Thúc đẩy bởi nhu cầu về các hoạt động linh hoạt, thích ứng và hướng đến khách hàng, sản xuất và hoạt động Logistic, bài viết này thảo luận về ứng dụng tiềm năng của Product Intelligence trong vận hành Kho hàng, cũng như cách tiếp cận mà các công ty giải quyết những vấn đề hiện tại.
CÁC VẤN ĐỀ TRONG KHO HIỆN NAY
Hiện tại, WMS tiêu chuẩn để có thể giữ được khả năng cạnh tranh của mình luôn có 2 đặc điểm chính cần có:
- Sự linh hoạt về mặt đáp ứng một cách kịp thời với những thay đổi ngắn hạn của nhu cầu của khách hàng
- khả năng thích ứng về mặt có thể duy trì mức độ dịch vụ khi có sự thay đổi trung hạn / yêu cầu của khách hàng.
Mặc dù WMS phản ứng nhanh hơn với các thay đổi nhưng các WMS thông thường vẫn phụ thuộc nhiều vào nhân viên để nhập thông tin thủ công hoặc thông qua hệ thống mã vạch. Những giải pháp mang tính kịp thời và chính xác trên vận hành kho bằng cách nắm bắt thông tin thời gian thực như hệ thống Auto-ID (như RFID) và công nghệ mạng cảm biến không dây được phát triển nhưng 1 vấn đề khác lại xuất hiện. Đó là người quản lý kho phải biết sử dụng thông tin để đưa ra quyết định phản hồi nhanh chóng.
Theo hướng này, một lượng lớn nghiên cứu đã tập trung vào phát triển các mô hình hỗ trợ quyết định (bao gồm cả heuristic và thuật toán) nhằm mục đích quản lý tối ưu hoạt động kho khác nhau. Tuy nhiên, do các giả định và ràng buộc cứng nhắc của họ, việc triển khai thành công các mô hình này trong các WMS thương mại hiện tại là rất hiếm. Đồng thời, hầu hết những các mô hình sử dụng các phương pháp tập trung, tĩnh, ngoại tuyến, cản trở sự phát triển linh hoạt và thích ứng của WMS vì những hạn chế về:
- Tính khả dụng của thông tin: Ví dụ các thông tin đó có thể xuất hiện đơn đặt hàng mới trong ca làm việc, sự xuất hiện của pallet / sản phẩm mới từ nhà cung cấp / khách hàng trong ngày và vị trí thời gian thực của người vận chuyển trong kho.
- Tính phi thực tế: Các ràng buộc thực tế như thời gian và chi phí đã hạn chế những giải pháp tập trung. Ví dụ, ta không thể tính lại các danh sách và tuyến tối ưu cho mỗi picker khi mỗi lần sản phẩm hoặc một đơn đặt hàng mới đến vì quá trình này sẽ đòi hỏi một lượng thời gian đáng kể, do đó làm cho các giải pháp trước đó không hiệu quả.
- Tính bất cẩn: Ngay cả khi các vấn đề trên không ảnh hưởng đến hệ thống, một hệ thống tập trung vẫn vận hành phức tạp khi thực hiện các thay đổi do nhu cầu và yêu cầu mới về sản phẩm mới, năng lực cấp độ, bố trí cơ sở vật chất.
PRODUCT INTELLIGENCE TRONG QUẢN LÝ KHO HÀNG
Định nghĩa: là một hệ thống tự động để thu thập và phân tích thông tin về hiệu suất của sản phẩm được thiết kế và sản xuất. Dữ liệu này được tự động gửi lại cho người quản lý sản phẩm và kỹ sư thiết kế sản phẩm để hỗ trợ họ phát triển phiên bản tiếp theo của sản phẩm đó.
Mục tiêu: đẩy nhanh tốc độ đổi mới sản phẩm, từ đó làm cho sản phẩm và chủ sở hữu cạnh tranh hơn. Product intelligence thường được áp dụng cho các sản phẩm điện tử, nhưng nó không nhất thiết giới hạn ở các sản phẩm điện tử.
CASE STUDY
Bối cảnh
Một kho xử lý các mặt hàng điện tử. Công ty lưu trữ, lựa chọn, đóng gói và gửi hàng hóa cho khách hàng cuối cùng thay mặt cho khách hàng của họ (nhà bán lẻ). Đơn hàng có thể đến từ một loạt các kênh bao gồm các cửa hàng và chợ thương mại điện tử chẳng hạn như eBay, Amazon và Play và được công ty tự động truy xuất thông qua các máy chủ đám mây. Công ty cũng có cơ sở để xử lý đơn đặt hàng qua thư và điện thoại.
Tình hình
a) Cơ sở hạ tầng sẵn có
Công ty đã có sẵn một hệ thống thông tin có khả năng xác định các sản phẩm và đơn đặt hàng độc lập trong kho. Đồng thời, hệ thống được sử dụng sẽ thu thập và lưu trữ dữ liệu liên quan đến vòng đời của sản phẩm / đơn hàng (ví dụ: kích thước vật lý của sản phẩm, nhu cầu, địa điểm trong kho) như cũng như nhu cầu và sở thích của khách hàng liên quan đến đơn hàng (ví dụ: ngày giao hàng, ưu tiên, giao hàng phương pháp).
b) Môi trường thay đổi nhanh chóng
Việc mở rộng quy mô nhanh chóng khiến hệ thống tập trung phải những thách thức mới: Các thỏa thuận với khách hàng mới (có quy mô khác nhau) đang diễn ra thường xuyên mang đến những sản phẩm mới với thông tin đặc biệt, cũng như mang lại khách hàng cuối cùng. Hơn nữa, quy mô kho cũng đang phát triển các địa điểm lưu trữ mới, lối đi và khu vực đóng gói.
c) Tác động của khách hàng
Mô hình kinh doanh cụ thể mà Công ty đang đối mặt đòi hỏi một mức độ kiểm soát nhất định của các hoạt động của kho hàng được đối với khách hàng và khách hàng cuối cùng. Ví dụ, Công ty có thể không biết khi nào các sản phẩm sẽ đến trong ngày hoặc chính xác những sản phẩm nào trong lô hàng. Ngoài ra, mỗi khách hàng có thể giữ thông tin hữu ích cho các hoạt động kho hàng như ví dụ như nhu cầu hàng tuần / hàng tháng, tính thời vụ của sản phẩm, sản phẩm mới.
d) Cần cho các quyết định chủ động
Nhiều quyết định cần được đưa ra mỗi ngày có thể được xử lý bởi hệ thống tĩnh, tập trung, nhưng khi được nhân lên tới hàng ngàn hoạt động và sản phẩm thì việc xác định quyết định tốt nhất sẽ trở thành một vấn đề khó giải quyết. Hệ thống tinh lúc này cũng sẽ không hoạt động tốt vì chúng không có khả năng sử dụng thông tin thời gian thực trong các hoạt động hàng ngày ngay cả khi thông tin này đã được thu thập và lưu trữ.
ỨNG DỤNG 1: SẮP XẾP VỊ TRÍ LƯU KHO PHÙ HỢP
Công ty trong nghiên cứu của chúng ta hiện đang sử dụng phương pháp rules of thumbs (đánh giá sự việc dựa trên kinh nghiệm chứ không dựa vào các thông số đo lường chính xác). Đây là điều tất nhiên vì công ty không thể biết trước các sản phẩm cụ thể (và số lượng của chúng) mà họ sẽ nhận được mỗi ngày cũng như thời điểm họ sẽ nhận từ khách hàng. Và đồng thời, dù phân vùng kho có thể giảm thời gian lấy hàng tổng thể, các khu vực này sẽ cần phải thay đổi rất thường xuyên (vì nhu cầu không ổn định), do đó tạo ra sự nhầm lẫn cho các nhân viên.
Với cơ sở hạ tầng đã sẵn sàng và các nhân viên được đã đào tạo, công ty đã xem xét một giải pháp tương tự cho quá trình lưu trữ trong đó một hệ thống tự động sẽ hướng dẫn các nhân viên xung quanh kho mỗi thời gian họ sẽ quét một sản phẩm cần được lưu trữ. Vị trí của mỗi sản phẩm có thể khác nhau giữa các sản phẩm và trong suốt thời gian lưu trữ. Phương pháp này được gọi là gán lưu trữ thích ứng (adaptive storage assignment) đảm bảo các sản phẩm có thể được xử lý khác nhau mỗi lần nó phải lưu trữ trong kho. Mặt khác, mỗi sản phẩm (hoặc nhóm sản phẩm), được đại diện bởi một đại lý sản phẩm, sẽ được tìm kiếm thứ vị trí tốt nhất trong kho mỗi khi được nhận hàng bằng cách sử dụng các thông tin như tỷ lệ doanh thu, nhu cầu, các mối quan hệ với các sản phẩm khác, cách bố trí của kho,… Sự tối ưu của quyết định này là được tính dựa trên thời gian chọn dự kiến của các đơn đặt hàng trong tương lai mà công ty nhận được. Trong thực tế, các nhân viên các thành viên sẽ chọn một số sản phẩm từ các pallet nhận được, tải chúng trên xe đẩy của họ, quét chúng và sau đó nhận các hướng dẫn về nơi lưu trữ từng cái trên màn hình được gắn vào xe đẩy.
Quyết định liên quan đến vị trí lưu trữ của các sản phẩm theo cách tiếp cận product intelligence như một mô tả ở trên có thể được thực hiện thông qua một số cách khác nhau như trong hình.
Tùy chọn (a) mô tả một cách tiếp cận product intelligence thuần túy: sản phẩm là yếu tố quyết định duy nhất. Mỗi sản phẩm sẽ tự chọn vị trí lưu trữ thích hợp và trong trường hợp 2 (hoặc nhiều) sản phẩm chọn được lưu trữ trong cùng một địa điểm, họ sẽ đàm phán với nhau trước khi đưa ra quyết định.
Mặt khác, trong tùy chọn (b), các tài nguyên (ở đây là các vị trí lưu trữ – kệ) có vai trò tích cực hơn bằng cách chấp nhận hoặc từ chối cung cấp khi sản phẩm yêu cầu được lưu trữ trong đó. Cấu trúc này vẫn đại diện cho một Cách tiếp cận product intelligence vì tùy thuộc vào từng sản phẩm để chọn vị trí và số tiền họ sẽ đấu thầu, tuy nhiên, các nguồn lực sẽ đưa ra quyết định cuối cùng.
Rõ ràng là cả 2 mô hình trên đều tạo điều kiện cho sự phát triển của một giải pháp thích ứng mặc dù có vẫn còn một số câu hỏi mở (nằm ngoài phạm vi của bài viết này), chẳng hạn như cách các sản phẩm chọn địa điểm ưa thích, cơ chế đàm phán giữa các sản phẩm là gì và hệ thống đấu thầu giữa các sản phẩm và kệ hoạt động như thế nào.
Một vấn đề khác xuất phát từ ứng dụng thực tế của giải pháp đề cập đến thực tiễn phổ biến là lưu trữ các sản phẩm cũng loại trong cùng một vị trí lưu trữ mỗi khi một pallet sản phẩm mới được lưu trữ. Vấn đề này được giải quyết trong hình (c) trong đó một số trường hợp sản phẩm tạo thành các nhóm và để cho “Group Leader Agent” (nhóm trưởng nhóm Đại lý) của họ thực hiện đàm phán với các đại lý tương tự khác (Tùy chọn A) hoặc đấu thầu cho các vị trí cụ thể (Tùy chọn B).
VÍ DỤ 2: TÁI ĐỊNH TUYẾN CHO ORDER-PICKING (THU GOM ĐƠN HÀNG)
Các hoạt động thu gom đơn hàng được xác định là hoạt động tốn nhiều công sức và chi phí nhất cho việc vận hành kho. Công ty hiện đang sử dụng quy tắc vận hành đơn giản: Đơn hàng được chỉ định cho picker dựa trên đơn hàng ưu tiên (đơn hàng ưu tiên cao hơn sẽ được chọn trước) và tùy thuộc vào năng lực của xe chuyên chở. Sau đó, các picker di chuyển trong kho một cách tuyến tính, bỏ qua bất kỳ lối đi nào không có yêu cầu và cố gắng giảm thiểu tối đa khoảng cách. Hiện tại, chính sách trên cho phép công ty vận hành kho hàng ở mức tốt, tuy nhiên, không bền vững trong tương lai gần. Hơn nữa, quyết định quan trọng đưa ra các tiêu chí ảnh hưởng đến hiệu suất của hoạt động thu gom đơn hàng – như là chọn trình tự và định tuyến, lựa chọn giữa nhiều vị trí cho một loại sản phẩm được yêu cầu – đã bị loại khỏi hệ thống phân công đơn hàng hiện tại.
Mặc dù có một số thuật toán để lên lịch trình hiệu quả cho các hoạt động thu gom đơn hàng và xem xét các tiêu chí quan trọng được đề cập ở trên nhưng hầu hết chúng được tính toán theo cách truyền thống. Do đó, lịch trình đã được tính toán sẽ không tối ưu trong môi trường vận hành liên tục thay đổi do (ví dụ: nhận đơn đặt hàng mới tại điểm ngẫu nhiên trong ngày làm việc). Trong một WMS sử dụng phương pháp tiếp cận product intelligence, các sản phẩm sẽ có cơ hội “giao tiếp” với nhau và có thể đưa ra quyết định khác nhau cho danh sách cuối cùng khi có sự thay đổi.
Trong ví dụ này, Picker 1 được lên lịch để chọn các sản phẩm nằm trong các kệ được đánh dấu “*” và Picker 2 chọn các sản phẩm “%”. Giả sử rằng mỗi picker có thấy lấy 10 vật phẩm, và Picker 1 còn 2 chỗ trống trong xe đẩy sau khi hoàn thành nhiệm vụ.
Bây giờ, có 1 đơn hàng mới với 2 sản phẩm được đánh dấu bằng “N”. Với hệ thống hiện tại (và bất kỳ công cụ ngoại tuyến nào khác), các sản phẩm cho đơn hàng mới sẽ được chọn sau khi picker sẵn sàng bắt đầu nhiệm vụ chọn mới.
Theo cách tiếp cận product intelligence, khi đơn hàng mới đến, tất cả các phiên bản sản phẩm khớp với loại sản phẩm được yêu cầu sẽ tự gắn cờ, cho biết rằng chúng được yêu cầu cho một đơn đặt hàng khác. Dựa vào trạng thái của các picker, các sản phẩm được gắn cờ này sẽ thông báo cho Picker 1 rằng anh ta nên bốc các sản phẩm N trước khi quay trở lại kho hàng vì anh vẫn còn 2 chỗ trống trong xe đẩy. Các sản phẩm N có thể xác định rằng Picker 2 gần với chúng hơn Picker 1. Tuy nhiên, do đến các giới hạn về dung lượng, danh sách chọn cần được sửa đổi trước khi Picker 2 được chỉ định để bốc chúng lên. Lúc này các sản phẩm sẽ liên lạc với nhau và quyết định gán lại các sản phẩm % gần với kho hơn với Picker 1 và các sản phẩm của N với Picker 2.
KẾT LUẬN
Bài viết này là chỉ ra cách WMS sử dụng product intelligence để mang lại lợi ích cho lập lịch trình và kiểm soát việc gán vị trí lưu trữ và các hoạt động chọn.
Mặc dù không báo cáo kết quả định lượng về hiệu suất của cách tiếp cận như vậy so với thông thường, tập trung, nhưng tác động của nó là đáng kể đến hiệu suất, ảnh hưởng đến các quyết định cuối cùng sẽ được đưa ra và thực thi. Các cơ chế khác nhau cần được phát triển và thử nghiệm cho từng trường hợp cụ thể trước khi áp dụng trong các hệ thống công nghiệp.
Theo citeseerx.ist.psu.edu
========================================
Seminar: “Warehousing: Technology solutions for zero-error order fulfilment”
- For more information
- Time: Saturday, May 11, 2019
- Starting: 08:30 am – 12:30 pm
- Location: 2nd Floor, InterContinental Saigon Hotel, Corner Hai Ba Trung St.& Le Duan Blvd, Ben Nghe Ward, District 1, HCMC
- Language: English & Vietnamese
