52
Последовательная автоматизация позволяет увеличить общую
эффективность всего цикла складирования, приняв во внимание особенности
отдельных процессов.
Мною будет рассмотрено 3 процесса, которые являются типовыми для
большинства складов FMCG сектора, для того чтобы результаты
полученного исследования могли быть применены также на практике в
других компаниях.
Перемещение паллет - робокары
Одним из необходимых процессов, который существует на каждом
складе является физическое перемещение паллет из зоны приемки в зону
буфера, а затем в зону хранения. Скорость выполнения данной операции
складывается из скорости перемещения погрузчика, а также из скорости
штабелирования паллета. Причем, чем выше количество ярусов, тем большей
внимательности и точности требуется от сотрудника склада, то есть
увеличивает время выполнения данной операции.
Автоматизация перемещения паллет позволит сократить время на
вышеуказанные операции и увеличить пропускную способность складской
зоны. Автоматизация проводится путем закупки оборудования, не
требующего участия человек в выполнении бизнес-процесса, а также
внедрения сопутствующих информационных технологий.
Так как проект является пилотным, то целесообразно использовать
метод, требующий минимальных затрат, а именно – использование
фиксированных дорожек. Возможны два варианта направляющих дорожек:
оптические и химические
45
.
Оптической дорожкой может стать, например, белая линия на тёмном
полу, то есть дорожка должна быть контрастной для более лёгкого
считывания. На транспортном средстве для освещения дорожки должен быть
расположен источник света. Кроме этого, следует расположить на
45
Ketelaars T., van de Plassche E. An industrial solution to automated item picking //Automation in Warehouse
Development. – Springer, London, 2016. – С. 105-115
53
транспортном средстве фотоэлементы, которые считывают отражённый свет
и управляют движением транспортного средства. Такой тип управления
типичен для лёгкой промышленности или офисов.
Химические дорожки наносятся распылителем по полу или ковру. В
составе таких дорожек имеются растворённые (обычно в воде) светящиеся
частицы, которые активируются источником UV-излучения,
вмонтированным в днище транспортного средства. Отклонения от дорожки
при движении исправляются поступающими на двигатель руля сигналами.
Все это требует дооборудования склада, но вполне оправдывает себя с
точки зрения повышения эффективности ведения складской деятельности.
Ожидаемый эффект непосредственно от данного действия можно рассчитать
следующим образом: сокращения времени перемещения + сокращение
времени штабелирования.
Машинное зрение
Обеспечив должную скорость физического перемещения паллет через
всю складскую зону, можно перейти к следующему месту, ограничивающему
пропускную способность склада – входные потоки. Большинство складов
ритейл продукции, в том числе и Леруа Мерлен, проводят вторую приемку –
приемка по количеству и по качеству. Данная операция занимает большое
количество времени, в среднем 30 минут на один паллет, а также вынуждает
содержать большой штат сотрудников. Данную операцию также можно
автоматизировать.
Машинное зрение (OSR) является технологией, позволяющая
использовать программное обеспечение и анализ больших данных для
осуществления приемки по количеству и качеству. Зачастую необходимо
обрабатывать паллеты, содержащие определенный вид объектов. Такие
паллеты могут обрабатываться как один объект - паллет сканируется
целиком в рамках процесса деления на более мелкие партии или хранения. В
таком случае весь паллет c его содержимым автоматически сканируется по
мере движения мимо стационарных считывателей. В других случаях после
54
сканирования паллета сотрудники делят его содержимое на более мелкие
партии, которые потом хранятся и учитываются при инвентаризации как
индивидуальные единицы.
Трудности могут возникнуть из-за большого количества штрихкодов на
паллете с коробками, однако подобные проблемы можно решить путем
переговоров с поставщиком о способе укладке коробок на паллеты. Однако,
при внедрении подобной технологии неизбежно требуется быть уверенным,
что машинное зрение не совершает ошибку, стоит это делать на этапе
внедрения проекта и постановки задачи для IT отдела. На этапе запуска
проекта необходимо установить правила слежения за деятельностью,
выполняемой машинным зрением.
Перепроверять каждый паллет сотрудником некорректно, поэтому в
данном случае целесообразно ввести методику оценки надежности
поставщиков. Для этого применим расчетную модель, предложенную и
разработанную мною при выполнении курсовой работы на 3 году обучения
бакалавриата. Суть ее заключается в том, что нам известны данные по
объему поставок каждого поставщика за год, а также известно количество
брака, пересорта, и прочих отклонений от заказанных поставок. Собрав
воедино данные по претензионной работе и зная денежные суммы актов
претензий, выставленных на поставщика, становится возможным оценить
риски, в том числе по автоматизации проведения приемки по качеству и
количеству.
55
Рисунок 6. Расчетная модель
Для удобства восприятия будет сформирована таблица с диапазоном,
формулой, и комментариями по подсчетам.
Полученный мультипликатор является крайне малым числом. Из-за
этого все значения помножены на 10 000 для удобства визуализации. Такой
мультипликатор учитывает всё (начиная от количества поставок и заканчивая
вкладом в общую претензионную работу), и, на наш взгляд, является
комплексным. Чем мультипликатор меньше, тем лучше, и тем вероятнее он
будет включён в список тех поставщиков, поставки которых необязательно
перепроверять вслед за проведенный приемкой при помощи машинного
зрения.
На данном этапе математические расчёты заканчиваются и начинается
этап принятия решений руководителями. Руководитель логистики, как
агитатор такого проекта, устанавливает пороговое значение. При этом он
руководствуется как простейшей логикой суждений, так и собственным
56
опытом. Модель позволяет в итоге оценить, какие паллеты являются
наиболее приоритетными для перепроверки машинного зрения.
Таблица 8
Пояснения к расчетной модели
Буква
столбца
Используемый алгоритм
расчета
Пояснения
A
Предварительно собранная
информация
Название фирм-поставщиков
B
Предварительно собранная
информация
Общее количество
выставленных актов об
ошибке поставках по
отдельному поставщику
Продолжение Таблицы 3.1
C
Предварительно собранная
информация
Расхождения в поставке с
заявленной стоимостью
поставки
D
Предварительно собранная
информация
Общая сумма претензионной
работы по поставщику
E
Предварительно собранная
информация
Номер отдела для удобства
анализа конечных
результатов
F
Сумма неустоек
Общая сумма претензионной работы
Позволяет оценить вклад
претензий поставщика,
относительно общей
претензионной работы
G
сумма претензионной работы
общая сумма по накладным
Позволяет оценить,
насколько проблемными
являются поставки в разрезе
конкретного поставщика
H
=столбец F*столбец G
Мультипликатор,
представляющий оценку
поставщика по обоим
показателям, указанным
выше
I
=мультипликатор*10 000
Умножаются все
мультипликаторы, для
удобства вида и анализа
результатов
J
=Мультипликатор ∗
(количество проблемных поставок)
Финальный мультипликатор,
для того чтобы учесть
количество некорректных
поставок и риска
По нашей оценке, итоговое количество паллет, которые будет
необходимо перепроверять – 5 паллет в день.
Создание заданий
57
Увеличив пропускную способность приема продукции на склад и ее
перемещения становится, очевидно, что необходимо увеличивать
«выпускную способность» склада. Стоит отметить, что на различных складах
по-разному осуществляется создание «заданий» - приказов для вывоза паллет
на дальнейшие участки производства или продажи. Однако, лишь полностью
автоматизированные склады осуществляют подбор и выдачу паллет через
управление в WMS-системе. Обратившись к вышеописанной технологии
перемещения паллет через автоматизированное движение техники
становится понятно, что в таком случае можно использовать машинное
программирование для выдачи приказов на транспортировку грузов. Всё что
необходимо сделать – лицу с правом доступа на принятие решение о выборе
паллет создать задание в WMS-системе, а оператору склада
проконтролировать возможность совершения данной операции. Получив
подтверждение от оператора, задание автоматически высылается на
ближайший электропогрузчик с целью минимизации общих временных
затрат.
Расписание заказов используется при планировании дневной
активности. Далее будет описано, каким образом принимаются решения по
расписанию заказов. Ежедневно складом обрабатывается порядка 80 заказов
на вывоз паллет в коммерческий отдел, большинство из них выполняется в
первую половину дня, когда покупателей в магазине еще не много, и у
сотрудников склада есть возможность более оперативно перемещаться по
торговому залу.
Внедрение автоматизированной WMS системы на создание и
выполнение заданий позволяет решить крайне важный вопрос о загрузке
ресурсов склада. С учетом исходных данных о загрузке оборудования и
персонала по приемке продукции ( входной материальный поток), позволяет
корректно сгенерировать загрузку по выходному материальному потоку (
перемещение паллет в зал) и наоборот, позволяет сформировать условия для
партнеров по расписанию приемки таким образом, чтобы складское
58
оборудование и персонал были всегда заняты, и при этом все операции
выполнялись своевременно.
Обновленная цепочка логистических процессов представлена на
рисунке 7.
Таким образом, все три предложенных процесса гармонично
встраиваются в действующую структура магазина и складского комплекса, в
частности, позволяя получить преимущества используемых технологий, о
которых и пойдет речь далее.
Методология расчётной части строится на симуляции внедрения
автоматизации вышеперечисленных процессов, так как внедрение подобных
технологий является дорогостоящим и в рамках данного исследования не
было возможности проверить расчёты на практике. Проведенный анализ
основан на сравнении среднего времени обработки одной паллеты, а также
стандартного отклонения данного расчетного значения. Значения были взяты
с разрешения компании с учетом NDA-политики. Данные были умножены на
произвольный коэффициент, неизвестный мне, и таким образом соблюдается
коммерческая тайна.
59
Рисунок 7. Схема складских операций с учетом предлагаемых
изменений.
На рисунке 8 указано среднее время трех процессов для 100 случайных
паллет. Время обработки отдельной паллеты может различаться в несколько
раз в зависимости от типа товара.
60
Рисунок 8. среднее время обработки одной паллеты
Среднее время каждого автоматизированного процесса было взято из
прошлых исследований.
Рассмотрим статистическую информацию, полученную в результате
симуляции автоматизации процессов (таблица 9).
Таблица 9
Расчет основных показателей по обработке паллеты при
автоматизации деятельности
Показатели
До
автоматизации,
минут
После
автоматизации,
минут
Среднее время обработки
паллеты
28,60
15,29
Дисперсия
79,28
9,63
Среднеквадратическое
отклонение
8,90
3,10
Очевидно, что среднее время меньше, практически в два раза. Более
того, стандартное отклонение значительно ниже, что позволяет утверждать,
что логистическая цепочка становится более прогнозируемой и
определенной. Это подтверждает тот факт, что автоматизация является
0
5
10
15
20
25
30
35
40
45
50
0 20 40 60 80 100 120
Время обработки
Номер паллеты
Среднее время обработки одной паллеты
Время до
автоматизации
деятельности
Время после
внедрения
автоматизации
61
эффективным способом повысить эффективность ведения складской
деятельности.
Рассмотрим интегрированные показатели эффективности, которые
являются комплексной оценкой функционирования складского комплекса
для понимания того, какой выигрыш мы получаем с точки зрения всей
логистической складской цепочки.
Одним из таких показателей является средняя время обработки одной
паллеты. Оно складывается в данном случае из времени выгрузки, времени
первой приемки, времени второй приемки, перевоз паллеты в зону буфера,
перевоз в зону хранения.
Путем проведения расчетов было получено следующее:
Среднее время обработки одной паллеты до автоматизации составляло
32 минуты. После автоматизации средне время обработки одной паллеты
составляет 20 минут. Таким образом, можно сделать вывод о том, что общая
эффективность труда повысится на 60%.
Это очень высокая цифра, однако, она обусловлена тем, что
происходит значительное сокращение времени на проведение второй
приемки (подсчет по количеству и качеству).
Проработав детали теоретической эффективности внедряемых
решений, необходимо определить местонахождение машинного зрения на
складе. Проработка размещения зон на складе – сложная проблема.
Необходимо учитывать большое количество взаимосвязанных факторов и
организации складских процессов и ресурсов классифицировал размещение
зон на три уровня принятия решения: стратегический, тактический и
оперативный. На стратегическом необходимо принять решения о количестве
складов, их размере и местоположения. Данный вопрос не затрагивается в
рамках данной выпускной квалификационной работы. На тактическом
уровне ключевые рассматриваемые вопросы это определение необходимого
количества трудовых ресурсов, распределение бизнес-процессов по
функциональным направлениям, планирование мощностей. Оперативный