梱包伝票から主要項目をExcelに抽出する方法
サプライヤーごとにフォーマットが異なっていても

フォーマットの違いが従来の抽出を壊す理由 — 代わりに有効な方法

仕入先ごとに梱包伝票の形式は異なります。Graingerは左側に部品番号、右側にカートン数を配置した複数列テーブルを使用します。Fastenalは商品を縦に並べ、出荷ドックで手書きの注記を加えることがあります。Ulineのサーマル印刷にはテーブル構造が一切なく、アイテムコードが文の途中に埋め込まれたテキストの連続だけです。MSC Industrialは、出荷フィールドと請求フィールドが同じページに共存する複合請求書・梱包伝票に梱包情報を入れています。ある物流コーディネーターは日常業務をこう語ります。「毎回の注文で、誰かが手作業で梱包伝票を読み、PO番号、重量、カートン数、運送クラスを抽出してスプレッドシートに入力し、配送ラベルをサイズに合わせて切り取り、すべてを倉庫にメールで送る必要がありました。1日に何度も。毎日です。」

従来のOCR抽出は位置に依存するため、ここで失敗します。テンプレートは「PO番号」が上端から2.3インチ、左端から1.1インチの位置にあることを記録しますが、位置がずれると抽出は失敗します。仕入先ごとに1つのテンプレートが必要になります。さらに悪いことに、仕入先がレイアウトを変更した場合（通知なしに行われます）、テンプレートは静かに壊れ、数週間後に在庫差異が判明するまでエラーに気づきません。

代わりとなるのが意味ベース抽出です。人間の受領担当者が行うように文書を読み取ります。ピクセル座標を探すのではなく、「注文番号」を意味するテキストを、それがどこにあっても探します。これがAIベースの抽出の仕組みです。位置を記憶するのではなく、フィールドの意味を理解します。ImageToTable.aiでは、必要な列名を入力するだけで — 「PO番号」「SKU」「受領数量」「ロット番号」— AIがページ上のどこからでも各値を特定します。これはカラム名抽出と呼ばれます。入力したフィールド名が出力テーブルのヘッダーになり、AIは各フィールドが何を表すかを理解して値を列にマッチングさせます。前回の位置を記憶するのではありません。

受入業務で実際に重要なフィールド

梱包伝票には多くの情報が含まれています。その大半はスプレッドシートには不要です。成功するアプローチは選択的であることです。受入ワークフローを推進するフィールドのみを抽出し、それ以外はPDFに残します。

すべての出荷にすべてのフィールドが必要なわけではありません。食品卸売業者であれば、ロット番号は必須です — FDA 21 CFR Part 11は規制対象製品のトレーサブルな電子記録を要求しており、梱包伝票はそのチェーンの最初の文書となることがよくあります。一般商品倉庫であれば、PO番号、SKU、数量だけで十分かもしれません。重要なのは、列を定義するのはあなた自身であるということです — ソフトウェアでも、仕入先のフォーマットでもありません。

これは複数の梱包伝票のバッチ処理に使用されるものと同じフィールドセットです — ここでの違いは、ボリュームにスケールアップする前に単一伝票の精度に焦点を当てていることです。

ステップバイステップ：梱包伝票のフィールドをExcelに抽出

梱包伝票のPDFから構造化されたスプレッドシートを作成する最速の方法は、先にフィールドを定義し、AIに見つけさせることです。位置のトレーニングも、テンプレートの作成も、サプライヤーごとの設定も不要です。このチュートリアルでは1枚の梱包伝票を使用しますが、同じ列定義は、どのようなサプライヤーの組み合わせからの何百枚もの文書にも拡張できます。

出力は、各行が梱包伝票（または列構造によっては明細項目）に対応し、各列が定義したフィールドに対応するスプレッドシートです。データクリーニングは不要です。AIが日付形式を自動的に標準化し、品番から余分なスペースを削除し、数量値を数値形式に正規化します。

上記のフィールド（「PO番号」「SKU」「出荷数量」）を入力して、梱包伝票をアップロードしてみてください。AIが意味を読み取るため、どのサプライヤーの形式でも同じ列でデータを抽出できます。位置ではなく意味を読み取るからです。

エッジケースへの対応：スキャン・手書き・感熱紙の伝票

最新のERPで生成されたきれいなPDF梱包伝票は簡単なケースです。実際の受入現場では、はるかに扱いにくい書類に直面します。抽出方法はそれらにも対応する必要があります。

スキャンされた梱包伝票（特に150DPIのデスクスキャナからメール添付で転送されるもの）は、中小サプライヤーからよく届きます。文字がぼやけていたり、傾いていたり、一部切れていたりすることがあります。AIベースの抽出は、鮮明な文字の輪郭を必要とせず、人間の受入担当者が少しにじんだ書類を読むのと同じように、視覚的な内容を全体的に解釈するため、こうしたケースにも対応できます。劣化の激しいスキャンの場合のアプローチは、スキャンしたPDFをExcelに変換するガイドと同じです。アップロード、列の定義、確認という流れです。

手書きの注記 — 荷受担当者が印刷された数量50の横に「実数：47」と走り書きするようなケースは、受入担当者にとって必要な情報であり、無視すべきノイズではありません。ImageToTable.aiは印刷されたテキストと一緒に手書きのテキストも読み取るため、現場での修正内容が誰かのポケットの中のくしゃくしゃの紙ではなく、スプレッドシートに反映されます。

感熱紙の梱包伝票（Ulineなどのサプライヤー）は、デジタル処理の前に物理的な課題があります。文字が薄くなるのです。解決策は、受け取ったらすぐに写真を撮るかスキャンすることです。スマートフォンの写真でも問題ありません。AIは感熱紙の写真もPDFと同じように処理します。Graingerの梱包伝票用に定義したフィールド名は、設定変更なしでUlineの感熱紙にもそのまま使えます。

請求書と梱包伝票が一体化した書類 — MSC IndustrialなどのB2Bサプライヤーは、請求書と梱包伝票を兼ねた1枚の書類を発行することがよくあります。同じカラム名抽出アプローチがここでも機能します。必要なフィールドだけを抽出すればよいからです。財務フィールド（単価、税、合計）と物流フィールド（数量、SKU、ロット番号）が同じページにありますが、列は独立して定義できます。後で同じ書類から請求書フィールドが必要になった場合は、請求書フィールドの抽出ワークフローが財務面を処理します。2つの抽出は重複することなく相互補完します。

抽出から受領までのワークフロー：スプレッドシートの次の行き先

抽出によりスプレッドシートが生成されます。そのスプレッドシートは受領プロセスに供給されます。次のステップは、お客様の既存システムによって異なります。

WMS（倉庫管理システム）をお使いの場合 — Manhattan Active WMS、SAP EWM、Oracle WMS Cloud、Blue Yonder、またはLogiwaやFinale Inventoryのようなミッドマーケット向けシステム — 多くの場合、CSVアップロードまたはAPIを通じて受領数量をインポートしています。抽出によるExcelファイルがインポート元になります。「PO番号」列をWMSの注文書参照フィールドに、「出荷数量」を受領数量に、「ロット番号」をロット追跡モジュールにマッピングしてインポートします。これにより、WMS端末への手入力が不要になります。

ShipStationやFishbowlのような軽量な出荷プラットフォームをお使いの場合、スプレッドシートは同じ目的を果たします — 在庫同期のため、受領数量をアップロードまたはコピー＆ペーストします。ShipStationの梱包伝票テンプレートは出荷側をカバーしますが、入荷受領側は依然としてサプライヤー文書からのデータ入力が必要です。抽出ステップがそのギャップを埋めます。

受領プロセスがスプレッドシートで運用されている場合 — 倉庫教育研究評議会（WERC）が依然として一般的な慣行として追跡しており、2023年時点で44%の倉庫が紙ベースのピッキングを使用しています — 抽出されたExcelファイルがそのまま受領ログになります。各行が出荷の受領記録です。「実数カウント」、「差異」、「保管場所」の列を追加すれば、梱包伝票からの手入力を一切行わずに、完全な受領記録が完成します。

単一伝票処理を超えてスケールアップする準備ができたら、バッチ抽出アプローチにより、1日分の梱包伝票を一度にアップロードし、単一の統合された受領スプレッドシートを出力できます。同じ列定義が引き継がれるため、新しい設定を必要とせずにワークフローがスケールします。比較として、同様のバッチロジックは異なるフォーマットのベンダー見積もりにも適用され、受領ではなく調達において同じサプライヤー多様性の問題が現れます。

よくある質問

手書きの梱包伝票でも対応できますか？

はい。AIは数字、製品コード、荷受け場で書かれた注記など、手書きの文字を認識します。手書きの精度は印刷文字より低くなります（読みやすさにもよりますが、約85〜95%を想定してください）。受領ログを確定する前に、手書きで抽出された内容は必ず確認してください。

梱包伝票のフィールド名が、入力した列名と異なる場合はどうなりますか？

これこそが意味ベース抽出の最大の利点です。列名に「PO番号」と入力し、梱包伝票のフィールドが「Purch Ord #」や「Order Ref」と表示されていても、AIはそれらが同じ概念を指していると理解し、正しい値を抽出します。仕入先ごとの用語に合わせて列名を変更する必要はありません。

梱包伝票のデータをGoogle Sheetsに直接抽出できますか？

はい。Google Sheetsアドオンを使用すると、Sheetsのサイドバーから梱包伝票をアップロードして列名を指定できます。アプリケーションを切り替えることなく、抽出したデータがアクティブなシートに入力されます。

一度に処理できる梱包伝票の枚数は？

単票モードでは一度に1枚のドキュメントを処理します。各出荷の即時確認が必要なリアルタイム受領に最適です。1日の終わりや一括処理には、バッチモードで複数の梱包伝票を同時にアップロードでき（異なる仕入先の混在フォーマットにも対応）、単一の統合Excelファイルとして出力されます。大量処理のワークフローについては、バッチ梱包伝票処理ガイドをご覧ください。

AIは梱包伝票の数量がPOと一致しないことを判断できますか？

ImageToTable.aiは梱包伝票に記載された内容を抽出するもので、自動照合のための発注データにはアクセスできません。ただし、抽出時に計算列を使用してチェックを行うことは可能です。例えば、複数行の梱包伝票がある場合、計算列で全明細の数量を合計し、印刷された合計と照合できます。POとの差異チェックはエクスポート後のスプレッドシート作業です。抽出した梱包伝票データとPO明細の両方をExcelに取り込み、VLOOKUPまたはINDEX/MATCHを使用して不一致をフラグ付けしてください。

英語以外の梱包伝票はどうですか？

AIは50以上の言語の梱包伝票を処理します。欧州のサプライヤーからのドイツ語のLieferscheinも、Graingerからの英語の梱包伝票と同じように抽出できます。列名を英語で入力すれば、AIが文書の言語に関係なく対応する値を特定します。