Zyski:
- Umiejętność zrozumienia koncepcji układu magazynu, tras kompletacji, planowania zasobów i siły roboczej oraz wykorzystania sztucznej inteligencji do tworzenia scenariuszy wydajności
- Możliwość projektowania układu i planowania fal zgodnie z gęstością zamówień i szybkością ruchu produktów dzięki wsparciu sztucznej inteligencji
- Umiejętność zrozumienia, że rekomendacje sztucznej inteligencji zależą od weryfikacji kierownika operacyjnego pod kątem bezpieczeństwa w terenie, ergonomii i rzeczywistych ograniczeń magazynu.
Półki, wózki widłowe i biegający pracownicy, których widzisz po wejściu do magazynu, to tak naprawdę gigantyczne równanie czasu. Efektywność magazynu; Zależy to od miejsca umieszczenia towaru, sposobu kompletacji zamówienia i odpowiedniej liczby osób pracujących w odpowiednim czasie. Operacje magazynowe (operacje magazynowe - zarządzanie przyjęciem, rozmieszczeniem, odbiorem, pakowaniem i wysyłką towarów) są najbardziej pracochłonnym i najbardziej „straconym sekundą” ogniwem łańcucha dostaw. Sam proces kompletacji pochłania ponad połowę pracowników magazynu. Sztuczna inteligencja jest tu potężnym analitykiem: oblicza, który produkt gdzie umieścić, jak będą grupowane zamówienia, ile osób w jakim czasie potrzeba i produkuje scenariusze. Jednak nie każde rozmieszczenie i trasa wyznaczona przez sztuczną inteligencję jest wdrażana bez sprawdzenia jej pod kątem bezpieczeństwa, ergonomii i fizycznych realiów w terenie; Ostatnie słowo należy do kierownika operacyjnego.
Język efektywności magazynu
Wyjaśnijmy kilka pojęć. Slotowanie: Planowanie, który produkt zostanie umieszczony w którym przedziale magazynu. Trasa kompletacji: Trasa, którą podąża zbieracz, aby zebrać produkty w określonej kolejności, pokonując jak najmniej czasu. Planowanie fal: Organizowanie zamówień, które mają być zbierane w grupach (falach), a nie pojedynczo. Prędkość: jak często produkt jest kompletowany; Produkty szybkozbywalne nazywane są „ruchomymi”. Odległość podróży: Całkowita odległość, jaką pokonuje osoba kompletująca, aby zrealizować zamówienie — największy wróg wydajności magazynu.
Podstawowa zasada jest prosta: umieszczaj szybko przemieszczający się produkt tam, gdzie osoba kompletująca będzie miała do niego najłatwiejszy dostęp. Jeśli najlepiej sprzedający się produkt znajduje się w dolnym rogu magazynu, każde zamówienie oznacza dodatkowe spacery. Wykorzystując dane sprzedażowe, AI pokazuje, który produkt jest „gorący” i gdzie najlepiej go umieścić. To, w połączeniu z logiką „złotej strefy” – wysokość półki od pasa do oczu, do której można sięgnąć bez schylania się, zwiększa prędkość i chroni plecy pracownika.
Wskazówka: nie zakładaj, że szczelinowanie jest naprawione. Szybkość przemieszczania produktów różni się w zależności od pory roku i kampanii. Latem zabierz letnie plony do złotej strefy, a zimą do tyłu. Sztuczna inteligencja może okresowo tworzyć listę „które produkty należy wymienić”; Stosuje się to z ograniczeniami pola.
Planowanie kolekcji i fal
Picker marnuje dużo czasu, jeśli przechodzi przez cały magazyn w poszukiwaniu jednego zamówienia. Zamiast tego odbywa się kompletacja partiami: te same produkty z wielu zamówień są kompletowane w jednej rundzie. Kompletacja strefowa: Każdy picker jest odpowiedzialny za określony region, zamówienie przekazywane jest pomiędzy regionami. Która metoda jest właściwa, zależy od struktury zamówienia – kilka zamówień z wieloma pozycjami czy wiele zamówień z małą liczbą pozycji? AI analizuje historyczne dane dotyczące zamówień i pokazuje scenariusze, która strategia kompletacji zminimalizuje odległość do pokonania.
Planowanie fal to kwestia czasu: czy zamówienia otrzymane rano należy odebrać natychmiast, czy też należy je kumulować do południa w jednej fali? Wczesna kompletacja zapewnia szybką wysyłkę, ale pomija optymalizację grupy; Akumulacja jest skuteczna, ale niesie ze sobą ryzyko opóźnień. Sztuczna inteligencja może opracować plan optymalizacji tej równowagi w oparciu o godziny odjazdu ładunku.
planowanie siły roboczej
Najdroższym zasobem w magazynie są ludzie, a popyt zmienia się w ciągu dnia. Przyjęcie towaru rano, wysyłka intensyfikuje się po południu; Poniedziałek i piątek są inne. Jeśli zadzwonisz do zbyt wielu osób, zapłacisz pracownikowi, który czeka bezczynnie; Jeśli będziesz dzwonić rzadziej, zamówienia będą opóźnione. Sztuczna inteligencja może analizować historyczną wielkość zamówień i tworzyć harmonogram zmian, który przewiduje, ile osób będzie potrzebnych w danym dniu i godzinie. Ale to jest sugestia: uprawnienia urlopowe, legalne godziny pracy, umiejętności pracowników i sprawiedliwy przydział zmian leżą w gestii menedżera.
Uwaga: harmonogram zmian, który sztuczna inteligencja nazywa „najbardziej produktywnym”, może stale narzucać pracownikowi najcięższą pracę lub najgorszą godzinę. Wydajność nie jest jedynym kryterium; Higiena pracy, sprawiedliwość i prawa są zawsze priorytetem. Plan AI jest wstępnym projektem, przechodzi przez ludzki filtr.
trzy mini etui
Przypadek 1 — Odległość uzyskana dzięki szczelinowaniu. W jednym z magazynów e-commerce zbieracze pokonywali średnio 12 km dziennie. AI przeanalizowała anonimowe dane dotyczące zamówień z ostatnich 6 miesięcy i zidentyfikowała 200 najczęściej zbieranych produktów; połowa z nich znajdowała się w odległych obszarach magazynu. W nowym planie rozmieszczenia produkty te umieszczono w pobliżu wejścia oraz w strefie złota. Przed wdrożeniem kierownik operacyjny sprawdzał każdą sugestię pod kątem bezpieczeństwa na miejscu (ciężkie przedmioty pozostawały na dolnej półce). Wynik: średnia odległość, którą trzeba przejść, zmniejszyła się o 31%, wzrosła dzienna zdolność zbierania odpadów.
Przypadek 2 — Przechwytywanie ładunku w drodze planowania fal. W magazynie dystrybucyjnym ciągle brakowało wieczornego wyjścia towarowego. AI przeanalizowała przepływ zamówień i godziny wysyłki i zaproponowała dwufalowy harmonogram: segmenty o godzinie 11:00 i 15:00. Dzięki temu nawet zamówienia otrzymane z opóźnieniem dotarły do ostatniej przesyłki. Osoba odpowiedzialna testowała i poprawiała plan przez tydzień. Wskaźnik terminowości dostaw wzrósł z 82% do 96%.
Przypadek 3 — Nie poświęcanie bezpieczeństwa na rzecz wydajności. Jeden z analityków chciał wdrożyć obecną trasę gromadzenia sugerowaną przez sztuczną inteligencję. Trasa wymagała jednak od pieszych przejścia w przeciwnym kierunku, przez korytarz o dużym natężeniu ruchu wózków widłowych. Kierownik operacyjny odmówił: oszczędność kilku sekund nie była warta ryzyka wypadku. Trasa została odtworzona z dodanym ograniczeniem bezpiecznego korytarza. Rzeczywistość terenowa przewyższyła maksimum matematyczne.
Cztery szablony do kopiowania
1) Sugestia dotycząca szczeliny:
Twoja rola: asystent analityka operacji magazynowych. Poniżej znajduje się anonimowy kod produktu, częstotliwość odbioru w ciągu ostatnich 6 miesięcy oraz klasa wagowa produktu (lekki/średni/ciężki). Zadanie: (1) zidentyfikować najszybciej poruszające się produkty, (2) podać propozycje umieszczenia ich w pobliżu wejścia i w złotej strefie, (3) zwrócić uwagę na to, aby ciężkie produkty pozostawały na dolnej półce. Oświadczam, że mam zgodę terenową.
2) Porównanie strategii gromadzenia danych:
Poniżej znajduje się nasza typowa struktura zamówień (średnia pozycja/zamówienie, liczba zamówień dziennie, liczba powtarzających się pozycji). Porównaj opcje zbiórki pojedynczej, zbiorczej i strefowej pod względem odległości i prędkości spaceru. Zapisz zalety/wady każdego z nich; przedstawić opcje bez podejmowania ostatecznej decyzji.
3) Projekt planu fal:
Godziny odjazdu naszych ładunków: [godziny]. Dzienny przepływ zamówień według godzin przedstawia się następująco: [dane]. Zaproponuj plan obejmujący 2–3 fale, który skutecznie odbierze te zamówienia bez utraty ładunku. Podaj ostateczny termin i uzasadnienie każdej fali. Podaj także ryzyko opóźnienia.
4) Oszacowanie zapotrzebowania na zmianę:
Poniżej znajduje się wielkość zamówień według dnia i godziny z ostatnich 8 tygodni. Odejmij szacunkowe zapotrzebowanie na pracę (osobogodziny) na każdy dzień. Załóżmy, że jest to projekt i ja odpowiadam za prawa urlopowe, legalny czas pracy i sprawiedliwy podział.
Słaba zachęta/silna zachęta
Słaba zachęta:
Zwiększ wydajność mojego magazynu.
Który wskaźnik, jakie dane, które ograniczenie nie jest jasne. AI podaje ogólne porady.
Potężny monit:
Twoja rola: analityk operacji magazynowych. Magazyn o powierzchni 3000 m2, 800 zamówień dziennie, średnio 4 sztuki. Moim celem jest zmniejszenie odległości spaceru kolekcjonera. Mam anonimowe dane dotyczące częstotliwości kompletacji z 6 miesięcy. Daj mi porady dotyczące slotów i porównania strategii kompletacji; przestrzegaj ograniczeń dolnej półki ciężkich produktów i ograniczeń w bezpiecznych przejściach. Mam zgodę terenową.
Podejście
odległość spaceru
prędkość
Ryzyko bezpieczeństwa/sprawiedliwości
Naprawiono nierecenzowane sloty
wysoki
niski
Żadne
Rozmieszczenie oparte na danych + zatwierdzenie w terenie
niski
wysoki
Żadne
Zastosuj trasę AI bez zapytania
niski
wysoki
wysoki
Przełączaj się dzięki czystej intuicji
Zmienna
Zmienna
średni
Typowe błędy
- Zamrażanie szczelin. Prędkość ruchu jest różna; Jeśli nie zostanie dokonany przegląd sezonowy, szybki produkt pozostanie na dole.
- Poświęcenie bezpieczeństwa na rzecz wydajności. Wybranie się na niebezpieczną trasę w celu zdobycia kilku sekund grozi wypadkiem przy pracy.
- Pomijam ergonomię. Umieszczanie ciężkich przedmiotów na wysokości oczu i często zbieranych przedmiotów na podłodze powoduje zmęczenie pracownika.
- Zapominając o wymiarze ludzkim w planie zmianowym. Niezastosowanie się do najskuteczniejszego planu, pozwolenia i uczciwości spowoduje problemy prawne i etyczne.
- Trzymanie się jednej strategii zbierania. Kiedy zmienia się struktura zamówień, stara strategia staje się nieefektywna; Porównaj okresowo.
Wskazówka: najpierw pilotażowo przeprowadzaj pilotaż każdej zmiany miejsca lub trasy na małym obszarze, mierz przez tydzień, a następnie wprowadź zmiany. Chociaż scenariusz sztucznej inteligencji wygląda dobrze w teorii, rzeczywiste zachowanie w terenie kryje w sobie niespodzianki; pilot łapie je wcześnie.
Podsumowując
Wydajność magazynu to równanie czasu i największej odległości, jaką musi przejść osoba kompletująca towar. Wykorzystując dane dotyczące sprzedaży i zamówień, sztuczna inteligencja tworzy zaawansowane plany dotyczące rozmieszczania towarów, strategii kompletacji, planu falowego i wymagań dotyczących zmian. Jednak nie każdą sugestię można wdrożyć bez sprawdzenia jej pod kątem bezpieczeństwa w terenie, ergonomii, praw i ograniczeń fizycznych. Wydajność nie jest jedynym kryterium; Higiena pracy i sprawiedliwość są zawsze priorytetem. Testy pilotażowe zmian; Ostatnie słowo należy do kierownika operacyjnego.
Zadanie aplikacji
Utwórz listę 20 najczęściej wybieranych artykułów z własnego (lub hipotetycznego) magazynu i przybliżony układ magazynu. Poproś sztuczną inteligencję o układ z szablonem „sugestii rozmieszczenia”. Ręcznie zaznacz każde zalecenie dotyczące bezpieczeństwa i ergonomii (produkt ciężki, korytarz niebezpieczny). Zapisz w 5 artykułach powody, dla których akceptujesz i odrzucasz sugestie; Wybierz obszar pilotażowy.
lista kontrolna
- [ ] Czy zaplanowałem rozmieszczenie w zależności od prędkości ruchu i przetestowałem je z ochroną w terenie?
- [ ] Czy porównałem strategię kompletacji na podstawie struktury moich zamówień?
- [ ] Czy ustawiłem plan fal zgodnie z godzinami odpływu ładunku?
- [ ] Czy przefiltrowałem projekt zmianowy poprzez pozwolenie, prawo i sprawiedliwość?
- [ ] Czy przetestowałem zmianę w obszarze pilotażowym przed publikacją?