Votre modèle de données pour la gestion d’entrepôt

La commande d’entrepôt sert d’identifiant principal du cas. Elle regroupe toutes les activités liées à un même processus logistique, du début à la fin. Il est ainsi possible de suivre l’ensemble du cycle de vie d’une commande dans l’entrepôt, qu’il s’agisse de réceptionner et ranger des marchandises, de les prélever et de les emballer, ou de les expédier.

Dans une analyse de Process Mining, cet attribut est indispensable pour reconstituer le parcours de chaque commande. En reliant tous les événements à une commande d’entrepôt précise, les analystes peuvent visualiser les flux de processus, mesurer le temps de cycle de chaque commande et repérer les variations ou les goulots d’étranglement qui nuisent à l’efficacité de l’exécution.

C’est la clé qui permet de regrouper toutes les activités liées à l’entrepôt dans une seule instance de processus et d’en réaliser une analyse de bout en bout.

Cet identifiant figure généralement dans les principales tables de gestion des commandes de Manhattan SCALE, notamment dans la table d’en-tête des commandes.

Cet attribut indique la date et l’heure précises de chaque activité enregistrée dans le processus. Il constitue le fil chronologique du journal d’événements et établit l’ordre et le moment de toutes les opérations d’entrepôt pour une commande donnée.

L’heure de l’événement est indispensable à toute analyse de Process Mining fondée sur le temps. Elle sert à calculer les temps de cycle entre les activités, à mesurer la durée totale d’un processus, à repérer les retards et à analyser les performances sur différentes périodes. Des horodatages exacts sont nécessaires pour établir une carte de processus fiable et calculer des indicateurs de performance pertinents.

Cet horodatage est essentiel pour ordonner correctement les événements et calculer tous les indicateurs de durée, comme les temps de cycle et les délais.

Cet attribut figure dans les tables de journaux d’événements ou les enregistrements de transactions, à côté des informations sur l’activité dans Manhattan SCALE. Les champs peuvent s’appeler, par exemple, « created_ts », « event_timestamp » ou « status_change_date ».

Cet attribut consigne les étapes ou jalons distincts du processus de gestion d’entrepôt. Il peut s’agir, par exemple, de « Marchandises prélevées en stock », de « Début de l’emballage » ou d’« Expédition envoyée ». Chaque activité correspond à une action précise effectuée sur la commande d’entrepôt.

Cet attribut est essentiel au Process Mining, car il définit les nœuds de la carte du processus. L’analyse de l’ordre, de la fréquence et de la durée des activités permet de visualiser les flux de processus, de repérer les écarts par rapport à la procédure standard et de localiser les goulots d’étranglement où le travail prend du retard.

Il définit les étapes du processus et constitue la base de sa carte, ce qui permet d’analyser les flux opérationnels et leurs variations.

Cet attribut est établi à partir des codes de transaction, des journaux d’événements ou des tables de mise à jour des statuts de Manhattan SCALE, qui suivent l’avancement 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 renseigne sur l’actualité des données analysées.

Cette information aide les utilisateurs à évaluer la fraîcheur de l’analyse. Elle leur permet de savoir s’ils consultent des données en temps réel ou un instantané correspondant à une date précise, ce qui est important pour prendre des décisions opérationnelles éclairées et produire des rapports.

Il renseigne les utilisateurs sur l’actualité des données et leur permet de connaître la période couverte par l’analyse et les rapports.

Cet horodatage est généralement généré et enregistré par l’outil ETL ou le pipeline de données lors du chargement.

Cet attribut identifie l’application source dans laquelle les données de l’événement ont été générées. Pour ce processus, sa valeur est généralement « Manhattan SCALE ».

Dans un environnement où plusieurs systèmes sont intégrés, ce champ permet de distinguer les sources de données. Il précise leur origine, ce qui peut être utile pour la gouvernance des données, le dépannage et l’analyse des différences de collecte entre les plateformes.

Il précise l’origine des données, une information essentielle pour leur gouvernance, leur validation et leur intégration dans des environnements informatiques complexes.

Il s’agit souvent d’une valeur statique ajoutée pendant le processus d’extraction, de transformation et de chargement (ETL) afin d’identifier le jeu de données.

Cet attribut correspond à l’accord de niveau de service (SLA) ou à la date de livraison cible d’une commande d’entrepôt sortante. Il s’agit de l’échéance utilisée pour mesurer le respect des délais par les opérations de l’entrepôt.

Cette date constitue un repère important pour évaluer les performances. Elle est utilisée dans le Dashboard « Respect des délais d’expédition » et dans l’indicateur « Taux d’expéditions à l’heure » pour déterminer si une commande a été exécutée dans les délais. L’analyse des commandes qui dépassent cette date aide à repérer les causes systémiques des retards et à améliorer la satisfaction des clients.

Elle sert de référence principale pour mesurer le respect des délais d’expédition et des accords de niveau de service conclus avec les clients.

Cet attribut est généralement stocké dans la table d’en-tête des commandes de Manhattan SCALE et provient souvent d’un système ERP ou 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 de calculer précisément la durée de traitement de chaque tâche. Tous les événements n’ont pas d’heure de fin distincte, mais cette information est très utile pour ceux qui en ont une, comme le prélèvement ou l’emballage.

Dans les analyses, l’heure de fin sert à calculer la métrique « ProcessingTime », essentielle pour comprendre l’efficacité des ressources et la durée des tâches. Elle permet de repérer les activités qui prennent le plus de temps et contribuent à allonger le temps de cycle ou à provoquer des retards.

Elle permet de calculer précisément la durée de traitement de chaque activité et de repérer les tâches qui mobilisent le plus de temps et de ressources.

Cette information peut figurer dans les mêmes journaux de transactions que l’heure de début, dans un champ distinct tel que « completed_ts » ou « end_time ». Si elle n’est pas directement disponible, elle peut parfois être déduite de l’heure de début de l’activité suivante.

Cet attribut, souvent appelé SKU (Stock Keeping Unit), identifie l’article concerné par une activité d’entrepôt. Une même commande d’entrepôt peut contenir plusieurs articles, chacun traité dans une ligne de commande ou une tâche distincte.

L’analyse du processus par ID d’article peut révéler des problèmes propres à certains produits. Certains articles peuvent, par exemple, faire plus souvent l’objet d’échecs au contrôle qualité, d’erreurs de prélèvement ou de délais de manutention plus longs en raison de leur taille, de leur poids ou de leurs conditions de stockage. Ces informations aident à adapter les stratégies de stockage et les procédures de manutention aux différents produits.

Il permet d’analyser les processus par produit et de repérer les articles associés à des retards, des erreurs ou des reprises.

Cet attribut figure dans les tables des lignes de commande de Manhattan SCALE et est associé à la commande d’entrepôt principale.

Cet attribut indique l’ID de l’utilisateur chargé d’exécuter une tâche précise dans l’entrepôt, comme le prélèvement, l’emballage ou le rangement. Il relie les activités du processus aux personnes qui les réalisent.

L’analyse des performances par ID d’utilisateur ou d’opérateur est essentielle pour comprendre l’utilisation des ressources et l’efficacité individuelle ou collective. Elle permet de repérer les personnes les plus performantes, les besoins de formation et la répartition de la charge de travail. Ces données alimentent le Dashboard « Utilisation des ressources par opérateur » et les indicateurs associés, afin d’aider les responsables à optimiser les effectifs et l’attribution des tâches.

Il relie les performances du processus à des personnes ou à des équipes précises, ce qui permet d’analyser la charge de travail, la productivité et l’affectation des ressources.

Cette information figure généralement dans les journaux de transactions de Manhattan SCALE, dans des champs tels que « user_id », « operator » ou « executed_by ».

Cet attribut consigne la quantité mesurée à une étape clé, par exemple lors de la réception ou du prélèvement. Il correspond à la quantité effectivement traitée, qui peut différer de la quantité prévue.

La comparaison entre la quantité réelle et la quantité prévue est essentielle pour repérer les écarts. Elle constitue la base du Dashboard « Évolution des écarts de quantité des commandes » et de l’indicateur associé. Le suivi de ces écarts aide à détecter les problèmes de précision des fournisseurs, les erreurs dans les registres de stock ou les erreurs de prélèvement, autant de facteurs qui nuisent à la fiabilité des stocks.

Elle permet de repérer les écarts entre les quantités prévues et réellement traitées, et de mettre en évidence d’éventuels problèmes de précision des stocks ou des erreurs opérationnelles.

Cet attribut figure dans les détails des transactions liées à des activités telles que la réception, le comptage ou le prélèvement dans Manhattan SCALE.

Le type de commande définit l’objectif général de la commande d’entrepôt. Les types courants comprennent les expéditions aux clients (sortantes), les réceptions des fournisseurs (entrantes), les transferts de stock entre emplacements (internes) et les retours.

Cet attribut permet de segmenter l’analyse du processus. En filtrant par type de commande, vous pouvez comparer les performances de différents processus, comme la réception et l’expédition. Cette distinction est importante, car leurs étapes, leurs ressources et leurs objectifs de performance diffèrent souvent. Les analyser ensemble peut donc fausser les résultats.

Il permet de distinguer et de comparer des processus différents, comme les réceptions et les expéditions, qui suivent des flux et répondent à des objectifs de performance distincts.

Cet attribut figure dans les données d’en-tête des commandes de Manhattan SCALE. Le champ peut s’appeler « order_type », « transaction_type » ou porter un nom similaire.

Cet attribut correspond à l’horodatage de la dernière étape du processus d’entrepôt pour une commande, par exemple « Expédition envoyée ». Il indique l’heure réelle d’achèvement du processus d’exécution.

Cette date est comparée directement à la date d’achèvement demandée pour calculer le respect des délais d’expédition. Elle indique précisément à quel moment l’entrepôt a terminé le traitement de la commande. Son analyse permet de mesurer avec exactitude les temps de cycle d’exécution et les performances par rapport aux SLA.

Il fournit l’horodatage réel de l’achèvement de la commande, utilisé pour calculer les temps de cycle et mesurer les performances par rapport aux dates demandées.

Cet attribut correspond à l’horodatage de la dernière activité du processus, par exemple « Expédition envoyée » ou « Commande d’entrepôt terminée ».

Cette métrique calculée mesure la durée d’une étape essentielle du processus d’approvisionnement : le temps écoulé entre l’activité « Goods Received and Counted » et l’activité « Goods Put Away in Storage ». Elle quantifie l’efficacité du quai de réception et des opérations de mise en stock.

Cette durée est un indicateur clé du Dashboard « Goods Receipt to Putaway Cycle » et du KPI associé. Une valeur élevée peut signaler des goulots d’étranglement au quai de réception, des retards dans la création des tâches de mise en stock ou des trajets inefficaces. Ces problèmes retardent tous la disponibilité des stocks.

Cette métrique mesure l’efficacité d’une étape essentielle du processus d’approvisionnement et met en évidence les goulots d’étranglement qui retardent la disponibilité des stocks.

Ce champ calculé correspond à l’écart entre les événements « Goods Received and Counted » et « Goods Put Away in Storage » pour un dossier donné.

Cette métrique calcule la durée totale de chaque commande d’entrepôt, de l’événement « Warehouse Order Created » à l’événement « Warehouse Order Completed ». Il s’agit d’un indicateur clé de performance qui mesure l’efficacité de bout en bout de l’ensemble du processus de traitement des commandes en entrepôt.

Dans les Dashboards et les analyses, cet attribut donne une vue d’ensemble des performances. Il permet de suivre les tendances, de repérer les valeurs atypiques, notamment les temps de cycle prolongés, et de comparer les performances dans le temps. Il alimente directement le Dashboard « Overall Order Fulfillment Cycle Time » et le KPI associé.

Ce KPI essentiel mesure la rapidité et l’efficacité de bout en bout des opérations de l’entrepôt, avec un effet direct sur la satisfaction client et les coûts opérationnels.

Ce champ calculé correspond à l’écart entre les horodatages du premier et du dernier événement de chaque commande d’entrepôt.

Cette métrique correspond à la « Actual Quantity » moins la « Planned Quantity ». Toute valeur différente de zéro signale un écart entre la quantité de marchandises traitée et la quantité prévue. L’écart peut être positif, en cas de surplus, ou négatif, en cas de manque.

Cet attribut constitue la base du KPI « Order Quantity Discrepancy Rate ». Il quantifie l’ampleur des erreurs de réception ou de prélèvement et fournit une mesure claire pour les Dashboards qui suivent la précision des stocks. L’analyse des tendances et des causes de ces écarts est essentielle pour améliorer la précision des opérations.

Il quantifie directement les erreurs de stock et de traitement des commandes, et fournit une mesure claire pour suivre la précision ainsi que l’incidence financière des écarts.

Ce champ est calculé dans l’outil de Process Mining selon la formule : ActualQuantity - PlannedQuantity.

Cet attribut identifie l’emplacement physique concerné par une activité de stockage ou de prélèvement, par exemple l’allée 5, la case 3 ou le niveau C. Il apporte un contexte spatial au processus d’entrepôt.

L’analyse des activités par emplacement de stockage est essentielle pour optimiser l’agencement de l’entrepôt et la circulation des marchandises. Elle peut aider à repérer les emplacements fréquemment utilisés, les trajets de prélèvement inefficaces ou les zones sujettes à la congestion. Ces données permettent d’analyser l’efficacité du rangement et du prélèvement, et de repérer des possibilités d’amélioration des stratégies de stockage.

Il situe les mouvements dans l’entrepôt et permet d’analyser l’efficacité de l’agencement, les temps de déplacement et l’optimisation des trajets de prélèvement.

Cet attribut figure dans les données détaillées des tâches de rangement et de prélèvement de Manhattan SCALE, dans des champs tels que « location_id », « bin_code » ou « source_location ».

Cet attribut précise l’équipement de manutention (MHE) ou la technologie utilisée pour effectuer une tâche dans l’entrepôt. Il peut s’agir de l’identifiant d’un chariot élévateur, d’un transpalette ou d’un scanner RF portable.

Ces données sont utiles pour analyser l’utilisation des ressources au-delà des seuls opérateurs. Elles permettent de comprendre les habitudes d’utilisation des équipements coûteux, de planifier leur maintenance et de vérifier que le matériel nécessaire est disponible au bon moment. Elles contribuent directement à des indicateurs tels que « Utilisation des ressources (prélèvement) », en apportant un autre angle d’analyse.

Il permet d’analyser l’utilisation des équipements et son effet sur l’efficacité du processus, afin de mieux planifier la maintenance et les investissements en matériel de manutention.

Consultez la documentation de Manhattan SCALE ou les journaux du système. Cette information peut figurer dans les enregistrements d’exécution des tâches si le système est configuré pour la recueillir.

Cet attribut booléen est calculé en comparant la « Actual Completion Date » à la « Requested Completion Date ». Il vaut vrai si la commande a été traitée dans les délais, et faux si elle a été traitée en retard.

Il simplifie l’analyse des performances en facilitant le filtrage et l’agrégation des données. Il sert de base au calcul du KPI « On-Time Shipment Rate » et alimente les Dashboards qui suivent le respect des SLA clients. Il permet de distinguer rapidement les commandes conformes des commandes non conformes, puis d’analyser les causes des retards.

Il simplifie le suivi des performances en transformant la comparaison de dates en un indicateur vrai/faux, ce qui facilite le calcul du taux d’expédition dans les délais.

Calculé en comparant « ActualCompletionDate » <= « RequestedCompletionDate ». Cette règle est appliquée dans l’outil de Process Mining.

L’ID de l’expédition est un identifiant de niveau supérieur qui regroupe une ou plusieurs commandes d’entrepôt transportées ensemble dans le même véhicule ou dans le cadre d’un même envoi. Il relie les commandes individuelles à un événement de transport précis.

Dans une analyse, l’ID de l’expédition donne une vue plus large des opérations logistiques. Il permet d’analyser l’efficacité du regroupement des commandes lors de la mise en attente et du chargement, de mesurer le respect des délais à l’échelle d’une expédition et de comprendre l’effet du regroupement sur les délais globaux.

Il regroupe plusieurs commandes dans un même événement d’expédition et permet d’analyser les opérations de regroupement, de mise en attente et de chargement.

Cet identifiant figure dans les tables de transport ou de gestion des expéditions de Manhattan SCALE. Il est généralement associé à plusieurs commandes d’entrepôt.

Cet attribut identifie le partenaire logistique ou le transporteur, par exemple FedEx, UPS ou DHL, affecté à une expédition sortante. Il relie le processus d’entrepôt à l’étape de transport qui suit.

L’analyse des performances par transporteur peut révéler des informations importantes sur la chaîne d’approvisionnement. Elle permet de déterminer si certains transporteurs sont associés à des temps d’attente plus longs, à des retards fréquents ou à des exigences de manutention particulières. Ces informations peuvent servir à évaluer les performances des transporteurs et à optimiser les partenariats logistiques.

Il relie les opérations de l’entrepôt aux partenaires logistiques et permet d’analyser les performances par transporteur afin de repérer d’éventuels goulots d’étranglement liés au transport.

Cet attribut figure dans les tables de gestion des expéditions ou de planification du transport de Manhattan SCALE et est souvent associé à l’en-tête de commande.

Cet attribut indique la quantité d’un article dont la réception, le prélèvement ou la manutention était prévu selon la commande d’entrepôt ou les instructions de la tâche d’origine. Elle sert de référence pour mesurer les opérations réellement effectuées.

Cette valeur est utilisée avec la quantité réelle pour calculer les écarts. Des différences fréquentes entre les quantités prévues et réelles peuvent signaler des problèmes liés aux livraisons des fournisseurs, à la précision des stocks ou aux opérations de prélèvement. Cet attribut est donc important pour analyser la qualité et la précision.

Elle sert de référence pour mesurer la précision des quantités et repérer les écarts qui affectent les stocks et l’exécution des commandes.

Cet attribut figure dans les tables des lignes de commande ou des détails des tâches de Manhattan SCALE.

Cet attribut booléen repère les reprises, par exemple lorsqu’une activité « Goods Picked from Storage » est exécutée plusieurs fois pour le même article dans une même commande. Il est calculé à partir de l’analyse des schémas du flux de processus.

Le repérage des reprises permet de détecter les inefficacités et les erreurs du processus. Il aide à calculer le KPI « Picking Rework Rate » et permet aux analystes d’isoler et d’examiner les dossiers comportant des étapes répétées. Comprendre les causes des reprises est essentiel pour réduire les coûts opérationnels et améliorer la qualité du processus.

Il repère les boucles inefficaces et les tâches répétées dans le processus, souvent à l’origine de retards et d’une hausse des coûts opérationnels.

Cet attribut calculé est généralement défini dans l’outil de Process Mining à l’aide de règles qui détectent des schémas d’activités répétées, comme les boucles sur une même activité ou les boucles courtes.

Cet attribut consigne le résultat de l’activité « Contrôle qualité effectué ». Il indique si les marchandises reçues respectent les normes de qualité requises ou si une intervention supplémentaire est nécessaire.

Cet attribut est essentiel à l’analyse de la gestion de la qualité. Il permet de suivre le taux de conformité des contrôles qualité en tenant compte à la fois du respect des exigences et des résultats obtenus. L’analyse des échecs par fournisseur ou par article peut améliorer les décisions d’approvisionnement et réduire les coûts ultérieurs liés à des marchandises de mauvaise qualité.

Il indique le résultat des contrôles qualité et permet d’analyser la qualité des fournisseurs, les problèmes liés aux produits et l’efficacité du processus d’inspection.

Consultez la documentation de Manhattan SCALE. Cette information est probablement stockée dans les tables liées à la gestion de la qualité ou aux tâches de réception.