从有效的材料主数据中得出推荐的行动方案

“数据是新石油”。这句现在被广泛使用的名言是由 Meglena Kunevas 于 2009 年创造的。就石油而言，需要进行某些开发，例如内燃机或特种化学品，才能充分利用这一宝贵资源。类似的考虑因素也适用于仓库，其中数据运行所有正在进行的流程。但这需要的不仅仅是数据。只有用“……但信息是新黄金”来扩展报价，才能成功关闭这个圈子。最终的目标是根据信息从数据中得出行动。

尤其是在仓储物流中，这种虚拟炼金术——将数据丰富为信息——可以被很好地观察到。例如，只有当算法对相应库存水平和仓库当前情况有足够准确的了解时，存储位置搜索才是可靠的。当然，诸如填充率、要存储的箱数或从过道或穿梭层请求的箱数等信息对于仓库绩效值的分析也非常重要。当案件存储过程的每一步都需要实时获得下一步的结果时，该信息就显得尤为重要。理想情况下，这可以让整个存储系统继续稳定运行，而不是在某个区域引发过载。

显然，只有在以下信息一致、最新且可靠的情况下，选择一个箱子来履行自动化仓库中的订单才有效：当前存储位置、内容和数量，以及可能的限制（预订或阻止）另一种情况）。这被认为是理所当然的，并被视为 WMS 系统的给定基本功能，而在供货范围中从未提及。

精确的仓储带来可靠的数据

完美调整的仓库管理依赖于广泛、完整且最新的数据集。 WMS要实现其全部功能，必须依靠有效的流程、仓库人员精确的仓库管理以及相关数据的使用。

由于缺乏数据分析而导致性能损失

数据丢失或缺乏数据分析不可避免地会导致仓库性能损失。例如，来自仓库的订单处理速度无法与竞争对手相媲美。此外，由于库存管理不一致且过时的参数化值不再符合当前要求，单个产品的存储范围下降到几个小时。然而，目视检查时，仓库已经满了，因为大量错误的产品占据了货架空间，而这是迫切需要的。

根据订单结构调整库存管理

这些是与实际订单结构不相符的库存管理所带来的不幸影响。这可能有几个原因：

• 为优化库存管理选择了错误的模型。

• 一旦选定，该模型就不再被扩展或调整。

• 库存管理的底层数据从未更新过。

特别是在电子商务和在线商店以及全球客户通过社交媒体相互联系的时代，文献中记录的经典库存管理模型变得越来越过时。这些经典模型都是基于巧合购买的。然而，如果今天有几个顾客（意外地）同时订购了同一种产品，你还能称之为巧合吗？或者，如果某些社交媒体平台（包括其影响者）作为数据源受到密切关注，现在是否越来越可预测？

数据维护和元数据管理——对未来的投资

为了获得问题的答案，必须关注订单数据。只有这样才能提供有关以下决策的信息：

• 正确的物流理念。

• 适当且正确的库存管理模式。

• 最佳参数化（在观察时）。

• 来自市场的指标，在​​库存需求过剩/短缺的情况下，会引发对模型和/或参数的重新考虑。

让我们看一下最近关于以下问题的“假设分析”：如果我几个月前已经重新调整了我的模型/参数或在项目分配中进行了建议的更改，该怎么办？由于观察到的订单数据，可以获得对未开发的效率和性能潜力的相当显着的印象。鉴于市场动态不断增强，重新考虑的时间变得越来越短。在发现结构性问题之后才开始为时已晚。尤其是在场地（重新）规划方面，缺失的数据与新仓库场地的概念和可持续性方面的最佳规划结果明显矛盾。

提高效率并降低物流成本

没有任何数字化步骤的未来是难以想象的。除了之前的博客文章中已经概述的策略之外，最先进的算法还允许采用更复杂的方法。这些博客文章中提到的提高效率的可能性显着降低了物流成本的份额。

已经有一些模范公司很早就做出了反应，通过自动化的数据运行决策机制来积极利用他们的数据和事实生成。事实证明这是一个成功的决定。这使他们不仅能够以成本更低且更快的方式对变化做出反应，而且还可以让他们从此类数据变得透明的市场动态中受益。

在任何情况下，SSI SCHAEFER 都会推荐此程序，因为通过上述自动决策机制积极使用客户数据可以将客户仓库的性能提升到一个全新的水平。如果您有兴趣，请随时联系胜斐朗作为您的合作伙伴。

关于作者：

Markus Klug 毕业于维也纳工业大学应用数学专业。他在格拉斯哥进行了一些关于基于内核的方法及其在事件离散仿真模型的可能应用领域的研究生研究。随后，他在塞伯斯多夫应用工业研究中心管理与运输物流、现场物流和全球供应链相关的国内和国际研究和创新项目。

Markus Klug 自 2013 年起加入 SSI SCHAEFER，负责数据分析和模拟的使用，该职位后来扩展到涵盖数据科学和人工智能/机器学习。