顧客の需要を満たすために既存の労働力を最適化する

最近、 SupplyChainBrain ブログ「サプライチェーンの労働者不足の解決策はありますか？」を投稿しました。この記事では、今年、労働力が減少している理由について説明しています。理論的には、多くの雇用主は、9月に連邦失業手当がなくなると、人々は仕事を探し始めるだろうと感じていました。しかし、それは起こりませんでした。

労働力不足の記事で引用されている他の理由には、パンデミックからの脱落が含まれ、人々は職場に戻ることを恐れています。一方、労働者が家にいることを決定したか、家にいる必要があったため、彼らはより多くのオンラインを購入し、輸送と倉庫業務に厳しい負担をかけました。

注文の増加により、より多くの労働者が注文を満たす必要が生じています。運送業者は、商品を配達するトラックの運転手を見つけるのにますます困難になっています。倉庫の所有者は時給を上げ、利益を追加し、休憩所を更新しています。しかし、雇うのに十分な労働力はありません。

一部の企業は、倉庫または流通業務に自動化を追加することで、フルフィルメントをスピードアップし、労働需要を削減できると考えています。ソフトウェアベンダーは、倉庫管理システム（WMS）、ヤード管理システム、データレプリカ、デジタルツイン、拡張現実、人工知能、ロボット自動化、ブロックチェーンなど、倉庫の効率を高めるテクノロジーを約束しています。

多くの組織は、運用をより効率的にし、より良い顧客サービスを提供するために、これらのアプリケーションのいくつかにすでに投資し始めています。しかし、これらのテクノロジーにはそれぞれ独自の複雑さが伴います。

他のほぼすべての革新的なシステムの基盤を提供するWMSは、倉庫全体に重要なデータを生成します。多くの企業が「データレプリカ」と呼ばれる新しい種類のテクノロジーを採用しています。これは、クエリ、視覚化、アラートのためにリアルタイムのWMSデータを取得するアクセスしやすいデータベースを作成します。

データは、配送センターの将来の状態の理解に貢献する必要があります。しばしば「what-if」計画と呼ばれる、これはデジタルツインテクノロジーを活用します。デジタルツインは、倉庫の数学モデルであり、将来に向けたすべてのアクティビティを分析して、将来何が起こる可能性があるかを予測します。優れたデジタルツインは、労働力、出荷、在庫の可用性、タスク、スペース、その他のリソースを考慮に入れます。

AIベースの制約ベースの最適化を使用して、さまざまなアクティビティシステムを最適化できます。このテクノロジーをデジタルツインと組み合わせると、一連のイベントを規定し、実行可能なスケジュールを作成し、手間と労力を最小限に抑えることができます。

テクノロジーロードマップの最終段階は、倉庫内の多くの人間のプロセスを自動化することです。ロボット工学などの自動化の課題は、高価なデバイスが必要であり、展開が難しく、時間がかかることです。

今日、多くの組織は、周囲の倉庫のマイクロフローを考慮せずに、サプライチェーンに自動化を導入しています。たとえば、消費財の荷送人は、自動フォークリフトを使用してステージング用のパレットを回収する場合がありますが、そのパレットは、トレーラーに積み込まれる前にステージングエリアに12時間置かれる場合があります。パレットは貴重なステージングスペースを必要以上に長く消費し、サイトに別の注文を時間どおりに完全に出す機会を犠牲にする可能性があります。

倉庫は、顧客の満足度を犠牲にすることなく既存の労働力を最適化するという課題にも直面しています。誰かが仕事に来ない場合はどうなりますか？計画通りに物事が起こらなかったら？または、フロアスタッフのポジションがまだ埋まっておらず、現在のキャパシティを最適化するための最善の方法がわからない場合は、

WMSアクセラレータと呼ばれる新しいアプローチは、倉庫内で数分ごとに発生することに基づいて、アクティビティを適応させ、バランスを取り直します。これらのシステムは、倉庫管理、ヤード管理、注文管理、可視性、および生産システムからデータを取得して、単一の統合された運用ビューを提供します。次に、デジタルツインテクノロジーを使用して、データを使用して何が起こるかを予測できます。このテクノロジーは、すべてのシステムとすべての既知の出荷および注文情報から現在の状態を取り込み、労働力、在庫、作業時間などの既知の制約に基づいて将来を前進させます。

たとえば、単一のProcter＆Gamble配布センターでは、WMSアクセラレータを使用して、毎日の計画時間を97％短縮し、毎日の労働活動の計画を8時間から15分に短縮します。 WMSアクセラレータを使用する他の企業は、サイトの生産性を損なうことなく、計画外の一時的な労働力の削減を永続的にすることができます。シフトごとに1人の労働者を削減することは、年間10万ドル以上の節約に相当します。大規模なサイトでは、このような削減はすぐに加算される可能性があります。

Keith Mooreは、AutoScheduler.AIのチーフプロダクトオフィサーです。