blog

ABC-analyse laat nog veel te wensen over

Warehousing

ABC-analyse laat nog veel te wensen over

De toepassing van ABC-analyse en ABC-indeling in het magazijn staan buiten kijf. In een tweeluik bepleit Vincent Weinschenk van Wherehows Logistics dat deze benadering nog veel te wensen over laat om aan huidige logistieke eisen te voldoen. In dit tweede deel laat hij zien dat het warehouse-in-een-warehouse principe bepalend is voor systeemkeuze en locatiemanagement.

In het eerste deel van dit tweeluik zijn we ingegaan op de impact van omloopsnelheid van het magazijn op systeemkeuzes, locatiebeheer en dientengevolge indeling naar fast- en slow-movers (ABC-indeling). In dit artikel gaan we in op analyse van:

  • Productvraag;
  • Ordersamenstelling.

 

ABC-analyse is niet voldoende voor efficiënt magazijn

Aan de basis van systeemkeuzes, magazijninrichting en locatiebepaling staat vrijwel altijd de ABC-analyse. Hierbij worden voorraadproducten op basis van omloopsnelheid geclassificeerd, meestal naar drie categorieën (A, B en C). A-groep (snellopers) vertegenwoordigen 20% van het aantal artikelen en 80% van de orderlijnen. De B-groep 30% en15%, de C-groep 50% en 5%.

 

In het eerste artikel hebben we al bepleit dat NIET productvraag maar dat ordersamenstelling doorslaggevend is voor een efficiënte inrichting en indeling van het magazijn.

    

In een ‘standaard’ magazijn worden artikelen toegekend aan locaties op basis van omloopsnelheid (ABC-analyse) en productkarakteristieken (vorm/gewicht/stabiliteit). Dit is in onze ogen te kort door de bocht en niet voldoende. Beter is ”the extra mile” te gaan en te bepalen hoe orders in elkaar steken, hoe ze zijn samengesteld. Het zijn ten slotte de te verwerken orders die het overgrote deel van de kosten en daarmee de efficiency van het magazijn bepalen. Of product X op locatie Y of op locatie Z ligt opgeslagen is vanuit ruimtebenutting niet relevant.

  

Samenstelling van artikelen binnen orders is doorslaggevend

Waar het om gaat is dat artikelen die veelvuldig in combinatie met elkaar (in orders) worden gevraagd dicht bij elkaar worden gepositioneerd. Is dit dan niet hetzelfde als de ABC-analyse? Nee, in het verdere verloop van dit artikel zullen we aan de hand van praktijkvoorbeelden aantonen dat hier een wezenlijk onderscheid in zit. Is de ABC-analyse daarmee inefficiënt? Nee, maar het kan veel beter door simpelweg iets verder, iets dieper te kijken.

 

De beperking in toepassing van een ABC-analyse is gelegen in het feit dat enkel gekeken wordt naar vraag (in orderlijnen binnen warehousing) per individueel artikel. Niet wordt gekeken hoe deze vraag in combinatie met andere artikelen in een set aan orders voorkomt. Naarmate deze dataset zich uitstrekt over een langere periode zullen betere analyses en uitspraken kunnen worden gedaan over vraagpatronen van (combinaties van) artikelen in de tijd.

 

Goede analyse fundament voor efficiënte logistieke operatie

Mits op de juiste manier uitgevoerd, legt warehouse analyse op snelle wijze planningspotentieel bloot binnen uw warehouse. Een goed onderbouwde en uitgevoerde analyse is het fundament voor een (toekomstig) efficiënt ontwerp en operationele uitvoering, aansturing en inrichting.

   

Figuur 1 is een figuurlijke weergave van de zogenaamde ijsbergtheorie (klik op afbeelding voor groot beeld). De top steekt boven het water uit, de rest is onzichtbaar. Deze metafoor kan direct worden doorgezet naar analyse en ontwerp binnen een warehouse-omgeving.

 

Drie valkuilen

Een eerste valkuil bij een standaard analyse is dat enkel naar profielen wordt gekeken die relatief eenvoudig in een Excel/Access applicatie zijn te maken. Met betrekking tot dit onderwerp gaat het hierbij meestal om:

 

  • ABC-analyse;
  • Seasonality.

  

Een tweede valkuil is dat veelal geen distributies worden gemaakt maar met ”gemiddelden” wordt gewerkt. Als er iets fundamenteel verkeerd is, is het rekenen met gemiddelden. Stel we kijken naar orderlijnen per order. 50% heeft 1 lijn en 50% heeft 3 lijnen. Het gemiddelde is dan 2 lijnen, terwijl dit helemaal niet voorkomt. Kortom, het gaat erom het totale plaatje te zien. Visualisatie in combinatie met verdelingen zijn van kritisch belang om tot het juiste inzicht te komen. Neem daarom deze extra stap, dit betaalt zich uit.

 

De derde valkuil is dat (ad-hoc) analyses onvoldoende visueel worden gemaakt, opdat in één oogopslag helder is wat de boodschap is. Vanuit het resultaat kan vervolgens verder worden ingezoomd om tot de kern van de zaak te komen. Eerst dan kunnen juiste conclusies worden getrokken.

 

Betrekken we analyse en ontwerp op de ABC-indeling van het warehouse dan zijn de volgende profileringen direct hierop van invloed.

  

  • ABC-seasonality (fast-movers kunnen slow-movers worden en andersom);
  • Family grouping (artikelen met gelijksoortig karakter bij elkaar plaatsen);
  • Ordercompleetheid (kleine groep artikelen zorgt voor relatief veel complete orders);
  • Productaffiniteit (paren van artikelen die relatief veel voorkomen bij elkaar plaatsen).

 

Kleine(re) warehouses zijn in het algemeen efficiënter dan grote

In het algemeen kan worden gesteld dat kleinere warehouses efficiënter werken dan grote warehouses. Dat is op zich ook niet moeilijk voor te stellen wanneer alleen al afstanden in ogenschouw worden genomen. Daarom is het interessant om te achterhalen in hoeverre mogelijkheden bestaan om warehouses-in-een-warehouse te maken. Dit kan op diverse manieren en vanuit diverse optieken worden belicht.

 

ABC-seasonality

Wordt de standaard ABC-analyse (zie figuur 2 als voorbeeld) als uitgangspunt genomen dan zijn er diverse mogelijkheden om seizoenspatronen te ontdekken. Deel de artikelen op in groepen van 1% of 5%, kijk vervolgens per maand hoe deze groepen fluctueren. Andere mogelijkheid is om per maand een ABC-analyse te maken. Vervolgens kan per artikel direct worden achterhaald in welke ABC-groep het artikel zich over het jaar heen beweegt. Daar waar grote verschillen voorkomen is verhuizing van het artikel het meest voor de handliggend.

 

In figuur 2 is te zien dat 5% van de artikelen zorgt voor 55% van de orderregels en dat 20% van de artikelen 80% van de orderregels bepaalt. Kortom, hier is een standaard ABC-curve waarneembaar.

 

Praktijkvoorbeeld:

Bij een logistiek dienstverlener t.b.v. een retailer in sport- camping- en kledingartikelen hebben seizoensinvloeden grote impact. Voor het orderpicken van schoenen zijn indertijd flowracks in het leven geroepen. Tijdens een re-model studie blijkt dat ze geprojecteerd zijn op gemiddeldes in aantal artikelen en orderlijnen over het jaar gemeten. Efficiënter was geweest om voor push-stromen direct uit omdozen wordt gepickt en bij pull-stromen losse dozen worden gepickt. Nu staat een investering van ruim 100k er werkeloos bij.

 

Figuur 2: Standaard ABC-analyse (klik op afb voor groot beeld) 

Family-grouping

In de meeste warehouses wordt de pickstrategie bepaald door de ordermix, de mate waarin orders bestaan worden met artikelen uit diverse productfamilies. Zijn orders echter ”puur”, dan hebben ze de neiging te bestaan uit slechts één van de families. Dan is dit een vroege indicator om het magazijn op basis hiervan te zoneren als ware het een ”virtueel” warehouse binnen het warehouse.

 

In figuur 3 is te zien dat 69% van de orders allen één enkele productgroep in zich hebben. Indeling op basis van productgroep ligt voor de hand. Let echter wel op: binnen de productgroepen kan mogelijk weer onderscheid worden gemaakt in verpakking, in vorm of in grootte. Bijvoorbeeld kleine artikelen in een plateaulift, middelgrote op legborden en grote artikelen op pallets.

 

Figuur 3: Orders verdeeld naar combinaties van productfamilies (klik op afb voor groot beeld) 

Praktijkvoorbeeld:

Bij een producent van bakkerij grondstoffen is het magazijn gereed product zodanig ingedeeld dat blikken, dozen en zakken zijn gescheiden in aparte zones en gangen. Distributie vindt zowel plaats binnen Benelux, Europa als wereldwijd. Om de stapelbaarheid van de pickpallets te verhogen worden eerst blikken, dan dozen en tot slot de zakken verzameld.

 

Ordercompleetheid

Kleine groepen artikelen kunnen zorgen voor grote groepen aan orders. Deze kleine groepen kunnen vaak worden toegekend aan kleine ‘ order completion zones’ waarin de productiviteit, doorlooptijd en pickkwaliteit 2 tot 5 keer zo hoog is als in het generieke magazijn. Om ordercompleetheid wordt bepaald door artikelen te rangschikken van meest naar minst populair (ABC-analyse).

 

Begonnen wordt met het meest populaire artikel, dan de twee meest populaire artikelen enz. Vervolgens worden de artikelen afgezet tegen orders om te bepalen welk deel van de orders door een bepaalde subset van artikelen compleet kan worden gemaakt.

 

Figuur 4 (rechts – klik op afb voor groot beeld)) geeft ordercompleetheid analyse aan van de 20 fast-movers. Top 20 artikelen zorgen voor 7% compleet uit te leveren orders. Opvallend is artikelrank 15, dit is een hardlopend product, maar zorgt in verhouding voor weinig (slechts 5) complete orders. Het overgrote deel van de orderregels komt voor in combinatie met artikelen die een lagere ranking hebben.

 

Praktijkvoorbeeld:

Bij een webshop in accessoires voor elektronische apparatuur bleek nog geen half (0,5%) verantwoordelijk te zijn voor meer dan 30% aan compleet uit te leveren orders. Daarnaast bestaat het overgrote deel van de orders uit één (1) orderlijn. Tot nog toe werden deze artikelen gedurende de dag uit plateauliften verzameld. Nu wordt gewacht tot laat in de middag/begin avond alvorens deze artikelen aan paktafels direct vanuit voorraaddozen worden verwerkt. Hiervoor zijn wat eenvoudige systeemtechnische work-arounds doorgevoerd om geen dure aanpassingen te hoeven doen aan het WMS. Het bedrijf verhuist in 2012 naar een nieuwbouwlocatie met een nieuw gemechaniseerd orderpick- en transportsysteem en bijbehorend WMS.

 

Productaffiniteit

Evenals het gegeven dat een kleine groep artikelen de meerderheid van orderlijnen bepaald (ABC-analyse), zijn er bepaalde artikelen die veelvuldig samen worden besteld. Enerzijds komt dit terug in ordercompleetheid anderzijds is het verdere verdiepingsslag.

Artikelen of groepen van artikelen die relatief veel samen in orders voorkomen worden zijn interessant om dicht bij elkaar in het warehouse te plaatsen.

 

Figuur 5: Productaffiniteit analyse (klik op afb voor groot beeld) 

 

Praktijkvoorbeeld:

Bij een e-commerce bedrijf in printeraccessoires worden jaarlijks duizenden orders verwerkt voor toner en cartridges. Voor de populairste printermerken en -typen worden naast fabrikantenlabels ook private labels verkocht. In figuur 5 is een uitsnede gemaakt voor slechts 1 (private) label. Gesteld kan worden is dat dit patroon voor alle (private) labels geldt. Wat blijkt:

 

  • Blauwe, paarse en gele inkt komen in combinatie met elkaar het meeste voor (in c.a. 3.000 orders):
  • Zwarte inkt komt in combinatie met een willekeurige kleur (veel) minder vaak voor (in c.a. 2.500 orders);
  • Zwarte inkt met een verzameldoos (met 3 kleuren) komt weer minder voor (in c.a. 2.000 orders);
  • Zwarte inkt in combinatie met verzameldoos zorgt voor een zeer groot aantal complete orders, dit is niet het geval bij de andere combinaties.

  

Efficiënt is daarom om in een pickstraat per label de blauwe, paarse en gele inkt bij elkaar te plaatsen. Daarnaast is het efficiënt om zwarte inkt in combinatie met 3-kleuren verzameldoos direct bij de paktafel op grijphoogte voorhanden te hebben.

   

Aanpak

Onze boodschap in dit artikel is om verder te kijken dan de vraag naar individuele artikelen in aantal orderlijnen. Juist door de focus te leggen op de wijze waarop orders zijn samengeteld wordt data omgezet in waarde toevoegende informatie.

 

Met welke analyse begin je en met welke analyse eindig je. Zoals is af te leiden uit het bovenstaande is voor de bepaling van Ordercompleetheid een ABC-analyse vereist. Wat ook van belang is, is dat niet zomaar een ABC-analyse wordt gemaakt over alle artikelen heen. Onze ervaring leert dat vooraleerst dient te worden bepaald:

 

1) Welke artikelen worden in welke opslagmethodiek opgeslagen;

2) Welke artikelen worden daarbinnen in aparte zones (warehouse-in-een-warehouse) gepositioneerd.

 

Om (1) te kunnen beantwoorden zijn diverse analyses vereist waar we hier niet verder op ingaan dan ze te noemen. Het gaat hierbij ondermeer om Cubes & lines per order, Full-partial pallet mix en Voorraadanalyse. Hierbij wordt ondermeer bepaald of artikelen op meerdere niveaus (bijvoorbeeld pallet- en/of colli-niveau) moeten worden opgeslagen ten behoeve van picking. Daarnaast komt hieruit naar voren welke opslagmethodieken zich hiervoor het beste lenen (palletracking, flowracks, legborden, plateauliften, mini-loads, shuttles, etc.).

 

Ter bepaling van (2) raden we aan te starten met een Family-grouping analyse om de zonering helder te krijgen. Pas daarna is het effectief om een ABC-analyse te maken, al dan gekoppeld aan tijdsperiodes (ABC-seasonality).

 

De echte toegevoegde waarde in ABC-analyse t.b.v. ABC-indeling in het warehouse zit ‘m in Ordercompleetheid en Productaffiniteit. Door middel van deze analyses komen de finesses van de logistieke operatie boven tafel. Dit is winst die anders verborgen blijft in gemiddelden. Sterker nog, waar überhaupt niet naar gekeken wordt. Dit is niet alleen een gemiste kans voor een efficiënte logistieke uitvoering. Gebaseerd op onze eigen ervaring weten we met deze analyses ook Sales & Marketing vaak geheel nieuwe inzichten te verschaffen.

Reageer op dit artikel