Ihr Daten-Template für die Lagerverwaltung

Dieses Attribut erfasst einzelne Schritte und Meilensteine im Lagerverwaltungsprozess. Beispiele sind „Ware aus dem Lager entnommen“, „Verpackung begonnen“ und „Sendung versandt“. Jede Aktivität steht für eine konkrete Aktion im Zusammenhang mit dem Lagerauftrag.

Für Process Mining ist dieses Attribut entscheidend, da es die Knoten in der Prozessübersicht definiert. Die Analyse von Reihenfolge, Häufigkeit und Dauer der Aktivitäten macht Prozessabläufe sichtbar. So lassen sich Abweichungen von der Standardvorgehensweise erkennen und Engpässe lokalisieren, an denen sich Arbeit verzögert.

Es definiert die Prozessschritte, bildet die Grundlage der Prozessübersicht und ermöglicht die Analyse von Abläufen und Abweichungen.

Abgeleitet aus Buchungscodes, Ereignisprotokollen oder Tabellen mit Statusaktualisierungen in Manhattan SCALE, die den Fortschritt von Lageraufträgen erfassen.

Dieses Attribut enthält für jede erfasste Prozessaktivität das genaue Datum und die Uhrzeit. Es bildet das chronologische Rückgrat des Event Logs und legt für jeden Auftrag die Reihenfolge und den Zeitpunkt aller Lagerabläufe fest.

Die Ereigniszeit ist für alle zeitbasierten Process-Mining-Analysen unverzichtbar. Sie dient dazu, Zykluszeiten zwischen Aktivitäten und die Gesamtdauer eines Prozesses zu berechnen, Verzögerungen zu erkennen und die Prozessleistung über verschiedene Zeiträume hinweg zu analysieren. Genaue Timestamps sind entscheidend für eine verlässliche Prozessübersicht und aussagekräftige Leistungskennzahlen.

Dieser Timestamp ist entscheidend, um Ereignisse korrekt zu ordnen und alle dauerbasierten Kennzahlen wie Zyklus- und Durchlaufzeiten zu berechnen.

In Manhattan SCALE in Ereignisprotokolltabellen oder Buchungsdatensätzen zusammen mit den Aktivitätsinformationen zu finden. Feldnamen lauten häufig etwa „created_ts“, „event_timestamp“ oder „status_change_date“.

Der Lagerauftrag dient als primäre Case-ID und fasst alle zugehörigen Aktivitäten eines einzelnen Logistikprozesses von Anfang bis Ende zusammen. So lässt sich der gesamte Lebenszyklus eines Auftrags im Lager verfolgen, unabhängig davon, ob es um Wareneingang, Einlagerung, Kommissionierung, Verpackung oder Versand geht.

Für die Process-Mining-Analyse ist dieses Attribut entscheidend, um den Ablauf jedes Auftrags zu rekonstruieren. Werden alle Ereignisse einem bestimmten Lagerauftrag zugeordnet, können Analysten Prozessabläufe visualisieren, Durchlaufzeiten einzelner Aufträge messen und Abweichungen oder Engpässe erkennen, die die Effizienz der Auftragserfüllung beeinträchtigen.

Dieser Schlüssel führt alle zugehörigen Lageraktivitäten zu einer einzigen Prozessinstanz zusammen und ermöglicht so eine durchgängige Analyse.

Diese Kennung findet sich üblicherweise in den zentralen Auftragsverwaltungstabellen von Manhattan SCALE, etwa in der Tabelle mit den Auftragskopfdaten.

Dieses Attribut gibt an, wann die Daten zuletzt aus Manhattan SCALE extrahiert und in das Process-Mining-Tool geladen wurden. Es zeigt, wie aktuell die analysierten Daten sind.

Diese Information hilft Benutzern, die Aktualität der Analyse einzuschätzen. Sie zeigt, ob Echtzeitdaten oder ein Datenstand zu einem bestimmten Zeitpunkt betrachtet werden. Das ist wichtig für fundierte operative Entscheidungen und die Berichterstattung.

Es informiert Benutzer über die Aktualität der Daten und macht deutlich, welchen Zeitraum die Analyse und die Berichte abdecken.

Dieser Timestamp wird üblicherweise während des Ladevorgangs vom ETL-Tool oder der Datenpipeline erzeugt und gespeichert.

Dieses Attribut bezeichnet die Quellanwendung, in der die Ereignisdaten erzeugt wurden. Für diesen Prozess lautet der Wert üblicherweise „Manhattan SCALE“.

In einer Umgebung mit mehreren integrierten Systemen hilft dieses Feld, die Datenquellen voneinander zu unterscheiden. Es gibt Aufschluss über die Herkunft der Daten und kann für Data Governance, Fehlerbehebung und das Verständnis möglicher Unterschiede bei der Datenerfassung auf verschiedenen Plattformen wichtig sein.

Es liefert wichtige Informationen zur Herkunft der Daten, die für Data Governance, Validierung und Integration in komplexen IT-Landschaften entscheidend sind.

Häufig wird während des ETL-Prozesses (Extraktion, Transformation und Laden) ein statischer Wert hinzugefügt, um den Datensatz zu kennzeichnen.

Dieses Attribut gibt die Service-Level-Vereinbarung (SLA) oder den angestrebten Liefertermin für einen ausgehenden Lagerauftrag an. An diesem Termin wird gemessen, ob der Lagerbetrieb den Auftrag fristgerecht erfüllt hat.

Das Datum ist ein wichtiger Maßstab für die Leistungsbewertung. Es wird im Dashboard „Termingerechte Sendungen“ und für die Kennzahl „Anteil termingerecht versandter Sendungen“ verwendet, um festzustellen, ob ein Auftrag pünktlich erfüllt wurde. Die Analyse von Aufträgen, bei denen dieser Termin verfehlt wurde, hilft, systematische Verzögerungsursachen zu erkennen und die Kundenzufriedenheit zu verbessern.

Es ist der wichtigste Maßstab, um die termingerechte Auslieferung und die Einhaltung der mit Kunden vereinbarten Service-Level zu messen.

Üblicherweise in der Auftragskopftabelle von Manhattan SCALE gespeichert und häufig aus einem vorgelagerten ERP- oder Auftragsverwaltungssystem übernommen.

Die Auftragsart beschreibt den Zweck des Lagerauftrags. Übliche Arten sind Kundensendungen (Warenausgang), Lieferanteneingänge (Wareneingang), Umlagerungen zwischen Standorten (intern) und Retouren.

Mit diesem Attribut lässt sich die Prozessanalyse segmentieren. Durch die Filterung nach Auftragsart können Sie die Leistung verschiedener Prozesse vergleichen, etwa den Wareneingang mit dem Versand. Das ist wichtig, weil sich deren Schritte, Ressourcen und Leistungsziele oft deutlich unterscheiden. Eine gemeinsame Analyse kann daher irreführend sein.

Es ermöglicht, unterschiedliche Prozesse wie Wareneingang und Warenausgang getrennt zu betrachten und zu vergleichen, da sie verschiedene Abläufe und Leistungserwartungen haben.

In den Auftragskopfdaten von Manhattan SCALE zu finden. Das Feld kann „order_type“, „transaction_type“ oder ähnlich heißen.

Dieses Attribut erfasst die ID des Benutzers, der für eine bestimmte Lageraufgabe wie Kommissionierung, Verpackung oder Einlagerung verantwortlich ist. Es ordnet Prozessaktivitäten den beteiligten Mitarbeitenden zu.

Die Analyse nach Benutzer-/Mitarbeiter-ID ist wichtig, um Ressourcenauslastung sowie die Effizienz einzelner Mitarbeitender und Teams zu verstehen. Sie hilft, besonders leistungsstarke Mitarbeitende, Schulungsbedarf und die Verteilung der Arbeitslast zu erkennen. Diese Daten sind eine wichtige Grundlage für das Dashboard „Ressourcenauslastung nach Mitarbeitendem“ und die zugehörigen Kennzahlen. So können Führungskräfte Personaleinsatz und Aufgabenverteilung optimieren.

Es verknüpft die Prozessleistung mit einzelnen Mitarbeitenden oder Teams und ermöglicht die Analyse von Arbeitslast, Produktivität und Ressourcenzuteilung.

Diese Information wird üblicherweise in den Buchungsprotokollen von Manhattan SCALE erfasst, häufig in Feldern wie „user_id“, „operator“ oder „executed_by“.

Die Endzeit markiert den Abschluss einer Aktivität. Zusammen mit einer Startzeit (EventTime) ermöglicht sie die genaue Berechnung der Verarbeitungszeit einzelner Aufgaben. Nicht jedes Ereignis hat eine eigene Endzeit. Bei Aktivitäten wie „Kommissionierung“ oder „Verpackung“ sind diese Daten jedoch besonders wertvoll.

In der Analyse dient die Endzeit zur Berechnung der Kennzahl „Verarbeitungszeit“. Sie ist entscheidend, um Ressourceneffizienz und Aufgabendauer zu verstehen. So lässt sich erkennen, welche Aktivitäten am längsten dauern und zur gesamten Zykluszeit sowie zu möglichen Verzögerungen beitragen.

Sie ermöglicht die genaue Berechnung der Verarbeitungszeit einzelner Aktivitäten und hilft zu erkennen, welche Aufgaben die meisten Ressourcen und die meiste Zeit beanspruchen.

Die Endzeit kann in denselben Buchungsprotokollen wie die Startzeit in einem separaten Feld wie „completed_ts“ oder „end_time“ verfügbar sein. Ist sie nicht direkt erfasst, lässt sie sich mitunter aus der Startzeit der nachfolgenden Aktivität ableiten.

Dieses Attribut, häufig als SKU (Stock Keeping Unit) bezeichnet, identifiziert den konkreten Artikel einer Lageraktivität. Ein Lagerauftrag kann mehrere Materialien umfassen, die jeweils in eigenen Positionen oder Aufgaben bearbeitet werden.

Die Analyse nach Material-ID kann produktspezifische Probleme aufdecken. Bestimmte Artikel können beispielsweise häufiger Qualitätsprüfungen nicht bestehen, Kommissionierfehler verursachen oder aufgrund ihrer Größe, ihres Gewichts oder ihrer Lageranforderungen längere Bearbeitungszeiten haben. Diese Erkenntnisse helfen, Lagerstrategien und Handhabungsverfahren für verschiedene Produkttypen zu optimieren.

Sie ermöglicht Analysen auf Produktebene und zeigt, ob bestimmte Artikel mit Prozessverzögerungen, Fehlern oder Nacharbeit verbunden sind.

In den Auftragspositions-Tabellen von Manhattan SCALE zu finden und mit dem zugehörigen Lagerauftrag verknüpft.

Dieses Attribut erfasst die gemessene Warenmenge an einem wichtigen Kontrollpunkt, etwa beim Wareneingang oder bei der Kommissionierung. Es gibt an, welche Menge tatsächlich bearbeitet wurde, die von der geplanten Menge abweichen kann.

Der Vergleich der tatsächlichen mit der geplanten Menge ist entscheidend, um Abweichungen zu erkennen. Er bildet die Grundlage für das Dashboard „Entwicklung der Auftragsmengenabweichungen“ und die zugehörige Kennzahl. Die Erfassung dieser Unterschiede hilft, Probleme bei der Lieferantengenauigkeit, in den Bestandsdaten oder bei der Kommissionierung aufzudecken. Das ist wichtig für die Bestandsgenauigkeit.

Sie ist entscheidend, um Abweichungen zwischen geplanten und tatsächlich bearbeiteten Mengen zu erkennen und mögliche Probleme mit der Bestandsgenauigkeit oder Fehler im Betrieb aufzudecken.

In den Buchungsdetails zu Aktivitäten wie Wareneingang, Zählung oder Kommissionierung in Manhattan SCALE zu finden.

Diese Kennzahl berechnet die Gesamtdauer jedes Lagerauftrags vom Ereignis „Lagerauftrag angelegt“ bis zum Ereignis „Lagerauftrag abgeschlossen“. Als zentrale Leistungskennzahl misst sie die Effizienz des gesamten Auftragsabwicklungsprozesses im Lager.

In Dashboards und Analysen bietet dieses Attribut einen Überblick über die Gesamtleistung. Es dient dazu, Trends zu verfolgen, Ausreißer mit besonders langen Durchlaufzeiten zu erkennen und die Leistung im Zeitverlauf zu vergleichen. Die Kennzahl fließt direkt in das Dashboard „Gesamtdurchlaufzeit der Auftragserfüllung“ und die zugehörige KPI ein.

Diese zentrale KPI misst Geschwindigkeit und Effizienz des gesamten Lagerprozesses und wirkt sich direkt auf die Kundenzufriedenheit und die Betriebskosten aus.

Dieses berechnete Feld ergibt sich aus der Differenz zwischen den Timestamps des ersten und des letzten Ereignisses jedes Lagerauftrags.

Dieses Attribut erfasst das Ergebnis der Aktivität „Qualitätsprüfung durchgeführt“. Es zeigt an, ob die empfangene Ware die erforderlichen Qualitätsstandards erfüllt oder weitere Maßnahmen erforderlich sind.

Dieses Attribut ist für die Analyse des Qualitätsmanagements entscheidend. Es hilft, die „Konformitätsquote der Qualitätskontrolle“ nicht nur anhand der Einhaltung von Vorgaben, sondern auch anhand der Ergebnisse zu verfolgen. Die Analyse der Fehlerquoten nach Lieferant oder Material kann Beschaffungsentscheidungen verbessern und Folgekosten durch mangelhafte Ware senken.

Es liefert die Ergebnisse der Qualitätsprüfungen und ermöglicht die Analyse der Lieferantenqualität, von Produktproblemen und der Wirksamkeit des Prüfprozesses.

Ziehen Sie die Dokumentation zu Manhattan SCALE heran. Die Daten sind wahrscheinlich in Tabellen zur Qualitätsverwaltung oder zu Wareneingangsaufgaben gespeichert.

Dieses Attribut gibt an, welche Artikelmenge laut ursprünglichem Lagerauftrag oder Aufgabenanweisung empfangen, kommissioniert oder bearbeitet werden sollte. Sie dient als Vergleichswert für den tatsächlichen Ablauf.

Zusammen mit der „Tatsächlichen Menge“ wird dieser Wert zur Berechnung von Abweichungen verwendet. Häufige Unterschiede zwischen geplanten und tatsächlichen Mengen können auf Probleme bei Lieferungen, der Bestandsgenauigkeit oder der Kommissionierung hinweisen. Daher ist dieses Attribut wichtig für Qualitäts- und Genauigkeitsanalysen.

Sie dient als Vergleichswert für die Mengengenauigkeit und hilft, Abweichungen zu erkennen, die sich auf Bestand und Auftragserfüllung auswirken.

In den Auftragspositions- oder Aufgabendetailtabellen von Manhattan SCALE zu finden.

Dieses Attribut bezeichnet den physischen Ort, etwa Gang 5, Fach 3 oder Ebene C, an dem eine Lager- oder Entnahmeaktivität stattfindet. Es ergänzt den Lagerprozess um räumliche Informationen.

Die Analyse von Aktivitäten nach Lagerplatz ist wichtig, um Lagerlayout und Materialfluss zu optimieren. Sie kann häufig genutzte Lagerplätze, ineffiziente Wege bei der Kommissionierung oder Bereiche mit hohem Verkehrsaufkommen aufzeigen. Diese Daten unterstützen die Analyse der Einlagerungs- und Kommissioniereffizienz und zeigen Möglichkeiten zur Verbesserung der Lagerstrategien auf.

Es liefert räumliche Informationen zu Lagerbewegungen und ermöglicht die Analyse von Layout-Effizienz, Wegzeiten und der Optimierung von Kommissionierwegen.

In Manhattan SCALE in den Aufgabeninformationen zu Einlagerungs- und Kommissionieraktivitäten enthalten, etwa in Feldern wie „location_id“, „bin_code“ oder „source_location“.

Diese Kennzahl wird berechnet, indem die geplante Menge von der tatsächlichen Menge abgezogen wird. Ein Wert ungleich null weist auf eine Abweichung zwischen der tatsächlich bearbeiteten und der erwarteten Warenmenge hin. Der Wert kann positiv sein (Überschuss) oder negativ (Fehlmenge).

Dieses Attribut bildet die Grundlage für die KPI „Abweichungsquote bei Auftragsmengen“. Es beziffert das Ausmaß von Fehlern bei der Warenannahme oder Kommissionierung und liefert eine klare Kennzahl für Dashboards zur Bestandsgenauigkeit. Die Entwicklung und Ursachen dieser Abweichungen zu analysieren, ist entscheidend, um die Genauigkeit im Betrieb zu verbessern.

Die Kennzahl beziffert Fehler beim Bestand und bei der Auftragserfüllung. Sie ermöglicht eine klare Messung der Genauigkeit und der finanziellen Auswirkungen von Abweichungen.

Dieses berechnete Feld wird im Process-Mining-Tool nach folgender Formel ermittelt: ActualQuantity - PlannedQuantity.

Dieses boolesche Attribut erkennt Nacharbeit, zum Beispiel wenn die Aktivität „Waren aus dem Lager entnommen“ innerhalb eines Auftrags für dasselbe Material mehrfach ausgeführt wird. Es wird anhand von Mustern im Prozessablauf ermittelt.

Die Kennzeichnung von Nacharbeit ist entscheidend, um Ineffizienzen und Fehler im Prozess aufzudecken. Sie hilft bei der Berechnung der KPI „Nacharbeitsquote bei der Kommissionierung“ und ermöglicht es Analysten, Fälle mit wiederholten Schritten gezielt zu untersuchen. Wer die Ursachen für Nacharbeit kennt, kann Betriebskosten senken und die Prozessqualität verbessern.

Die Kennzahl kennzeichnet ineffiziente Schleifen und wiederholte Arbeitsschritte im Prozess. Diese sind häufig eine versteckte Ursache für Verzögerungen und höhere Betriebskosten.

Dieses berechnete Attribut wird in der Regel im Process-Mining-Tool abgeleitet. Dazu werden Regeln definiert, die bestimmte Muster wiederholter Aktivitäten erkennen, etwa Selbstschleifen oder kurze Schleifen.

Dieses Attribut bezeichnet den Logistikpartner oder Frachtführer, etwa FedEx, UPS oder DHL, der einer ausgehenden Sendung zugewiesen ist. Es verknüpft den Lagerprozess mit dem anschließenden Transport.

Die Analyse der Leistung nach Frachtführer kann wichtige Erkenntnisse zur Lieferkette liefern. Sie zeigt, ob bestimmte Frachtführer mit längeren Bereitstellungszeiten, häufigen Verzögerungen oder besonderen Anforderungen an die Handhabung verbunden sind. Diese Informationen helfen, die Leistung der Frachtführer zu bewerten und Logistikpartnerschaften zu optimieren.

Es verknüpft den Lagerbetrieb mit Logistikpartnern. So lässt sich die Leistung nach Frachtführer analysieren und mögliche transportbedingte Engpässe erkennen.

In den Versand- oder Transportplanungstabellen von Manhattan SCALE zu finden, häufig mit dem Auftragskopf verknüpft.

Dieses boolesche Attribut ergibt sich aus dem Vergleich von „Tatsächliches Abschlussdatum“ und „Gewünschtes Abschlussdatum“. Es ist wahr, wenn der Auftrag fristgerecht abgeschlossen wurde, und falsch, wenn er verspätet war.

Das Attribut vereinfacht die Leistungsanalyse, da sich Daten damit leicht filtern und aggregieren lassen. Es bildet die Grundlage für die KPI „Anteil pünktlicher Lieferungen“ und für Dashboards, die die Einhaltung der Kunden-SLAs verfolgen. So lassen sich fristgerecht abgeschlossene Aufträge schnell von verspäteten unterscheiden und die Ursachen für Verzögerungen untersuchen.

Die Kennzahl vereinfacht die Leistungsberichterstattung, indem sie Datumsvergleiche in ein einfaches Wahr/Falsch-Merkmal überführt. So lässt sich der Anteil pünktlicher Lieferungen leicht berechnen.

Berechnet durch den Vergleich von 'ActualCompletionDate' <= 'RequestedCompletionDate'. Diese Logik wird im Process-Mining-Tool angewendet.

Die Sendungs-ID ist eine übergeordnete Kennung. Sie fasst einen oder mehrere Lageraufträge zusammen, die gemeinsam auf demselben Fahrzeug oder als Teil derselben Fracht transportiert werden. Damit verknüpft sie einzelne Aufträge mit einem bestimmten Transportvorgang.

In der Analyse ermöglicht die Sendungs-ID einen umfassenderen Blick auf die Logistikabläufe. Sie kann verwendet werden, um die Effizienz der Zusammenstellung während der Bereitstellung und Verladung zu analysieren, die Termintreue auf Sendungsebene zu messen und zu verstehen, wie sich die Zusammenfassung von Aufträgen auf die gesamte Durchlaufzeit auswirkt.

Sie fasst mehrere Aufträge zu einem Versandvorgang zusammen und ermöglicht die Analyse von Konsolidierung, Bereitstellung und Verladung.

In den Transport- oder Sendungsverwaltungstabellen von Manhattan SCALE zu finden. Diese ID ist üblicherweise mit mehreren Lageraufträgen verknüpft.

Dieses Attribut enthält den Timestamp des letzten Prozessschritts eines Auftrags, etwa „Sendung versandt“. Es gibt den tatsächlichen Abschlusszeitpunkt der Auftragserfüllung an.

Dieses Datum wird direkt mit dem „Angeforderten Abschlussdatum“ verglichen, um die Termintreue beim Versand zu berechnen. Es bestätigt, wann die Verantwortung des Lagers für den Auftrag tatsächlich endete. Die Analyse dieses Attributs ermöglicht eine genaue Messung der Durchlaufzeiten und der Leistung im Vergleich zu den SLAs.

Es liefert den tatsächlichen Timestamp des Auftragsabschlusses. Damit lassen sich reale Zykluszeiten berechnen und die Leistung anhand der angeforderten Termine messen.

Entspricht dem Timestamp der letzten Prozessaktivität, etwa „Sendung versandt“ oder „Lagerauftrag abgeschlossen“.

Dieses Attribut bezeichnet das verwendete Flurförderzeug (MHE) oder technische Gerät für eine Lageraufgabe. Dazu gehören beispielsweise bestimmte Gabelstapler-IDs, Hubwagen-Nummern oder IDs von mobilen RF-Scannern.

Diese Daten sind für die Analyse der Ressourcenauslastung über den Einsatz von Mitarbeitenden hinaus wertvoll. Sie helfen, die Nutzung kostspieliger Geräte zu verstehen, Wartungsarbeiten zu planen und die Verfügbarkeit der benötigten Arbeitsmittel sicherzustellen. Durch eine zusätzliche Analysedimension unterstützen sie direkt Kennzahlen wie „Ressourcenauslastung (Kommissionierung)“.

Sie ermöglichen die Analyse der Gerätenutzung und ihrer Auswirkungen auf die Prozesseffizienz. Das hilft bei der Planung von Wartungsintervallen und Investitionen in Flurförderzeuge.

Ziehen Sie die Dokumentation zu Manhattan SCALE oder die Systemprotokolle heran. Falls das System entsprechend konfiguriert ist, werden diese Angaben möglicherweise in den Aufgabenausführungsdatensätzen erfasst.

Diese berechnete Kennzahl misst die Dauer eines wichtigen Abschnitts des Wareneingangsprozesses: die Zeit zwischen der Aktivität „Waren eingegangen und gezählt“ und der Aktivität „Waren eingelagert“. Sie gibt Aufschluss über die Effizienz der Warenannahme und der Einlagerung.

Die Dauer ist eine wichtige Eingangsgröße für das Dashboard „Zyklus vom Wareneingang bis zur Einlagerung“ und die zugehörige KPI. Hohe Werte können auf Engpässe an der Warenannahme, Verzögerungen beim Erstellen von Einlagerungsaufgaben oder ineffiziente Transportwege hindeuten. All dies verzögert die Verfügbarkeit des Bestands.

Die Kennzahl misst gezielt die Effizienz eines wichtigen Schritts im Wareneingang und macht Engpässe sichtbar, die die Verfügbarkeit des Bestands verzögern.

Dieses berechnete Feld ergibt sich aus der Zeitdifferenz zwischen den Ereignissen „Waren eingegangen und gezählt“ und „Waren eingelagert“ für einen bestimmten Case.