Artikel teilen:

Optimierung im Lager, Produktempfehlungen in Online Shops

Ihre Herausforderungen in der Intralogistik

Optimierung von Durchsatz und Wegen

Steigende Anforderungen an die Intralogistik erfordern die Reduktion der Durchlaufzeiten von Auftragseingang bis zum Versand. Sofern dies möglich ist, werden die Laufwege in Person-zu-Ware-Bereichen bereits durch eine zweistufige Kommissionierung reduziert. Eine weitere Optimierung basiert auf dem Zusammenspiel einer geeigneten Erhöhung der Nähe von Artikeln und der Bündelung von Aufträgen.

Vor dem Hintergrund kontinuierlicher Veränderung aktiver Sortimente und kleinteiliger Aufträge sind klassische, relativ statische ABC Analysen häufig nicht ergiebig genug. Im Rahmen unserer Data Quick Checks analysieren wir daher frühzeitig die Sortiments- und Lagerdynamik.

Monatliche Veränderung des aktiven Sortiments Industrielle ki

Monatliche Veränderung des aktiven Sortiments

Verhältnisse von Picks, Positionen, Artikel und Rundgängen in verschiedenen Lägern

Ein Mehrwert wird zudem nur erreicht, wenn Umlagerungsprozesse den Gewinn in der Wegeoptimierung nicht wieder zunichte machen und Einlagerungsprozesse hinreichend vorausschauend gesteuert werden können, um eine verbesserte Verteilung von Artikeln auch zu erreichen.

Im bestimmten Situationen bergen sogar automatische Lagersysteme noch Optimierungspotentiale. Beides setzt die vorausschauende Erkennung von Mustern in Auftragseingängen und -strukturen voraus.

Auftragsstrukturen aus Vertriebskanälen

In Online Shops sollten Kunden nicht nur für das Up- und Cross-Selling sinnvolle Produktempfehlungen gemacht werden. Die generierten Auftragsstrukturen (z.B. unvollständige Teilaufträge) belasten ebenso teilweise die Prozesse der Kommissionierung. Auch in anderen Kanälen wie z.B. Filialen oder Direktverkauf an große Kunden kann diese Problematik auftreten.

Tipps vom Profi im Predictive Supply Chain Web-Seminar

Unser Experte Nils Funke gibt Ihnen im Predictive Supply Chain Web-Seminar einen praxisorientierten Überblick über die Erfolgsfaktoren und Lösungsansätze für die Nutzung der Potentiale industrieller KI in der gesamten Wertschöpfungskette.

Mehrwerte durch KI (Predictive/Prescriptive Analytics) in der Intralogistik

Verbesserte Prognose + Erkennung häufiger Artikelkombinationen

Durch die Kombination kontinuierlicher Prognosen und verschiedener Ansätze für die dynamische Identifikation häufiger Kombinationen von Artikeln in Aufträgen können optimale Positionierungen vorausschauender, d.h. schon bei der Einlagerung, gesteuert werden als durch bisherige, statische Analysen. Im besten Fall können Umlagerungsprozesse, die den Optimierungseffekt mindern, reduziert oder sogar vermieden werden.

Auch bei großen Sortimenten und einer niedrigen Anzahl von Auftragspositionen, können geeignete Clustering Verfahren relevante Gruppierungen von Artikeln identifizieren, die ggfs. im Zusammenspiel mit vorhandenen Algorithmen zur Auftragsbündelung, zusätzliche Optimierungspotentiale heben können. Je nach Sortimentsdynamiken können die Abdeckung von Aufträgen aus einem Lagerbereich sowie der Verwendungsgrad der Artikel pro Bereich um Größenordnungen steigen.

Aus der Identifikation der Eigenschaften und Treiber dieser Cluster lassen sich darüber hinaus interessante, neue, fachliche Erkenntnisse gewinnen. Zum Beispiel: im umgekehrten Blickwinkel – Regionen, Kundengruppen o.ä. mit ähnlichem Bestellverhalten.

Verbindungsstärken von Artikeln in Bezug auf Aufträge

Verbindungsstärken von Artikeln in Bezug auf Aufträge

Diese Muster können genutzt werden, um die Wege und Zeiten der Rundgänge in Person-zu-Ware-Bereichen zu reduzieren, und/oder Vorkommissionierung und Batching besser zu steuern, oder im Einzelfall sogar in automatischen Lagersystemen den Durchsatz zu erhöhen.

Um solche innovativen Ansätze erfolgreich in die produktive Nutzung zu bringen, müssen praktische Umsetzbarkeit und einschränkende Faktoren wie z.B. zeitliche Verteilungen im Tagesverlauf oder Frequenz und Vorlauf von Wareneingängen aber immer im Blick behalten werden.

Anwendung auf Vertriebskanäle/Online Shops

Tatsächlich ist die Generierung von hilfreichen Produkt Empfehlungen in Online Shops (oder weiteren Vertriebskanälen) eng mit diesen Ansätzen verwandt. Kunden erhalten auf Basis allgemeiner, im Sinne von „andere kauften mit diesen Produkten auch jene Produkte“, oder ihrer individuellen Bestellmustervorschläge für die sinnvolle Komplettierung ihrer Aufträge.

Dies kann auch dabei helfen, unvollständige oder gestückelte Aufträge zu vermeiden.

Die gleichen Bausteine können daher in diesen verschiedenen Anwendungsfällen zum Einsatz kommen.

Ist eine Umsetzung nicht kompliziert?

Die oben geschilderten Lösungsansätze sind sicherlich nicht trivial. Aber folgende Faktoren stellen den Erfolg sicher:

  • Saubere Erfassung der fachlichen Prozesse, Anforderungen und Rahmenbedingungen
  • Einstieg mit schnellen, standardisierten Daten Analysen und Visualisierungen (Data Quick Check)
  • Zügige Machbarkeitsanalyse und Verprobung der fachlichen Zielsetzungen (Proof of Concept)
  • Produktiver Start mit erstem – möglichst einfachem und mehrwertigen – Anwendungsfall (Minimum Viable Product)
  • Bereitstellung relevanter erweiterter fachlicher Analysen und Visualisierungen als Dashboards
  • Effiziente Umsetzung mit den fertigen Bausteinen unserer Predictive Supply Chain Lösung
  • Konsequente Nutzung von Open Source Technologie zur Minimierung von Kosten

Haben Sie Interesse und Ideen zu diesem Thema? Dann freuen wir uns über einen persönlichen Austausch.

Diese Artikel könnten Sie auch interessieren:

Consent Management Platform von Real Cookie Banner