![\"\"](\"https:\/\/www.vdsm.net\/wronline\/wp-content\/uploads\/2021\/03\/Business-251-1-Markus-Klug-high-res_WEB.jpg\")
<\/a>Markus Klug, Data Science & Simulation, SSI Sch\u00e4fer<\/p><\/div>\n
Es liegt auf der Hand, dass eine Gebindeauswahl f\u00fcr die Erf\u00fcllung eines Auftrags in einem automatisierten Lager nur dann funktionieren kann, wenn folgende Informationen konsistent, aktuell und verl\u00e4sslich vorliegen: momentaner Lagerplatz, Inhalt und Menge sowie eventuelle Restriktionen (Reservierungen oder Blockade durch ein anderes Gebinde). Das ist etwas, das als gegebene Selbstverst\u00e4ndlichkeit gesehen und als Grundfunktionalit\u00e4t eines WMS-Systems vorausgesetzt wird, ohne in einem Lieferumfang auch nur erw\u00e4hnt zu werden.<\/p>\n
Pr\u00e4zise Lagerf\u00fchrung f\u00fchrt zu verl\u00e4sslichen Daten<\/strong>\u00a0<\/strong><\/p>\n Ein perfekt abgestimmtes Lagermanagement setzt eine umfassende, vollst\u00e4ndige und aktuelle Datenbasis voraus. Valide Prozesse, die pr\u00e4zise Lagerverwaltung durch das Lagerpersonal und das Heranziehen relevanter Daten erm\u00f6glichen erst, dass ein WMS-System seine volle Funktionalit\u00e4t entfalten kann.<\/p>\n Performance Einbu\u00dfen durch nicht analysierte Daten<\/strong><\/p>\n Fehlende oder nicht analysierte Daten f\u00fchren unweigerlich zu Performance-Einbu\u00dfen im Lager. So k\u00f6nnen zum Beispiel Auftr\u00e4ge aus dem Lager nicht in einer mit dem Mitbewerb vergleichbaren Geschwindigkeit erledigt werden. Zus\u00e4tzlich sinken Lager-Reichweiten einzelner Produkte auf wenige Stunden, da die inkonsistenten und veralteten parametrierten Werte f\u00fcr das Bestandsmanagement nicht mehr mit den aktuellen Bedarfen \u00fcbereinstimmen. Und trotzdem ist das Lager bei visueller Inspektion immer voll, weil die falschen Produkte in enormen Mengen (und mit entsprechender Kapitalbindung) auf den Regalfl\u00e4chen sehr viel Platz belegen, der eigentlich dringend ben\u00f6tigt wird.<\/p>\n Bestandsmanagement an Auftragsstrukturen anpassen<\/strong><\/p>\n Das sind die unerfreulichen Auswirkungen des nicht mit den tats\u00e4chlichen Auftragsstrukturen abgestimmten Bestandsmanagements. Sie haben mehrere Ursachen:<\/p>\n Insbesondere in Zeiten von E-Commerce und Online-Shops sowie der globalen Vernetzung der Kunden \u00fcber Social-Media-Kan\u00e4le besitzen die klassischen, in der Literatur gut dokumentierten Modelle f\u00fcr optimales Bestandsmanagement immer weniger G\u00fcltigkeit. Diese klassischen Modelle gehen von zufallsbehafteten K\u00e4ufen aus. Doch ist es heutzutage noch Zufall, wenn mehrere Kunden gleichzeitig dasselbe Produkt (unerwartet) bestellen? Oder ist es mittlerweile vorhersehbar, wenn die entsprechenden Social-Media-Plattformen inklusive ihrer dort aktiven Influencer als Datenquelle genau mit beobachtet werden?<\/p>\n Datenpflege und Metadatenmanagement \u2013 eine Investition in die Zukunft<\/strong><\/p>\n Um dies herauszufinden, bedarf es einer intensiven Besch\u00e4ftigung mit den Auftragsdaten. Nur sie k\u00f6nnen \u00fcber folgende Entscheidungen Aufschluss geben:<\/p>\n Dazu eine \u201eWas w\u00e4re, wenn\u201c-Betrachtung der j\u00fcngeren Vergangenheit hinsichtlich folgender Frage: Was w\u00e4re, wenn ich schon vor mehreren Monaten mein Modell\/meine Parameter nachjustiert oder die empfohlene \u00c4nderung bei der Artikelzuordnung vorgenommen h\u00e4tte? Anhand der betrachteten Auftragsdaten l\u00e4sst sich ein recht aussagekr\u00e4ftiger Eindruck f\u00fcr das unerschlossene Effizienz- und Performance-Potenzial generieren. Angesichts der zunehmenden Marktdynamik werden die Zeitr\u00e4ume f\u00fcr Neubetrachtungen immer k\u00fcrzer. Erst bei Erkennen des strukturellen Problems damit zu beginnen, ist im Allgemeinen viel zu sp\u00e4t. Vor allem bei Standort(neu)planungen stehen fehlende Daten im eklatanten Widerspruch zu einem optimalen Planungsergebnis in Hinblick auf das Konzept und die Zukunftsf\u00e4higkeit des neuen Lagerstandorts.<\/p>\n Effizienz steigern und Logistikkosten reduzieren<\/strong><\/p>\n Eine Zukunft ohne weitere Schritte in Richtung Digitalisierung ist kaum mehr vorstellbar. Moderne Algorithmen lassen neben den in fr\u00fcheren Blogbeitr\u00e4gen schon skizzierten Strategien noch viel komplexere Ans\u00e4tze zu. Und die in diesen Blogbeitr\u00e4gen erw\u00e4hnten M\u00f6glichkeiten der Effizienzsteigerung reduzieren den Logistikkosten-Anteil erheblich.<\/p>\n Schon jetzt gibt es viele beispielhafte Firmen, die fr\u00fchzeitig auf die aktive Nutzung ihrer Daten und das Generieren von Fakten durch datengetriebene, automatisierte Entscheidungsmechanismen gesetzt haben. Und das mit Erfolg. Denn sie k\u00f6nnen dadurch nicht nur g\u00fcnstiger und rascher auf Ver\u00e4nderungen reagieren. Sondern sie k\u00f6nnen mittlerweile auch die durch die Daten transparent gewordene Marktdynamik zu ihrem Vorteil nutzen.<\/p>\n Diese Vorgehensweise ist aus Sicht von SSI Sch\u00e4fer auf jeden Fall zu empfehlen, denn mit einer aktiven Nutzung der Kundendaten durch die oben angesprochenen automatisierten Entscheidungsmechanismen kann die Leistung der Kundenlager auf ein v\u00f6llig neues Level gehoben werden. Bei Interesse steht SSI Sch\u00e4fer jederzeit als Partner zur Verf\u00fcgung.<\/p>\n \u00dcber den Autor:<\/u><\/p>\n Markus Klug absolvierte das Studium der Technischen Mathematik an der TU Wien, forschte in Glasgow an Kernel-Methoden zum Zweck des Einsatzes in ereignisdiskreten Simulationsmodellen und leitete nationale und internationale Forschungsprojekte mit Schwerpunkten in den Bereichen Transportlogistik, Standortlogistik und weltweite Supply Chains am Forschungszentrum Seibersdorf.\u00a0Seit 2013 ist Markus Klug bei SSI Sch\u00e4fer f\u00fcr den Einsatz von Datenanalyse und Simulation zust\u00e4ndig sowie erweitert um die Themen Data Science und K\u00fcnstliche Intelligenz \/ Maschinelles Lernen.<\/p>\n\n
\n