Optimaliseren hoeft niet complex te zijn

Jan De Kimpe is al dertig jaar actief als expert op het vlak van warehousing, transport en distributie. Intussen heeft hij talrijke magazijnprojecten en warehouse start-ups op zijn conto staan. Vandaag is hij hoofdexpert bij logistiek adviesbureau Logisol Pro. Ook hem zijn de huidige trends uiteraard niet ontgaan. Zo’n belangrijke trend is de stijging van de personeelskosten, die in conventionele magazijnen zestig tot zeventig procent van de totale kosten uitmaken. Verder stijgt ook de prijs van bijvoorbeeld verpakkingsmateriaal zoals karton, plastic en pallets gestaag. Daarbovenop komen ook nog eens de hoge energieprijzen en op de koop toe wordt kwalitatief personeel schaarser. Daardoor zijn vaak ook extra mensen nodig, bijvoorbeeld om bijkomende controles uit te voeren zodat zeker geen foutieve orders de deur uitgaan.

Verder laat de coronapandemie nog steeds haar sporen na. Door de aanhoudende transport- en leverproblemen maken de voorraadniveaus bokkensprongen. Het gevolg: het ene moment heerst er in het magazijn een drukte van jewelste, het andere moment valt alles stil. Dat maakt het extra moeilijk om personeel efficiënt in te plannen.

De kunst bestaat erin binnen die uitdagende context de operationele kosten onder controle te houden en tegelijk het serviceniveau minstens te behouden. Gezien de grote volumeschommelingen moeten we flexibel op veranderende situaties kunnen inspelen. Tegelijk is het belangrijk om onze (dure) vierkante meters optimaal te benutten. Het spreekt voor zich dat we ook een goed zicht op de voorraad nodig hebben, willen we die efficiënt beheren en optimaal onder onze klanten verdelen.

Technologie ‘to the rescue’

Gelukkig kunnen we vandaag rekenen op heel wat magazijntechnologieën en -systemen, die almaar beter worden. Bedrijven trachten dan ook steeds vaker arbeidskrachten te vervangen door mechanisering, automatisering en/of robotisering. In conventionele magazijnen zijn ook een slimmere sturing en (personeels)planning via de juiste software zinvol. Zo kan met een minimum aan resources toch een maximale output worden gerealiseerd.
Jan De Kimpe: “Als bedrijven besluiten om te automatiseren, is dat heel vaak om de productiviteit te verhogen. Verder moeten optimaliseringsslagen vooral helpen om de foutenlast te verkleinen en het administratieve werk te verminderen”

Toch merken we dat er ondanks de opportuniteiten nog werk aan de winkel is. “Zeker logistiek dienstverleners – die met krappe marges werken – staan vaak niet te springen om met (dure) technologische oplossingen aan de slag te gaan”, weet Jan De Kimpe. “We merken wel dat de e-commercesector op dat vlak een drijvende kracht is. Daar zijn snelheid, flexibiliteit, juistheid en een goede planning van arbeidskrachten om de grote schommelingen op te vangen vaak cruciaal voor het succes van de onderneming. Die sector kan andere inspireren om ook de stap te zetten.”

Willen we de technologieën goed in het magazijn verankeren, dan is een degelijk warehouse management system in elk geval een must. “Toch merken we dat zeker een derde van de – zelfs grotere – bedrijven nog geen WMS in huis heeft”, weet Jan De Kimpe. “Met andere woorden, een degelijk WMS is de basis als je wilt automatiseren. Dat kun je dan aanvullen met verschillende technologieën om je magazijnoperaties te stroomlijnen. Een flexibel WMS maakt het ook mogelijk vlot met verschillende opslag- en handlingsystemen in dezelfde omgeving te werken.”

Populaire picking-technologieën

Gelukkig hoeft flexibele automatisering niet complex of duur te zijn. Sowieso is picking het meest logische proces om mee te starten, zeker als we goederen op stuk- en doosniveau moeten verzamelen. Barcodescanning helpt alvast om de kwaliteit van dat proces te verbeteren. De operator krijgt immers systematisch de bevestiging dat een handeling is uitgevoerd. Bovendien maakt de technologie papieren picklijsten overbodig en vermindert ze het administratieve werk. Scannen is ook een belangrijke stap in het beter sturen van medewerkers.  

“Gaandeweg zien we ook steeds meer bedrijven overstappen naar handenvrije pickmethoden. Die komen vooral de snelheid ten goede”, vertelt Jan De Kimpe. “Zeker voicepicking is intussen al goed ingeburgerd. Een aandachtspunt is wel dat het systeem de stem van de gebruiker moet leren herkennen. Dat vraagt wat tijd. Verder sluit voicepicking niet uit dat er af en toe fouten optreden. Vaak wordt die technologie dan ook met scanning aangevuld om de proceskwaliteit te blijven garanderen. En ook is voicepicking minder geschikt om in lawaaierige omgevingen te gebruiken.”

In sommige conventionele magazijnen vinden we ook pick- en put-to-lightsystemen. Daarbij krijgt de operator te zien op welke locatie hij producten moet nemen.
J. De Kimpe: “Dat systeem laat toe snel en foutloos orders te verzamelen. Aangezien bakken via een conveyorsysteem worden aan- en afgevoerd, worden de loopafstanden sterk beperkt. Het grootste nadeel is wel dat pick-to-lightsystemen prijzig zijn. En aangezien per zone doorgaans één operator werkt, is het een uitdaging om de werklast goed over de verschillende zones te spreiden.”

Waar Jan De Kimpe sterk in gelooft, zijn visuele technologieën om de operaties te ondersteunen. Denken we maar aan ‘smart glasses’ die je de juiste richting uitsturen. Er bestaan ook smartglasses waar je via een pointer barcodes mee kunt uitlezen. Uiteraard kun je smartglasses op je neus zetten, maar je kunt ze ook in een hoofddeksel integreren voor optimaal gebruikersgemak.
Of wat dacht je van beamers die vanop het plafond of de muur instructies op de verschillende locaties laten verschijnen? Een beamer kan trouwens ook worden ingezet om de belijning in het magazijn te regelen. Zo kan het toestel een stopteken voor voetgangers op de grond projecteren wanneer er een voertuig aankomt.
“In magazijnen die visuele technologieën gebruiken om de (voice)picking te ondersteunen, ligt de foutenlast opvallend lager. Bovendien gaat het om een erg intuïtieve technologie. Een kwartiertje volstaat doorgaans om ze onder de knie te krijgen”, zegt Jan De Kimpe.

​Optimaliseren is plannen

In de praktijk staat optimaliseren vaak gelijk aan beter plannen. De boodschap luidt dan ook om het werk zo te plannen dat de performantie optimaal wordt, rekening houdend met de deadlines en alle mogelijke beperkingen. “Maar als ik organisaties aanraad om beter te plannen, krijg ik steeds weer dezelfde tegenkantingen”, aldus Jan De Kimpe. “Dat dat lastig is omwille van de sterke schommelingen van de stromen. Doordat de cut-offtijden steeds dichter bij het vertrekmoment van de vrachtwagen liggen, denken bedrijven ook dat ze te weinig tijd zullen hebben om te optimaliseren. Bovendien werken niet alle operators even snel en haalt eenzelfde operator niet elke dag dezelfde performantie. Omdat bedrijven denken dat ze plannen in zo’n omgeving toch niet zullen volhouden, plannen ze dan maar niet.”

Toch is het belangrijker dan ooit om de bestaffing zoveel mogelijk af te stemmen op de afgesproken serviceniveaus en verwachte volumes. “Uiteraard mag je wat reserve voorzien om de serviceniveaus zeker te halen, maar besef dat de productiviteit per medewerker automatisch zal dalen als je te veel medewerkers op je werkvloer hebt. Bovendien zal dat uiteraard de kosten de pan uit doen swingen”, waarschuwt Jan De Kimpe.

Case 1: optimalisering van de bestaffing in het magazijn
Aan de hand van een case illustreert Jan De Kimpe hoe we een en ander in de praktijk kunnen realiseren. In het magazijn in kwestie worden de orders om 17.30u. afgesloten. De eerste trucks vertrekken al om 18.45u., de laatste om 22.30u. Het bedrijf belooft zijn klanten alle orders de volgende dag voor de middag te leveren. Gemiddeld zit 75 procent van de orders al tegen 16u. in het systeem. Op dat moment kan dus al goed worden ingeschat wat die dag nog aan orders te verwachten valt.

J. De Kimpe: “Voor dit bedrijf hebben we een forecastmodel in Excel opgezet. Dat voorspelt het aantal picklijnen voor de nabije toekomst, voor alle activiteiten en zones in het magazijn. Dat gebeurt op basis van de historiek, de groeipercentages en de trend van de voorbije dagen. Op basis van die orderlijnen berekent het systeem vervolgens hoeveel FTE’s (full time equivalents) er nodig zijn om het werk de komende vijf dagen op te vangen.”

Aan de teamleiders, die de tijdelijke arbeidskrachten boeken, werd gevraagd het nieuwe model consequent te volgen. Het resultaat: er werd geen enkele order cut-off meer gemist, zonder dat daarvoor te veel personeel hoefde te worden ingezet. Zo bespaarde het bedrijf bijna tien procent op tijdelijke arbeidskrachten, die tijdens het piekseizoen liefst veertig procent van het totale aantal FTE’s uitmaken.

​Pickconcept optimaliseren is een kunst

Een andere uitdaging bestaat erin de picking te optimaliseren op basis van de reële orderportefeuille. “Ook hier zijn het steeds weer dezelfde zaken die bedrijven tegenhouden om een planning te maken”, aldus Jan De Kimpe. “Want de orderportefeuille en de bijhorende deadlines veranderen continu. Ook wijzigen de voorraadniveaus op de locaties constant. Bovendien kunnen ook de orderprofielen sterk verschillen: soms heb je veel orders met grote lijnen, een andere keer veel orders met weinig lijnen. Vaak worden ook verschillende orderpickconcepten gebruikt, afhankelijk van het soort order.”

“Hoewel dit inderdaad niet zo makkelijk is, hebben we er toch alle baat bij dat we de order releases zo goed mogelijk trachten te plannen in functie van de verschepingen”, meent hij. “Dat zal vooral je productiviteit ten goede komen. Uit studies blijkt dat operatoren in een conventioneel magazijn gemiddeld ongeveer de helft van de tijd aan lopen of rijden spenderen. De andere helft gaat dan naar effectief productief zijn en administratie. Het is dan ook belangrijk dat we die ‘verloren tijd’ met behulp van een goede planning tot een minimum trachten te beperken.”

Case 2: productiviteitsstijging door geoptimaliseerde orderpicking
Hoe dat kan, illustreert Jan De Kimpe opnieuw met een case. In dit praktijkvoorbeeld komen orders tot 16u. binnen voor vertrek op dezelfde dag. Tot 21u. vertrekken er vrachtwagens. Om de dertig minuten wordt een nieuwe batch orders in het WMS gelanceerd. Kenmerkend voor deze operaties is ook het grote aantal kleine orders met weinig orderlijnen.
 
Voor dit bedrijf schakelde Logisol Pro een optimaliseringsalgoritme in. Daarin werd een kaart van het magazijn geïntegreerd, waardoor de afstanden tussen de locaties gekend zijn. Naast positionerings- en routinginformatie werden in de software de deadlines voor de verschillende taken geïntegreerd. Er werd dus in feite een digitale twin van het magazijn gemaakt.

Op basis van de orderportefeuille van dat moment, de deadlines en het beste pickconcept per type order bepaalt het algoritme welke orders het best worden gecombineerd en welk concept het meest geschikt is voor welke orders. Op die manier worden de orders op het juiste moment vrijgegeven en de taken optimaal gepland. Tegelijk wordt een simulatie gemaakt van de herbevoorrading op basis van de picktaken.

J. De Kimpe: “Door die automatische order release en de pickingoptimalisering wist dit bedrijf de productiviteit met twaalf procent te verbeteren. In feite hebben we ons hier gebaseerd op een traditonele workforceplanning, waaraan de locatie van de operatoren en de routering werden toegevoegd. Daardoor hoeft er niet met standaardtijden te worden gewerkt.”

​Optimalisering via lay-out en workflows

Een andere mogelijkheid is sleutelen aan de lay-out van het magazijn. “Dikwijls trachten bedrijven zoveel mogelijk voorraad op zo weinig mogelijk vierkante meters op te slaan”, weet Jan De Kimpe. “Je mag evenwel niet vergeten dat je beter wat ruimte overhoudt om schommelingen op te vangen. Bovendien zorgen kleine picklocaties er weliswaar voor dat de routes korter worden, maar tegelijk moet je dan meer herbevoorraden.”

“Vaak stellen wij dynamische voorraadlocaties en vaste picklocaties voor”, vervolgt hij. “Je kunt ook met dynamische picklocaties werken, maar de ervaring leert dat je dan tien procent vrije locaties nodig hebt om goed te kunnen werken. Bovendien geven die aanleiding tot nutteloze bewegingen als je op een bepaalde locatie goederen wilt wegtrekken om plaats te maken voor andere goederen. Je werkt ook beter met vaste picklocaties en -routes als de stapelvolgorde belangrijk is. Zodat je systematisch eerst de grotere en zwaardere goederen en pas daarna de kleine en lichtere kunt picken.”
 
Case 3: optimalisering via lay-out
Ook tijdens de optimaliseringsopdracht bij een retailer in de farmabusiness opteerde Logisol Pro voor vaste picklocaties. Dit magazijn herbergt zo’n 12.000 stock keeping units. Voor de winkels worden grotere orders verzameld, voor de e-commerceactiviteiten worden kleinere orders gebatcht. Jaarlijks worden er zo’n vier miljoen orderlijnen verwerkt.
Om de beschikbare ruimte optimaal te gebruiken, werden de ABC-artikelen en ABC-locaties op elkaar gemapt, rekening houdend met de itemgroepen. Goederen die vaak samen worden gevraagd, kwamen bij elkaar in de buurt te liggen. Er werd een lay-out gecreëerd waarbij de pickroute op hetzelfde punt begint en eindigt. Zo kan een operator die een volle trolley komt afzetten, meteen een lege trolley meenemen.

Bij het uitwerken van de lay-out werd ervoor gezorgd dat de orderpicker elke dertig meter van gang kan wisselen. In de eerste dertig meter liggen de snelste lopers, waardoor er snel lussen kunnen worden gemaakt als er enkel snellopers nodig zijn. Ook wordt er op gelet dat er enkel orders gereleased worden als er op de picklocaties nog voorraad aanwezig is. Tot slot wordt een procedurele FIFO-logica (first in, first out) gehanteerd op de legbordlocaties: goederen die worden aangevuld, komen steeds links te staan en worden naar rechts geduwd als die kant leeg is gepickt.

Puur via die lay-outoptimalisering in combinatie met de ABC-classificatie kon het bedrijf de productiviteit van de orderpickers verdubbelen.

Welke magazijnen hebben baat bij digitale tweeling?

Tot slot zoomt Jan De Kimpe in op de meerwaarde van een digitale tweeling, waarop de tweede case is gebaseerd. “Vandaag worden binnen de magazijnmuren heel veel data verzameld: via het WMS, het WCS, enzovoort. Via IoT-sensoren kunnen we daar dan de positionering van materialen en medewerkers aan toevoegen. Een digitale tweeling ‘mapt’ al die data op een 2D-kaart van het magazijn.  Op basis van de werkelijke afstanden en de gewenste stromen, kunnen dan de activiteiten worden gesimuleerd. Als we daar dan nog de pickingvolumetrie aan toevoegen, krijgen we een solide basis om taken optimaal onder de medewerkers te verdelen en de throughput te verhogen”, zegt Jan De Kimpe. “Het model kan ook in real time feedback geven over de afgewerkte taken. Je kunt beter controleren of je de productiviteitsdoelstellingen haalt en continu bijsturen, in functie van de beschikbare operatoren en hun positie in het magazijn. Een digitale tweeling is ook nuttig om bijvoorbeeld het effect van veranderingen in de lay-out te meten.”

Zo’n tool komt vooral tot zijn recht in omgevingen waar je de man naar de goederen stuurt en waar je snel moet kunnen schalen. Het spreekt voor zich dat een digitale tweeling interessanter is als er in het magazijnen veel (tijdelijke) operatoren actief zijn. Hierbij denken we aan omgevingen met honderd operatoren of meer. Zo kan de tool worden gebruikt om de bestaffing te optimaliseren en bijgevolg de kosten onder controle te houden.

“De voorwaarde om zo’n digitale tweeling goed te doen werken, is dat je een performant WMS en aanvullende systemen hebt die de nodige data kunnen aanleveren. Ook operatoren en locaties kunnen positioneren is geen overbodige luxe”, benadrukt Jan De Kimpe. “Het is dan ook belangrijk dat je eerst een solide digitale basis creëert die voldoende data genereert voordat je de volgende stap zet naar optimalisering in een conventioneel magazijn.”