 | • レポートコード：MRC-PRF26M0578 • 出版社/出版日：Prof Research / 2026年5月 • レポート形態：英語、PDF、117ページ • 納品方法：Eメール • 産業分類：Industrial Equipment |
| Single User（1名利用） | ￥546,000 (USD 3,500) | ▷ お問い合わせ |
| Multi User（5名利用） | ￥702,000 (USD 4,500) | ▷ お問い合わせ |
| Corporate License（利用人数無制限） | ￥858,000 (USD 5,500) | ▷ お問い合わせ |
• お支払方法：銀行振込（納品後、ご請求書送付）
レポート概要
ロボットによる廃棄物選別市場の概要
ロボットによる廃棄物選別市場は、廃棄物管理およびリサイクルにおける技術革新の最前線にあります。この市場では、人工知能（AI）、機械学習、および近赤外分光法、視覚認識、金属探知機などの高度なセンサー技術と統合された先進的なロボットシステムを導入し、さまざまな廃棄物ストリームから有価物の識別、分離、回収を自動化しています。これらのシステムは、効率の向上、高純度化、作業員の安全性の向上、連続運転の可能化など、従来の手作業による選別方法に比べて大きな利点を提供します。世界が廃棄物量の急増と持続可能な資源管理の必要性に直面する中、ロボットによる廃棄物選別は、リサイクルインフラを改善し、循環型経済を推進するための重要な解決策として台頭しています。
市場規模と成長予測
世界のロボット廃棄物選別市場は、廃棄物処理の改善に対する世界的な緊急のニーズを反映し、飛躍的な成長が見込まれています。同市場は2026年までに16億米ドルから29億米ドルの規模に達すると予測されています。この市場規模は、リサイクル分野における自動化への投資が増加していることを示しています。
今後10年の終わりまでを見据えると、市場は急速な拡大を続けると予想されます。2026年から2031年にかけて、世界のロボット廃棄物選別市場は、15.4%から21.7%という目覚ましい年平均成長率（CAGR）を達成すると予測されています。この堅調な成長は、主に人件費の高騰、高純度リサイクル材料への需要の高まり、および廃棄物の埋立処分を回避するよう求める規制圧力の高まりによって牽引されています。AIおよびロボット技術の継続的な進歩も、導入コストの低減と、これらの選別システムの機能拡張に寄与しています。
地域別市場の概況と動向
ロボットによる廃棄物選別技術の導入は、地域のリサイクルインフラ、人件費、および環境政策と密接に関連しています。
• 北米：この地域はロボットによる廃棄物選別ソリューションの導入において主導的な役割を果たしており、市場シェアは約35％から45％と推定されています。米国とカナダは、高い人件費、成熟したリサイクル産業、および材料回収施設（MRF）の近代化への投資拡大により、この成長を牽引している。Glacier社が全米でAI搭載リサイクルロボットを展開するためにシリーズA資金調達で1,600万ドルを調達した（2025年4月28日）といった戦略的投資は、同地域の市場ポテンシャルに対する投資家の強い信頼を浮き彫りにしている。ここでの焦点は、シングルストリームリサイクルにおける効率性と純度の向上にあります。
• 欧州：欧州もまた重要な市場であり、世界シェアの30％から40％を占めると推定されています。厳格なリサイクル目標や強力な環境政策（例：循環型経済パッケージ）に後押しされ、ドイツ、北欧諸国、英国などの国々では、ロボットソリューションの導入が急速に進んでいます。欧州では、包装廃棄物や電子廃棄物を含む複雑な廃棄物ストリームにおいて、高い回収率と純度を達成することに重点が置かれることが多い。テトラパックがカンブリア・ウェイスト・マネジメント社（2025年7月3日）のAI搭載光学選別技術に資金提供を行った事例は、同地域が高度な選別技術に注力していることを示している。
• アジア太平洋地域：この地域は急速に高成長市場として台頭しており、世界シェアの15％から25％を占めると推定されています。中国、日本、韓国、オーストラリアなどの国々は、近代的な廃棄物管理インフラに多額の投資を行っています。一部の分野ではまだ発展途上ですが、発生する廃棄物の膨大な量と、リサイクル率向上への圧力の高まりが強力な推進力となっています。各国政府は、特に都市部における廃棄物問題に対処するため、技術の導入を奨励しています。
• 中東・アフリカ（MEA）：この地域は新興市場であり、市場シェアは3％から6％と推定され、成長はGCC諸国と南アフリカに集中している。新たな廃棄物発電プラントや近代的なリサイクル施設への投資が、特に急速な都市化や大規模開発プロジェクトを背景に、ロボット選別への機会を創出している。
• 南米：規模は小さいものの成長中の市場であり、市場規模は2%から4%と推定されています。南米におけるロボット選別技術の導入は緩やかですが、環境意識の高まりや既存の廃棄物管理システムの近代化ニーズを背景に、ブラジルやチリなどの国々で勢いを増しています。
用途別セグメントの分析と動向
ロボットによる廃棄物選別は、多種多様な廃棄物流に対応可能であり、それぞれが独自の選別上の課題と機会を提示しています。
• プラスチック：これはロボット選別にとって最大かつ最も重要な用途セグメントであり、市場の40％から55％を占めると推定されています。ロボットは、色、形状、ポリマー種によって様々な種類のプラスチック（PET、HDPE、PP、PVCなど）を識別・選別するのに極めて有効であり、これは再製造に必要な高純度を達成するために不可欠です。消費財や包装材における再生プラスチックの需要増加が、主要な推進要因となっています。
• 金属：通常15％から25％を占める重要なセグメントであり、ロボット選別は、アルミ缶、鉄鋼、その他の合金をはじめとする混合廃棄物ストリームから、鉄金属および非鉄金属を回収することに優れています。再生金属の高い価値により、これは自動化にとって経済的に魅力的な用途となっています。
• 一般廃棄物（MSW）：この広範なカテゴリーには、家庭ごみと事業系ごみを混合したものを分別し、リサイクル可能なものを回収するとともに、リサイクル不可能な物質を埋立処分から回避することが含まれます。ロボットシステムは、一般廃棄物の多様性と複雑性に対応でき、選別施設（MRF）全体の効率を向上させます。廃棄物管理企業が統合を進め、より大規模な施設への投資を行うにつれ（例：2024年11月のWMによるStericycle社への72億ドルの買収や、2025年6月のヴェオリアによる買収は、廃棄物業界における継続的な統合を示しており、こうした技術への投資が可能な大規模な事業体を生み出しています）、ロボット技術の導入はより実現可能になってきています。
• E-Waste（電子廃棄物）：この特殊かつ有害な廃棄物ストリームでは、貴重な部品（貴金属、希土類）を回収し、有害物質を分離するために精密な選別が必要です。ロボットは手作業よりも安全かつ効率的な解決策を提供し、有害物質への人的曝露を低減します。廃棄される電子機器の量が増加しているため、この分野は急速に成長しています。
• その他：このカテゴリーには、商業・産業廃棄物、建設・解体廃棄物、紙・段ボールの選別、繊維リサイクルなどの用途が含まれる。これらの分野において、ロボットは大量の均質材料を効率的に分離したり、選別が困難な物品を処理したりすることができ、材料回収率の向上と処理コストの削減につながる。
産業バリューチェーンおよびサプライチェーン分析
ロボットによる廃棄物選別のバリューチェーンは技術集約型であり、ハードウェア、ソフトウェア、および統合サービスにまたがっている。
• 研究開発（上流）：この初期段階では、ロボティクス、AI、機械学習アルゴリズム、センサー技術（例：ハイパースペクトルイメージング、LiDAR）、およびグリッパーにおける継続的なイノベーションが行われる。大学、研究機関、および専門のテクノロジー企業が大きく貢献している。
• 部品製造：サプライヤーは、ロボットアーム、カメラ、センサー、AIプロセッサ、空気圧システム、コンベアベルトなどを供給します。これらのハイテク部品の品質と供給安定性は極めて重要です。
• ロボットシステムメーカー（中流）：AMP Robotics、Max-AI（Steinert）、Tomra、Waste Roboticsなどの企業は、ロボット選別ユニットの設計、組立、プログラミングを行います。この段階では、素材認識やロボット制御のための高度なソフトウェアとハードウェアを統合します。AMP Roboticsによる9,100万ドルのシリーズD資金調達（2024年12月6日）のような資金調達は、これらのメーカーが事業を拡大し、革新を続ける上で不可欠です。
• 統合・設置：専門のエンジニアリング企業やロボットメーカー自身が、設置、既存のMRF（廃棄物選別施設）への統合、および調整サービスを提供します。これは、多様な施設レイアウトの中で最適な性能を確保するための重要なステップです。
• ソフトウェア・サービスプロバイダー（ダウンストリーム）：これには、継続的なソフトウェア更新、データ分析、予知保全、およびリモートサポートが含まれます。AIモデルは時間の経過とともに継続的に学習・改善するため、ソフトウェアは重要な差別化要因となります。
• エンドユーザー：廃棄物管理会社、MRF運営者、リサイクル施設、および（内部廃棄物フローを持つ）産業生産者が最終的な受益者です。彼らは選別能力を強化し、リサイクル目標を達成するために、これらのシステムを購入またはリースします。
競争環境：主要企業の概要
ロボットによる廃棄物選別市場は、老舗の重機メーカーと専門のAI／ロボット企業が混在しており、急速に拡大するこの分野での主導権を巡って競い合っています。
• Terex：幅広い重機を製造するグローバル企業であるTerexは、ロボット技術を含む先進的な選別技術を廃棄物処理ソリューションに統合する動きを強めています。同社の強みは、従来の機器製造と最新の自動化技術を組み合わせ、包括的なMRFソリューションを提供することにあります。
• AMP Robotics：廃棄物選別分野におけるAIおよびロボティクスの主要なイノベーターであるAMP Roboticsは、特に北米で大きな市場シェアを獲得しています。同社のシステムは、高度なコンピュータビジョンと機械学習を活用して、幅広いリサイクル可能な物品を識別・選別します。2024年12月6日に実施された9,100万ドルのシリーズD資金調達ラウンドは、同社の技術と市場戦略に対する投資家の強い信頼を裏付けています。
• Max-AI（National Recovery Technologies – NRT、Steinert社傘下による提供）：Max-AIは、センサーベースの選別技術における世界的リーダーであるSteinert社が提供する、AI搭載のロボット選別ソリューションです。Max-AIは、高度な認識能力とロボットアームを組み合わせ、MRF（リサイクル選別施設）内で効率的に資材を選別し、高度な資材回収のための包括的なソリューションを提供します。
• Steinert：Max-AIは同社のロボットブランドですが、Steinertは全体として、リサイクルおよび鉱業向けセンサーベース選別技術における世界的に著名なスペシャリストです。素材識別に関する同社の深い専門知識は、ロボット選別ソリューションの強力な基盤となっています。
• トムラ・ソーティング・リサイクル（Tomra Sorting Recycling）：センサーベースの選別ソリューション分野における世界的な主要企業であるトムラは、ロボット選別システムを含む強力な製品ポートフォリオを有しています。光学選別技術で知られるトムラのロボットは、特にプラスチックをはじめとする様々な素材を高純度で分離する点で極めて高い効果を発揮します。
• Waste Robotics：同社は、廃棄物およびリサイクル業界に特化したロボット選別ソリューションの開発を専門としています。困難で多様な廃棄物ストリームに対応できる堅牢かつ汎用性の高いロボットの開発に注力し、施設の種類に応じたオーダーメイドのソリューションを提供しています。
市場の機会
• 世界的なリサイクル目標の引き上げ：世界中の政府や産業界がより野心的なリサイクル目標を設定しており、ロボット工学のようなより効率的かつ効果的な選別技術への需要を後押ししています。
• 人手不足と賃金上昇：選別作業に従事する人手を確保・維持することがますます困難になっていることに加え、賃金の上昇も相まって、自動化されたロボットシステムは極めて魅力的かつ経済的に実現可能な代替手段となっています。
• 高純度リサイクル素材への需要：産業界では、製造向けに高品質かつ高純度のリサイクル素材を求める傾向が強まっています。ロボット選別は、こうした厳しい仕様を満たすために必要な精度を実現でき、リサイクル素材の新たな市場を開拓しています。
• AIおよびロボット技術の進歩：AI（例：素材認識能力や学習能力の向上）、ロボットの操作性、センサーフュージョンにおける継続的な技術的進歩により、ロボット選別システムの能力と効率が拡大しており、より複雑な廃棄物ストリームへの適用が可能になっています。
• 持続可能な投資動向：ESG（環境・社会・ガバナンス）投資や循環型経済モデルへの注目が高まる中、ロボット選別を含む革新的な廃棄物管理技術へ多額の資本が投入されています。
市場の課題
• 初期投資額の大きさ：ロボット選別システムの購入および導入にかかる初期費用は高額になる可能性があり、小規模なリサイクル施設や資金調達の手段が限られている施設にとっては障壁となる。
• 廃棄物流の複雑さ：技術の進歩にもかかわらず、混合廃棄物流には多大なばらつきや混入物があり、ロボットシステムにとって依然として課題となり得る。そのため、AIアルゴリズムやセンサー機能の継続的な改良が必要となる。
• 既存インフラとの統合：旧式または技術的に遅れた資材回収施設（MRF）へのロボットシステムの導入は、複雑かつコストがかさむ可能性があり、大幅な運用調整や稼働停止を伴う恐れがある。
• 保守と技術的専門知識：ロボットシステムには、トラブルシューティングや最適化のための専門的な保守と技術的専門知識が必要である。この分野における熟練人材の不足は、普及の妨げとなる可能性がある。
• 世論の認識と政策支援：高度なリサイクル技術に対する一般の認識は高まりつつあるものの、一貫した政策支援が不可欠である。政策の不整合や、明確なリサイクル義務の実施遅延は、市場への普及を遅らせる可能性がある。
• 技術の急速な陳腐化：AIやロボティクス分野における急速な技術革新により、システムは比較的短期間で技術的に陳腐化する恐れがあり、アップグレードや更新への継続的な投資が必要となる。
目次
第1章 レポートの概要 1
1.1 調査範囲 1
1.2 調査方法 2
1.2.1 データソース 3
1.2.2 前提条件 4
1.3 略語および頭字語 5
第2章 世界の市場動向とトレンド 7
2.1 市場の成長要因：労働力不足と純度要件 7
2.2 市場の制約要因：高い初期設備投資 9
2.3 業界の機会：AIによる既存設備の改修と循環型経済 11
2.4 技術動向：ハイパースペクトルイメージングとディープラーニング 13
第3章 技術および特許の動向 16
3.1 ビジョンシステムとセンサーフュージョン技術 16
3.2 グリッパー技術：吸引式、指型、磁気式 18
3.3 AIおよびニューラルネットワークのトレーニングデータ分析 20
3.4 世界の特許動向と主要なイノベーションハブ 22
第4章 タイプ別世界のロボット廃棄物選別市場 24
4.1 デルタロボット（高速ピッカー） 24
4.2 関節型ロボット（高可搬重量） 27
4.3 直交型／ガントリー型ロボット 30
4.4 その他（スカラロボットなど） 33
第5章 用途別世界のロボット廃棄物選別市場 36
5.1 都市固形廃棄物（MSW） 36
5.2 プラスチックリサイクル（PET、HDPE、フィルム） 39
5.3 金属リサイクル 42
5.4 電子廃棄物（PCB および部品回収） 44
5.5 建設・解体（C&D）廃棄物 46
5.6 その他 48
第 6 章 北米市場の分析 50
6.1 米国 51
6.2 カナダ 53
第7章 欧州市場の分析 55
7.1 ドイツ 56
7.2 英国 58
7.3 フランス 60
7.4 イタリア 62
7.5 スカンジナビア 64
第8章 アジア太平洋市場の分析 66
8.1 中国 67
8.2 日本 69
8.3 オーストラリアおよびニュージーランド 71
8.4 韓国 73
8.5 台湾（中国） 74
8.6 東南アジア 76
第9章 LAMEA市場分析 78
9.1 ブラジル 78
9.2 サウジアラビア 79
9.3 アラブ首長国連邦（UAE） 80
第10章 バリューチェーンおよびエコシステム分析 81
10.1 バリューチェーンの概要（センサーからシステムインテグレーターまで） 81
10.2 主要部品サプライヤー（ビジョン＆アーム） 83
10.3 資源回収施設（MRF）の役割 84
第11章 世界の競争環境 86
11.1 市場集中率（CR3、CR5） 86
11.2 主要企業別市場シェア分析（2021-2026年） 87
第12章 主要企業プロファイル 89
12.1 Terex（ZenRobotics） 89
12.1.1 企業紹介 89
12.1.2 SWOT分析 90
12.1.3 Terexのロボット廃棄物選別事業の収益、コスト、粗利益率（2021-2026年） 91
12.1.4 重量廃棄物の選別能力 92
12.2 AMP Robotics 93
12.2.1 企業紹介 93
12.2.2 SWOT分析 94
12.2.3 AMP Roboticsのロボット廃棄物選別事業の収益、コスト、粗利益率（2021-2026年） 95
12.2.4 AIプラットフォームと認識精度 96
12.3 Max-AI (BHS) 97
12.3.1 企業概要 97
12.3.2 SWOT分析 98
12.3.3 Max-AIのロボット廃棄物選別事業における収益、コスト、粗利益率（2021-2026年） 99
12.3.4 光学選別機との統合 100
12.4 Steinert 101
12.4.1 企業紹介 101
12.4.2 SWOT 分析 102
12.4.3 Steinert ロボット廃棄物選別事業の収益、コスト、粗利益率（2021-2026） 103
12.5 トムラ 104
12.5.1 企業紹介 104
12.5.2 SWOT 分析 105
12.5.3 トムラのロボットによる廃棄物選別事業の収益、コスト、粗利益率（2021-2026） 106
12.5.4 ディープラーニングとセンサーの統合 107
12.6 ウェイスト・ロボティクス 108
12.6.1 企業紹介 108
12.6.2 SWOT分析 109
12.6.3 ウェイスト・ロボティクスのロボット廃棄物選別売上高、コスト、粗利益率（2021-2026年） 110
12.6.4 カスタマイズされたクラウド・ロボティクス・ソリューション 111
第13章 世界のロボット廃棄物選別市場予測（2027-2031年） 112
13.1 世界の売上高および数量予測 112
13.2 タイプおよび用途別予測 113
13.3 地域別市場予測 115
第14章 調査結果と結論 117
図表一覧
図1. 調査方法論およびデータの三角測量 3
図2. 世界のロボット廃棄物選別市場の規模と成長率（2021-2031年） 8
図3. 廃棄物選別におけるAIおよびコンピュータビジョンの処理フロー 17
図4. 廃棄物ロボット工学における世界の特許動向（2021-2026年） 23
図5. 2026年の世界ロボット廃棄物選別市場におけるタイプ別シェア 24
図6. デルタロボット市場規模の推移（2021-2031年） 26
図7. 多関節ロボット市場規模の推移（2021-2031年） 29
図8. 2026年の用途別世界廃棄物選別ロボット市場シェア 36
図9. プラスチックリサイクル用途市場の成長（2021-2031年） 40
図10. 電子廃棄物（E-Waste）用途市場の成長（2021-2031年） 45
図11. 北米市場の収益（2021-2031年） 50
図12. 欧州市場の収益（2021-2031年） 55
図13. アジア太平洋市場の収益（2021-2031年） 66
図14. ロボット廃棄物選別産業のバリューチェーンマップ 82
図15. 2026年の世界市場集中度（CR3、CR5） 86
図16. Terexのロボット廃棄物選別市場シェア（2021-2026年） 91
図17. AMP Roboticsのロボット廃棄物選別市場シェア（2021-2026年） 95
図18. Max-AIのロボット廃棄物選別市場シェア（2021-2026年） 99
図19. シュタイナート（Steinert）のロボット廃棄物選別市場シェア（2021-2026年） 103
図20. トムラ（Tomra）のロボット廃棄物選別市場シェア（2021-2026年） 106
図21. ウェイスト・ロボティクス（Waste Robotics）のロボット廃棄物選別市場シェア（2021-2026年） 110
図22. 地域別グローバルロボット廃棄物選別市場収益予測（2027-2031年） 116
表一覧
表1. 略語および頭字語 5
表2. タイプ別グローバルロボット廃棄物選別市場規模（2021-2026年） 24
表3. タイプ別世界ロボット廃棄物選別市場規模（2027-2031年） 25
表4. 用途別世界ロボット廃棄物選別市場規模（2021-2026年） 37
表5. 用途別世界ロボット廃棄物選別市場規模（2027-2031年） 38
表6. 米国ロボット廃棄物選別市場データ（2021-2031年） 52
表7. ドイツロボット廃棄物選別市場データ（2021-2031年） 57
表8. 中国ロボット廃棄物選別市場データ（2021-2031年） 68
表9. 台湾（中国）のロボット廃棄物選別市場データ（2021-2031年） 75
表10. 世界の主要企業の売上高および市場シェア（2025-2026年） 87
表11. Terexのロボット廃棄物選別事業の売上高、コスト、粗利益率（2021-2026年） 91
表12. AMP Roboticsのロボット廃棄物選別売上高、コスト、粗利益率（2021-2026年） 95
表13. Max-AIのロボット廃棄物選別売上高、コスト、粗利益率（2021-2026年） 99
表14. シュタイナート（Steinert）のロボット廃棄物選別事業における売上高、コスト、粗利益率（2021-2026年） 103
表15. トムラ（Tomra）のロボット廃棄物選別事業における売上高、コスト、粗利益率（2021-2026年） 106
表16. ウェイスト・ロボティクス社のロボット廃棄物選別事業の売上高、コスト、粗利益率（2021-2026年） 110
表17. 世界のロボット廃棄物選別事業の売上高予測（2027-2031年） 112
| ※ロボットによる廃棄物選別は、廃棄物処理プロセスの効率化と精度向上を目指す技術です。ここでは、その定義、種類、用途、関連技術について詳しく説明します。 廃棄物選別とは、リサイクル可能な資源や有害物質を自動的に分類する作業を指します。従来の手作業による選別は、時間がかかり、労働力の確保や安全面での課題があります。これに対して、ロボット技術を活用することで、安定した速度と精度で廃棄物を選別することが可能です。また、ロボットによる選別は、作業者の負担軽減や廃棄物処理のコスト削減にも寄与します。 ロボットによる廃棄物選別には、いくつかの種類があります。まず、コンベアベルト上で動くロボットアームを用いた選別方法です。このアームは、カメラやセンサーを搭載しており、廃棄物の種類や形状を識別します。識別した情報に基づいて、アームが適切な位置に廃棄物を移動させる仕組みになっています。 次に、移動型ロボットによる選別があります。これらは、自律的に廃棄物を収集し、指定された場所に運ぶ能力を持っています。移動型ロボットは、特に広いエリアでの使用に適しており、大量の廃棄物を効率的に処理するのに役立ちます。このように、廃棄物を集めるプロセスから選別までを一貫して行える点が特徴です。 また、AI（人工知能）や機械学習を活用した選別ロボットも増加しています。これらのロボットは、中長期的に性能が向上するためのトレーニングが可能です。特定の種類の廃棄物を正確に識別できるようになるため、誤選別のリスクを減らすことができます。例えば、プラスチック、金属、紙など異なる素材を高精度で識別し、適切なリサイクルルートに分配することを実現します。 用途としては、産業廃棄物や家庭ごみの選別、リサイクル施設での運用などがあります。特に、リサイクル施設では、日々多くの廃棄物が持ち込まれるため、迅速かつ効率的な選別は欠かせません。ロボットを導入することで作業の速度と精度が向上し、リサイクル率の向上にもつながるのです。 関連技術としては、画像認識技術やセンサ技術、ロボット制御技術が挙げられます。画像認識技術は、廃棄物の種類や状態を高精度で判断するために必要です。この技術により、ロボットはさまざまな廃棄物の形状やカラーを識別し、正確な選別を行います。 また、センサ技術の発展により、ロボットは廃棄物の感知能力が向上しています。近接センサーや光学センサーを組み合わせることで、障害物を避けたり、選別対象物を高精度で取り扱うことが可能です。 さらに、ロボット制御技術も重要です。プラットフォームの構成や制御アルゴリズムの最適化が進むことで、ロボットの動きや選別の精度が向上します。最近では、自律走行技術の進化により、従来とは異なる動き方で廃棄物を効率的に取り扱うロボットが増加しています。 最後に、持続可能性の観点からもロボットによる廃棄物選別の重要性は高まっています。環境への配慮が求められる現代において、廃棄物リサイクルの促進は不可欠です。ロボット技術の導入により、効率的かつ環境に優しい廃棄物処理プロセスの構築が期待されています。このように、ロボットによる廃棄物選別は、今後ますます重要な技術として発展していくことでしょう。 |
• 日本語訳：ロボットによる廃棄物選別の世界市場2026年
• レポートコード：MRC-PRF26M0578 ▷ お問い合わせ（見積依頼・ご注文・質問）