Mange e-handelsvirksomheder har – desværre på en trist baggrund – oplevet fremgang uden sidestykke i 2020. Coronakrisen har accelereret en udvikling, der allerede var godt på vej, og gjort onlineshopping til mange forbrugeres førstevalg.
Successen har presset virksomhederne til det yderste, og der er blevet løbet rigtig stærkt på lagrene for at nå at plukke og pakke det hele. Lagermedarbejdernes mange skridt og transporttiden mellem hylderne er imidlertid både hårdt for den enkelte og uproduktiv for virksomhederne. Derfor giver det mening at optimere plukruterne, så den samlede distance pr. pakkeseddel minimeres i videst muligt omfang.
Moderne ERP-løsninger tilbyder lagerstyringsmoduler, der kan netop dét. Men modulernes algoritmer til optimering af plukkeruter er ikke specielt effektive. Ofte "foretrækker" de for eksempel at lade plukkere besøge lokationer i samme rækkefølge hver gang. Det gør vejen unødvendigt lang og er ret demoraliserende for den medarbejder, der hele tiden sendes ud på omveje!
Læs også "Kan nye koncepter i dagligvarehandlen blive the 'new normal'?"
Skær op til 25% af plukkeruten
Derfor indledte vi sidste år et samarbejde med Aarhus Universitet om at undersøge, om der var basis for at gøre det lidt bedre – og det var der i dén grad.
De logistikstuderende nåede frem til, at man uden store sværdslag kunne korte længden på den gennemsnitlige plukkeruter med 10-25 procent. Alene ved at optimere beregningen af plukruter baseret på en algoritme fodret med kortlægning af hyldernes placering på hver enkelt lager i to dimensioner.
På dén baggrund udviklede vi Columbus Pro WMS som tillægsmodul til det eksisterende Warehouse Management System til Microsoft Dynamics 365. Columbus Pro WMS fungerer ved, at:
- Plukruten beregnes indledningsvis i lagerstyringsmodulet i Dynamics 365
- Det cloudbaserede Columbus Pro WMS i Microsoft Azure optimerer ruten
- Den optimerede rute sendes retur til Dynamics 365, som udskriver plukkeliste
Alle beregninger foretages i skyen, ligesom der kun udveksles ret små datamængder mellem Dynamics 365 og Azure. Derfor er Columbus Pro WMS hurtig at implementere og påvirker ikke Dynamics-systemets drift og ydeevne. Men det mest afgørende er naturligvis de fordele, man opnår i drift og prioritering af lageret.
Løsningen har ikke rutepræferencer, men arbejder 100% dynamisk i to dimensioner med udgangspunkt i lagerets layout. Derfor vil Columbus Pro WMS altid søge at planlægge en plukkeliste med henblik på at planlægge den kortest mulige rute, hvilket – som nævnt – i sig selv reducerer længden på den gennemsnitlige rute med 10-25 procent.
Læs mere om Columbus Picking Route Optimization for Warehouse Management.
Tilpas lageret løbende med datadrevent heatmap
Dertil kommer, at løsningen skaber et heatmap, som giver et grafisk, præcist og datadrevent overblik over, hvilke lokationer der besøges oftest. Det gør det nemt at identificere ineffektive lagerprocesser og optimere lageret løbende ved at samle de mest populære varer i en klynge, for eksempel nær pakkelokationen. Dette vil yderligere kunne minimere den gennemsnitlige rutelængde i betydelig grad.
Det er for øvrigt værd at bemærke, at eftersom Columbus Pro WMS ligger i Azure – og ikke kræver tungt kodearbejde ude hos den enkelte Dynamics-kunde – er det nemmere for os hos Columbus at udvikle løsningen. For eksempelvis i samspil med kunder, der ønsker at ensrette lageret helt eller delvist – eller måske optimere til drift med robotter eller truck. Andre vil muligvis ønske at optimere putsekvensen, så returnerede varer kommer hurtigst muligt tilbage på rette plads og kan sættes til salg. Mulighederne er mange.
Det er med til at optimere logistikken, gøre virksomheden mere konkurrencedygtig, minimere ikke-indtægtsgivende transporttid på lageret, skåne medarbejderne og mindske sygefraværet. Samt – til syvende og sidst – måske for at udskyde langt mere kostbare lagerinvesteringer i nogle år eller endda helt undgå dem. Hvilket vel ikke er det værste perspektiv ved en cloudbaseret løsning, der er nem at komme i gang med og billig i drift.
Læs mere om Columbus Picking Route Optimization for Warehouse Management.