WMS uczący się (AI slotting) - jak sprawdzić, czy twój magazyn traci pieniądze, zanim kupisz nowy moduł

Wchodzę w zeszłym tygodniu na halę pod Poznaniem. Dyrektor operacyjny pokazuje mi z dumą nowy WMS, wdrożony dwa lata temu. Pełen moduł, customizacje, integracja z ERP. Pytam tylko o jedno: kto u was decyduje, gdzie ląduje nowy SKU? Patrzy na mnie. Mówi: kierownik zmiany, na oko. Wtedy wiem, że firma obok zjada im obiad.

Kierownik zmiany decyduje na oko nie dlatego, że jest leniwy. Decyduje tak, ponieważ system nic innego mu nie podpowiada. Klasyczny WMS sprzed kilku lat planuje trasy pickerów według logiki, którą branża nazywa dziś archaiczną. Stałe lokalizacje, statyczne strefy ABC, slotting raz na kwartał w Excelu. A rynek w międzyczasie przyspieszył - rotacje zmieniają się z tygodnia na tydzień, nie z kwartału na kwartał.

Teza tego artykułu jest prosta. Jeżeli twój WMS uczący się nie istnieje - czyli system nie kalibruje się sam każdej nocy - to każdego ranka tracisz pieniądze, których nie widzisz na żadnym panelu. Pokażę ci, gdzie konkretnie te pieniądze wyciekają, jak je zmierzyć i kiedy ma sens kupować AI slotting, a kiedy ma sens najpierw poprawić proces decyzyjny u siebie w organizacji.

Gdzie wycieka pieniądz, którego nie widać

Zacznijmy od kontrintuicyjnej obserwacji. Im stabilniejsze masz wskaźniki magazynowe, tym bardziej powinieneś być podejrzliwy.

Stabilność w operacjach magazynowych w czasach, w których asortyment, kanały sprzedaży i zachowania klientów zmieniają się z miesiąca na miesiąc, nie jest dowodem jakości zarządzania. Jest dowodem na to, że twój system pomiaru nie nadąża za rzeczywistością. Bo gdyby nadążał, te wskaźniki by drgały. Reagowałyby na sezonowość, na promocje, na zmiany w koszyku. A jeżeli linia jest płaska jak stół, to znaczy, że ktoś rysuje średnią z danych, które już nie opisują tego, co dzieje się na hali. Więcej o właściwym doborze metryk piszę w sekcji dotyczącej KPI logistycznych.

Wyciek pierwszy - ścieżka pickera

Klasyczny WMS planuje trasę według statycznej mapy magazynu i stałych lokalizacji SKU. Picker dostaje listę, idzie po niej, wraca. Tylko że ta lista jest zbudowana na założeniu, że SKU A leży tam, gdzie leżało wczoraj, tydzień temu, miesiąc temu. A rotacja SKU A w międzyczasie wyraźnie wzrosła, ponieważ klient zmienił asortyment promocyjny.

Co się dzieje? Picker chodzi do A częściej, ale A leży dalej. Każda kompletacja to kilkanaście, czasem kilkadziesiąt sekund nadprogramowych. Zsumuj to przez wszystkie linie zamówień, przez wszystkie zmiany, przez wszystkie tygodnie. Wyjdzie ci liczba, która jest wstydliwa.

Ale ty jej nie zobaczysz. Ponieważ twój panel pokazuje średni czas kompletacji w stosunku do średniego czasu kompletacji sprzed pół roku. A te dwie liczby są bardzo podobne. Dlatego mówisz: stabilnie.

Wyciek drugi - korelacja koszykowa

Korelacja koszykowa mówi, jakie SKU są kompletowane razem w jednym zamówieniu. Klasyk: śruba i podkładka, drukarka i toner, koszula i krawat. W e-commerce to się zmienia z tygodnia na tydzień, ponieważ kampanie marketingowe sterują koszykami.

Klasyczny WMS tej korelacji nie zna. Albo zna ją z pliku, który ktoś zaktualizował pół roku temu. System WMS uczący się liczy to każdej nocy, na danych z wczoraj.

Jeżeli śruba i podkładka są w tym samym koszyku w znaczącej części zamówień, to w dobrze zorganizowanym magazynie leżą obok siebie. Picker wykonuje jeden ruch zamiast dwóch. Pomnóż przez liczbę linii w zamówieniu, przez liczbę zamówień dziennie, przez liczbę dni roboczych w roku. Wychodzi spora kwota, która nigdzie nie jest zaksięgowana jako oszczędność, ponieważ nigdy nie pojawiła się jako koszt.

Wyciek trzeci - ślepa plamka pomiaru

Twój panel mierzy to, co umie zmierzyć WMS, który masz. A WMS, który masz, mierzy to, co projektant systemu uznał za istotne kilka lat temu. Wtedy istotny był średni czas kompletacji, liczba błędów, wykorzystanie regałów. Dziś istotne jest też, ile system sam zoptymalizował w nocy, ile ścieżek pickerów się skróciło tydzień do tygodnia, ile par SKU zmieniło sąsiedztwo.

Tych metryk u ciebie nie ma. Nie dlatego, że twój zespół jest słaby. Nie ma ich, ponieważ system, który masz, nie wie, że one istnieją. To jak prowadzić samochód, patrząc tylko na prędkościomierz. Jedziesz. Ale nie wiesz, czy jedziesz w dobrym kierunku.

Jak zmierzyć wyciek u siebie - zanim zadzwonisz do dostawcy

Najgorsze, co możesz zrobić, to zadzwonić do dostawcy WMS i powiedzieć: dajcie mi AI slotting. Wiesz, co usłyszysz? Cenę. Harmonogram wdrożenia. Prezentację z trzema wykresami i jedną liczbą procentową na slajdzie końcowym. A nie usłyszysz odpowiedzi na pytanie, które naprawdę ma znaczenie. Czy u ciebie ten moduł w ogóle ma się o co zaczepić.

Moduł uczący się potrzebuje paliwa. Tym paliwem są dane. Dane o rotacji, o koszykach, o ścieżkach pickerów, o czasach kompletacji w rozbiciu na strefy, na pory dnia, na typy zamówień. Jeżeli twój WMS te dane zbiera w sposób połowiczny, to nawet najlepszy algorytm dostanie wsad, z którego nic sensownego nie wyliczy. Śmieci na wejściu, śmieci na wyjściu.

Pełną diagnostykę warto przeprowadzić w ramach audytu operacyjnego magazynu, ale cztery podstawowe kroki możesz wykonać samodzielnie.

Krok 1 - raport rotacji za 90 dni

Wyciągnij ze swojego WMS-a raport rotacji per SKU za ostatnie 90 dni. Nie za rok. Nie za kwartał. Za 90 dni, z podziałem tydzień po tygodniu. I popatrz na to jak detektyw, a nie jak księgowy.

Szukaj SKU, których rotacja w ostatnich tygodniach wyraźnie odbiegła od średniej z początku okresu. W górę albo w dół. To są kandydaci do przesłotowania. Jeżeli znajdziesz znaczącą część asortymentu, która zmieniła zachowanie, a nie zmieniła lokalizacji w magazynie - masz pierwszą twardą liczbę. Liczbę, której wcześniej nie miałeś.

Tu warto wspomnieć o narzędziu Pronostico, które liczy prognozę popytu i pokazuje przesunięcia rotacji w czasie - dokładnie to paliwo, którego potrzebuje algorytm slottingu.

Krok 2 - korelacja koszykowa

Tu robi się trudniej, ponieważ wiele klasycznych WMS-ów takiego raportu po prostu nie ma. Ale dane są - leżą w bazie zamówień. Trzeba poprosić kogoś z IT albo zewnętrznego analityka o prosty skrypt: które pary SKU najczęściej pojawiają się razem w jednym zamówieniu w ostatnich 90 dniach.

Wyniki cię zaskoczą. Operatorzy, z którymi rozmawiam, mają w głowie obraz korelacji sprzed roku albo sprzed dwóch lat. A rzeczywistość się przesunęła. Kategorie produktowe, które kiedyś chodziły razem, dziś chodzą osobno. I odwrotnie.

Weź dziesięć najczęstszych par i sprawdź na hali, gdzie te SKU leżą. Jeżeli leżą w różnych alejkach, w różnych strefach, jeden w głębi, drugi przy wyjściu - masz drugą twardą liczbę.

Krok 3 - ścieżki pickerów

To najtrudniejszy element, ponieważ wymaga, żeby system w ogóle logował trasy. Nowsze WMS-y to robią. Starsze - tylko czas startu i czas końca zlecenia. Jeżeli twój system loguje kolejność lokalizacji w zleceniu kompletacyjnym, masz złoto. Jeżeli nie - masz pierwszy konkretny argument do rozmowy z dostawcą. Nie o AI slotting. O rozszerzenie logowania.

Większość firm, które dziś rozmawiają o module uczącym się, nie potrzebuje modułu uczącego się. Potrzebuje lepszego logowania tego, co już dzieje się w magazynie.

Krok 4 - czasy w strefach

Rozbij średni czas kompletacji na segmenty:

• czas w strefie A

• czas w strefie B

• czas w strefie C

• czas w pakowaniu

• czas w drodze powrotnej

Jeżeli zdecydowana większość czasu kompletacji to dojście i powrót, a nie pobranie towaru - masz problem topologiczny, a nie problem algorytmiczny. Żaden moduł uczący się tego nie naprawi, dopóki nie zmienisz fizycznego układu stref. To zadanie dla projektowania layoutu magazynu, a w przypadku większych zmian - dla pełnego masterplanu magazynu.

Co naprawdę kupujesz, kiedy kupujesz WMS uczący się

Wbrew temu, co pokazuje prezentacja dostawcy, nie kupujesz algorytmu. Algorytm jest tani. Algorytmy slottingu są opisane w literaturze branżowej od lat. Każdy poważny dostawca ma swoją wersję. Różnice między nimi są mniejsze, niż sugeruje marketing.

Kupujesz trzy rzeczy. I tylko jedna z nich jest technologią.

Pierwsza rzecz - integracja

Moduł uczący się musi rozmawiać z twoim WMS-em, z ERP, czasem z MES, czasem z systemem transportu wewnętrznego. Każda z tych integracji to nie jest plik konfiguracyjny. To są tygodnie pracy, mapowania pól, testowania wyjątków, godzenia różnych słowników danych. W mojej praktyce widzę, że to właśnie integracja zjada większą część budżetu i większą część kalendarza. Algorytm jest gotowy szybko. Integracja ciągnie się znacznie dłużej.

Każdy WMS, który pracuje dłużej niż kilka lat, ma swoją historię. Pola dopisywane ad hoc. Słowniki, które ktoś nadpisał. Wyjątki obsługiwane ręcznie przez jedną osobę, która już nie pracuje. Moduł uczący się wchodzi w tę warstwę i musi ją przetłumaczyć na dane, które nadają się do liczenia. To nie jest praca algorytmiczna. To jest praca archeologiczna.

Dlatego pierwszą rzeczą, którą musisz wynegocjować z dostawcą, zanim podpiszesz cokolwiek, jest jasna odpowiedź na pytanie: kto odpowiada za integrację z twoim WMS-em. Imię, nazwisko, rola po stronie dostawcy. Jeżeli dostawca mówi: to ustalimy później - masz problem.

Druga rzecz - proces decyzyjny

To najbardziej niedoceniana część całego wdrożenia. Moduł uczący się każdej nocy generuje rekomendacje. Pytanie brzmi: kto te rekomendacje akceptuje? I co się dzieje, kiedy magazyn jest fizycznie pełny i przesunięcie A wymaga najpierw przesunięcia B, które wymaga przesunięcia C?

Operatorzy często wpadają w tę pułapkę. Kupują moduł, system zaczyna proponować zmiany, a po kilku tygodniach rekomendacje lądują w skrzynce mailowej kierownika magazynu, który nie ma czasu ich przeczytać. Po miesiącu nikt już nie pamięta, że ten moduł w ogóle działa.

Konkret na poniedziałek rano: wpisz w kalendarz piętnaście minut codziennie, o stałej godzinie, na przegląd rekomendacji. Wyznacz jedną osobę. Daj jej prawo powiedzieć nie wykonujemy, ale wymagaj uzasadnienia w jednym zdaniu. Po miesiącu masz log decyzji. To jest twoja prawdziwa baza wiedzy o tym, czy moduł rozumie twój magazyn, czy nie. Pomocne tu są również odpowiednio zaprojektowane systemy premiowania, które wiążą jakość wykonywanych przesunięć z motywacją zespołu.

Trzecia rzecz - zmiana roli kierownika zmiany

Najtrudniejsza część, ponieważ dotyczy ludzi, nie technologii.

Kierownik zmiany w klasycznym magazynie podejmuje decyzje na oko, ponieważ tak był uczony przez lata. Ma intuicję, ma doświadczenie, ma autorytet wobec zespołu. I nagle pojawia się system, który mówi mu, że jego intuicja w ostatnich tygodniach była spóźniona. Nie zła. Spóźniona.

Kiedy ktoś mnie pyta, jaki jest najtrudniejszy element wdrożenia modułu uczącego się, nie odpowiadam: integracja. Nie odpowiadam: dane. Odpowiadam: redefinicja roli kierownika zmiany. On przestaje być osobą, która decyduje. Staje się osobą, która weryfikuje wykonalność decyzji systemu. To jest inna rola. Inna kompetencja. I często inny człowiek. Pomagamy w tej tranzycji w ramach naszych szkoleń i warsztatów dla zespołów operacyjnych.

Wymienić WMS czy dokleić moduł

Najtrudniejsze pytanie, jakie pada w gabinetach zarządów. Nie ma uniwersalnej odpowiedzi. Są trzy pytania, które tę sytuację opisują.

• Ile lat ma twój WMS i jak głęboko jest scustomizowany? Każda customizacja to miejsce, w którym dane wyglądają inaczej, niż przewidział producent. Jeżeli twój WMS przez lata obrastał polami dopisywanymi ad hoc, raportami pisanymi pod jednego klienta - dokładanie modułu będzie pracą bardzo nieprzewidywalną.

• Jaki jest twój horyzont planistyczny? Jeżeli w najbliższych latach planujesz przeprowadzkę, zmianę topologii, dołożenie automatyki - dokładanie modułu do obecnego WMS-a jest pracą, która i tak zostanie wyrzucona. Wtedy lepiej zaplanować wdrożenie WMS razem z modułem od początku, jako jedną decyzję.

• Jaka jest dojrzałość twojego zespołu IT? Moduł uczący się to nie jest narzędzie, które stawiasz raz i zapominasz. Wymaga ciągłego nadzoru. Ktoś musi patrzeć na metryki samego modelu - czy jakość rekomendacji rośnie, czy spada.

Jeżeli kompetencji nie masz wewnętrznie, masz dwa wyjścia. Albo budujesz ją u siebie - praca długa, liczona w miesiącach. Albo wynajmujesz kompetencję na zewnątrz, jako stały element kontraktu utrzymaniowego. Oba podejścia są dopuszczalne, ale oba muszą być zaplanowane przed zakupem, nie po. Pomagamy klientom przejść tę decyzję w ramach doradztwa logistycznego.

Zadanie na poniedziałek rano

Zanim kupisz moduł uczący się, zbuduj proces decyzyjny ręcznie. Na arkuszu. Na cotygodniowym spotkaniu, na którym kierownik magazynu, kierownik zmiany i analityk patrzą razem na dane i wspólnie decydują o przesunięciach.

Zrób to przez kwartał. Mierz, ile czasu pickerów udało ci się odzyskać. Mierz, ile par SKU przesunąłeś. Mierz, jak zmieniła się ścieżka kompletacji w top 20 indeksów. Po kwartale masz dwie rzeczy. Twardą liczbę oszczędności, którą rozumie zarząd. I zespół, który wie, jak pracować z danymi.

Dopiero wtedy rozmowa o module uczącym się jest rozmową dorosłą. Wiesz, ile możesz wycisnąć z procesu ręcznego. Wiesz, ile dodatkowo daje ci automatyzacja tego procesu. I wiesz, czy twój zespół jest gotowy. Pełna mapa działań optymalizacyjnych dostępna jest w ramach optymalizacji procesów magazynowych.

Podsumowanie

Kluczowe wnioski z tego artykułu:

• Stabilność wskaźników w zmiennym rynku jest podejrzana - jeżeli twoje KPI są płaskie jak stół w czasach, gdy asortyment i koszyki zmieniają się z miesiąca na miesiąc, to znaczy, że pomiar nie nadąża za rzeczywistością.

• Pieniądze wyciekają w trzech miejscach - ścieżka pickera oparta na nieaktualnych lokalizacjach, korelacje koszykowe ignorowane przez klasyczny WMS, ślepa plamka systemu pomiaru.

• Zanim zadzwonisz do dostawcy AI slotting, zmierz wyciek u siebie - cztery kroki diagnostyczne, które możesz wykonać samodzielnie: raport rotacji za 90 dni, korelacja koszykowa, ścieżki pickerów, czasy w strefach.

• Kupując WMS uczący się, kupujesz trzy rzeczy - integrację, proces decyzyjny i zmianę roli kierownika zmiany. Algorytm dostajesz w pakiecie.

• Większość firm potrzebuje najpierw lepszego logowania danych i procesu decyzyjnego, a dopiero potem modułu uczącego się. Inwestycja w sam algorytm bez tych dwóch fundamentów to wydatek, nie inwestycja.

• Pytanie kontrolne na koniec - imię i nazwisko osoby, która u ciebie w piątek po południu patrzy na dane rotacji z mijającego tygodnia i decyduje, co przesunąć w weekend. Jeżeli takiej osoby nie ma - żadna technologia tego nie naprawi.

Jeżeli chcesz porozmawiać o tym, gdzie konkretnie wycieka pieniądz w twoim magazynie, zapraszam do kontaktu przez profil LinkedIn albo bezpośrednio przez stronę Pomoc w logistyce. Robimy audyty, które kończą się liczbami, nie prezentacjami.

Więcej rozkminek o operacjach magazynowych i WMS znajdziesz na kanale YouTube Piotra Susza. Do zobaczenia w kolejnym odcinku.

Piotr Susz, LOCURA