artikel

Productiviteit in complexe service logistieke magazijnen

Supply chain Premium

Productiviteit in complexe service logistieke magazijnen

Wie denkt aan service supply chains, denkt niet meteen aan magazijnen. Maar net als in forward supply chains, zijn magazijnen een onmisbare schakel binnen de service supply chain van vele bedrijven. Jaap Eikelboom en Martijn Gommers van Districon vertellen waarom.

De service supply chain heeft vaak wel afwijkende karakteristieken van forward supply chains. Deze komen vooral naar voren in de lage voorspelbaarheid van de vraag, zeer kleine orders, hoge servicelevels en lage omloopsnelheid van de voorraad. Dit artikel gaat in op de trends en ontwikkelingen in de service supply chain en hun invloed op magazijnen en magazijnprocessen binnen deze supply chain. Tevens worden verschillende manieren besproken om de ongewenste gevolgen van deze trends en ontwikkelingen het hoofd te bieden.

 

Het magazijn als schakel in de supply chain

Een servicelogistieke keten zonder magazijnen is ondenkbaar. Het magazijn verbetert de servicelogistieke keten door het:

 

– Verhogen van de flexibiliteit richting de klant
– Verkorten van de doorlooptijd
– Verlagen van de kosten door consolidatie van goederenstromen
– Verlagen van de complexiteit binnen de supply chain door ontkoppeling en bufferen

Om deze functies te kunnen vervullen moet een magazijn goed worden georganiseerd en dienen er effectieve processen in plaats te vinden. Het neerzetten van effectieve processen is één ding, maar ervoor zorgen dat deze processen effectief blijven tegen acceptabele kosten is een nog grotere uitdaging. Magazijnprocessen binnen een supply chain zijn continu onderhevig aan externe trends en ontwikkelingen. Deze trends zijn gelijk aan de trends m.b.t. de supply chain zelf, en hebben in meer of mindere mate impact op de output en/of de kosten van de operatie.

 

De belangrijkste trends zijn:

– Globalisatie
– SLA gedreven klantafspraken
– Gedifferentieerde servicelevels per klant
– Toenemend aantal leveranciers en klanten
– Toenemende eisen vanuit de klant
– Stijgende lonen

De bovenstaande trends duiden op een verhoging van de complexiteit en dynamiek in de omgeving van het magazijn. Dit werkt door binnen de muren van het magazijn:

 

– Orders en zendingen worden kleiner van volume
– Doorlooptijden worden korter
– Kosten stijgen en zetten marges onder druk
– Magazijnprocessen worden steeds afhankelijker van juiste en tijdige informatie

Bovenstaande gevolgen leiden tot meer complexiteit en dynamiek in het magazijn, waarmee de werkverdeling en daarmee de picking productiviteit daalt (zie onderstaand figuur).

 

                                 

Figuur 1: Invloed trends op verdeling pickactiviteiten                                                               

 

In figuur 1 zien we links het taartdiagram van de werkverdeling van de drie hoofdactiviteiten binnen het pickingproces: pakken van goederen, lopen (of intern transport) en overige (waaronder zoeken). Alleen het pakken van goederen kan hier worden beschouwd als productieve tijd. De weergegeven verdeling, waarbij ongeveer 50% wordt besteed aan lopen en 30% aan het pakken van goederen, komt in traditionele magazijnen vaak voor. Wanneer door externe invloedsfactoren de complexiteit en dynamiek binnen het magazijn toenemen, vindt er een verschuiving plaats in  deze verdeling (taartdiagram rechts). Omdat bijvoorbeeld de orders steeds kleiner worden en het aantal SKU’s steeds groter zal een orderpikker meer tijd besteden aan lopen (of intern transport) en minder aan het pakken van goederen. Dit is een slechte ontwikkeling omdat extra lopen leidt tot minder productiviteit en meer kosten per order.

 

Vier optimalisatiemethoden

Over het algemeen kan gesteld worden dat magazijnwerkzaamheden complex en dynamisch worden gevonden indien er onvoldoende informatie beschikbaar is of indien men de aanwezige informatie niet meer kan bevatten. Dit zorgt ervoor dat de mensen hun taken in de processen niet adequaat uit kunnen voeren. Om het tekort aan informatie op te lossen worden in dit artikel vier optimalisatiemethoden onderscheiden:

 

-Organisatie
-Mechanisatie
-Informatie
-Suboptimalisatie

Organisatie

Bij een organisatorische optimalisatie worden de mensen op de werkvloer minder afhankelijk gemaakt van informatie. Hun werkveld wordt verkleind (minder complex) of heldere cut-off momenten worden gecreëerd tussen verschillende taken (minder dynamisch). Voorbeeld van een organisatorische maatregel is zone-picking waarbij iedereen zijn eigen zone heeft in het picking gebied en dus ook zijn eigen deel van elke order pickt.

 

Mechanisatie

Mechaniseren gaat een stapje verder dan de mensen minder afhankelijk van informatie te maken; het is simpelweg de menselijke factor uit het proces halen. Hier kan gedacht worden aan bijvoorbeeld pick-to-belt installaties of picking carrousels.

 

Informatie

De derde optimalisatie methode is het verbeteren van de informatie en de beschikbaarheid hiervan. Er kan hier onderscheid gemaakt worden in drie functies m.b.t. informatie:

 

-Registeren (bijv. ERP en WMS systemen)
-Informeren (bijv. cockpit)
-Sturen

Deze laatste variant, sturen, wordt momenteel door maar weinig ICT-oplossingen voor magazijnen effectief toegepast. Omdat het potentieel van deze variant in de toenemende complexe en dynamische omgevingen steeds groter wordt, heeft Districon samen met Locom een tool ontwikkeld wat aan deze wens voldoet: WPLAN. Hierop komen we in de volgende paragraaf terug.

 

Suboptimalisatie

De laatste vorm van optimalisatie is een paradoxale: suboptimaliseren. Wat hier in feite wordt gedaan is

accepteren dat de magazijnprocessen minder efficiënt en/of effectief zijn dan ze zouden kunnen zijn,

maar dat kan een bewuste keuze zijn. Er kan om wat voor reden dan ook worden beslist dat er geen

investeringen worden gedaan binnen de processen.

 

Bosch Power Tools

Bosch is een wereldwijd opererende producent van automotive-, industriële- en consumenten

technologie. Een onderdeel van deze laatste tak zijn de power tools, met een totale omzet van ruim 3

miljard euro. In Worms, Duitsland, is het centrale magazijn gevestigd van de afdeling power tools. Dit

DC, met een oppervlakte van 95.000m2, biedt werk aan 700 mensen en verwerkt 8,3 miljoen orderregels per jaar. Het assortiment bestaat uit ruim 20.000 SKU’s en er staan meer dan 115.000 pallets

op voorraad. Het Bosch DC in Worms is een mooi voorbeeld van een DC waar bovengenoemde trends

op van toepassing zijn, en waar de complexiteit en dynamiek alsmaar toeneemt. Bosch was op zoek naar

een ICT oplossing die de processen binnen dit DC kan optimaliseren en ondersteunen.

 

Leeuwendeel registreert

Zoals zojuist besproken bestaan er momenteel niet veel ICT oplossingen voor magazijnen die een echt

sturend en optimaliserend karakter hebben. Het leeuwendeel beperkt zich tot registreren en een enkele

informeert. WPLAN onderscheidt zich hierin.

 

WPLAN is een optimalisatietool dat gekoppeld wordt aan het bestaande WMS. WPLAN haalt de orderregels uit het WMS en bepaalt de optimale picking routes. Deze routes worden constant geoptimaliseerd omdat het tool elke 15 minuten opnieuw gaat bekijken welke orderregels nog in het WMS staan en berekent daarbij wat de optimale volgorde en samenstelling van orders per picking route wave is. Pickers kunnen hierbij dus ook meerdere orders in 1 run één pickwave afhandelen. Met een beetje fantasie zou dit proces gevisualiseerd kunnen worden in onderstaand figuur:

 

 

Figuur 2: Visualisatie van de optimalisatie door WPLAN

 

Zoals hierboven reeds beschreven haalt WPLAN continu nieuwe orders uit het WMS en optimaliseert de volgorde en samenstelling van de picking routes elke 15 minuten. Dit proces vindt plaats in de

‘salamiworst’. Tegelijkertijd worden aan de andere kant de opdrachten voor de pickers uitgegeven al naar gelang de behoefte. Op deze manier worden er dus altijd optimale picking routes uitgegeven, ondanks het dynamische karakter van de binnenkomende orders gedurende de dag.

Naast deze optimalisatie van picking routes, kan WPLAN tevens worden gebruikt om de optimale

locatie-indeling (bin assignment) op te stellen. Hiermee kunnen ook de picking routes weer efficiënter

worden gemaakt.

 

WPLAN is onlangs geïmplementeerd in het wereldwijde DC van Bosch in Worms. In dit

DC zijn significante besparingen gerealiseerd van 40% tot 50% op zowel loopafstanden als aantal routes.

 

                                                                          

Figuur 3: Volume per pickingroute pickwave zonder WPLAN           Figuur 4: Volume per pickingroute pickwave met WPLAN

 

In de figuren 3 en 4 is duidelijk te zien dat het volume per pickingroute in het DC van Bosch te Worms

significant is toegenomen nadat WPLAN in gebruik is genomen. De orders worden optimaal toegewezen

aan de pickingroutes zodat deze zo efficiënt mogelijk worden gelopende looptijd wordt geminimaliseerd. Dit heeft bovengenoemde besparingen mogelijk gemaakt.

Reageer op dit artikel