Ihre Bestandsverwaltungsdaten-Vorlage

Dieses Attribut beschreibt einen spezifischen Schritt oder Meilenstein im Bestandsverwaltungsprozess. Jede Aktivität stellt eine eigenständige Aktion dar, die an dem Bestandsposten durchgeführt wird, wie Empfangen, Prüfen, Bewegen oder Versenden.

Die Analyse der Reihenfolge und Häufigkeit dieser Aktivitäten ist die Grundlage des Process Mining. Es hilft, den Prozessfluss zu visualisieren, Abweichungen vom Standardverfahren zu identifizieren und Aktivitäten zu lokalisieren, die Verzögerungen oder Nacharbeit verursachen. Zum Beispiel kann die Analyse aufzeigen, ob 'Cycle Count Performed' häufig nach einem fehlgeschlagenen Kommissionierversuch auftritt.

Es definiert die Prozessschritte und ermöglicht die Visualisierung und Analyse des Bestands-Weges von Anfang bis Ende.

Dies wird typischerweise aus Event Logs, Transaktionscodes oder Statusänderungsdatensätzen innerhalb von Manhattan Active Inventory abgeleitet. Es kann eine Zuordnung von technischen Codes zu benutzerfreundlichen Namen erforderlich sein.

Die Bestands- oder Chargennummer gruppiert alle Aktivitäten, die sich auf eine bestimmte Produktmenge beziehen. Dies ermöglicht die Verfolgung des gesamten Lebenszyklus einer eindeutigen Bestandsmenge, vom Wareneingang über ihre verschiedenen Bewegungen bis hin zur eventualen Ausgabe oder zum Verbrauch.

Im Process Mining ist dieses Attribut entscheidend für die Rekonstruktion der End-to-End-Reise jeder Bestandseinheit. Es ermöglicht die Analyse von Prozessvarianten, Zykluszeiten und Engpässen, die bestimmte Chargen betreffen, wie zum Beispiel die Identifizierung von Chargen, die lange Qualitätsprüfungsverzögerungen oder häufige interne Bewegungen vor dem Versand erfahren.

Dies ist der Kern-Identifikator, der alle verbundenen Bestandsereignisse zu einer einzigen Prozessinstanz verbindet und eine End-to-End-Analyse des Bestandslebenszyklus ermöglicht.

Dieser Identifikator ist typischerweise in Bestandsdetailtabellen oder Chargenstammdaten innerhalb von Manhattan Active Inventory zu finden. Konsultieren Sie die Systemdokumentation für spezifische Tabellen- und Feldnamen.

Dieses Attribut liefert Datum und Uhrzeit des Beginns jeder erfassten Aktivität. Es ist essenziell für die chronologische Reihenfolge der Events und für die Berechnung von Dauern zwischen verschiedenen Prozessschritten.

In der Analyse wird die Startzeit verwendet, um wichtige Leistungsindikatoren wie die Einlagerungszykluszeit, die Durchlaufzeit der Qualitätsprüfung und die gesamte Verweildauer des Bestands zu berechnen. Durch die Analyse von Zeitstempeln können Organisationen erkennen, wann gearbeitet wird, die Leistung anhand von Zeitplänen messen und zeitbasierte Ineffizienzen im Lager aufdecken.

Dieser Zeitstempel ist grundlegend für die korrekte Sequenzierung von Events und die Berechnung aller zeitbasierten Leistungsmetriken und KPIs.

Jeder Transaktions- oder Event-Datensatz in Manhattan Active Inventory sollte ein zugehöriges Timestamp-Feld besitzen, oft benannt wie 'CREATED_DTTM' oder 'EVENT_TIMESTAMP'.

Dieses Attribut erfasst Datum und Uhrzeit, zu der die Daten aus dem Quellsystem gezogen wurden. Es ist ein Metadatenfeld, das entscheidend ist, um die Aktualität der Analyse zu verstehen.

In Dashboards und Berichten informiert dieser Zeitstempel die Benutzer darüber, wie aktuell die zugrunde liegenden Daten sind. Es hilft, Erwartungen hinsichtlich der Datenlatenz zu managen und ist essenziell für die Planung von Datenpipeline-Aktualisierungen.

Stellt sicher, dass Benutzer über die Aktualität der Daten informiert sind, was entscheidend für zeitnahe und fundierte operative Entscheidungen ist.

Dieser Zeitstempel wird vom Datenextraktions-, Transformations- und Ladetool (ETL) oder Skript generiert und zum Datensatz hinzugefügt.

Dieses Attribut identifiziert die Quellanwendung oder das Modul, das die Event-Daten generiert hat. In einem modernen Logistikumfeld können Daten aus dem Kern-WMS, einem Yard Management System oder einem Transport Management System stammen.

Die Angabe des Quellsystems ist wichtig für die Data Governance und das Verständnis des Datenkontextes. Zum Beispiel kann das Wissen, dass ein Ereignis von einem automatisierten System im Gegensatz zu einem manuellen Eingabeportal stammt, für die Automatisierungsanalyse entscheidend sein.

Liefert wesentlichen Kontext über den Datenursprung, was entscheidend für Datenvalidierung, Governance und das Verständnis von Systeminteraktionen ist.

Dies ist typischerweise ein statischer Wert, der während des Datenextraktionsprozesses hinzugefügt wird, um den Ursprung des Datensatzes zu identifizieren.

Dieses Attribut repräsentiert die Menge des Produkts, die mit einem Bestandsereignis verbunden ist, wie die Anzahl der empfangenen, bewegten, kommissionierten oder angepassten Artikel.

Die Menge ist eine kritische Messgröße zum Verständnis des Umfangs der Operationen und zur Berechnung mehrerer wichtiger KPIs. Es wird verwendet, um das 'Manual Adjustment Volume Ratio', die 'Scrappage Rate by Quantity' und den 'Picking Throughput' zu bestimmen. Die Analyse der Menge kann aufzeigen, ob große oder kleine Bestellungen unterschiedliche Prozesseigenschaften aufweisen.

Bietet ein Maß für das Volumen jeder Aktivität, was für die Berechnung von Durchsatz, Raten und anderen volumenbasierten KPIs unerlässlich ist.

Transaktionstabellen in Manhattan Active Inventory werden ein Mengenfeld enthalten, das mit jeder Bewegung oder jedem Event verbunden ist. Es kann 'QTY', 'QUANTITY' oder 'UNITS' genannt werden.

Dieses Attribut erfasst die Benutzer-ID oder den Namen der Person, die für die Ausführung einer bestimmten Aufgabe verantwortlich ist, wie Kommissionierung, Verpackung oder Bestandsanpassung. Es kann auch eine automatisierte System- oder Bot-ID für automatisierte Aufgaben darstellen.

Die Analyse der Leistung pro Benutzer ist entscheidend, um Schulungsmöglichkeiten zu identifizieren, leistungsstarke Personen zu erkennen und die Arbeitslastverteilung zu verstehen. Es ist eine Schlüsseldimension in Dashboards bezüglich der Kommissionier- und Verpackungsleistung und zur Untersuchung von Hotspots manueller Anpassungen.

Verknüpft Prozessaktivitäten mit spezifischen Benutzern und ermöglicht so Leistungsanalyse, Arbeitslastausgleich und die Identifizierung von Schulungsbedarfen.

Diese Information wird typischerweise zusammen mit Transaktionsdaten in Feldern wie 'USER_ID', 'EXECUTED_BY' oder 'RESOURCE_ID' gespeichert. Konsultieren Sie die Manhattan Active Inventory Dokumentation.

Die Stock Keeping Unit, kurz SKU, ist ein eindeutiger Code, der zur Verfolgung eines Produkts verwendet wird. Er ermöglicht die Differenzierung von Artikeln basierend auf ihren Merkmalen, wie Größe, Farbe und Marke.

Im Process Mining hilft die Analyse nach SKU, produktspezifische Probleme zu identifizieren. Zum Beispiel kann sie aufzeigen, ob bestimmte SKUs längere Qualitätsprüfungszeiten haben, anfälliger für Beschädigungen und Verschrottung sind oder häufig in Bestandsanpassungen involviert sind. Dies ist ein Schlüsselattribut für Dashboards wie 'Put-away Cycle Time Analysis' und 'Inventory Scrappage Trends'.

Ermöglicht eine Analyse auf Produktebene, um zu identifizieren, ob Prozessprobleme auf bestimmte Artikel oder Produktkategorien konzentriert sind.

Die SKU ist ein grundlegendes Feld in Artikelstammdaten und Bestandsbewegungstabellen. Suchen Sie nach Feldern wie 'SKU', 'ITEM_ID' oder 'PRODUCT_CODE'.

Dieses Attribut liefert Datum und Uhrzeit des Abschlusses jeder erfassten Aktivität. Während einige Events augenblicklich sind (StartTime gleich EndTime), haben andere eine Dauer, wie eine Qualitätsprüfung oder eine Kommissionieraufgabe.

Die Endzeit ist notwendig für die Berechnung der Bearbeitungszeit individueller Aktivitäten. Dies ermöglicht eine detaillierte Analyse, welche spezifischen Aufgaben im Gesamtprozess die meiste Zeit in Anspruch nehmen, und ermöglicht gezielte Verbesserungsmaßnahmen.

Ermöglicht die Berechnung individueller Aktivitätsdauern und hilft, genaue Aufgaben zu identifizieren, die Prozessverzögerungen verursachen.

Dies kann ein separates Feld im Quellsystem sein (z.B. 'END_DTTM') oder könnte für augenblickliche Events dieselbe wie die Startzeit sein. Konsultieren Sie die Manhattan Active Inventory Dokumentation für die Event-Datenstruktur.

Der Bewegungsgrundcode liefert den Kontext dafür, warum ein Bestandsereignis aufgetreten ist. Er ist besonders wichtig für nicht-standardisierte Aktivitäten wie interne Umlagerungen, Korrekturen, Retouren oder Verschrottung.

Dieses Attribut ist entscheidend für die Ursachenanalyse. Zum Beispiel würde dieser Code im Dashboard zur Bestandsabweichungsübersicht erklären, warum Korrekturen vorgenommen wurden (z.B. 'Damaged Goods', 'Cycle Count Correction', 'Theft'). Er wird auch verwendet, um die Gründe hinter internen Bestandsverlagerungen und Verschrottungen zu analysieren.

Erklärt das 'Warum' hinter Bestandsbewegungen und -anpassungen und ermöglicht eine leistungsstarke Grundursachenanalyse für Diskrepanzen, Verschrottung und Umlagerungen.

Dies ist oft ein Feld in Transaktionstabellen, die mit spezifischen Bewegungsarten verbunden sind. Suchen Sie nach Feldern wie 'REASON_CODE' oder 'MOVEMENT_TYPE' in Manhattan Active Inventory.

Dieses Attribut spezifiziert den Ort, zum Beispiel eine Zone, einen Gang oder einen Lagerplatz, der mit einem Bestandsereignis verbunden ist. Es liefert den geografischen Kontext für Bestandsbewegungen und Aktivitäten innerhalb des Lagers.

Dies ist eine vitale Dimension für die Analyse, die in nahezu jedem Dashboard verwendet wird. Es hilft, Engpassbereiche zu identifizieren, die Leistung an verschiedenen Standorten zu vergleichen und die Ursachen von Bestandsabweichungen zu untersuchen. Zum Beispiel kann es zeigen, ob eine bestimmte Zone eine hohe Rate an Kommissionierfehlern oder langsame Einlagerungszeiten aufweist.

Liefert räumlichen Kontext zu Bestands-Events und ermöglicht die Analyse von Bottlenecks, Effizienz und Problemen, die an spezifische physische Standorte gebunden sind.

Standortdaten sind ein Kernbestandteil jedes WMS und sollten in den Bestands-Transaktionstabellen verfügbar sein, oft in Feldern wie 'LOCATION_ID', 'BIN_CODE' oder 'ZONE'. Konsultieren Sie die Dokumentation von Manhattan Active Inventory.

Diese Metrik misst die Zeit, die aktiv an einer spezifischen Aufgabe gearbeitet wird. Sie wird berechnet, indem die 'Event Start Time' von der 'Event End Time' für eine einzelne Aktivität subtrahiert wird. Bei augenblicklichen Events ist diese Dauer null.

Die Analyse der Bearbeitungszeit hilft zu identifizieren, welche spezifischen Schritte im Prozess am zeitaufwändigsten sind. Zum Beispiel kann sie zwischen einer langen Kommissionierzykluszeit, die durch Reisezeit verursacht wird, und einer langen Zeit, die am Pick-Face verbracht wird, unterscheiden. Dies hilft, Verbesserungsbemühungen präziser zu fokussieren.

Misst die Dauer individueller Aufgaben und hilft dabei, die zeitaufwändigsten Schritte innerhalb des Gesamtprozesses zu isolieren und zu analysieren.

Dies ist ein berechnetes Feld, abgeleitet unter Verwendung der Attribute 'EventStartTime' und 'EventEndTime' aus den Rohdaten.

Dieses Attribut beschreibt den Zustand des Bestands zu einem bestimmten Zeitpunkt. Es zeigt an, ob der Bestand für die Auftragszuweisung verfügbar ist, sich in der Qualitätskontrolle befindet, aus anderen Gründen gesperrt ist oder sich im Transit befindet.

Die Verfolgung von Änderungen im Bestandsstatus kann wertvolle Erkenntnisse liefern. Zum Beispiel hilft die Analyse der Verweildauer in einem 'On Hold'- oder 'In Inspection'-Status, Verzögerungen bei der Bestandsverfügbarkeit zu quantifizieren. Dieses Attribut ist nützlich, um die Gründe für lange Bestandsverweildauern zu verstehen.

Zeigt die Verfügbarkeit von Bestand für die Erfüllung an und hilft, Verzögerungen zu analysieren, die durch nicht verfügbare Status wie Qualitätsprüfung oder Holds verursacht werden.

Dies ist ein Schlüsselfeld in Bestandsübersichts- oder Lagerbestandstabellen innerhalb von Manhattan Active Inventory. Suchen Sie nach 'STATUS_CODE' oder 'INVENTORY_STATUS'.

Dieses Boolesche Attribut gibt an, ob eine Einlagerungsaufgabe ihre Zielabschlusszeit erreicht hat. Es wird berechnet, indem die tatsächliche Einlagerungszykluszeit (von 'Put-away Initiated' bis 'Put-away Completed') mit einem vordefinierten Geschäftsziel verglichen wird, zum Beispiel 4 Stunden.

Dieses Attribut wird verwendet, um den KPI 'Put-away On-Time Rate' zu berechnen. Es vereinfacht die Analyse, indem es Benutzern ermöglicht, einfach nach verspäteten Einlagerungen zu filtern und deren Ursachen zu untersuchen, wie den Lagerort, die SKU-Kategorie oder den beteiligten Benutzer. Dies hilft bei der Überwachung und Durchsetzung von Standards der Betriebseffizienz.

Misst direkt die Einhaltung interner Service Levels für die Einlagerung und hilft dabei, Prozessfehler schnell zu identifizieren und zu analysieren.

Dies ist ein berechnetes Feld. Es erfordert die Anwendung einer Geschäftsregel oder SLA-Definition (z.B. 'Ziel-Einlagerungszeit = 4 Stunden') auf die berechnete Zykluszeit.

Dieses Attribut identifiziert die spezifische Einrichtung, wie ein Distributionszentrum oder Lager, an der die Bestandsaktivität stattfindet. Es bietet eine höherrangige Gruppierung als der spezifische Lagerort (Regal, Gang).

Die Analyse nach Lager ist für Unternehmen mit mehreren Einrichtungen unerlässlich. Sie ermöglicht den Leistungsvergleich zwischen Standorten und hilft, Best Practices in leistungsstarken Lagern sowie Verbesserungsbereiche in anderen zu identifizieren. Es ist eine Schlüsseldimension für das Dashboard 'Warehouse Activity Throughput'.

Ermöglicht einen Vergleich der Bestands-Prozessleistung auf hoher Ebene über verschiedene physische Standorte oder Distributionszentren hinweg.

Diese Information ist typischerweise Teil der Standortstammdaten oder kann vom 'Warehouse Location'-Code abgeleitet werden. Suchen Sie nach Feldern wie 'WH_ID' oder 'SITE_CODE'.

Dieses Attribut identifiziert den Lieferanten, von dem der Bestandsposten empfangen wurde. Diese Information ist am relevantesten zu Beginn des Bestandslebenszyklus, insbesondere während des Wareneingangs und der Qualitätsprüfung.

Die Analyse von Prozessen nach Lieferant ist entscheidend für das Lieferantenleistungsmanagement. Zum Beispiel verwendet das Dashboard 'Quality Inspection Lead Time' dieses Attribut, um festzustellen, ob Bestand von bestimmten Lieferanten konsistent längere Inspektionsverzögerungen aufweist, was auf Qualitätsprobleme oder Dokumentationsprobleme hindeuten könnte.

Verknüpft Bestandsprozesse mit spezifischen Lieferanten und ermöglicht die Analyse lieferantenbezogener Leistungen, wie Verzögerungen bei der Qualitätsprüfung.

Diese Information ist üblicherweise auf der Bestellung oder dem Avise verfügbar, die mit dem Wareneingangsereignis verbunden ist. Es kann eine Verknüpfung mit Einkaufsdaten erforderlich sein.

Dieses Attribut repräsentiert den finanziellen Wert des Bestands, der mit einem Event verbunden ist, berechnet als Artikelmenge multipliziert mit den Stückkosten. Es ist besonders relevant für die Analyse finanzieller Auswirkungen.

'Item Value' ist essenziell für das Dashboard 'Inventory Scrappage Trends', da es die Quantifizierung des finanziellen Verlusts im Zusammenhang mit verschrotteten Waren ermöglicht. Es hilft, Kostensenkungsmaßnahmen zu priorisieren, indem der Fokus auf hochwertige Artikel gelegt wird, die häufig abgeschrieben werden. Es fügt auch eine finanzielle Dimension zu Bestandsanpassungen und -abweichungen hinzu.

Übersetzt Bestandsbewegungen in finanzielle Auswirkungen, was entscheidend ist für die Quantifizierung der Kosten von Verschrottung, Abweichungen und Überbestand.

Dies wird oft abgeleitet, indem die 'Item Quantity' aus der Transaktionstabelle mit den Stückkosten aus den Artikelstammdaten oder Finanzdaten multipliziert wird. Stückkosten können in Feldern wie 'STANDARD_COST' oder 'UNIT_PRICE' gespeichert sein.

Die SKU-Kategorie bietet eine Möglichkeit zur Gruppierung ähnlicher Produkte für die aggregierte Analyse. Dies kann basierend auf Produkttyp, Lageranforderungen (z.B. gekühlt) oder Verkaufsgeschwindigkeit (z.B. A-, B-, C-Artikel) erfolgen.

Dieses Attribut ermöglicht höherrangige Einblicke als die individuelle SKU-Analyse. Es hilft bei der Beantwortung von Fragen wie: 'Benötigt Elektronik länger zum Einlagern als andere Kategorien?' oder 'Konzentriert sich die Verschrottung in unserer Saisonwarenkategorie?'. Es wird in den Dashboards für 'Put-away Cycle Time' und 'Quality Inspection Lead Time' verwendet.

Erleichtert die aggregierte Analyse durch Produktgruppierung und hilft, Prozesstrends und Probleme aufzudecken, die ganzen Produktfamilien gemeinsam sind.

Dies ist typischerweise Teil der Artikelstammdaten, verknüpft mit der SKU. Konsultieren Sie die Produkt- oder Artikelstammkonfiguration von Manhattan Active Inventory.

Die Stock Dwell Time ist ein Key Performance Indicator (KPI), der misst, wie lange Bestand ungenutzt im Lager verweilt. Sie wird als Zeitdifferenz zwischen dem Event 'Einlagerung abgeschlossen' und dem Event 'Warenausgang erfasst' für einen spezifischen Bestands-Batch berechnet.

Die Überwachung dieses KPI hilft Unternehmen, die Lagerbestände zu optimieren und den Cashflow zu verbessern. Lange Verweildauern können auf Überbestände, langsam drehende Produkte oder Ineffizienzen in der Auftragsabwicklung hinweisen. Die Reduzierung der Verweildauer ist oft ein primäres Ziel des Bestandsmanagements.

Misst die Lagerdauer des Bestands und unterstützt direkt das strategische Ziel der Bestandsoptimierung und Reduzierung der Lagerhaltungskosten.

Dies ist ein berechnetes Feld, abgeleitet durch das Finden der Events 'Put-away Completed' und 'Goods Issue Recorded' für einen gegebenen Case und Subtrahieren ihrer Zeitstempel.

Während der 'Inventory Batch/Lot' den Artikel verfolgt, verfolgt der 'Task Identifier' die spezifische Arbeitsanweisung, die einem Benutzer oder System gegeben wurde. Zum Beispiel könnte ein einzelner Posten von 100 Artikeln über zwei separate Aufgaben von je 50 Artikeln eingelagert werden.

Dieses Attribut ermöglicht eine granularere Analyse der Betriebseffizienz. Es kann ein 'Picking Task Created'-Event mit seinem entsprechenden 'Picking Completed'-Event verknüpfen, was eine präzise Messung der Aufgabenausführungszeit ermöglicht. Dies ist nützlich für die Analyse der Kommissionier- und Einlagerungsleistung auf individueller Aufgabenebene.

Bietet eine granulare Verknüpfung zwischen Aufgaben-Erstellungs- und Abschluss-Events, die eine präzise Messung diskreter Arbeitsaufgaben ermöglicht.

Aufgabenverwaltungs- oder Ausführungstabellen in Manhattan Active Inventory enthalten eine eindeutige ID für jede Aufgabe. Achten Sie auf 'TASK_ID' oder 'WORK_ORDER_ID'.

Die Maßeinheit (UoM) liefert den Kontext für das Attribut 'Artikelmenge'. Sie spezifiziert, ob die Menge sich auf einzelne Artikel, Kisten mit mehreren Artikeln oder ganze Paletten bezieht.

Das Verständnis der UoM ist entscheidend für eine genaue Analyse, insbesondere beim Vergleich verschiedener Produkte oder Transaktionen. Es stellt sicher, dass KPIs wie die Kommissionierleistung korrekt und konsistent berechnet werden und verhindert Fehlinterpretationen von Daten, bei denen Mengen möglicherweise in verschiedenen Einheiten erfasst wurden.

Liefert wesentlichen Kontext zu Mengenfeldern und stellt sicher, dass Metriken und Vergleiche präzise und aussagekräftig sind.

Dies ist ein Standardfeld in Artikelstammdaten und wird üblicherweise in Transaktionstabellen übernommen. Suchen Sie nach Feldern wie 'UOM' oder 'UNIT'.