Ecco perché tutti gli operatori di magazzino hanno da guadagnare dalle capacità predittive. Quando è possibile vedere cosa sta arrivando, è possibile adattare proattivamente i processi e i sistemi per resistere all'impatto. Si può anche preparare il personale. Cercare di adottare nuovi strumenti tecnologici e revisionare i flussi di lavoro nel bel mezzo di una situazione caotica è, nel migliore dei casi, un aiuto di fortuna. Nel peggiore dei casi, un tale sforzo potrebbe rivelarsi ancora più dirompente. E cercare di aumentare i volumi di approvvigionamento dopo l'arrivo di un'ondata di domanda non aiuterà necessariamente ad evitare una carenza di scorte. Si sperimenteranno ancora ritardi nell'adempimento in attesa dell'arrivo degli articoli a tempo, sempre che si riesca ad assicurarseli.

Pertanto, la concentrazione nella fase cinque del Warehouse Maturity Model di Zebra rimane concentrata sull'acquisizione di una previsione che consenta miglioramenti operativi proattivi.

COSA ASPETTARSI DALLA FASE FINALE DEL VIAGGIO DI MODERNIZZAZIONE

Nelle prime tre fasi, si è tipicamente concentrati sull'aumento e sull'ottimizzazione dell'uso di soluzioni di mobilità in tutte le aree operative, sul monitoraggio di ogni movimento di inventario utilizzando l'acquisizione di dati transazionali e sfruttando l'acquisizione automatizzata mirata dei dati che dà visibilità ai processi che ne sono privi. Nella Fase Quattro, si è in grado di ottenere una visione della posizione in tempo reale delle risorse e delle persone in movimento automatizzando i processi che possono e devono essere automatizzati.

Così, quando si entra nella fase cinque, le azioni dei lavoratori saranno basate su un ampio e complesso insieme di informazioni operative che possono eliminare sprechi, errori e congestioni dirompenti. Queste intuizioni, se applicate correttamente, possono anche aiutare ad aumentare la sicurezza, la redditività e l'efficienza. Ecco perché l'obiettivo in questa fase finale è quello di analizzare meglio e utilizzare i dati acquisiti per attuare più proattivamente i cambiamenti per il miglioramento operativo.

Anche se un certo livello di reattività sarà sempre necessario (non sappiamo con certezza cosa ci riserva il futuro), è possibile condurre un'analisi predittiva più profonda e accurata delle prestazioni operative per anticipare e prepararsi a incidenti potenzialmente distruttivi.

Questo viene fatto:
- fondendo più fonti di dati esterne e interne.
- implementando il rilevamento in tempo reale in modo pervasivo in tutte le operazioni.
- continuando a estendere la visibilità a persone, beni e materiali.
- costruendo sistemi di esecuzione che sfruttano l'apprendimento automatico e l'intelligenza artificiale (AI) per eliminare il più possibile il processo decisionale avviato dall'uomo e consentire un'analisi prescrittiva e un adattamento aziendale in tempo reale.

Quando si è in grado di guardare in profondità a tutti i flussi di lavoro e alle operazioni che avvengono al di là delle quattro mura, diventa facile lavorare in armonia con i partner della supply chain e adattarsi meglio ai problemi che nascono nelle loro strutture. In effetti, ottenere una prospettiva dall'esterno è la chiave per eliminare i silos e il processo decisionale frammentato che creano colli di bottiglia e interruzioni nella catena di fornitura più ampia.

È importante anche la capacità di automatizzare decisioni complesse e multivariate relative a una serie di beni, tra cui l'inventario, le attrezzature e anche le persone. Non si può fare affidamento su regole di business statiche che vengono riviste e aggiornate su base trimestrale (nel migliore dei casi) se si spera di mantenere un'operazione più resiliente in grado di mitigare i problemi e massimizzare le opportunità. Né si può ignorare la salute e le prestazioni dei propri dispositivi mobili, dato quanto essi dettino la produttività e l'efficienza dei lavoratori.

Ecco perché non si potrà entrare nella fase cinque finché non si avrà un ambiente che include una strategia di mobilità best-in-class per i lavoratori di prima linea, oltre a dispositivi basati su sensori che catturano i dati sulla posizione e altre proprietà e condizioni delle risorse. Bisogna anche assicurarsi di disporre delle giuste soluzioni di AI e di apprendimento automatico per fondere i dati provenienti da più sensori e generare le intuizioni operative necessarie per ottenere operazioni predittive e adattive. È l'unico modo per mantenere la piena visibilità - e la responsabilità - delle proprie prestazioni operative e l'influenza che hanno sui partner della catena di fornitura e sui clienti.

CREARE LA PROPRIA "SFERA DI CRISTALLO”

I sistemi di gestione e controllo del magazzino hanno la capacità di adattarsi e cambiare man mano che le condizioni si evolvono - così come i lavoratori, ammesso che abbiano in mano dispositivi affidabili in grado di fornire indicazioni in tempo reale. Ma si sarà in grado di fornire ai lavoratori in prima linea istruzioni in tempo reale su come evitare i problemi e migliorare i risultati solo se si potrà accoppiare la più vigorosa analisi esterna delle prestazioni con un'intelligente analisi dietro le quinte dei complessi set di dati catturati tra le quattro mura.

Quindi, bisogna aspettarsi di aprire un nuovo terreno con l'hardware, il software, i sensori, i sistemi di localizzazione in tempo reale (RTLS) e le soluzioni intelligenti introdotte nelle fasi da uno a quattro e probabilmente si potrà espandere la propria architettura esistente per includere ulteriori tipi di sensori, dispositivi e piattaforme di automazione. E’ necessario prepararsi anche a sfruttare nuovi tipi di soluzioni e servizi software per estrarre ancora più informazioni dai preziosi dati transazionali e in tempo reale raccolti e memorizzati nei vari sistemi, comprese le metriche di performance incentrate sui dispositivi.

Per esempio, la fase cinque è quando ci si può aspettare di fondere i dati dall'identificazione a radiofrequenza (RFID), dai sensori di peso sulle forche di un carrello elevatore, dai sensori di temperatura sui cartoni o sulle merci, dalla visione artificiale o dal computer, e da un'applicazione che fa riferimento all'intelligenza dei codici a barre e ai richiami dei prodotti per prendere decisioni in tempo reale sulle merci in entrata. Se uno qualsiasi dei criteri non è soddisfatto secondo gli algoritmi impostati, la merce può essere rifiutata senza mai riceverla nel magazzino. Questo è particolarmente utile se si tratta di un rischio per la sicurezza dei consumatori, in quanto ciò garantirà che la merce non entri mai in circolazione.

Dietro le quinte, una soluzione di automazione intelligente probabilmente prenderà altre decisioni chiave sulla qualità delle merci in base ad algoritmi che le dicono cosa cercare:
- Il peso corrisponde a quello della merce fornita nell'avviso di spedizione anticipata? È più leggero? Se è così, potrebbe mancare qualcosa.
- Il prodotto è rimasto entro un intervallo di temperatura sicuro per tutto il viaggio verso il centro di distribuzione?
- Le telecamere di visione artificiale, gli scanner industriali fissi e/o le tecnologie di computer vision rilevano un cartone mancante, un'etichetta mancante o qualcosa fuori dall'ordinario?
- Le dimensioni del pacco sull'intelligenza del codice a barre sono correlate al sistema di spedizione?
- È arrivata la quantità giusta sul pallet?

In effetti, la fase cinque sarà probabilmente il punto in cui le soluzioni di automazione industriale come gli scanner industriali fissi e le telecamere di visione artificiale diventeranno pervasive. I lavoratori devono essere in grado di determinare rapidamente le condizioni dei beni in entrata e in uscita in tempo reale, ma l'occhio umano non può cogliere tutto. Allo stesso tempo, i lavoratori non possono essere ovunque contemporaneamente. Quindi, è fondamentale in questa fase passare a strumenti di gestione della forza lavoro più intelligenti per ottimizzare la programmazione e l'utilizzo del lavoro.

E’ da sapere che sarà difficile trovare il giusto equilibrio di manodopera senza prima catturare e comprendere i movimenti fisici, le transazioni, le condizioni e gli attributi delle risorse e dei processi. Ecco perché i clienti vengono aiutati a integrare le loro operazioni fisiche con i sistemi aziendali una volta pronti a entrare nella fase cinque. Una volta che ogni componente ha visibilità sull'altro, diventa ancora più facile orchestrare le operazioni man mano che le esigenze aziendali si evolvono.

Il miglior punto di partenza è rivedere gli indicatori chiave di performance, gli obiettivi e i risultati definiti nelle altre fasi. Poi si deve considerare la relazione tra i sistemi aziendali come il sistema di gestione del magazzino, i sistemi di gestione del trasporto e del cantiere, il sistema di pianificazione delle risorse aziendali (ERP) e le operazioni fisiche nel contesto del clima attuale.

Per esempio:
- Come si possono usare i sensori automatici di controllo dell'inventario per mantenere il magazzino in sincronia con le posizioni di inventario disponibili per gestire meglio l'inventario?
- C'è un modo per sincronizzare i processi e le priorità all'interno della struttura per rispettare i tempi di taglio e i vincoli di capacità delle risorse di trasporto utilizzando i sistemi di trasporto esistenti?
- Come si possono ottimizzare i sistemi di servizio al cliente per fornire uno stato accurato dell'ordine, che è fondamentale sia per migliorare le capacità di adempimento che per rispondere alle richieste dei clienti?

Da lì, si potrà iniziare a considerare le serie di dati a cui non si ha già accesso che possono informare le decisioni per le sfide che si sta cercando di risolvere. Per esempio, c'è un modo per accedere al sistema di trasporto di un partner della supply chain per avere aggiornamenti in tempo reale sullo stato della spedizione? Questo permetterebbe al team interno di sapere se una spedizione è in ritardo o arriva in anticipo, in modo da poter pianificare di conseguenza e riassegnare le risorse se necessario. È possibile accoppiare queste informazioni con i sistemi interni di programmazione dei dipendenti e di gestione del cantiere per garantire che ci sia una porta di banchina libera e sufficiente personale di ricezione sul molo quando arriva l'ordine. Naturalmente, sarebbe meglio se si avesse una varietà di sensori e soluzioni di apprendimento automatico in atto alla banchina per ottenere un processo di ricezione no-touch quando i pallet arrivano, in modo da non perdere tempo prezioso.

E’ da ricordare, queste sono informazioni preziose anche per uno stabilimento che sta aspettando un pezzo importante per l'assemblaggio, o un centro di distribuzione al dettaglio che aspetta l'inventario da un fornitore terzo durante un picco di festività. E la collaborazione industriale tra i fornitori apre la porta a operazioni di supply chain senza attrito. Più dati ci sono, meglio è - e più dati in tempo reale, ancora meglio. Impostare un piano per la condivisione sicura dei dati come parte del proprio pool di dati per ottimizzare le operazioni sarà un modo eccellente per acquisire approfondimenti di dati più significativi. E’ consigliabile anche di usare le interfacce di programmazione delle applicazioni (API) per creare applicazioni personalizzate che permettano di accedere agli approfondimenti di database di terzi, come il meteo, il traffico e altro. La fusione di questi dati con i propri dati marginali e aziendali migliorerà il processo decisionale, farà risparmiare tempo e genererà dati più universali che possono essere condivisi in tutta la catena di fornitura per risolvere sfide sostenute ed emergenti.

SI E’ DAVVERO PRONTI A PASSARE ALLA FASE CINQUE? DUE MODI PER SAPERLO

La fase cinque è molto orientata al futuro e si potrebbe non essere ancora pronti per questo tipo di soluzioni. Solo poche operazioni di magazzino sono maturate abbastanza da giustificare ulteriori investimenti in AI, apprendimento automatico e altre piattaforme di intelligence sulla scala dettata dalle implementazioni della fase cinque. E solo un decisore su cinque intervistato per lo studio Warehousing 2024 Vision Study di Zebra ha classificato il funzionamento con prestazioni guidate dai dati e guida e decisione in tempo reale come un importante risultato operativo nei prossimi anni. Tuttavia, le cose si stanno evolvendo rapidamente, e non passerà molto tempo prima che l'analisi predittiva e i miglioramenti proattivi delle prestazioni siano una necessità - e una realtà - per tutti.

Si saprà di essere pronti a fare il salto di qualità quando:
- si inizierà a sperimentare le sfide meglio servite dall'incorporazione di dati più diversificati nel processo decisionale automatizzato. I dati in tempo reale su cui ci si basa attualmente sono principalmente basati sulla posizione, e un numero ancora maggiore di dati disponibili nei sistemi è probabilmente sottoutilizzato. È probabile che si stiano ancora eseguendo molte interpretazioni dei dati avviate dall'uomo che non sono olistiche o in tempo reale, il che lascia informazioni incomplete e incapaci di lavorare in modo proattivo. Nella quinta fase, si otterranno gli strumenti necessari per estrarre, analizzare in modo predittivo e applicare in modo prescrittivo i dati nelle operazioni.
- si fa ancora troppo affidamento su regole di business che possono - e cambieranno. Per maturare completamente, le operazioni di magazzino devono diventare più dipendenti dagli algoritmi che sono in grado di fondere insieme più set di dati per prendere decisioni complesse in tempo reale per ottimizzare e rendere i flussi di lavoro a prova di errore.

Un'altra considerazione: si avrà bisogno di risorse per lo sviluppo di app intelligenti basate sull'AI e sul machine learning, nonché di accesso alle API.

COME MISURARE IL SUCCESSO NELLA FASE CINQUE

Anche se ogni operatore di magazzino avrà una serie diversa di indicatori di prestazione chiave (KPI) a seconda delle sfide e degli obiettivi, si avrà la consapevolezza di maturare correttamente nella fase cinque se si saprà:

1. Orchestrare i sistemi di magazzino con i sistemi di trasporto, di cantiere e altri sistemi aziendali per assicurare che tutti questi sistemi condividano o scambino informazioni. Come è stato scritto prima, questo aiuta ad anticipare le interruzioni o le opportunità e a rispondere con la migliore mossa successiva. Tuttavia, è vitale anche integrare direttamente ognuno di questi sistemi aziendali con le operazioni fisiche nel magazzino - al di là della posizione dei beni - per adattarsi proattivamente alle condizioni mutevoli e avere un'organizzazione redditizia e centrata sul cliente. Per esempio, sono da considerare i vantaggi di un sistema ERP di un responsabile degli acquisti direttamente collegato alle operazioni fisiche del magazzino in questo scenario:
Un lettore RFID fisso e un ponte fisso Bluetooth® Internet of Things (IoT) alle porte della banchina leggono i tag RFID e i sensori di temperatura di un pallet in arrivo mentre l'autista del carrello elevatore esce da un rimorchio. Il responsabile degli acquisti e l'autista del carrello elevatore vengono immediatamente avvisati che la merce deperibile è stata compromessa durante la spedizione e non soddisfa la temperatura designata. Il responsabile degli acquisti contatta immediatamente il fornitore e organizza l'invio di un sostituto in giornata, mentre il responsabile del ricevimento è in grado di rifiutare la merce compromessa. Non si perde tempo prezioso.

2.  Si è ben collegati con le persone e i sistemi che raccolgono dati al di fuori delle quattro mura. E’ risaputo che la catena di approvvigionamento è una rete complessa che può avere un "effetto domino". Un piccolo ritardo può avere un impatto su tutta la linea. Perciò, includere dati in tempo reale dall'esterno delle quattro mura del magazzino nell’analisi delle prestazioni è la chiave per mantenere un'operazione adattiva. Condividere i dati - sia partecipando a una blockchain/digital ledger che offre una catena di custodia verificabile per le merci o semplicemente trasmettendo dettagli sullo stato degli ordini - è la chiave per fornire le risposte di cui si ha bisogno per risolvere i problemi e mantenere i clienti felici.

3.  Si è riposto la fiducia nell'automazione dei dati e nelle decisioni dettate dalle macchine. Questo potrebbe essere il più impegnativo di tutti, dato che non sarà facile abbandonare i metodi provati e veri di agire in base a ciò che si ha di fronte qui e ora. Passare da un'operazione in cui gli esseri umani giocano un ruolo integrale nell'interpretazione dei dati a lasciare che l'IA e le piattaforme di apprendimento automatico accedano a centinaia di migliaia di punti di dati in tempo reale e transazionali per prevedere cosa accadrà, richiederà una certa gestione del cambiamento. E fare affidamento solo su questi algoritmi per determinare la migliore mossa successiva in base alla previsione di un sistema intelligente può sembrare insondabile. Ma, con la velocità con cui si muove la catena di approvvigionamento, non è proprio possibile per un umano elaborare la quantità di dati che viene catturata ogni minuto, figuriamoci in un giorno.

È molto più impattante per gli esseri umani identificare le fonti di dati e i processi che l'AI e l'apprendimento automatico dovrebbero utilizzare per imparare costantemente nuovi modelli e, a sua volta, migliorare la precisione e prescrivere azioni che ottimizzino i flussi di lavoro, la pianificazione delle risorse e del lavoro e persino la configurazione delle strutture. Basti pensare a quanti punti di dati devono essere analizzati per migliorare l'utilizzo dell'intero pool di addetti al prelievo assegnati a ogni turno, ogni giorno, fino a raggiungere un flusso di lavoro ottimizzato: distanza e strada percorsa, ordini prelevati all'ora, numero di scansioni, dimensioni dell'ordine, esaurimento delle scorte incontrate, posizione dei prelievi, tipo di prodotto prelevato, tempo di permanenza, numero di viaggi alle stazioni di imballaggio, peso movimentato, metriche dei dispositivi e molto, molto altro.

Utilizzando i dati relativi alla posizione dei prelievi, al tempo di permanenza e ai prelievi all'ora, una soluzione AI può immediatamente stabilire il collegamento che i prelevatori che non sono gravati dalla congestione di altri prelevatori possono prelevare più ordini all'ora e quindi suggerire percorsi per le posizioni di prelievo che manterranno i prelevatori più produttivi. Può anche far scattare la necessità di un conteggio dei cicli in un'area specifica se gli addetti al prelievo incontrano un'elevata frequenza di out-of-stock. I metodi di automazione intelligente possono quantificare come gli addetti al prelievo che hanno ordini concentrati in una zona sono in grado di prelevare più ordini all'ora e il WMS può iniziare a organizzare i prelievi per zona.

IN ALTRE PAROLE
L’obiettivo principale nella Fase Cinque è quello di fondere insieme ogni pezzo di dati raccolti ai margini delle operazioni - e in tutta la catena di fornitura - in modo da poter prevedere meglio ciò che sta arrivando, automatizzare il processo decisionale e diventare più proattivi nel processo e nei miglioramenti del flusso di lavoro. Basta ricordare che ogni dato è prezioso, sia che sia generato da un sensore di temperatura, da un sensore di peso, da una telecamera di visione artificiale, dalla scansione di un codice a barre, da un segnalatore di posizione, da uno strumento diagnostico o da un dipendente tramite un'app di gestione della forza lavoro. Mantenere proattivamente lo stato di salute dei dispositivi mobili informatici, di stampa e di scansione è la chiave per aumentare la sicurezza, l'efficienza e la produttività dei lavoratori. E prendere in considerazione il feedback dei dipendenti quando si impostano gli orari o si assegnano i compiti aiuterà a migliorare il morale e il benessere - il che, a sua volta, aumenta la produttività. Inoltre, migliorare l'utilizzo del lavoro e fornire una guida dettagliata su cosa fare ogni secondo della giornata rende il lavoro dei lavoratori più facile, il che li aiuta a fare di più e, a di conseguenza, aumenta il loro valore.