Votre modèle de données de gestion d'entrepôt

L'ordre d'entrepôt sert d'identifiant de cas principal, regroupant toutes les activités liées à un seul processus logistique du début à la fin. Cela permet le suivi de bout en bout du cycle de vie d'une commande au sein de l'entrepôt, qu'il s'agisse de la réception des marchandises, de leur mise en stock, du picking, de l'emballage ou de l'expédition.

Dans l'analyse de Process Mining, cet attribut est fondamental pour reconstituer le parcours de chaque commande. En liant tous les événements à un ordre d'entrepôt spécifique, les analystes peuvent visualiser les flux de processus, mesurer les temps de cycle pour les commandes individuelles et identifier les variations ou les goulots d'étranglement qui affectent l'efficacité de l'exécution.

C'est la clé essentielle pour lier toutes les activités d'entrepôt connexes en une seule instance de processus cohésive, permettant une analyse de bout en bout.

Cet identifiant se trouve généralement dans les tables principales de gestion des commandes au sein de Manhattan SCALE, telles que la table d'en-tête de commande.

Cet attribut fournit la date et l'heure précises pour chaque activité enregistrée dans le processus. C'est l'épine dorsale chronologique du journal d'événements, établissant la séquence et le timing de toutes les opérations d'entrepôt pour une commande donnée.

Le temps d'événement est essentiel pour toutes les analyses de Process Mining basées sur le temps. Il est utilisé pour calculer les temps de cycle entre les activités, mesurer la durée totale d'un processus, identifier les retards et analyser les performances du processus sur différentes périodes. Des horodatages précis sont cruciaux pour construire une carte de processus fiable et dériver des métriques de performance significatives.

Cet horodatage est crucial pour séquencer correctement les événements et calculer toutes les métriques basées sur la durée, telles que les temps de cycle et les délais.

Situé dans les tables de journaux d'événements ou les enregistrements de transactions, conjointement aux informations d'activité dans Manhattan SCALE. Les champs sont souvent nommés 'created_ts', 'event_timestamp' ou 'status_change_date'.

Cet attribut enregistre les étapes ou jalons discrets au sein du processus de gestion d'entrepôt. Les exemples incluent 'Marchandises prélevées du stock', 'Emballage initié' et 'Expédition envoyée'. Chaque activité représente une action spécifique effectuée sur la commande d'entrepôt.

C'est un attribut critique pour le Process Mining, car il définit les nœuds dans la carte de processus. L'analyse de la séquence, de la fréquence et de la durée de ces activités permet la visualisation des flux de processus, l'identification des écarts par rapport à la procédure standard et le repérage des goulots d'étranglement où le travail est retardé.

Il définit les étapes du processus, constituant la base de la carte de processus et permettant l'analyse du flux opérationnel et des variations.

Dérivé des codes de transaction, des journaux d'événements ou des tables de mise à jour de statut au sein de Manhattan SCALE qui suivent la progression des commandes d'entrepôt.

Cet attribut indique la date et l'heure de la dernière extraction des données de Manhattan SCALE et de leur chargement dans l'outil de Process Mining. Il reflète la fraîcheur des données analysées.

Ces informations sont vitales pour que les utilisateurs comprennent l'actualité de l'analyse. Elles les aident à savoir s'ils consultent des données en temps réel ou un instantané à un moment précis, ce qui est crucial pour prendre des décisions opérationnelles éclairées et à des fins de reporting.

Il informe les utilisateurs sur la fraîcheur des données, en veillant à ce qu'ils comprennent la période couverte par l'analyse et les rapports.

Cet horodatage est généralement généré et stocké par l'outil ETL ou le pipeline de données pendant le processus de chargement des données.

Cet attribut identifie l'application source où les données d'événement ont été générées. Pour ce processus, la valeur serait typiquement 'Manhattan SCALE'.

Dans un environnement avec plusieurs systèmes intégrés, ce champ aide à différencier les sources de données. Il fournit un contexte pour l'origine des données, ce qui peut être important pour la gouvernance des données, le dépannage et la compréhension des variations potentielles dans les processus de capture de données à travers différentes plateformes.

Il fournit un contexte essentiel sur l'origine des données, ce qui est critique pour la gouvernance des données, la validation et les efforts d'intégration dans des paysages informatiques complexes.

Il s'agit souvent d'une valeur statique ajoutée pendant le processus d'extraction, de transformation et de chargement des données (ETL) pour étiqueter l'ensemble de données.

Cet attribut représente le niveau de service (SLA) ou la date de livraison cible pour une commande d'entrepôt sortante. C'est la date limite par rapport à laquelle les opérations d'entrepôt sont mesurées pour la performance à temps.

Cette date est une référence critique pour l'évaluation des performances. Elle est utilisée dans le Dashboard 'Performance d'expédition à temps' et le KPI 'Taux d'expédition à temps' pour déterminer si une commande a été exécutée à temps. L'analyse des commandes qui manquent cette date aide à identifier les causes systémiques des retards et à améliorer la satisfaction client.

Il sert de référence principale pour mesurer la performance des expéditions à temps et le respect des accords de niveau de service client.

Généralement stocké dans la table d'en-tête de commande dans Manhattan SCALE, souvent alimenté par un ERP ou un système de gestion des commandes en amont.

L'heure de fin marque l'achèvement d'une activité. Associée à une heure de début (EventTime), elle permet le calcul précis du temps de traitement pour les tâches individuelles. Tous les événements n'ont pas une heure de fin distincte, mais pour ceux qui en ont une, comme le 'Picking' ou le 'Packing', cette donnée est très précieuse.

Dans l'analyse, l'heure de fin est utilisée pour calculer la métrique 'ProcessingTime', essentielle pour comprendre l'efficacité des ressources et la durée des tâches. Cela aide à identifier les activités spécifiques qui prennent le plus de temps, contribuant au temps de cycle global et aux retards potentiels.

Il permet le calcul précis du temps de traitement pour les activités individuelles, aidant à identifier les tâches qui consomment le plus de temps et de ressources.

Ceci peut être disponible dans les mêmes journaux de transactions que l'heure de début, dans un champ séparé comme 'completed_ts' ou 'end_time'. Si ce n'est pas directement disponible, cela peut parfois être déduit de l'heure de début de l'activité suivante.

Cet attribut, souvent appelé SKU (Stock Keeping Unit), identifie l'article spécifique impliqué dans une activité d'entrepôt. Un seul ordre d'entrepôt peut contenir plusieurs matériaux, chacun traité dans des lignes d'articles ou des tâches distinctes.

L'analyse du processus par ID Matériel peut révéler des problèmes spécifiques aux produits. Par exemple, certains articles peuvent être plus sujets aux échecs d'inspection qualité, aux erreurs de picking ou à des temps de manutention plus longs en raison de leur taille, de leur poids ou de leurs exigences de stockage. Cela aide à optimiser les stratégies de stockage et les procédures de manutention pour différents types de produits.

Il permet une analyse au niveau du produit pour identifier si certains articles sont associés à des retards de processus, des erreurs ou des reprises.

Situé dans les tables de lignes de commande dans Manhattan SCALE, lié à la commande d'entrepôt principale.

Cet attribut capture l'ID de l'utilisateur responsable de l'exécution d'une tâche d'entrepôt spécifique, telle que le picking, l'emballage ou la mise en stock. Il relie les activités du processus aux ressources humaines impliquées.

L'analyse des performances par ID utilisateur/opérateur est essentielle pour comprendre l'utilisation des ressources et l'efficacité individuelle ou d'équipe. Elle aide à identifier les meilleurs performeurs, les besoins en formation et la répartition de la charge de travail. Ces données sont essentielles pour le Dashboard 'Utilisation des ressources par opérateur' et les KPI associés, permettant aux managers d'optimiser la dotation en personnel et les attributions de tâches.

Il lie la performance des processus à des individus ou des équipes spécifiques, permettant l'analyse de la charge de travail, de la productivité et de l'allocation des ressources.

Ces informations sont généralement enregistrées dans les journaux de transactions de Manhattan SCALE, souvent dans des champs comme 'user_id', 'operator' ou 'executed_by'.

Cet attribut enregistre la quantité mesurée de marchandises à un point de contrôle clé, tel que la réception ou le picking des marchandises. Il représente ce qui a été physiquement manipulé, ce qui peut différer de ce qui était planifié.

La comparaison de la quantité réelle à la quantité planifiée est essentielle pour identifier les écarts. C'est la base du Dashboard 'Tendances des écarts de quantité de commande' et du KPI associé. Le suivi de ces différences aide à cerner les problèmes de précision des fournisseurs, des enregistrements d'inventaire ou des erreurs de picking, qui sont essentiels pour maintenir l'intégrité des stocks.

Il est crucial pour identifier les écarts entre les quantités planifiées et exécutées, mettant en évidence les problèmes potentiels de précision des stocks ou les erreurs opérationnelles.

Trouvé dans les enregistrements de détails de transaction pour des activités telles que la réception, le comptage ou le prélèvement dans Manhattan SCALE.

Le type de commande définit l'objectif global de l'ordre d'entrepôt. Les types courants incluent les expéditions clients (sortantes), les réceptions fournisseurs (entrantes), les transferts de stock entre emplacements (internes) ou les retours.

Cet attribut permet de segmenter l'analyse des processus. En filtrant sur le type de commande, on peut comparer la performance de différents processus, tels que le processus de réception par rapport au processus d'expédition. Ceci est crucial car leurs étapes, ressources et objectifs de performance sont souvent très différents, et les analyser ensemble peut être trompeur.

Il permet la séparation et la comparaison de processus distincts, comme les flux entrants vs sortants, qui ont des flux et des attentes de performance différents.

Trouvé dans les données d'en-tête de commande dans Manhattan SCALE. Le champ peut être nommé 'order_type', 'transaction_type' ou similaire.

Cet attribut est l'horodatage marquant la dernière étape du processus d'entrepôt pour une commande, telle que 'Expédition envoyée'. Il représente l'heure d'achèvement factuelle du processus d'exécution.

Cette date est directement comparée à la 'Date de fin demandée' pour calculer la performance d'expédition à temps. C'est le point de données factuel qui confirme la fin de la responsabilité de l'entrepôt pour la commande. L'analyse de cet attribut aide à mesurer avec précision les temps de cycle d'exécution et la performance par rapport aux SLA.

Il fournit l'horodatage factuel de l'achèvement de la commande, utilisé pour calculer les temps de cycle réels et mesurer la performance par rapport aux dates demandées.

Cela correspond à l'horodatage de l'activité finale du processus, comme 'Expédition envoyée' ou 'Commande d'entrepôt complétée'.

Cette métrique calculée mesure la durée d'une partie critique du processus entrant : le temps entre l'activité 'Marchandises reçues et comptées' et l'activité 'Marchandises mises en stock'. Elle quantifie l'efficacité du quai de réception et des opérations de mise en stock.

Cette durée est une donnée clé pour le Dashboard 'Cycle de réception des marchandises à la mise en stock' et son KPI correspondant. Des valeurs élevées pour cette métrique peuvent indiquer des goulots d'étranglement au quai de réception, des retards dans la création des tâches de mise en stock ou des trajets inefficaces, tout ce qui retarde la disponibilité des stocks.

Il isole et mesure l'efficacité d'une étape critique du processus entrant, soulignant les goulots d'étranglement qui retardent la disponibilité des stocks.

Il s'agit d'un champ calculé, obtenu en trouvant la différence de temps entre les événements 'Marchandises reçues et comptées' et 'Marchandises mises en stock' pour un cas donné.

Cette métrique est calculée comme la 'Quantité réelle' moins la 'Quantité planifiée'. Une valeur non nulle indique un écart dans la quantité de marchandises traitées par rapport à ce qui était attendu. La valeur peut être positive (surplus) ou négative (manquant).

Cet attribut est le fondement du KPI 'Taux d'écart de quantité de commande'. Il quantifie l'ampleur des erreurs de réception ou de picking, fournissant une métrique claire pour les tableaux de bord qui suivent la précision des stocks. L'analyse des tendances et des causes profondes de ces écarts est vitale pour améliorer la précision opérationnelle.

Il quantifie directement les erreurs d'inventaire et d'exécution des commandes, fournissant une métrique claire pour le suivi de la précision et de l'impact financier des écarts.

C'est un champ calculé dérivé dans l'outil de Process Mining par la formule : QuantitéActuelle - QuantitéPlanifiée.

Cet attribut identifie l'emplacement physique (ex: Allée 5, Bac 3, Niveau C) impliqué dans une activité de stockage ou de récupération. Il fournit un contexte spatial au processus d'entrepôt.

L'analyse des activités par emplacement de stockage est cruciale pour optimiser l'agencement de l'entrepôt et le flux des matériaux. Elle peut aider à identifier les emplacements fréquemment accédés, les chemins de déplacement inefficaces pendant le picking ou les zones sujettes à l'engorgement. Ces données soutiennent l'analyse de l'efficacité de la mise en stock et du picking, révélant des opportunités d'amélioration des stratégies de stockage.

Il fournit un contexte spatial aux mouvements d'entrepôt, permettant l'analyse de l'efficacité de l'aménagement, des temps de trajet et de l'optimisation des itinéraires de prélèvement.

Contenu dans les données au niveau de la tâche pour les activités de rangement et de prélèvement dans Manhattan SCALE, dans des champs tels que 'location_id', 'bin_code' ou 'source_location'.

Cet attribut spécifie l'équipement de manutention (MHE) ou la technologie utilisée pour effectuer une tâche d'entrepôt. Cela peut inclure des ID de chariots élévateurs spécifiques, des numéros de transpalettes ou des ID de scanners RF portatifs.

Ces données sont précieuses pour l'analyse de l'utilisation des ressources au-delà des seuls opérateurs humains. Elles aident à comprendre les schémas d'utilisation des équipements coûteux, à planifier la maintenance et à garantir que les bons outils sont disponibles en cas de besoin. Elles soutiennent directement des KPI comme 'Utilisation des ressources (Picking)' en offrant une dimension supplémentaire pour l'analyse.

Il permet l'analyse de l'utilisation des équipements et de son impact sur l'efficacité des processus, aidant à gérer les calendriers de maintenance et l'investissement en MHE.

Consultez la documentation Manhattan SCALE ou les journaux système. Cela pourrait être suivi dans les enregistrements d'exécution des tâches si le système est configuré pour le capturer.

Cet attribut booléen identifie les instances de reprise, comme une activité 'Marchandises prélevées du stock' effectuée plus d'une fois pour le même matériau au sein d'une même commande. Il est dérivé en analysant les schémas du flux de processus.

Le signalement des reprises est crucial pour identifier les inefficacités et les erreurs de processus. Il aide à quantifier le KPI 'Taux de reprise de picking' et permet aux analystes d'isoler et d'enquêter sur les cas avec des étapes répétées. Comprendre les facteurs de reprise est essentiel pour réduire les coûts opérationnels et améliorer la qualité des processus.

Il signale les boucles inefficaces et le travail répété au sein du processus, qui sont souvent des sources cachées de retards et d'augmentation des coûts opérationnels.

Il s'agit d'un attribut calculé, généralement dérivé au sein de l'outil de Process Mining en définissant des règles qui détectent des schémas d'activités répétées spécifiques (par exemple, des boucles auto-référentes ou des boucles courtes).

Cet attribut booléen est dérivé en comparant la 'Date d'achèvement réelle' avec la 'Date d'achèvement demandée'. Il est vrai si la commande a été complétée à temps et faux si elle était en retard.

Cet attribut simplifie l'analyse des performances en permettant un filtrage et une agrégation faciles. Il constitue la base du calcul du KPI 'Taux d'expédition à temps' et alimente les tableaux de bord qui suivent le respect des SLA clients. Il sépare rapidement les commandes conformes des non-conformes, permettant une analyse des causes profondes des commandes en retard.

Il simplifie le reporting des performances en convertissant les comparaisons de dates en un simple indicateur vrai/faux, facilitant le calcul du taux d'expédition à temps.

Calculé en comparant 'ActualCompletionDate' <= 'RequestedCompletionDate'. Cette logique est appliquée dans l'outil de process mining.

L'ID d'expédition est un identifiant de niveau supérieur qui consolide une ou plusieurs commandes d'entrepôt transportées ensemble sur le même véhicule ou dans le cadre du même envoi. Il relie les commandes individuelles à un événement de transport spécifique.

Dans l'analyse, l'ID d'expédition offre une vue plus large des opérations logistiques. Il peut être utilisé pour analyser l'efficacité du processus de consolidation lors des phases de préparation et de chargement, mesurer la performance à temps au niveau de l'expédition et comprendre comment la consolidation des commandes impacte les délais globaux.

Il regroupe plusieurs commandes en un seul événement d'expédition, permettant l'analyse des processus de consolidation, de mise en scène et de chargement.

Trouvé dans les tables de gestion du transport ou des expéditions au sein de Manhattan SCALE. Cet ID renvoie généralement à plusieurs commandes d'entrepôt.

Cet attribut identifie le partenaire logistique ou le transporteur (ex: FedEx, UPS, DHL) assigné à une expédition sortante. Il relie le processus d'entrepôt à la phase de transport aval.

L'analyse des performances par transporteur peut révéler des informations importantes sur la chaîne d'approvisionnement. Elle aide à déterminer si certains transporteurs sont associés à des temps de préparation plus longs, des retards fréquents ou des exigences de manutention spécifiques. Ces informations peuvent être utilisées pour évaluer la performance des transporteurs et optimiser les partenariats logistiques.

Il connecte les opérations d'entrepôt aux partenaires logistiques, permettant une analyse des performances par transporteur pour identifier les goulots d'étranglement potentiels liés au transport.

Trouvé dans les tables de planification d'expédition ou de transport au sein de Manhattan SCALE, souvent lié à l'en-tête de commande.

Cet attribut indique la quantité d'un article qui était prévue d'être reçue, prélevée ou manipulée selon l'ordre d'entrepôt original ou l'instruction de tâche. C'est la référence par rapport à laquelle l'opération réelle est mesurée.

Cette valeur est utilisée conjointement avec la 'Quantité réelle' pour calculer les écarts. Des différences fréquentes entre les quantités planifiées et réelles peuvent signaler des problèmes avec les expéditions des fournisseurs, la précision des stocks ou les processus de picking, ce qui en fait un attribut clé pour l'analyse de la qualité et de la précision.

Il sert de référence pour mesurer la précision des quantités, aidant à identifier les écarts qui impactent l'inventaire et l'exécution des commandes.

Situé dans les tables de lignes de commande ou de détails de tâche au sein de Manhattan SCALE.

Cet attribut enregistre le résultat de l'activité 'Inspection Qualité Effectuée'. Il indique si les marchandises reçues ont satisfait aux normes de qualité requises ou si une action supplémentaire est nécessaire.

Il s'agit d'un attribut critique pour l'analyse de la gestion de la qualité. Il aide à suivre le 'Taux de conformité du contrôle qualité' non seulement en termes de respect mais aussi de résultats. L'analyse des taux d'échec par fournisseur ou par matériau peut aider à améliorer les décisions d'approvisionnement et à réduire les coûts en aval associés aux marchandises de mauvaise qualité.

Il fournit le résultat des contrôles qualité, permettant l'analyse de la qualité des fournisseurs, des problèmes de produits et de l'efficacité du processus d'inspection.

Consultez la documentation Manhattan SCALE. Cela serait probablement stocké dans des tables liées à la gestion de la qualité ou aux tâches de réception.

Cette métrique calcule la durée totale pour chaque commande d'entrepôt, de l'événement 'Commande d'entrepôt créée' à l'événement 'Commande d'entrepôt complétée'. C'est un indicateur de performance clé qui mesure l'efficacité de bout en bout de l'ensemble du processus d'exécution des commandes en entrepôt.

Dans les Dashboards et l'analyse, cet attribut fournit une vue d'ensemble des performances globales. Il est utilisé pour suivre les tendances, identifier les valeurs aberrantes (temps de cycle prolongés), et comparer les performances au fil du temps. Il soutient directement le Dashboard 'Temps de cycle global d'exécution des commandes' et le KPI correspondant.

C'est un KPI essentiel qui mesure la vitesse et l'efficacité de bout en bout de l'entrepôt, impactant directement la satisfaction client et les coûts opérationnels.

Il s'agit d'un champ calculé, obtenu en prenant la différence entre les horodatages du premier et du dernier événement pour chaque ordre d'entrepôt.