Su Template de datos para la gestión de almacenes

Este Atributo proporciona la fecha y hora exactas de cada actividad registrada en el proceso. Es la base cronológica del registro de eventos, ya que establece la secuencia y el momento de todas las operaciones del almacén para un pedido determinado.

La hora del evento es esencial para todos los análisis de Process Mining basados en el tiempo. Se utiliza para calcular los tiempos de ciclo entre actividades, medir la duración total de un proceso, identificar retrasos y analizar el rendimiento del proceso en distintos periodos. Las marcas de tiempo precisas son fundamentales para crear un mapa de procesos fiable y obtener métricas de rendimiento útiles.

Esta marca de tiempo es crucial para ordenar correctamente los eventos y calcular todas las métricas basadas en la duración, como los tiempos de ciclo y los plazos de entrega.

Se encuentra en las tablas del registro de eventos o en los registros de transacciones, junto con la información de la actividad en Manhattan SCALE. Los campos suelen denominarse «created_ts», «event_timestamp» o «status_change_date».

Este Atributo registra los pasos o hitos diferenciados del proceso de gestión de almacén. Algunos ejemplos son «Goods Picked from Storage», «Packing Initiated» y «Shipment Dispatched». Cada actividad representa una acción específica realizada sobre el pedido de almacén.

Es un Atributo crítico para Process Mining, ya que define los nodos del mapa de procesos. Analizar la secuencia, frecuencia y duración de estas actividades permite visualizar los flujos del proceso, identificar desviaciones respecto al procedimiento estándar y localizar los cuellos de botella donde se retrasa el trabajo.

Define los pasos del proceso, constituye la base del mapa de procesos y permite analizar el flujo operativo y sus variaciones.

Se deriva de códigos de transacción, registros de eventos o tablas de actualización de estados de Manhattan SCALE que realizan el seguimiento del avance de los pedidos de almacén.

El pedido de almacén actúa como identificador principal del caso y agrupa todas las actividades relacionadas con un único proceso logístico, desde el inicio hasta el final. Esto permite realizar un seguimiento integral del ciclo de vida del pedido dentro del almacén, ya se trate de recibir productos, ubicarlos, recogerlos, embalarlos o enviarlos.

En el análisis de Process Mining, este Atributo es fundamental para reconstruir el recorrido de cada pedido. Al vincular todos los eventos con un pedido de almacén específico, los analistas pueden visualizar los flujos del proceso, medir los tiempos de ciclo de cada pedido e identificar variaciones o cuellos de botella que afectan a la eficiencia de la preparación.

Es la clave esencial para vincular todas las actividades relacionadas del almacén en una única instancia de proceso coherente y permitir el análisis integral.

Normalmente, este identificador se encuentra en las tablas principales de gestión de pedidos de Manhattan SCALE, como la tabla de cabecera de pedidos.

Este Atributo identifica la aplicación de origen en la que se generaron los datos del evento. En este proceso, el valor normalmente sería «Manhattan SCALE».

En un entorno con varios sistemas integrados, este campo ayuda a diferenciar las fuentes de datos. Proporciona contexto sobre el origen de los datos, algo importante para la gobernanza de datos, la resolución de problemas y la comprensión de posibles variaciones en la captura de datos entre distintas plataformas.

Proporciona un contexto esencial sobre el origen de los datos, fundamental para la gobernanza, validación e integración de datos en entornos de TI complejos.

A menudo es un valor estático que se añade durante el proceso de extracción, transformación y carga (ETL) para etiquetar el conjunto de datos.

Este Atributo indica la fecha y hora en que los datos se extrajeron por última vez de Manhattan SCALE y se cargaron en la herramienta de Process Mining. Refleja la actualidad de los datos analizados.

Esta información es fundamental para que los usuarios comprendan la vigencia del análisis. Les permite saber si están consultando datos en tiempo real o una instantánea de un momento concreto, algo esencial para tomar decisiones operativas fundamentadas y elaborar informes.

Informa a los usuarios sobre la actualidad de los datos y garantiza que comprendan el periodo que abarcan el análisis y los informes.

Esta marca de tiempo suele generarse y almacenarse mediante la herramienta ETL o la canalización de datos durante el proceso de carga.

Este Atributo registra la cantidad medida de productos en un punto de control clave, como la recepción o el picking. Representa lo que se manipuló físicamente, que puede diferir de lo planificado.

Comparar la cantidad real con la cantidad planificada es esencial para identificar discrepancias. Esta comparación constituye la base del Dashboard «Order Quantity Discrepancy Trends» y del KPI relacionado. El seguimiento de estas diferencias ayuda a localizar problemas de precisión de los proveedores, registros de inventario o errores de picking, aspectos críticos para mantener la integridad del inventario.

Es fundamental para identificar discrepancias entre las cantidades planificadas y ejecutadas, y poner de manifiesto posibles problemas de precisión del inventario o errores operativos.

Se encuentra en los registros detallados de transacciones de actividades como recepción, conteo o picking en Manhattan SCALE.

Este Atributo representa el acuerdo de nivel de servicio (SLA) o la fecha de entrega objetivo de un pedido de salida del almacén. Es el plazo frente al que se mide el rendimiento puntual de las operaciones del almacén.

Esta fecha es un punto de referencia fundamental para evaluar el rendimiento. Se utiliza en el Dashboard «Shipment On-Time Performance» y en el KPI «On-Time Shipment Rate» para determinar si un pedido se completó a tiempo. Analizar los pedidos que no cumplen esta fecha ayuda a identificar causas sistémicas de retrasos y mejorar la satisfacción del cliente.

Actúa como el principal punto de referencia para medir el rendimiento puntual de los envíos y el cumplimiento de los acuerdos de nivel de servicio con los clientes.

Normalmente se almacena en la tabla de cabecera de pedidos de Manhattan SCALE y suele proceder de un ERP o sistema de gestión de pedidos ascendente.

La hora de finalización marca la conclusión de una actividad. Al combinarla con una hora de inicio (EventTime), permite calcular con precisión el tiempo de procesamiento de tareas individuales. No todos los eventos tienen una hora de finalización diferenciada, pero en aquellos que sí la tienen, como «Picking» o «Packing», estos datos son muy valiosos.

En el análisis, la hora de finalización se utiliza para calcular la métrica «ProcessingTime», fundamental para comprender la eficiencia de los recursos y la duración de las tareas. Esto ayuda a identificar qué actividades concretas requieren más tiempo y contribuyen al tiempo total de ciclo y a posibles retrasos.

Permite calcular con precisión el tiempo de procesamiento de cada actividad y ayuda a identificar qué tareas consumen más tiempo y recursos.

Puede estar disponible en los mismos registros de transacciones que la hora de inicio, en un campo independiente como «completed_ts» o «end_time». Si no está disponible directamente, a veces puede inferirse a partir de la hora de inicio de la actividad siguiente.

Este Atributo, conocido a menudo como SKU (Stock Keeping Unit), identifica el artículo específico implicado en una actividad del almacén. Un único pedido de almacén puede contener varios materiales, cada uno gestionado en líneas de pedido o tareas independientes.

Analizar el proceso por ID de material puede revelar problemas específicos de determinados productos. Por ejemplo, algunos artículos pueden ser más propensos a fallos en la inspección de calidad, errores de picking o tiempos de manipulación más largos debido a su tamaño, peso o requisitos de almacenamiento. Esto ayuda a optimizar las estrategias de almacenamiento y los procedimientos de manipulación para distintos tipos de productos.

Permite analizar el nivel de producto para identificar si determinados artículos están asociados con retrasos, errores o reprocesos en el proceso.

Se encuentra en las tablas de líneas de pedido de Manhattan SCALE, vinculadas al pedido de almacén principal.

Este Atributo captura el ID del usuario responsable de ejecutar una tarea específica del almacén, como picking, embalaje o ubicación. Vincula las actividades del proceso con los recursos humanos implicados.

Analizar el rendimiento por ID de usuario u operador es esencial para comprender la utilización de los recursos y la eficiencia individual o del equipo. Ayuda a identificar a las personas con mejor rendimiento, las necesidades de formación y la distribución de la carga de trabajo. Estos datos son clave para el Dashboard «Resource Utilization by Operator» y los KPI relacionados, ya que permiten a los responsables optimizar la dotación de personal y la asignación de tareas.

Vincula el rendimiento del proceso con personas o equipos concretos y permite analizar la carga de trabajo, la productividad y la asignación de recursos.

Esta información suele registrarse en los registros de transacciones de Manhattan SCALE, a menudo en campos como «user_id», «operator» o «executed_by».

El tipo de pedido define el propósito general del pedido de almacén. Entre los tipos habituales se incluyen los envíos a clientes (salida), las recepciones de proveedores (entrada), las transferencias de inventario entre ubicaciones (internas) y las devoluciones.

Este Atributo permite segmentar el análisis del proceso. Al filtrar por tipo de pedido, se puede comparar el rendimiento de distintos procesos, como la recepción y el envío. Esto es fundamental porque sus pasos, recursos y objetivos de rendimiento suelen ser muy diferentes, y analizarlos conjuntamente puede inducir a error.

Permite separar y comparar procesos distintos, como los de entrada y salida, que tienen flujos y expectativas de rendimiento diferentes.

Se encuentra en los datos de la cabecera del pedido en Manhattan SCALE. El campo puede denominarse «order_type», «transaction_type» o algo similar.

Este Atributo indica la cantidad de un artículo que se esperaba recibir, recoger o manipular según el pedido de almacén original o las instrucciones de la tarea. Es la referencia con la que se compara la operación real.

Este valor se utiliza junto con la «Actual Quantity» para calcular discrepancias. Las diferencias frecuentes entre las cantidades planificadas y reales pueden indicar problemas con los envíos de proveedores, la precisión del inventario o los procesos de picking, por lo que es un Atributo clave para analizar la calidad y la precisión.

Actúa como referencia para medir la precisión de las cantidades y ayuda a identificar discrepancias que afectan al inventario y a la preparación de pedidos.

Se encuentra en las tablas de líneas de pedido o de detalles de tareas de Manhattan SCALE.

Esta métrica se calcula como «Actual Quantity» menos «Planned Quantity». Un valor distinto de cero indica una discrepancia entre la cantidad de mercancías gestionada y la prevista. El valor puede ser positivo, si hay excedente, o negativo, si hay escasez.

Este atributo es la base del KPI «Order Quantity Discrepancy Rate». Cuantifica la magnitud de los errores en la recepción o la preparación de pedidos y ofrece una métrica clara para los Dashboards que supervisan la exactitud del inventario. Analizar las tendencias y las causas raíz de estas discrepancias es fundamental para mejorar la precisión operativa.

Cuantifica directamente los errores de inventario y de preparación de pedidos, y proporciona una métrica clara para supervisar la exactitud y el impacto financiero de las discrepancias.

Este es un campo calculado que se obtiene en la herramienta de Process Mining mediante la fórmula: ActualQuantity - PlannedQuantity.

Este atributo booleano se obtiene comparando la «Actual Completion Date» con la «Requested Completion Date». Su valor es true si el pedido se completó a tiempo y false si se completó tarde.

Este atributo simplifica el análisis del rendimiento al facilitar el filtrado y la agregación. Es la base para calcular el KPI «On-Time Shipment Rate» y alimenta los Dashboards que supervisan el cumplimiento de los SLA de los clientes. Permite separar rápidamente los pedidos conformes de los no conformes y analizar las causas raíz de los pedidos retrasados.

Simplifica los informes de rendimiento al convertir las comparaciones de fechas en una sencilla marca verdadera/falsa, lo que facilita el cálculo de la tasa de envíos a tiempo.

Se calcula comparando «ActualCompletionDate» <= «RequestedCompletionDate». Esta lógica se aplica en la herramienta de Process Mining.

Este Atributo especifica el equipo de manipulación de materiales (MHE) o la tecnología utilizados para realizar una tarea del almacén. Puede incluir identificadores concretos de carretillas elevadoras, números de transpaletas o identificadores de escáneres portátiles de radiofrecuencia.

Estos datos son valiosos para analizar la utilización de recursos más allá de los operadores. Ayudan a comprender los patrones de uso de equipos costosos, planificar el mantenimiento y garantizar que las herramientas adecuadas estén disponibles cuando se necesiten. Respaldan directamente KPI como «Resource Utilization (Picking)» al proporcionar otra dimensión de análisis.

Permite analizar la utilización de los equipos y su impacto en la eficiencia del proceso, y ayuda a gestionar los calendarios de mantenimiento y la inversión en MHE.

Consulte la documentación de Manhattan SCALE o los registros del sistema. Es posible que esta información se registre en los datos de ejecución de tareas si el sistema está configurado para capturarla.

Este Atributo booleano identifica casos de reproceso, como cuando la actividad «Goods Picked from Storage» se realiza más de una vez para el mismo material dentro de un único pedido. Se obtiene mediante el análisis de patrones en el flujo del proceso.

Marcar los reprocesos es fundamental para identificar ineficiencias y errores del proceso. Ayuda a cuantificar el KPI «Picking Rework Rate» y permite a los analistas aislar e investigar los casos con pasos repetidos. Comprender las causas del reproceso es clave para reducir los costes operativos y mejorar la calidad del proceso.

Marca los bucles ineficientes y el trabajo repetido dentro del proceso, que a menudo son fuentes ocultas de retrasos y aumento de los costes operativos.

Este es un atributo calculado, que normalmente se obtiene en la herramienta de Process Mining mediante la definición de reglas que detectan patrones de actividad repetidos específicos, como self-loops o short loops.

Este Atributo es la marca de tiempo que señala el último paso del proceso de almacén para un pedido, como «Shipment Dispatched». Representa el momento real en que finalizó el proceso de preparación.

Esta fecha se compara directamente con la «Requested Completion Date» para calcular el rendimiento puntual de los envíos. Es el dato factual que confirma cuándo terminó la responsabilidad del almacén sobre el pedido. Analizar este Atributo ayuda a medir con precisión los tiempos de ciclo de preparación y el rendimiento frente a los SLA.

Proporciona la marca de tiempo real de finalización del pedido, que se utiliza para calcular los tiempos de ciclo reales y medir el rendimiento frente a las fechas solicitadas.

Corresponde a la marca de tiempo de la última actividad del proceso, como «Shipment Dispatched» o «Warehouse Order Completed».

El ID de envío es un identificador de nivel superior que consolida uno o varios pedidos de almacén transportados juntos en el mismo vehículo o como parte de la misma consignación. Vincula los pedidos individuales con un evento de transporte específico.

En el análisis, el ID de envío ofrece una visión más amplia de las operaciones logísticas. Puede utilizarse para analizar la eficiencia de la consolidación en las fases de preparación y carga, medir el rendimiento puntual a nivel de envío y comprender cómo la consolidación de pedidos afecta a los plazos de entrega generales.

Agrupa varios pedidos en un único evento de envío y permite analizar los procesos de consolidación, preparación y carga.

Se encuentra en las tablas de gestión de transporte o envíos de Manhattan SCALE. Normalmente, este ID se vincula con varios pedidos de almacén.

Este Atributo identifica al socio logístico o transportista, por ejemplo, FedEx, UPS o DHL, asignado a un envío de salida. Vincula el proceso del almacén con la etapa posterior de transporte.

Analizar el rendimiento por transportista puede revelar información importante sobre la cadena de suministro. Ayuda a determinar si ciertos transportistas están asociados con tiempos de preparación más largos, retrasos frecuentes o requisitos específicos de manipulación. Esta información puede utilizarse para evaluar el rendimiento de los transportistas y optimizar las alianzas logísticas.

Conecta las operaciones del almacén con los socios logísticos y permite analizar el rendimiento por transportista para identificar posibles cuellos de botella relacionados con el transporte.

Se encuentra en las tablas de planificación de envíos o transporte de Manhattan SCALE, normalmente vinculadas a la cabecera del pedido.

Este Atributo registra el resultado de la actividad «Quality Inspection Performed». Indica si los productos recibidos cumplen los estándares de calidad exigidos o si es necesario realizar alguna acción adicional.

Es un Atributo crítico para el análisis de la gestión de calidad. Ayuda a realizar el seguimiento de la «Quality Control Compliance Rate» no solo en términos de cumplimiento, sino también de resultados. Analizar las tasas de fallos por proveedor o material puede ayudar a mejorar las decisiones de compras y reducir los costes posteriores asociados a los productos de baja calidad.

Proporciona el resultado de las comprobaciones de calidad y permite analizar la calidad de los proveedores, los problemas de los productos y la eficacia del proceso de inspección.

Consulte la documentación de Manhattan SCALE. Probablemente se almacene en tablas relacionadas con la gestión de calidad o las tareas de recepción.

Esta métrica calcula la duración total de cada pedido de almacén, desde el evento «Warehouse Order Created» hasta el evento «Warehouse Order Completed». Es un indicador clave de rendimiento que mide la eficiencia integral del proceso de cumplimiento de pedidos del almacén.

En los Dashboards y análisis, este atributo ofrece una visión general del rendimiento. Se utiliza para seguir tendencias, identificar valores atípicos, como tiempos de ciclo prolongados, y comparar el rendimiento a lo largo del tiempo. Es compatible directamente con el Dashboard «Overall Order Fulfillment Cycle Time» y con el KPI correspondiente.

Es un KPI crítico que mide la velocidad y eficiencia integrales del almacén, con un impacto directo en la satisfacción del cliente y los costes operativos.

Es un campo calculado que se obtiene a partir de la diferencia entre las marcas de tiempo del primer y el último evento de cada pedido de almacén.

Esta métrica calculada mide la duración de una parte crítica del proceso de entrada: el tiempo entre la actividad «Goods Received and Counted» y la actividad «Goods Put Away in Storage». Cuantifica la eficiencia del muelle de recepción y de las operaciones de ubicación.

Esta duración es un dato clave para el Dashboard «Goods Receipt to Putaway Cycle» y su KPI correspondiente. Los valores elevados pueden indicar cuellos de botella en el muelle de recepción, retrasos en la creación de tareas de ubicación o recorridos ineficientes, todo lo cual retrasa la disponibilidad del inventario.

Aísla y mide la eficiencia de un paso crítico del proceso de entrada, y pone de manifiesto los cuellos de botella que retrasan la disponibilidad del inventario.

Es un campo calculado que se obtiene a partir de la diferencia de tiempo entre los eventos «Goods Received and Counted» y «Goods Put Away in Storage» de un caso determinado.

Este Atributo identifica la ubicación física, por ejemplo, pasillo 5, ubicación 3 o nivel C, relacionada con una actividad de almacenamiento o recuperación. Proporciona contexto espacial al proceso del almacén.

Analizar las actividades por ubicación de almacenamiento es fundamental para optimizar la distribución del almacén y el flujo de materiales. Puede ayudar a identificar ubicaciones de acceso frecuente, recorridos ineficientes durante el picking o áreas propensas a la congestión. Estos datos respaldan el análisis de la eficiencia de la ubicación y el picking, y revelan oportunidades para mejorar las estrategias de almacenamiento.

Proporciona contexto espacial a los movimientos del almacén y permite analizar la eficiencia de la distribución, los tiempos de desplazamiento y la optimización de las rutas de picking.

Se incluye en los datos de nivel de tarea de las actividades de ubicación y picking en Manhattan SCALE, en campos como «location_id», «bin_code» o «source_location».