%402x.svg){kind=icon}
Caractéristiques et innovations
Dec 2024
4 min.
Caractéristiques et innovations
Rebecca s'est penchée sur cette question. Elle a étudié l'ingénierie économique et a rédigé son mémoire de licence sur ce sujet dans notre entreprise :
Évaluation de l'amélioration de l'efficacité par l'implémentation de dispositifs intelligents, de l'automatisation et de la science des données dans notre logiciel de gestion d'entrepôt (LVS) SuPCIS-L8 lors de la préparation de commandes.
Cet article s'intéresse au résultat en détail, et plus précisément à la manière dont la performance (picks par heure) peut être augmentée de 23 % grâce à l'utilisation de dispositifs intelligents pour la préparation de commandes.
Les smart devices sont : les ordinateurs mobiles, les tablettes, les wearable computers ou les lunettes de données.
Les appareils sont généralement connectés à Internet et servent à guider les employés dans la préparation des commandes. Les informations de prélèvement pertinentes sont affichées aux employés dans le but de maximiser les performances de prélèvement et de minimiser les erreurs.
L'essai utilise un appareil de saisie mobile de données (appareil SMD) de Zebra avec un scanner intégré.
Dans la partie pratique, la préparation de commandes conventionnelle sans utilisation de la technique est comparée à la préparation de commandes technique avec l'appareil SMD.
Pour cela, deux processus de préparation de commandes sont décrits. Celui sans utilisation de la technologie est basé sur un exemple client. Le processus avec appareil de saisie mobile est basé sur l'expérience pratique, les exemples de nos clients et les fonctions d'application de notre logiciel de gestion d'entrepôt.
L'élaboration des processus se fait graphiquement sous forme d'organigramme. Les processus constituent la base de l'évaluation qualitative et quantitative de l'amélioration de l'efficacité. Les critères d'évaluation quantitatifs découlent des résultats de la méthode MTM. Le temps de préparation des commandes et la productivité obtenue sont ainsi calculés.
L'essai sur modèle fournit des informations sur d'autres facteurs d'influence qui ne peuvent pas être déterminés par calcul. La qualité de la préparation des commandes est déterminée par le taux et le type d'erreurs. Il est ainsi possible de déterminer le niveau d'expérience des employés et le degré de dépendance vis-à-vis des connaissances d'experts. Il est également possible d'évaluer des aspects qualitatifs tels que l'amélioration du processus de travail, la satisfaction des employés et les conditions de travail.
Les temps obtenus lors de l'essai peuvent être comparés aux temps théoriques de la méthode MTM. Cette comparaison fournit des informations sur le facteur humain et donne un aperçu de la stabilité réelle de la productivité.
A l'essai, l'entrepôt à étagères correspond à trois étagères de 25 compartiments chacune. Une étagère correspond à une zone de stockage et les trois constituent la zone de préparation de commandes. Les articles sont stockés de manière chaotique. Il peut arriver que des articles similaires soient stockés dans le même casier. Dans les deux cas, la préparation de commandes s'effectue sous la forme d'un tour de l'entrepôt selon le principe du picking multi-ordres.
Quatre commandes client sont traitées dans un cycle de prélèvement. Pour le prélèvement en une étape, chacune des commandes client reçoit un conteneur cible sur le chariot de prélèvement. La liste de prélèvement contient tous les postes des quatre commandes client.
Le nombre idéal de commandes de clients ou le nombre de prélèvements par cycle de préparation de commandes n'a pas été calculé. Le nombre choisi s'oriente vers les possibilités données du modèle d'essai. Les autres hypothèses concernant la structure des commandes ne reposent pas non plus sur des calculs concrets.
Les durées théoriques sont déterminées à l'aide de la méthode MTM. Les processus sont réduits à leurs éléments de mouvement, dotés de temps et combinés en un ratio à l'aide de formules. Les aspects qualitatifs et les temps réels sont déterminés par des essais.
Préparation : Pour la préparation de commandes avec l'appareil de CMD, le logiciel de gestion d'entrepôt doit être configuré. En outre, les commandes doivent être générées conformément à la structure de commande avec le numéro de commande, l'article, la désignation de l'article et la quantité de l'article.
Dans le prélèvement conventionnel, la liste de prélèvement se compose de quatre documents. Chacun est une commande client. Après le dernier prélèvement, chaque papier est affecté à un conteneur de destination. L'ordre des articles à prélever ne repose pas sur une optimisation des trajets.
Exécution : dans les deux cas, un nombre identique de commandes est prélevé. Après chaque cycle de prélèvement, les temps sont enregistrés et les conteneurs sont vérifiés pour s'assurer qu'il n'y a pas d'erreur. Une fois terminé, le chariot de prélèvement est vidé et les articles sont remis à leur emplacement d'origine. Les mêmes conditions sont ainsi créées pour le cycle de prélèvement suivant.
Suivi : une fois que tous les ordres de prélèvement ont été traités, l'évolution des temps, les temps moyens ainsi que le nombre et le type d'erreurs sont analysés. Sur cette base, les deux processus sont comparés aux temps théoriques calculés précédemment.
Afin de mieux situer les processus de préparation de commandes décrits avec et sans dispositifs intelligents dans le contexte global, les activités en amont et en aval sont brièvement présentées.
Prélèvement conventionnel avec liste de prélèvement
Le processus s'inspire en partie d'un exemple de client. L'employé reçoit les différentes commandes des clients (liste de prélèvement), un stylo et un chariot de prélèvement avec quatre bacs.
Activités en amont : Les commandes des clients sont reçues par e-mail, imprimées, vérifiées quant à leur urgence et marquées d'une couleur appropriée. Les commandes qui doivent être traitées dans les plus brefs délais sont marquées en rouge. Toutes les commandes sont placées dans une zone de regroupement. Des chariots de préparation de commandes avec des bacs numérotés sont également disponibles. Le processus commence au point de collecte.
Prélèvement : au point de collecte, l'employé prend quatre commandes client, en commençant par celles marquées en rouge, et un chariot de prélèvement. Il se rend dans la première zone de stockage et vérifie si les articles de la liste de prélèvement ont été prélevés. S'il y a un prélèvement, l'emplacement, l'article et la quantité sont indiqués sur la liste de prélèvement. Il prélève ensuite les marchandises et les place dans le conteneur cible affecté à la commande client sur le chariot de prélèvement.
Le prélèvement est confirmé en cochant le poste. Si d'autres articles doivent être prélevés dans cette zone de stockage, le processus se répète. S'il n'y a pas d'autres prélèvements, l'employé passe à la zone de stockage suivante. Tous les postes sont à nouveau vérifiés pour le prélèvement dans cette zone de stockage. Le processus est répété jusqu'à ce que tous les postes de toutes les aires de stockage aient été traités.
Les listes de prélèvement sont placées dans les conteneurs correspondants pour une identification plus poussée et le chariot de prélèvement est garé au point de collecte. Le point de collecte est la destination ou la fin du processus de prélèvement pour le chariot de prélèvement.
Activités en aval : Les conteneurs de prélèvement remplis sont amenés à la station d'emballage et préparés pour l'expédition par d'autres employés.
Préparation de commandes avec des dispositifs intelligents
L'employé reçoit un chariot de préparation de commandes avec quatre bacs et l'appareil de saisie mobile de données (MDE) de Zebra.
Activités en amont : En dehors de la préparation et de la mise à disposition du chariot de prélèvement, seule la connexion à l'appareil de CMD avec le nom d'utilisateur et le mot de passe est nécessaire. L'employé sélectionne son activité Sortie de marchandises avec la catégorie Sortie de stock enregistrée dans chaque cas.
Le système de gestion des stocks regroupe les commandes des clients en ordres de prélèvement et les classe par ordre de priorité. Les trajets sont alors optimisés, ce qui permet d'adapter intelligemment l'ordre des articles à prélever. Le tri par lieu de stockage est basé sur l'identification numérique croissante des emplacements de stockage dans le système. (En raison de cette logique, d'autres modèles de parcours de prélèvement peuvent être implémentés dans le LVS).
Prélèvement : l'employé prend un chariot de prélèvement et scanne le code à barres des numéros de conteneurs cibles. L'appareil de CMD affiche l'ordre de prélèvement, qui démarre par un clic. La boîte de dialogue contenant les informations de prélèvement relatives à l'emplacement, à l'article et au conteneur cible s'ouvre. Les informations pertinentes sont représentées visuellement et le champ de données à valider est mis en surbrillance. Seul le prochain article à prélever est affiché à chaque fois. L'employé est ainsi soulagé sur le plan cognitif et peut se concentrer sur le prélèvement à venir.
L'employé prélève sur l'écran l'emplacement de stockage et y scanne le code à barres. Le LVS vérifie si l'information du code à barres correspond à l'entrée attendue. Si c'est le cas, les informations sur l'article s'affichent. Si un emplacement erroné a été scanné, un message d'erreur s'affiche et l'opération doit être répétée. Le même principe est appliqué lors du prélèvement de l'article souhaité.
Les informations sur l'article sont mises en évidence en couleur et l'employé est invité à scanner l'article. Le système vérifie si les informations sont correctes et affiche un message d'erreur le cas échéant. Si tout est correct, on passe à l'indication de la quantité. Celle-ci est simplement confirmée par un clic. Ensuite, le conteneur cible est marqué et doit être confirmé par un scan. Le LVS vérifie si les données correspondent à celles de l'ordre. Le prélèvement est maintenant terminé.
Si le LVS constate qu'il y a un autre prélèvement, le dialogue correspondant est automatiquement appelé et affiché sur l'appareil de CMD. Le processus recommence depuis le début. S'il n'y a pas d'autre prélèvement, le prélèvement est terminé. L'employé est informé de la fin du prélèvement et le chariot de prélèvement peut être déposé au point de collecte.
Activités en aval : Les articles regroupés en fonction des commandes des clients sont amenés à la station d'emballage pour la préparation de l'expédition, comme dans le processus de prélèvement conventionnel.
L'évaluation et la comparaison selon la méthode MTM montrent que la préparation de commandes avec des dispositifs intelligents est 17 % plus rapide que la préparation de commandes conventionnelle avec une liste de prélèvement.
Prélèvement conventionnel : temps de prélèvement de 38,7 secondes par pick, 62 positions par heure ou 93 picks par heure
Préparation de commandes avec des dispositifs intelligents : Temps de préparation de commandes de 32 secondes par pick, 75 positions par heure ou 112 picks par heure.
Cela représente un gain d'efficacité de 21 % (92,85 vs 112,1 picks par heure).
Les différences se situent au niveau du temps de traitement, qui comprend le temps de base et le temps mort. C'est précisément dans le temps de base que les différences sont perceptibles, avec un écart de 43 % (6,19 contre 3,52 secondes). Le temps mort a également une influence avec un delta de 19 % (38,75 vs 31,45 secondes).
L'économie de 2,67 secondes du temps de base réalisée par le processus technique correspond à près de la moitié du temps de base du processus conventionnel.
Dans le processus conventionnel, les quatre ordres de prélèvement doivent être identifiés et saisis à un point de collecte (situé à environ sept mètres du point de collecte des chariots de prélèvement). De plus, une fois le cycle de prélèvement terminé, chaque conteneur de prélèvement doit être accompagné de la page correspondante de la liste de prélèvement.
Dans le processus technique, il suffit de prendre l'appareil de CMD, de scanner le chariot de prélèvement et de lancer l'opération par un simple clic. La réduction des efforts au début du processus technique se répercute sur le temps de base.
Le delta de 7 secondes pour le temps mort peut s'expliquer par trois raisons.
A première vue, les résultats d'efficacité des essais semblent décevants par rapport aux résultats obtenus avec la méthode MTM. Avec un temps de prélèvement moyen de 32,6 secondes par prélèvement, le prélèvement conventionnel est 9% plus rapide que le temps de prélèvement de 35,6 secondes par prélèvement avec les Smart Devices.
Le picking conventionnel est donc 6 secondes plus rapide par prélèvement que celui calculé avec la méthode MTM. En revanche, la préparation de commandes avec des dispositifs intelligents est 3,5 secondes plus lente que celle calculée. L'écart de 3,5 secondes entre les résultats des essais et les calculs de la méthode MTM peut s'expliquer.
Lors de l'essai, le même chariot de prélèvement a été utilisé pour chaque cycle de prélèvement. Mais cela ne peut pas être représenté dans le LVS. Le chariot de prélèvement est considéré comme occupé jusqu'au moment où les articles prélevés sont entièrement emballés. Pour contourner ce problème, le système devrait enregistrer un nouveau chariot de prélèvement pour chaque cycle de prélèvement. Mais cela a pour conséquence que les bacs de destination reçoivent un nouveau numéro à chaque cycle de prélèvement et à chaque nouveau chariot de prélèvement. Les codes à barres apposés ne sont alors plus universels et le numéro de conteneur à 7 chiffres doit être saisi manuellement à chaque prélèvement. Une durée de 3,5 secondes est prévisible pour ce processus. Sans la charge de travail supplémentaire décrite, on pourrait s'attendre à un temps de 32 secondes par prélèvement. Le temps de prélèvement serait donc identique au temps de prélèvement conventionnel calculé lors de l'essai.
La différence de 6 secondes par prélèvement lors de l'essai de la méthode conventionnelle de préparation des commandes par rapport à la méthode MTM peut s'expliquer par le facteur humain.
Comme tous les préparatifs et les activités de stockage ont été effectués par l'employé juste avant l'essai, celui-ci est considéré comme expérimenté. La lecture de la liste de prélèvement, la recherche de l'emplacement de stockage, des articles et du conteneur de destination s'effectuent beaucoup plus rapidement que ne le suppose le calcul du MTM.
Le temps des deux premiers cycles de prélèvement conventionnels est nettement plus élevé que le temps moyen de prélèvement. A partir du troisième cycle de préparation de commandes et de l'expérience ainsi acquise, les temps s'améliorent.
Avec environ 41 secondes par prélèvement, le deuxième cycle de prélèvement est proche des 39 secondes par prélèvement calculées. Les résultats de la méthode MTM correspondent à la performance d'un employé moins expérimenté. A l'exception du cinquième passage de picking, où il y a eu une erreur d'inventaire, les temps jusqu'au septième passage de picking sont nettement meilleurs que la moyenne. De plus, l'employé s'améliore en saisissant parfois deux articles en même temps, ce qui n'était pas pris en compte dans la méthode MTM. A partir du huitième passage de préparation de commandes, la concentration diminue et la performance stagne légèrement au-dessus de la moyenne.
La courbe bleue montre que la performance de la préparation de commandes conventionnelle dépend fortement de l'homme. Elle a été perçue comme pénible par l'employé et sa concentration diminue rapidement.
Pour la courbe orange, on n'observe ni effet d'accoutumance ni effet d'apprentissage. L'employé commence à avoir un très bon niveau de performance dès le premier prélèvement.
Contrairement à la stagnation des performances en fonction du niveau de concentration dans le processus conventionnel, on observe une évolution irrégulière dans le prélèvement technique.
Les performances supérieures à la moyenne pour les cycles de prélèvement trois, dix et treize sont dues à l'optimisation des trajets par le logiciel.
Le pic du huitième cycle de prélèvement est dû à une distraction. Au cours du douzième cycle de prélèvement, l'employé signale une baisse de concentration. Cette baisse de concentration est toutefois beaucoup plus tardive avec les Smart Devices. L'employé confirme que la préparation de commandes avec les Smart Devices est moins fatigante et demande moins de concentration. La nécessité éventuelle de répéter un scan ou un prélèvement en raison d'une indication de correction par le DAAF peut également être une raison de l'allongement du temps de préparation de commandes.
La gestion sans faille des employés et les procédures de contrôle du système se traduisent par un bilan d'erreurs nettement meilleur que pour la préparation de commandes conventionnelle. Au cours des 15 cycles de prélèvement, il y a eu sept erreurs dans le prélèvement conventionnel et une seule dans le prélèvement avec Smart Devices. En moyenne, une erreur se produit lors d'un cycle de prélèvement sur deux dans le processus conventionnel.
Les erreurs les plus fréquentes étaient la confusion entre les quantités indiquées et le numéro du conteneur de destination, ainsi que l'oubli d'un prélèvement par manque de visibilité. Une erreur dans la remise en stock a fait que l'article ne se trouvait pas dans l'emplacement indiqué.
Les dispositifs intelligents permettent de réagir rapidement et de corriger les stocks. Le processus de scannage répétitif et la mise en réseau complète permettent une gestion complète des stocks pour une transparence et une flexibilité maximales dans l'entrepôt.
La seule erreur a été l'utilisation d'un conteneur cible incorrect. Cependant, l'erreur s'est produite uniquement en raison de la saisie manuelle du conteneur cible. Si la confirmation du conteneur cible avait également été effectuée par scan, l'erreur aurait été détectée et évitée à un stade précoce.
Les erreurs dans la préparation des commandes sont graves. Si elles passent inaperçues dans les processus en aval, elles atteignent les clients. Cela entraîne des insatisfactions, des retours et des coûts supplémentaires. Même si les erreurs sont remarquées dans les processus suivants, cela entraîne des retards et du travail supplémentaire, ce qui augmente à nouveau les coûts. La réduction des erreurs est un élément important de l'amélioration de l'efficacité.
Dans l'ensemble, la préparation de commandes avec des dispositifs intelligents obtient de meilleurs résultats :
Le modèle d'essai est représentatif de la préparation de commandes par un employé expérimenté. Les résultats calculés avec la méthode MTM s'appliquent aux employés sans expérience.
Pour les employés inexpérimentés, l'introduction de dispositifs intelligents entraîne une amélioration de 17 % du temps de prélèvement et une augmentation de 21 % de la performance de prélèvement. Parallèlement, le taux d'erreur est considérablement réduit. Pour les employés expérimentés et très compétents, les performances restent au même niveau avec moins d'erreurs et plus de transparence.
Dans l'ensemble, les calculs et les résultats des essais confirment une augmentation de l'efficacité grâce à l'utilisation de dispositifs intelligents.
Les résultats obtenus dans l'environnement expérimental sont bien comparables entre eux, mais ne correspondent pas à la réalité. Les distances de marche dans le modèle expérimental sont trop courtes. Afin d'éliminer ces différences, les trajets ont été simulés sur la base des pourcentages de temps déterminés par Pulverich & Schietinger (2009). Selon cette simulation, le temps de trajet représente 55 % du temps total de préparation des commandes.
Dans le calcul MTM, le temps d'assemblage ne représente que 15 % ou 18 % du temps de prélèvement total en raison de la très petite taille des étagères dans les conditions de test. Si le temps d'assemblage est porté à 55 % du temps de préparation de commandes dans le calcul MTM, le temps de préparation de commandes par prélèvement est de 54 secondes dans le processus conventionnel et de 44 secondes avec les Smart Devices. En calculant à l'envers, cela correspond à un parcours de préparation de commandes de 40 à 50 étapes par position de commande.
La simulation donne une nouvelle performance de picking de 66 picks par heure avec la méthode MTM pour le processus conventionnel ou de 81 picks par heure avec l'utilisation de Smart Devices.
Cela correspond à une nouvelle augmentation de 23% de l'efficacité du prélèvement. Ces valeurs servent de base à l'évaluation de l'amélioration de l'efficacité par l'automatisation à l'étape suivante.
L'utilisation de dispositifs intelligents comme première étape de la numérisation nécessite l'introduction d'un logiciel de gestion d'entrepôt tel que notre SuPCIS-L8.
Le système de gestion d'entrepôt prépare les informations, les filtre et les met à la disposition de l'employé sur l'appareil de CMD. Seules les données pertinentes pour l'activité en cours sont affichées de manière simple et lisible. Le système de gestion des stocks a également une fonction de surveillance.
Tous les points de contrôle et de décision sont pris par le DVA. Il y a une interaction avec le LVS à chaque point de données. Grâce à la communication et à la mise en réseau, le LVS génère d'une part la confiance et la sécurité et d'autre part la transparence, ce qui entraîne une augmentation de l'efficacité.
Les modifications des données d'inventaire dues à des transferts ou à des corrections d'inventaire intégrées sont transmises en temps réel. Les contrôles d'inventaire sont effectués quotidiennement, ce qui permet de détecter et de corriger les erreurs à temps. Cela garantit une gestion et une sécurité des stocks sans faille. La traçabilité est assurée de bout en bout.
Les stocks en temps réel et la disponibilité continue des données créent une certaine flexibilité. Ils permettent par exemple de traiter les commandes urgentes à court terme et de réagir rapidement aux imprévus.
Le LVS améliore la sécurité des processus et permet une utilisation optimale de toutes les ressources de stockage. Cela réduit les coûts de stockage et augmente la rentabilité.
Les systèmes d'identification automatique, tels que les codes à barres optiques utilisés dans l'expérience, peuvent être mis en œuvre de manière généralisée. Grâce au logiciel, ces informations compressées sont lisibles à la fois par la machine et par l'homme.
Si cette étape de la numérisation a été mise en œuvre dans l'entrepôt, le développement suivant peut être abordé dans le but d'améliorer l'efficacité : L'automatisation.
Notes : L'origine des données et des informations utilisées pour étudier les cas d'utilisation est en partie théorique et en partie pratique. Les études portent également sur différents cas d'utilisation avec différentes méthodologies. De ce fait, les résultats ne sont pas exactement comparables entre eux et ne sont pas non plus universellement valables.
En outre, l'efficacité de la préparation de commandes dépend de nombreux facteurs. Par exemple, des caractéristiques du processus, de la topologie de l'entrepôt, de la structure des commandes et de l'interaction entre les technologies. L'efficacité varie donc en fonction de l'application.
Néanmoins, l'approche choisie pour ce travail reste la meilleure pour répondre à la question principale. En effet, il est possible d'analyser les efficacités respectives de la préparation de commandes et de les mettre en relation en tenant compte des différences. Ainsi, les conclusions obtenues sont complètes, valables et plausibles si l'on tient compte du concept global sur lequel elles reposent.
Article de blog présentant un aperçu des résultats globaux : Des résultats étonnants en matière d'amélioration de l'efficacité grâce aux appareils intelligents, à l'automatisation et à la science des données.
Article de blog détaillant les résultats de l'automatisation : l'automatisation augmente l'efficacité de 97 % (semi-automatisation) et de 140 % (automatisation complète) dans la préparation des commandes.
Article de blog détaillant les résultats de la science des données : réduire les chemins d'externalisation de 20 à 25% et optimiser l'efficacité grâce à des algorithmes intelligents.
Article de blog : Perspectives de développements futurs : Améliorer l'efficacité de l'intralogistique.
