X5 Group
Умная оптимизация складов
“
Я призываю вас, друзья, анализировать как можно больше цифровых следов, когда вам кажется, что все инструменты повышения производительности уже применены. В них хранится много потенциала, который не виден на поверхности, и на первый взгляд кажется, что не имеет большого эффекта. Но когда переводишь всё это в плоскость цифр, получается существенный объём того, что можно и нужно изменить, тем самым ускорив процесс, сократив на него затраты и повысив ценность результата от него
Исследование причин задержек и пустых ячеек.
Построение модели управления ячейками отбора.
Выявление простоев, перепробегов и аномалий.
Анализ данных: перемещения, маршруты, время.
Сбор цифровых следов персонала из WMS.
1
Этапы:
2
3
4
5
20% - повышение эффективности операций
премия Data Award 2025
в номинации
«За повышение эффективности бизнеса»
• Найти потенциал для повышения производительности складской комплектации без больших финансовых вливаний и долгосрочных разработок.
• Избежать трудоёмкого и дорогостоящего хронометража для анализа работы переменного персонала (комплектовщиков и водителей электроштабелёров).
• Опираться на имеющиеся цифровые следы сотрудников.
• Выявить «узкие места», неоптимальные действия и простои в процессе комплектации.
• Предложить конкретные направления для оптимизации на основе данных.
• Избежать трудоёмкого и дорогостоящего хронометража для анализа работы переменного персонала (комплектовщиков и водителей электроштабелёров).
• Опираться на имеющиеся цифровые следы сотрудников.
• Выявить «узкие места», неоптимальные действия и простои в процессе комплектации.
• Предложить конкретные направления для оптимизации на основе данных.
• Снижение количества простоев и повышение производительности комплектовщиков на 10%.
• Снижение стоимости обработки короба на 3%.
• Обнаружено, что около 4% времени уходит на возвраты и неоптимальные маршруты.
• Выявлено ещё 18% времени комплектации, связанного с перепробегами (перемещения дольше среднего).
• Обнаружено порядка 3% времени, затрачиваемого на ожидание пополнения товара в ячейках.
• Выявлено, что время на сканирование товаров у некоторых сотрудников в 2—3 раза больше, чем у других.
• Общий потенциал для улучшений до 27% затрачиваемого времени.
• Снижение стоимости обработки короба на 3%.
• Обнаружено, что около 4% времени уходит на возвраты и неоптимальные маршруты.
• Выявлено ещё 18% времени комплектации, связанного с перепробегами (перемещения дольше среднего).
• Обнаружено порядка 3% времени, затрачиваемого на ожидание пополнения товара в ячейках.
• Выявлено, что время на сканирование товаров у некоторых сотрудников в 2—3 раза больше, чем у других.
• Общий потенциал для улучшений до 27% затрачиваемого времени.
Задачи проекта:
Результаты:
Хотите таких же эффектов?
Свяжитесь с нами любым удобным способом