Savoye introduceert Labour Management software module op basis van machine learning

Labour Management, als onderdeel van het WMS, heeft als voornaamste doel personeel en apparatuur te managen en op elkaar af te stemmen. Labour Management maakt het mogelijk het werk van de medewerkers in het magazijn in te plannen op basis van de werklast die verwacht wordt uit de ontvangen klantorders, lopende bestellingen en producten die de leveranciers nog moeten leveren. “Hoewel die functionaliteit vaak aanwezig is op het wensenlijstje van de grote retailers en e-commercebedrijven, wordt ze zelden gebruikt”, klinkt het bij Savoye. Daarom heeft de leverancier onderzocht hoe de klanten Labour Management ook daadwerkelijk het beste kunnen inzetten.
 
Savoye ontwikkelde een nieuwe benchmark op het gebied van Labour Management-oplossingen. “Tijdens het ontwikkelproces kwam aan het licht dat de meeste bestaande oplossingen vijf grote tekortkomingen hebben: korte termijn, vaag, beperkte scope, vervelend en gebrek aan ROI.”
Volgens Savoye maakt het eenzijdige karakter van die bestaande oplossingen het immers lastig om operationele middelen toe te wijzen. “Zonder een efficiënte prognosetool bespaart het WMS zijn gebruiker hooguit enkele uurtjes bij het plannen van de werklast: het wordt nogal kortzichtig”, luidt het. “Dat gaat gepaard met een gebrek aan precisie bij het monitoren van activiteiten en een onvermogen om de productiviteit van de processen, die niet door het WMS worden aangestuurd, te integreren en te meten. Bovendien omvatten oplossingen voor Labour Management doorgaans een planning gebaseerd op namen; dat is bijzonder complex om te beheren. Al die gebreken zorgen voor onvoldoende ROI.”
 
Praktijkgerichte functies en gebruikersverwachtingen
De nieuwe Labour Management module van Savoye moet helpen de KPI’s te definiëren die nodig zijn om het magazijn goed aan te sturen: productiviteit per ‘sector’, ‘cel’ en ook per ‘afleverbestemming’ of ‘verkoopkanaal’.
Om de uitrol, en vooral het dagelijks gebruik, met vaak snelle beslissingen, te vereenvoudigen, heeft Savoye ervoor gekozen middelen te kunnen toewijzen, uitgaande van een FTE (fulltime equivalent) in plaats van een naam.
Een essentieel kenmerk van de module is de realtime productiviteitsrapportage. Daarmee wordt de productiviteit van de medewerkers gemeten, inclusief de taken die niet onder het WMS vallen.
 
Beter HR management door machine learning
Om de Labour Management module te kunnen optimaliseren en alle nodige informatie te kunnen verstrekken over de te verwachten werkdruk in het magazijn, maakt Savoye gebruik van artificiële intelligentie en machine learning. “ERP-systemen gebruiken voor hun prognoses vooral statistische technieken. De opkomst van machine learning maakt die aanpak geleidelijk achterhaald. Daarom maakt onze software gebruik van de opgeslagen data uit het magazijn, zodat het eigen prognoses kan maken, met behulp van real-life business cases”, legt Marwane Bouznif, Machine Learning and Optimization Engineer bij Savoye, uit.
 
Om de efficiëntie van de nieuwe oplossing aan te tonen, heeft Savoye al drie PoC’s (Proof of Concept) in de retail sector gerealiseerd: “In bijna vijf jaar hebben we een discrepantie van slechts 5 tot 10% kunnen bereiken tussen onze berekeningen en de werkelijke toepassingen. Dat resultaat stelt onze klanten in staat beter te anticiperen op hun operationele werkdruk, met name tijdens piekperiodes of eenmalige promotionele acties, en om de winstgevendheid te verhogen”, concludeert Grégory Lecaignard (foto), Software Product Manager bij Savoye.
 
De nieuwe Labour Management module wordt geïntegreerd in de laatste versie van het Odatio WMS/TMS.

Foto: Savoye – Grégory Lecaignard