Magazijnautomatisering

Veel warehouses zitten op een schat aan data, die hooguit voor slechts een deel wordt gebruikt. Wie meer werk maakt van data-analyse zal al snel vijf tot tien procent efficiënter opereren. Dat zegt Coen Verberk, oprichter van logistiek adviesbureau More Optimal: “Een WMS kan veel logistieke processen heel erg logisch, maar niet superslim aansturen.”

Ongeveer vier jaar geleden betrad Verberk voor het eerst een warehouse. Een logistiek dienstverlener had hem uitgenodigd om met een kritische blik de processen te bekijken. Hij zag mensen op magazijntrucks met halflege pallets achter elkaar aanrijden langs halflege opslaglocaties. Kon dat niet ‘meer optimaal’? “Ik vroeg de logistiek dienstverlener om een dataset en ben die gaan analyseren.”

Verberk was een van de pioniers bij Quintiq, producent van planningssoftware. Na de overname door het Franse Dassault Systèmes ging Verberk in 2014 op zoek naar een andere uitdaging. Die zoektocht bracht hem in het warehouse met de dataset. “Ik was verrast door de kwaliteit van de dataset, die meer dan 100.000 scanregels omvatte. Het valt mij op dat in warehouses door scanning vrij gemakkelijk veel waardevolle data wordt verzameld. Als je goed naar die data kijkt, ontdek je heel veel leuke puzzels die niet altijd even goed worden opgelost.”

Vijf tot tien procent

Coen Verberk: “Logistiek engineers zijn vooral procesgeoriënteerd, maar weten weinig van data-analyse.”

Die data komen uit WMS-systemen. Systemen die volgens Verberk veel processen logisch, maar niet superslim aansturen. Door die processen wél superslim te maken, kunnen warehouses vijf tot tien procent efficiënter worden. Soms kan een kleine aanpassing in de WMS-instellingen al genoeg zijn.

Zo was er een WMS waarin was vastgelegd dat orderpickers hun pallets maximaal 1,40 meter hoog mochten opbouwen. Waarom wist niemand. Tijdens de implementatie had iemand 1,40 meter ingesteld, maar vervolgens had niemand meer naar dat getal gekeken. “Wij konden aantonen dat die orderpickers efficiëntere rondjes konden lopen door de grens te verhogen naar 1,45 meter. Waarom? Omdat veel dozen 18 of 36 centimeter hoog waren. Met een pallethoogte van 1,45 zijn met die dozen net wat meer combinaties te maken.”

Kortere loopafstanden

Een ander voorbeeld is de toewijzing van artikelen aan opslaglocaties. Menig WMS biedt ondersteuning voor ABC-analyse, waarbij de snellopers (A-artikelen) vooraan en de langzaamlopers (C-artikelen) achteraan worden gelegd. Dat leidt tot kortere loopafstanden, maar soms is het slimmer om te kijken naar het rondje dat de orderpicker langs de opslaglocaties loopt dan naar de absolute afstanden tot die locaties. “Neem als voorbeeld één kopje dat met twee schoteltjes kan worden gecombineerd. Grote kans dat het kopje een snelloper is en de twee schoteltjes langzaamlopers zijn.

Na een ABC-analyse wordt dat kopje vooraan gelegd en de schoteltjes achteraan, terwijl het terwijl het veel slimmer is om ze naast elkaar te leggen. Ze worden immers vrijwel altijd samen gepickt.”

Add-on voor WMS

More Optimal startte in 2016 als clubje dataspecialisten die graag logistieke puzzels oplost. Later bouwde Verberk met een oud-collega een softwareplatform waarmee logistieke datasets snel en eenvoudig kunnen worden geanalyseerd: een platform waarin alles draait om visualisatie en optimalisatie. More Optimal gebruikt die toepassing dus in combinatie met WMS-systemen. Met een dergelijke add-on kunnen ook gebruikers zelf analyses maken en hun processen slimmer aansturen.

Dat betekent bijvoorbeeld dat het WMS een bestand met orders stuurt, op basis waarvan het platform de optimale pickroutes berekent. Die berekening gaat weer terug naar het WMS, waarmee vervolgens de orderpickers worden aangestuurd. “Vergelijk een WMS met een tienkamper in de atletiek. Een tienkamper moet veel onderdelen goed uitvoeren, maar kan niet op elk onderdeel uitblinken. Dat is voorbehouden aan de atleten die zich specialiseren. Ons platform is zo’n specialist. Die kan één ding erg goed, namelijk data analyseren en processen optimaliseren.”

Halfvolle karren

Dat WMS-systemen niet superslim zijn, komt omdat ze regelgedreven zijn. Ze volgen een set logische regels die leiden tot behoorlijk efficiënte, maar geen optimale processen. Verberk noemt een voorbeeld van een groot warehouse voor bouwmaterialen met twee naast elkaar gelegen hallen. Om te voorkomen dat orderpickers beide hallen moeten doorkruisen, wordt het warehouse in twee zones opgedeeld. De orderpicker in hal 1 krijgt alleen orders die in hal 1 liggen en orderpickers in hal 2 krijgen orders die in hal 2 liggen, terwijl orders die in beide hallen liggen, worden uitgevoerd door andere orderpickers. “In de basis is dat een goed idee. Maar als er te weinig gecombineerde orders zijn, leidt die aanpak tot halfvolle karren. Dan leidt een zone-indeling per definitie tot suboptimalisatie.”

Algoritmes cruciaal

Een ander voorbeeld is het verdelen van orders in batches. Welke orders moeten samengevoegd om de looproute door het magazijn zo kort mogelijk te houden? Verberk: “Sommige WMS-systemen kijken naar het totale volume. Of naar de locatie van de eerste orderregel van elke order. Dergelijke regels leiden vaak tot suboptimale looproutes. Voor dit soort vraagstukken zijn eigenlijk algoritmes nodig.”

Volgens Verberk zouden veel warehouses daarom baat hebben bij een analist in hun team. Een analist die voortdurend data analyseert in de zoektocht naar slimme oplossingen.

“Die functie bestaat nog niet. De grotere warehouses beschikken weliswaar over een logistiek engineer, maar die is vooral procesgeoriënteerd. Die weet doorgaans weinig van data-analyse.”

Warehouses beschikken zoals gezegd over veel goede data. Maar zijn er nog data die ontbreken? Jazeker, denkt Verberk: “Dat betreft de precieze locatie van stellingen en de afstanden tussen de stellingen. Een WMS gaat ervan uit dat na gang nummer 20 gang nummer 21 volgt. Maar hoe ver is het lopen van gang 20 naar 21? Als we dat weten, kunnen we de processen nog verder verbeteren.”

Blind voor data

Is de aanpak van More Optimal ook geschikt om conclusies te trekken over de inrichting van warehouses? “Gelukkig hebben we partners die daar weer verstand van hebben. Zo is er wel eens het advies uitgebracht om de expeditieruimte korter te maken. Heftruckchauffeurs verloren tijdens een rondje van vier minuten telkens veertig seconden bij het onnodig oversteken van de expeditieruimte”, aldus Verberk, die eraan toevoegt dat veel managers blind zijn geworden voor dat soort data.

Het inhuren van een externe dataspecialist zonder enige voorkennis leidt vaak tot een nieuwe kijk op de operatie. “Met gezond boerenverstand kom je in het warehouse een heel eind, maar vandaag de dag is dat niet meer genoeg. De operaties zijn een stuk complexer geworden. Wie zijn warehouse ‘next level’ wil brengen, heeft meer nodig dan alleen een dosis logica.”

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *

Deze website gebruikt Akismet om spam te verminderen. Bekijk hoe je reactie-gegevens worden verwerkt.

x
Mis niet langer het laatste nieuws

Schrijf u nu in voor onze nieuwsbrief.

Inschrijven