Caractéristiques et innovations
Fév 2024
5 min.
Caractéristiques et innovations
Résumé
"Warehouse Healing" défragmente l'entrepôt et réduit les temps de trajet dans l'entrepôt pour l'homme et la machine grâce à un meilleur positionnement des articles. Il repose sur l'analyse intelligente de données pertinentes telles que les stocks, la topologie, les données de mouvement et les paniers d'achat - le système de gestion d'entrepôt SuPCIS-L8 de S&P fournit la base de données. L'objectif est d'analyser des modèles dans l'historique des commandes et de générer des propositions de transfert pour minimiser les trajets de préparation de commandes. Une attention particulière est accordée à la réduction du délai de réalisation de la valeur.
Des algorithmes sont utilisés pour identifier et déterminer les propositions de transfert et d'échange ayant le plus d'impact et auxquelles la priorité la plus élevée est attribuée en vue de leur mise en œuvre. Sur la base de l'intelligence artificielle et de simulations des paramètres modifiés du modèle, le résultat est constamment ajusté en fonction de l'évolution des circonstances afin de minimiser la somme des coûts de transfert. Après seulement quelques centaines de transferts, le processus de préparation de commandes à forte intensité de main-d'œuvre est optimisé de cette manière. Prenons l'exemple d'une installation de rayonnages à plusieurs étages où l'utilisation du "warehouse healing" permet, dans le meilleur des cas, de réduire jusqu'à 40 % le temps de trajet. L'augmentation des performances qui en résulte, l'utilisation optimale des processus de travail ainsi qu'une planification judicieuse des ressources dans les centres logistiques garantissent à ce niveau une (intra-)logistique efficace et durable !
Introduction
Des études montrent que le temps de déplacement pendant la préparation des commandes dans les centres de distribution typiques représente une part importante du temps total de traitement d'une commande. Lorsque le prélèvement est effectué manuellement, il peut représenter plus de 50 % du temps total. L'amélioration de l'efficacité des processus intralogistiques, en particulier dans le domaine de la préparation de commandes à forte intensité de main-d'œuvre, est donc dans l'intérêt d'une organisation durable des flux de marchandises futurs.
En raison de l'évolution rapide des portefeuilles de produits et des comportements d'achat des clients, l'optimisation de l'occupation des stocks pour une préparation efficace des commandes peut rapidement perdre de son efficacité. En l'espace de quelques mois, les articles à rotation rapide se transforment en articles de déstockage et bloquent un espace de stockage précieux pour les nouveaux articles à la mode. Au lieu de réorganiser complètement l'entrepôt à intervalles irréguliers, ce qui interrompt les opérations, il est possible de réagir aux changements de comportement de commande et de conserver les avantages d'un stockage chaotique en procédant à quelques transferts ponctuels pendant les opérations de l'entrepôt.
Warehouse Healing est un processus parallèle qui réduit la distance moyenne de sortie de stock en transférant de manière ciblée des stocks sélectionnés dans une zone de stockage ou dans plusieurs zones de stockage. Contrairement à une réorganisation complète de l'entrepôt, seuls quelques transferts par semaine sont nécessaires, car seuls les transferts présentant le plus grand avantage en termes de coûts de déplacement doivent être effectués. Les propositions de transfert ne sont pas seulement basées sur des concepts tels que le stockage selon la classification ABC ou une simple orientation de transbordement, mais tiennent compte des modèles de comportement de commande des clients. Ces modèles sont rendus accessibles par une analyse du panier d'achat et transformés en un voisinage à portée de main d'articles ayant une forte relation avec le panier d'achat dans l'entrepôt.
Motivation
En l'absence d'une évaluation continue des emplacements (quels articles doivent être stockés où), les activités quotidiennes d'un entrepôt sont susceptibles d'entraîner des répartitions telles que celles présentées dans le graphique ci-dessous (figure 1, à gauche).
La carte heuristique de l'entrepôt montre un exemple d'entrepôt à 3 allées, dont les étagères ont été placées sur trois niveaux pour une meilleure visibilité. La fréquence des commandes (allée) par compartiment de stockage (carrés) est représentée par la saturation de la couleur du rouge. La distribution spatiale de cet attribut d'article ne suit aucune loi dans le cas d'une stratégie de stockage chaotique.
Les articles peuvent avoir une relation entre eux. Les articles qui font souvent partie d'une même commande de marchandises sont considérés comme ayant des affinités entre eux. Comme l'affinité des articles n'est pas prise en compte lors de l'affectation d'un article à un emplacement dans le cas normal d'un stockage chaotique, la répartition spatiale des articles affinés entre eux suit le hasard (voir l'exemple de sélection d'articles affinés dans la figure 1 à gauche).
Différentes études ont montré que le stockage d'articles affinitaires dans des emplacements adjacents permettait d'améliorer la préparation de commandes de ces articles. De plus, l'ergonomie du poste de travail est améliorée grâce à une meilleure prise en main des articles du panier.
La forte fragmentation d'un entrepôt due à un stockage chaotique, en termes de fréquence de commande et de relation de panier d'articles, entraîne un allongement considérable des distances de sortie et une charge de travail énorme pour la préparation des commandes.
L'objectif du warehouse healing est d'obtenir, grâce à des transferts ciblés d'articles individuels, une position favorable des articles par rapport au lieu de transfert (emplacement de prélèvement, poste de mise en rayon, poste d'emballage, etc. - marqué par "E/A" dans la figure 1) ainsi qu'un voisinage favorable au picking, afin de réduire ainsi sensiblement le temps de préparation des commandes.
Un exemple - très idéalisé - d'occupation résultant de l'utilisation de ce module de transfert est présenté à droite dans la figure 1.
Le système de gestion d'entrepôt SuPCIS-L8 fournit les données nécessaires en temps réel.
Un certain nombre d'informations sont nécessaires pour évaluer une proposition de transfert :
Ces informations sont extraites de la base de données du logiciel de gestion d'entrepôt SuPCIS-L8 et, si possible, préparées au niveau de la base de données pour l'analyse du panier d'achat. SuPCIS-L8 a l'avantage de créer un historique détaillé de tous les mouvements de stock, ce qui constitue un terrain fertile pour les différentes applications d'exploration de données et une condition préalable pour tout système nécessitant des données d'entraînement complètes.
Ainsi, le logiciel de gestion d'entrepôt SuPCIS-L8 tient également à disposition toutes les informations nécessaires pour le warehouse healing, de sorte qu'il n'existe aucune autre dépendance vis-à-vis d'autres installations. Le client peut se concentrer uniquement sur le fonctionnement opérationnel de l'entrepôt et le WMS fournit les données nécessaires.
Détermination des stocks par la science des données
La formulation d'un modèle mathématique approprié permet d'évaluer les options de transfert. Une option de transfert est un échange d'articles entre deux entrées en stock dans la zone de stockage considérée. Une entrée en stock est considérée comme une position dans l'espace avec un système de coordonnées physiques conçu pour la zone de stockage considérée.
En permutant deux entrées en stock par paires, il y a un mouvement inverse à chaque mouvement. Si ces options de transfert étaient effectuées sans but, c'est-à-dire sans évaluation, cela ne changerait rien à la fragmentation de la position (voir figure 1 à gauche). Il est donc nécessaire d'évaluer chaque option. Pour ce faire, nous définissons un "score" qui permet d'évaluer toutes les entrées en stock dans toutes les zones de stockage. L'utilité d'un échange d'articles par paires peut ensuite être calculée en fonction de la modification du score qui en résulte.
La combinaison de l'analyse rétrospective des commandes passées (analyse du panier) et de la modélisation mathématique du processus de préparation de commandes permet de mettre en œuvre un système qui apprend des données historiques et en déduit des propositions d'action sous la forme de transferts favorables pour les futures expéditions de commandes.
Analyse rapide des avantages grâce à la preuve de valeur
Afin d'éviter que les personnes intéressées par le Warehouse Healing ne soient confrontées à des concepts trop abstraits, S&P propose d'évaluer les avantages escomptés pour un entrepôt concret dans le cadre d'un petit avant-projet. La preuve de valeur permet de réduire l'obstacle souvent élevé en amont de la validation d'un projet.
L'objectif d'un projet de preuve de valeur culmine dans l'affirmation suivante : l'application du warehouse healing dans la zone de stockage X peut réduire les trajets de sortie de stock de Y % en moyenne.
Après avoir déterminé à quelles zones de l'entrepôt le healing doit s'appliquer, le modèle de prélèvement est créé. Pour ce faire, les informations de plan d'étage sont évaluées de manière semi-automatique, un système de coordonnées de tous les compartiments de l'entrepôt est créé et relié aux données de stock du WMS. Toutes les particularités du client sont également prises en compte : Quels sont les outils utilisés, par exemple les chariots de préparation de commandes ? De quelle manière les étagères peuvent-elles être parcourues dans l'entrepôt ? Quelle est la stratégie de préparation des commandes, utilise-t-on le picking multi-commandes ? Pour ne citer que quelques aspects.
Le WMS fournit également un historique complet de tous les mouvements de stock de l'entrepôt à analyser. Une analyse du panier d'achat révèle des modèles à long et à court terme dans les commandes passées et les intègre dans la fonction de score spécifique au client.
Le résultat d'une telle analyse d'utilité avec des données clients tirées de la pratique est notamment illustré par la figure 2. On y voit le magasin de prélèvement manuel en forme de L d'un grossiste technique en vue de dessus. Contrairement à la figure 1, seule la représentation du premier niveau est nécessaire, car le prélèvement ne s'effectue qu'à partir de ce niveau de tablettes. La coloration des étagères correspond à la fréquence de prélèvement des articles qui y sont stockés. Le stockage chaotique peut être identifié par le manque d'ordre : Les articles fréquemment prélevés et leurs étagères rouge foncé sont visibles aussi bien à proximité du poste de transfert E/A que loin de celui-ci.
Il en va de même pour l'exemple de sélection d'un article et de son étagère entourée en vert, ainsi que de ses articles de panier affinitaires - stockés dans les étagères hachurées en vert. Le prélèvement de ce panier fréquent nécessite donc de parcourir une grande partie de l'entrepôt et contribue ainsi de manière significative à l'effort de prélèvement des futures commandes.
Les pistes bleues et vertes indiquent les 300 meilleures propositions de healing que le Warehouse Healing a identifiées lors d'un premier passage et qui réduisent le chemin de déstockage avec un maximum d'avantages. Le client décide lui-même si ces propositions doivent être disséminées dans les activités opérationnelles quotidiennes, et lesquelles, et à quel moment. Dans une présentation ultérieure, nous verrons que sur ces 300 propositions, les 100 premières sont particulièrement gratifiantes et que les autres peuvent passer inaperçues.
Afin d'obtenir le maximum d'avantages et donc la plus grande réduction possible de la distance de sortie de stock pour chaque transfert, une analyse des paramètres est effectuée dans le cadre de la preuve de valeur. Les degrés de liberté dans la paramétrisation du modèle sous-jacent sont utilisés pour obtenir la meilleure adaptation du module de guérison de l'entrepôt à l'entrepôt. Le résultat d'une telle analyse se traduit par des diagrammes tels que ceux présentés à gauche dans la Figure 3.
Les données clients réelles montrent ici comment un paramétrage particulier du modèle fait que la courbe du chemin de sortie de stock est la plus abrupte par rapport au nombre de transferts de collecte effectués.
Le module de colmatage maximise l'avantage lorsque la prise en compte de la fréquence des commandes et de l'affinité des articles induite par le panier est dans un rapport de 1:3,4. Dans cette configuration, l'application du module Healing promet de réduire le chemin de sortie de stock selon la courbe verte de la figure 3 à droite. Le diagramme contient également, avec la courbe rouge, la réponse à la question de savoir quel est l'avantage de l'intégration de l'analyse du panier d'achat par rapport à un simple transfert de stock basé sur la rotation. Si le module apprend à partir des entrées de commandes historiques, une réduction du parcours de 15 % peut être obtenue après seulement 38 transferts, alors que 90 transferts sont nécessaires si la spécification du panier est ignorée dans l'historique.
Inversement, le warehouse healing permet une réduction de 20 % des trajets après seulement 90 transferts, ce qui n'est jamais le cas avec la simple approche orientée sur les transferts. Il est également évident qu'à partir de 100 transferts, l'avantage du transfert est saturé et qu'un maximum de 100 transferts est suffisant.
En tenant compte de l'effort et des ressources disponibles pour les transferts, la preuve de valeur se conclut par la phrase suivante :
L'application du warehouse healing dans la zone de stockage ML1 peut réduire les distances de sortie de stock de 20 à 25 % en moyenne.
Vous souhaitez réduire vos temps de déplacement à l'aide de l'IA et vous souhaitez évaluer les bénéfices que vous pouvez attendre de votre entrepôt ? N'hésitez pas à nous contacter !
