Wat kun je leren van de data uit jouw magazijn?

Home Logistieke automatisering Nieuws en blogs Wat kun je leren van de data uit jouw magazijn?

Jij gebruikt al jaren warehouse software, zoals een ERP of een WMS. Je weet altijd real-time hoe het gaat in je magazijn, en fouten behoren tot een ver verleden. En je hebt inmiddels een schat aan business intelligence data verzameld. Hoe kun je met die data jouw processen optimaliseren?

Gelukkig heb je een hoop data tot je beschikking. Je hebt data over artikelen, klanten, klantorders, magazijn locaties en prestaties van medewerkers in je ERP en WMS systeem. Met slimme dashboards of excel sheets kun je uitstekend zien hoe je er nu voor staat. Loopt alles volgens verwachting?

Ook kun je zelf draaitabellen en grafieken maken en terugkijken naar het verleden. Welke zaken vallen je op? Welke slowmovers liggen nog op een A locatie? Welke artikelen moet je echt niet meer bestellen? Liggen producten die vaak samen worden besteld ver uit elkaar, of juist naast elkaar? Zo verbeter je handmatig en beetje voor beetje je voorraad en magazijninrichting op basis van historische data.

Dat kan ook anders, door gebruik te maken van de steeds grotere rekenkracht van computers. Computers analyseren en combineren grote hoeveelheden data veel beter dan mensen, en vinden verbanden sneller en objectiever. Dus, laat die het werk voor je doen. Je ontdekt misschien verrassende nieuwe verbanden. En dat is precies wat je wilt. Die ene medewerker lijkt misschien heel snel, maar klopt dat ook als je het afzet tegen de dagen en tijden die hij werkt? En tegen het type klanten, orders en artikelen die hij verzamelt? Wees kritisch – kloppen de data en heb je alles goed ingesteld? –, maar vertrouw ook op inzichten die misschien tegen je gevoel ingaan.

Wil je nog verder gaan? Zet dan de volgende stap, en kijk vooruit in plaats van achteruit. Je data zeggen feitelijk alleen iets over het verleden. Artificial Intelligence (AI) voegt daar een voorspelling van de toekomst aan toe. Hoe? Je gebruikt je eigen data om de AI patronen te laten ontdekken in data uit jouw magazijn. Op een klein deel van je data test je of de patronen die het systeem heeft gevonden kloppen. Daarna voorspel je op basis van patronen per seizoen, maand, week, dag of zelfs dagdelen hoeveel bestellingen je vandaag of morgen nog zult ontvangen. En op basis van het type orders en artikelen voorspel je exact hoelang jouw medewerkers er over zullen doen om ze te verzamelen. Zo weet je precies welke capaciteit je morgen nodig hebt om je orders op tijd de deur uit te krijgen.

Dit lijkt allemaal abstract, maar dat hoeft het niet te zijn. Je kunt de toekomst visueel maken in een digitale tweelingbroer van jouw magazijn. In deze virtuele kopie van jouw magazijn kun je zien wat de gevolgen zijn van bepaalde keuzes en optimalisaties. Je ziet je magazijnstellingen en looproutes voor en na bepaalde wijzigingen. Handig, toch? Zo experimenteer je met verschillende optimalisaties en scenario’s. Pakt die optimalisatie inderdaad wel zo goed uit als je had gedacht? Simuleer je keuzes digitaal, en bekijk de gevolgen. Neem vervolgens de beste beslissingen voor je capaciteitsplanning – hoeveel orders moet ik morgen verwerken en hoeveel FTE heb ik daarvoor nodig? –, voor je voorraadplanning – van welke artikelen heb ik te veel of te weinig voorraad op basis van toekomstige verkopen? – en voor je magazijninrichting – hoe minimaliseer ik het aantal loopmeters van de medewerkers?

Wat kun je leren van de data uit jouw magazijn?

Jouw onderbuikgevoel

Presenteer en combineer data

Complexere verbanden met machine learning

Voorspel de toekomst met Artificial Intelligence

Simuleer scenario’s met een Digital Twin

Integreer machine learning in je huidige IT landschap

Ideeën uitwisselen?