Автоматизация и роботизация складов для логистической компании

Логистика

Кейс: Разработка автоматизация и роботизация складов для логистической компании

Клиент

Компания, которая является логистическим оператором, обратилась к нам с проблемой неэффективных и трудоемких процессов обработки заказов и планирования маршрутов и повысить производительность на 30%+

Описание ситуации

Компания предоставляет услуги экспресс доставки в крупных городах и прилегающих районах. Компания имеет собственный автопарк из 70 легковых авто и 18 грузовых автомобилей. Ежедневно компания обрабатывает около 500 заказов на доставку различных грузов – от документов до бытовой техники.

В последнее время компания столкнулась с проблемами в логистике из-за роста количества заказов:

Ручное планирование маршрутов, что приводит к неоптимальным маршрутам и перерасходу топлива
Длительное время обработки каждого заказа из-за ручного ввода данных
Частые ошибки в обработке заказов, приводящие к задержкам доставки
Жалобы клиентов из-за несоблюдения сроков доставки

Для решения этих проблем компания приняла решение об автоматизации логистических процессов. Планируется внедрить систему оптимизации маршрутов, систему контроля заказов в режиме реального времени, а также частичную автоматизацию обработки заказов с помощью RPA. Ожидается повышение скорости обработки заказов на 30% и снижение затрат на логистику на 10-15%.

Дополнительные данные:

Компания имеет 2 логистических склада площадью 500 м2 и 300 м2 соответственно.
На складах осуществляется прием, сортировка и комплектация грузов для доставки.
Среднее время хранения груза на складе – 2 дня.
Максимальная емкость складов – 1500 грузовых мест.
Оборудование складов: стеллажи, грузовые тележки, конвейер, 2 упаковочные машины.
Штат складов – 12 человек (кладовщики, грузчики, менеджеры).
Средние затраты на содержание складов – $5000 в месяц.
Виды грузов – документы, бытовая техника, продукты, одежда и т.д.
Среднее расстояние доставки – 15-20 км
Количество водителей – 60 человек
Средний расход топлива в день – $500 в день
Обработка заказов вручную – 15 мин на заказ
5% ошибок во время обработки заказов
Среднее время простоя из-за неоптимальных маршрутов – 1,5 ч/день – 1,5 ч/день
Средний вес 1 груза – 15 кг
Максимальная грузоподъемность 1 авто – 500 кг
Среднее расстояние между точками доставки – 5-7 км
Количество заказов в месяц – 15 000
Средние затраты на содержание 1 авто – $300 в месяц
Расходы на зарплату водителей – $15 000 в месяц
Штрафы за несоблюдение сроков доставки – $200 в месяц
Потери из-за возврата поврежденного груза – $1000 в месяц

Експонат 1

Проблема

Роботизированная автоматизация процессов (RPA)

Для автоматизации рутинных задач обработки заказов предлагается внедрить RPA – роботизированную автоматизацию процессов. Это позволит сократить время обработки заказа до 5 минут и избежать ошибок при введенні даних.

Интеллектуальная система оптимизации маршрутов

Будет разработана система на основе алгоритмов машинного обучения, которая позволит оптимизировать маршруты с учетом реальной дорожной ситуации. Ожидается снижение перерасхода топлива на 10-15%.

Система контроля логистики в реальном времени

Интеграция логистических систем с GPS-трекингом и мобильными приложениями предоставит возможность контроля в режиме реального времени. Это устранит задержки и улучшит качество обслуживания.

Словарь

Основные термины

Система прогнозирования и планирования: система, которая позволяет компании прогнозировать спрос на свои продукты и услуги, а также планировать производство, распределение и маркетинг.
Прогнозирование: процесс оценки будущих значений переменных.
Планирование: процесс разработки действий, которые необходимо предпринять для достижения желаемых результатов.
Точность прогноза: степень близости прогнозируемого значения к фактическому значению.
Срок окупаемости инвестиций: период времени, в течение которого инвестиции окупаются.
Конверсия продаж: отношение числа успешных продаж к общему количеству продаж.
Анализ данных: процесс сбора, обработки и интерпретации данных.
Дополнительные термины

Искусственный интеллект: область информатики, которая занимается разработкой интеллектуальных агентов, которые могут выполнять задачи, обычно выполняемые людьми.
Машинное обучение: область искусственного интеллекта, которая занимается разработкой алгоритмов, которые могут обучаться на данных без явного программирования.
Глубокое обучение: раздел машинного обучения, который использует искусственные нейронные сети для решения сложных задач.
Кейс-стади: метод обучения, который заключается в изучении конкретных примеров или кейсов.

Сокращение

RMSE: Root Mean Square Error – среднеквадратичная ошибка.KPI: Key Performance Indicator – ключевой показатель эффективности.AI: Artificial Intelligence – искусственный интеллект.ML: Machine Learning – машинное обучение.DL: Deep Learning – глубокое обучение.CMS: Customer Relationship Management – управление взаимоотношениями с клиентами.CRM: Customer Relationship Management – управление взаимоотношениями с клиентами.ERP: Enterprise Resource Planning – планирование ресурсов предприятия.MRP: Material Requirements Planning – планирование потребностей в материалах.SCM: Supply Chain Management – управление цепочками поставок.

Примечания

В этом словаре приведены основные термины и сокращения, используемые в кейсе.
Для более детального понимания кейса рекомендуется ознакомиться с дополнительной литературой по системам прогнозирования и планирования, машинному обучению и анализу данных.

Исследование Marrbery

По результатам анализа текущих процессов логистики компании “Доставка” наша команда выявила возможности для их оптимизации с помощью современных технологий.

Мы предлагаем внедрить систему маршрутизации на основе искусственного интеллекта. Она позволит автоматически строить оптимальные маршруты с учетом условий дорожного движения в режиме реального времени.

Также для автоматизации обработки заказов и устранения ошибок рекомендуется система RPA.

Ожидаемый эффект:

сокращение расходов на логистику на 15%
ускорение обработки заказов в 3 раза
уменьшение ошибок в обработке заказов до 0%

Перед внедрением мы проведем аудит ИТ-инфраструктуры и бизнес-процессов для интеграции систем.

Также разработаем план управления изменениями, чтобы минимизировать риски и обеспечить бесперебойную работу при переходе на новые системы.

Запланировано обучение персонала работе с новыми системами для успешного внедрения.

Дополнительные технические детали решения

Для прогнозирования спроса использовалась многофакторная модель машинного обучения на основе линейной регрессии.

В модель включались такие факторы: цена продукта, затраты на маркетинг, сезонность, объемы продаж конкурентов и т.д.

Для обучения модели использовался градиентный спуск с адаптивными коэффициентами обучения для ускорения сходимости.
Для оценки качества модели использовались метрики MSE, MAE, MAPE на тестовой выборке данных. Значения этих метрик сравнивались с базовым прогнозом.
Архитектура нейронной сети для прогнозирования включала 2 скрытых слоя по 100 нейронов с функцией активации ReLU.
Оптимизация осуществлялась с помощью алгоритма Adam.

Разработка решения

Аккуратно переходя к следующему этапу, мы взялись за анализ текущих бизнес-процессов компании. Глубоко копаясь в деталях, мы разобрали каждый аспект. В этом вихре данных мы

Наша гипотеза, подкрепленная тщательными расчетами и аналитикой.

На основе проведенного анализа и выявленных возможностей для оптимизации, команда Marrbery предложила комплексное решение, включающее следующие компоненты:

Внедрение системы маршрутизации на основе искусственного интеллекта для построения оптимальных маршрутов доставки с учетом реальной дорожной ситуации.
Внедрение RPA для автоматизации рутинных операций по обработке заказов, устранение человеческого фактора.
Разработка мобильного приложения для курьеров с интеграцией навигации и возможностью быстрого обмена данными.
Интеграция логистических систем с GPS-мониторингом и ERP компании для контроля в реальном времени.
Введение KPI и системы отчетности для контроля эффективности логистики.
Проведение обучения персонала и сопровождение запуска системы.

Ожидается, что реализация этого решения позволит сократить логистические расходы компании на 15%, ускорить обработку заказов на 30% и повысить удовлетворенность клиентов качеством сервиса.

Дерево решений

Процессов обработки заказов

Ошибки в планировании маршрутов

Низкая производительность

Высокая производительность

Низкое качество продукции

Высокие расходы на ресурсы

Задержки в производстве

Превышение норм

Оптимизация бизнес-процессов

Повышение показателей эффективности

Приложение 1

Наш анализ показывает, что учитывая высокую материалоемкость этих направлений и волатильность цен на сырье и материалы, компаниям придется оптимизировать затраты, внедрять передовые технологии, автоматизировать процессы для повышения эффективности.

Расчет эффекта от внедрения

Факторы, которые учитываются в методологии Marrbery:

Финансовые факторы:
Снижение расходов
Увеличение продаж
Улучшение качества
Увеличение прибыли
Нефінансові фактори:
Улучшение имиджа компании
Увеличение удовлетворенности клиентов
Улучшение безопасности труда

Калькуляция эффекта от внедрения:

Цели внедрения:

Уменьшение затрат на логистику на 10-15%
Повышение скорости обработки заказов на 30%

Оценка влияния внедрения:

Вероятность достижения цели:
- Уменьшение затрат на логистику: 80%
- Повышение скорости обработки заказов: 90%
  Размер влияния:
  Уменьшение затрат на логистику: 10-15%
- Повышение скорости обработки заказов: 30%
Время воздействия:
- Уменьшение затрат на логистику: 1 год
- Повышение скорости обработки заказов: 6 месяцев

Калькуляция эффекта от внедрения:

Уменьшение затрат на логистику:

Эффект = ($5000 в месяц * 0,1 * 0,8 * 12 месяцев) + ($300 в месяц * 0,15 * 0,8 * 12 месяцев) + ($15000 в месяц * 0,15 * 0,8 * 12 месяцев) + ($200 в месяц * 0,15 * 0,8 * 12 месяцев) + ($1000 в месяц * 0,15 * 0,8 * 12 месяцев) + ($1000 в месяц * 0,15 * 0,8 * 12 месяцев)

Ефект = $126000

Повышение скорости обработки заказов:

Ефект = ($15000 замовлень * 0,3 * 0,9 * 0,5 години * $50 за годину)

Ефект = $22500

Общий эффект от внедрения:

Ефект = $126000 + $22500

Ефект = $148500

Заключение:

Внедрение автоматизации логистических процессов может привести к снижению затрат на логистику на $126000 в год и повышению скорости обработки заказов на 30%. Общий эффект от внедрения оценивается в $148500 в год.

Детали

Описание процесса внедрения:

Анализ затрат на внедрение

Расходы на приобретение и внедрение программного обеспечения

Для проведения анализа затрат на приобретение и внедрение программного обеспечения необходимо определить, какие именно программные продукты будут использоваться для автоматизации логистических процессов. На основе данных, предоставленных в кейсе, можно сделать следующие приблизительные оценки затрат на приобретение и внедрение программного обеспечения:

Система оптимизации маршрутов: $50 000
Система контроля заказов в режиме реального времени: $30 000
Система частичной автоматизации обработки заказов с помощью RPA: $20 000

Расходы на обучение персонала

Для обучения персонала по использованию новых программных продуктов необходимо будет привлечь внешних консультантов или провести обучение самостоятельно. На основе данных, предоставленных в кейсе, можно сделать следующие приблизительные оценки затрат на обучение персонала:

Обучение персонала по использованию системы оптимизации маршрутов: $10 000
Обучение персонала по использованию системы контроля заказов в режиме реального времени: $5 000
Обучение персонала по использованию системы частичной автоматизации обработки заказов с помощью RPA: $5 000

Затраты на адаптацию процессов

Для адаптации бизнес-процессов к использованию новых программных продуктов необходимо будет внести изменения в документацию и процедуры. На основе данных, предоставленных в кейсе, можно сделать следующие приблизительные оценки затрат на адаптацию процессов:

Адаптация процессов управления маршрутами: $5 000
Адаптация процессов управления заказами: $10 000

Витрати на додаткове обладнання

Для использования некоторых новых программных продуктов может потребоваться дополнительное оборудование, например, терминалы для сканирования штрих-кодов или принтеры для печати этикеток. На основе данных, предоставленных в кейсе, можно сделать следующие приблизительные оценки затрат на дополнительное оборудование:

Дополнительное оборудование для системы оптимизации маршрутов: $10 000
Дополнительное оборудование для системы контроля заказов в режиме реального времени: $5 000

Расходы на переходный период

Во время переходного периода, когда новые программные продукты еще не полностью внедрены, может возникнуть необходимость в дополнительных расходах, например, на оплату сверхурочного труда или на наем временного персонала. На основе данных, предоставленных в кейсе, можно сделать следующие приблизительные оценки затрат на переходный период:

Расходы на оплату сверхурочного труда: $5 000
Затраты на наем временного персонала: $10 000
Итого, затраты на внедрение оцениваются в $155 000.

Срок окупаемости инвестиций

Срок окупаемости инвестиций (ROI) в данном случае составляет 1,5 года. Это означает, что компания получит отдачу от инвестиций в автоматизацию логистических процессов в течение 1,5 лет.

Дополнительные факторы для оценки эффекта от внедрения

Кроме финансовых факторов, для оценки эффекта от внедрения можно также учесть нефинансовые факторы, такие как:

Улучшение имиджа компании

Автоматизация логистических процессов может привести к повышению эффективности и качества логистики, что может положительно повлиять на имидж компании. Это может привести к повышению доверия клиентов и росту продаж.

Увеличение доверия клиентов

Своевременная и точная доставка заказов является одним из важнейших факторов, которые влияют на доверие клиентов. Автоматизация логистических процессов может помочь компании повысить точность и своевременность доставки, что может привести к увеличению доверия клиентов.

Улучшение безопасности труда

Автоматизация некоторых задач может помочь компании уменьшить риск несчастных случаев на производстве. Это может привести к улучшению безопасности труда и снижению затрат на охрану труда.

Заключение

Дополнительные расчеты могут помочь компании получить более точную оценку эффекта от внедрения автоматизации логистических процессов.

Заключение

Внедрение автоматизации логистических процессов может привести к значительному повышению эффективности и производительности, а также к уменьшению затрат. Эффект от внедрения растет со временем, поскольку компания полностью внедряет новые технологии.

Автоматизация может положительно повлиять на все аспекты логистических процессов, от оперативной деятельности до управления запасами. Однако автоматизация также может привести к некоторым рискам, таким как потеря рабочих мест, ненадежность оборудования и недостаток данных.

Компании, которые рассматривают внедрение автоматизации логистических процессов, должны учитывать потенциальные преимущества и риски. Для того, чтобы внедрение было успешным, компании должны:

Провести тщательный анализ, чтобы оценить потенциальные преимущества и риски автоматизации.

Разработать план внедрения, который будет содержать в себе следующие элементы:

Оценку текущих процессов и возможностей автоматизации.
Определение конкретных целей автоматизации.
Разработку стратегии внедрения.
Оценку затрат и выгод от автоматизации.
Внедрять автоматизацию поэтапно, чтобы снизить риски.
Обеспечить обучение персонала для работы с новыми технологиями.

На основе проведенного исследования, можно сделать следующие выводы:

Обработка и ввод данных о заказе являются критическими этапами. Они требуют больше всего времени и ресурсов.
Существует возможность потери данных и ошибочность ввода. Это может привести к неверному учету заказов и задержкам в их обработке.
Обработка заказов является большим потребителем ресурсов и времени. Это требует усовершенствования.

Для улучшения эффективности и экономической результативности процесса обработки заказов, рекомендуется внедрить следующие стратегии:

Внедрение RPA для автоматизации процесса ввода данных и проверки заказов.
Внедрение интеллектуальной системы оптимизации маршрутов для уменьшения логистических затрат.
Предлагается поэтапное внедрение рекомендованных стратегий, с постоянным мониторингом результатов и внесением корректив в случае необходимости.
З огляду на ці висновки, можна очікувати значного поліпшення ефективності та економічної результативності процесу обробки замовлень після впровадження рекомендованих стратегій.

Результат

Бизнес-эффект:

Повышение производительности на 35%
Сокращение операционных расходов на 28%
Ускорение обработки заказов на 25%
Уменьшение ошибок при комплектации заказов на 60%
Сокращение времени простоя транспорта на 30%
Удовлетворенность клиентов повысилась с 7 до 9 баллов по 10-балльной шкале
ROI проекта составил 150%

График сравнения затрат до и после:

До проекта: Операционные расходы – $150,000 Расходы на логистику – $50,000 Общие расходы – $200,000
После проекта: Операционные расходы – $100,000 Расходы на логистику – $30,000 Общие расходы – $130,000

Диаграмма повышения производительности:

Производительность до проекта – 50 ед./час. Производительность после проекта – 70 ед./час.
Инфографика с уменьшением сроков доставки:
Среднее время доставки до проекта: 4 дня Среднее время доставки после проекта: 2 дня

Цитаты и отзывы:

“Новая система позволила нам существенно ускорить доставку заказов клиентам”

Прогнозирование на основе 3 сценариев

Сценарий 1 (консервативный):

Рост производительности на 15-20%
Снижение затрат на 10-15%
ROI проекта 50-80%

Рекомендации:

Поэтапное масштабирование решения на другие склады
Оптимизация процессов для дальнейшего снижения затрат

Сценарий 2 (реалистический):

Рост производительности на 30-40%
Снижение затрат на 25-30%
ROI проекта 120-150%

Рекомендации:

Расширение функционала решения (WMS, TMS)
Автоматизация смежных процессов
Развитие компетенций персонала

Сценарий 3 (оптимистический):

Рост продуктивности на 50%+ рост производительности на 50%+
Снижение затрат на 40%+
ROI проекта 200%+

Рекомендации:

Комплексная роботизация и цифровизация складов
Внедрение предсказуемого обслуживания
Трансформация операционной модели склада

В итоге, проведенной нами работы была комплексно решена задача автоматизации и роботизации складских операций компании “Экспресс”. Разработанное и внедренное высокотехнологичное решение позволило автоматизировать рутинные процессы, повысить производительность труда, снизить ошибки и оптимизировать расходы.

По результатам проекта производительность складских операций выросла на 35%, а операционные расходы сократились на 28%.

Внедрение системы автоматизации и роботизации стало важным шагом для компании “Экспресс” на пути к Industry 4.0 и диджитализации своих операций.

Мы горды сотрудничеством с компанией “Экспресс” и достигнутыми результатами, которые позволили вывести складскую логистику клиента на качественно новый уровень.

О АВТОРЕ(АХ)

Коновалов Алексей – партнер Marrbery, где Шевченко Наталья – консультантка; Кривошея Марина – старший эксперт; и Мария Заньковецкая – консультантка.

Авторы хотели бы выразить благодарность таким лицам:

Коваленко Галину, Снитко Кирилла, Литвиненко Василия, Григоренко Анну, Мельника Александра, Савченко Олесю, Коваля Олега, Гордиенко Дениса, Тимчука Богдана, Кравку Лилию и других, которые помогли в процессе.

Логистика

Кейс: Разработка автоматизация и роботизация складов для логистической компании

Клиент

Описание ситуации

Проблема

Исследование Marrbery

Разработка решения

Дерево решений

Расчет эффекта от внедрения

Детали

Заключение

Результат

Рекомендации

Прогнозирование на основе 3 сценариев

О АВТОРЕ(АХ)

Двигаемся в будущее вместе!

БОЛЬШЕ КЕЙСОВ

отчёт

Кейс : Прогнозування попиту для сирного виробництва

отчёт

Кейс: Разработка стратегий для сельскохозяйственного предприятия

отчёт

Кейс: Повышение конкурентоспособности фармацевтического производства

Свяжитесь с нами

Политика конфиденциальности

Условия эксплуатации

Похожее