・作業・設備を一体制御する方向にある。
| レイヤー | 役割 | 融合の方向 |
|---|---|---|
| WMS | 在庫・作業（タスク）管理 | 上位で全体を統括 |
| WES | 作業の実行最適化・波動制御 | WMSに取り込まれる傾向 |
| WCS/MFS | 自動設備の直接制御 | WMSが直接制御（例：SAP EWMのMFS） |
・効果：レイヤー削減による構成簡素化と、在庫・作業・設備のリアルタイム一体最適化
7-3 AI／機械学習の活用
・需要連動の作業計画：出荷予測に基づく要員配置・波動編成の最適化
・スロッティング最適化：出荷パターンを学習し、動線最短の棚配置を継続的に再設計
・ピッキング最適化：動線・混雑・優先度を考慮したタスク割当をAIが動的に決定
・異常検知・予測：遅延・欠品・設備トラブルの予兆検知と、繁忙予測による事前対策
・生成AIアシスタント：作業指示・問い合わせ・レポート作成の自然言語支援
7-4 クラウド化と「バージョンレス」運用
・SaaS/クラウドネイティブ：導入速度・拡張性・多拠点展開に優れ、近年の主流（Manhattan Active・Blue Yonder Luminate等）
・バージョンレス：継続的アップデートで常に最新機能を利用でき、大型アップグレードの負担を排除
・マイクロサービス/API：外部システム・ロボ・機器との疎結合な連携が容易に
7-5 サステナビリティ・可視性
・省エネ・CO2：動線短縮・積載最適化・設備制御によるエネルギー削減の可視化
・サプライチェーン可視性：WMSデータをコントロールタワー／デジタルツインへ連携し、在庫・出荷をE2Eで可視化
💡 トレンドの核心は「WMSが人・ロボット・設備を束ねるオーケストレーション基盤になる」こと。選定時は現在の機能だけでなく、ロボティクス統合・AI最適化・クラウド継続進化という"将来の伸びしろ"を評価軸に加えるべきである。
第八章 WMS領域のAI化 先進事例
本章は、WMS領域におけるAI活用の先進事例を、公開情報（ベンダー公式事例・導入企業発表・製品ドキュメント・学術論文）から整理する。現時点で最も成熟度が高くROIが見えやすいのは「ピッキング最適化」と「WMS-WCS-ロボットのオーケストレーション」であり、需要予測・在庫最適化は件数こそ少ないが効果が大きい。自然言語・異常検知・予知保全・強化学習は"実運用への入り口"段階にある。
8-1 ピッキング・ロボティクス（最も成熟・事例が多い）
| 企業／技術 | 主な効果 |
| Semir（Manhattan WMS） | ピッキング効率＋60%、フルフィルメント労務費▲40% |
| Eroski（AutoStore） | ピッキング効率＋400%（5倍）、必要スペース▲25% |
| Bergfreunde（AutoStore） | 45→175ピック/時、出荷LT<3時間、ROI約2年 |
| 虎の穴（AutoStore） | ピッキング効率＋70%（約1.6倍） |
| 東電物流（Mujin RCP） | ケース品取扱量の90%を自動化、ピッキング人員4→1人 |
| 日立 LogiRiSM | 仕分け業務の生産性を従来比約4倍 |
| Suning / Walmart深圳 / Sandman | 処理能力 3〜7倍 / 3.5倍 / ＋500% |
💡 AMR/ASRS系は「歩行削減・高密度保管・24時間運転」の効果が同時に出やすく、現場KPI（ピック/時・歩行距離）でROIを示しやすい。改善率は概ね1.6倍〜5倍のレンジに集中する。PoCの入口として最有力。
8-2 需要予測・在庫最適化（件数は少ないが効果大）
・Dole Food & Beverage（Blue Yonder）：在庫を40%削減しつつ、主要市場での充足率を95%以上へ改善
・サミット（日立のAI需要予測型自動発注）：全123店舗に適用、提案採用率95%で運用しつつ欠品改善・在庫低減
・McKinseyの整理：AIによる需要予測改善と在庫最適化で在庫水準を20〜30%削減し得る
8-3 画像認識・検品
・iSCAN / NEC：画像認識による検品。対象業務を限定しやすく、カメラ・学習データ・照明/撮影条件が揃えば短期間で効果確認しやすい（PoCの入口に好適）
8-4 オーケストレーション（WMS-WES-WCS-ロボットの統合）
・Blue Yonder Robotics Hub：ロボット接続を標準化。新規ベンダー接続時間▲50%、既存ベンダーの新拠点展開コスト▲60%。「書いた連携を他拠点へ再利用」
・Dematic：WMS/WES/WCSを一体化したソフトウェア層で予知保全とスループット最適化
・日立 LogiRiSM：WCS経由で全体優先度を動的に再計算し、マテハン全体をリアルタイム把握・予測・制御
8-5 自然言語・AIエージェント（実運用の入り口）
・Oracle WMS：Task Management Assistant（危険注文の識別・優先順位付け・タスク割当）、Inventory Expiry Assistant（期限在庫監視）を自然言語で
・SAP Joule：自然言語での入庫・出庫・タスク操作・棚卸をWMS操作に結びつけ始めている
⚠ 自然言語系の勘所：「何を質問できるか」より「どこまで自動実行させるか」が肝心。権限制御・承認フロー・監査ログ・誤操作時のロールバック設計がなければ現場導入は進まない。まずは問い合わせ・要約・検索を中心に使い、実行系は承認付きにするのが安全。
8-6 予知保全・強化学習・デジタルツイン（長期テーマ）
・SAP LE上の強化学習：合成取引データ30万件で95%のタスク最適化精度、処理時間▲60%を報告（学術）
・KION／NVIDIA／Accenture：デジタルツインを統合し、需要変動・在庫変動・レイアウト変化に合わせて倉庫ロボットを訓練
💡 強化学習・予知保全は、本番物流を止められない現場では「デジタルツイン/シミュレーションを本番前に挟む」ことが事実上の前提となる。
8-7 日本企業向け 実装ロードマップ
・短期：WMSのイベント粒度・在庫ロケーション精度・作業実績ログ・例外理由コードを整備し現場KPIの基準線を取る。PoCは「画像検品／需要予測型自動発注／ピッキング支援AMR・ASRS」に絞る
・中期：WMS-WCS-AMR/ASRSの標準連携化。個別ロボごとに都度カスタム連携を作らず、ロケーション・搬送タスク・例外イベント・優先度ルールをAPIで標準化
・長期：AIエージェント（自然言語で例外処理を高速化）→ 設備監視・予知保全 → デジタルツイン訓練 → 強化学習による動的スケジューリングへ段階拡張
8-8 最大のリスク ― 統合不足
成功事例の共通点は、AIを単独で入れず、WMSの業務設計・マスタ・例外処理・ロボット制御まで含めて設計していることである。
⚠ 統合が最大のボトルネック：Kardexの2025年調査では、75%が「統合を自動化効果の前提」と見なす一方、「完全統合済み」と答えたのは23%にとどまる。AMRだけ・画像AIだけ・生成AIチャットだけを先に入れても、WMS側の優先度ロジック・在庫ロケーション設計・WCS例外処理が古いままだと局所最適で止まる。
💡 実務で最も重要なのは「どのAIを入れるか」でなく「どのKPIを、どのデータで、どの運用変更で達成するか」を先に決めること。在庫削減ならDole/サミット型、歩行削減・処理能力なら Eroski/Bergfreunde/虎の穴/Mujin型、検品品質なら iSCAN/NEC型、全体制御の再利用性なら日立/Blue Yonder型、現場UIなら Oracle/SAP型、という目的起点の切り分けが有効。
第九章 結論 ― 選定ガイド
WMSは倉庫の生産性・精度・スループットを左右する中核システムであり、選定は「ERP親和性」と「機能の深さ・自動化対応」のバランスで決まる。SAP基幹の製造業ならEWM（MFSによる自動化統合が強み）、複数ERP・高度自動化・オムニチャネルが主要件なら専業のベストオブブリード（Manhattan／Blue Yonder／Körber）が有力である。
💡 最終メッセージ：WMS選定に唯一の正解はない。自社の規模・自動化度・ERP環境・オムニチャネル要件を要件表に落とし、Tier適合とTCOで比較すること。近年はクラウド化とロボティクス統合が進み、「WMS単体の機能」より「自動化・実行系まで含めた統合オーケストレーション能力」が競争軸になっている。
（本資料はWMSの一般方法論、2025年Gartner Magic Quadrant for WMS（SAP 12年連続・Oracle 10年連続Leader等）、各ベンダー公開情報に基づき作成。ベンダー位置づけは評価軸・時点により変動する。）