Templat data pengelolaan gudang Anda

Atribut ini mencatat setiap langkah atau tonggak dalam proses pengelolaan gudang. Contohnya mencakup 'Barang Diambil dari Lokasi Penyimpanan', 'Pengemasan Dimulai', dan 'Pengiriman Diberangkatkan'. Setiap aktivitas menunjukkan tindakan tertentu yang dilakukan pada pesanan gudang.

Atribut ini penting untuk process mining karena menentukan simpul dalam peta proses. Dengan menganalisis urutan, frekuensi, dan durasi aktivitas, Anda dapat melihat alur proses, menemukan penyimpangan dari prosedur standar, dan mengidentifikasi hambatan yang menyebabkan pekerjaan tertunda.

Atribut ini menentukan langkah-langkah proses dan menjadi dasar peta proses untuk menganalisis alur operasional serta variasinya.

Diambil dari kode transaksi, log peristiwa, atau tabel pembaruan status di Manhattan SCALE yang melacak kemajuan pesanan gudang.

Pesanan Gudang berfungsi sebagai ID kasus utama yang mengelompokkan semua aktivitas terkait dalam satu proses logistik, dari awal hingga akhir. Dengan ID ini, Anda dapat melacak seluruh siklus pesanan di gudang, baik untuk penerimaan barang, penempatan, pengambilan, pengemasan, maupun pengiriman.

Dalam analisis process mining, atribut ini menjadi dasar untuk merekonstruksi perjalanan setiap pesanan. Dengan menghubungkan semua peristiwa ke Pesanan Gudang tertentu, analis dapat melihat alur proses, mengukur waktu siklus tiap pesanan, serta menemukan variasi atau hambatan yang memengaruhi efisiensi pemenuhan pesanan.

Kunci ini menghubungkan semua aktivitas gudang terkait ke dalam satu rangkaian proses, sehingga analisis menyeluruh dari awal hingga akhir dapat dilakukan.

Biasanya, ID ini terdapat di tabel inti manajemen pesanan Manhattan SCALE, seperti tabel header pesanan.

Atribut ini mencatat tanggal dan waktu yang tepat untuk setiap aktivitas dalam proses. Waktu Peristiwa menjadi dasar kronologis log peristiwa, yang menunjukkan urutan dan waktu semua aktivitas gudang untuk suatu pesanan.

Waktu Peristiwa diperlukan untuk analisis process mining berbasis waktu. Data ini digunakan untuk menghitung waktu siklus antaraktivitas, mengukur durasi total proses, menemukan keterlambatan, dan menganalisis kinerja proses dalam berbagai periode. Stempel waktu yang akurat penting untuk menyusun peta proses yang andal dan menghasilkan metrik kinerja yang bermakna.

Stempel waktu ini penting untuk mengurutkan peristiwa dengan benar dan menghitung semua metrik durasi, seperti waktu siklus dan waktu tunggu.

Tersedia di tabel log peristiwa atau catatan transaksi bersama informasi aktivitas di Manhattan SCALE. Nama kolomnya biasanya seperti 'created_ts', 'event_timestamp', atau 'status_change_date'.

Atribut ini menunjukkan tanggal dan waktu terakhir data diekstrak dari Manhattan SCALE dan dimuat ke alat process mining. Informasi ini menunjukkan seberapa baru data yang dianalisis.

Informasi ini membantu pengguna memahami kemutakhiran analisis. Pengguna dapat mengetahui apakah data yang dilihat bersifat real-time atau merupakan rekaman dari waktu tertentu. Hal ini penting untuk mengambil keputusan operasional berdasarkan informasi yang tepat dan menyusun laporan.

Atribut ini memberi tahu pengguna seberapa baru data yang digunakan, sehingga mereka memahami rentang waktu yang tercakup dalam analisis dan laporan.

Stempel waktu ini biasanya dibuat dan disimpan oleh alat ETL atau alur data saat proses pemuatan data.

Atribut ini menunjukkan aplikasi sumber tempat data peristiwa dibuat. Untuk proses ini, nilainya biasanya 'Manhattan SCALE'.

Jika beberapa sistem terintegrasi, kolom ini membantu membedakan sumber data. Informasi asal data ini berguna untuk tata kelola data, pemecahan masalah, dan memahami kemungkinan perbedaan cara pencatatan data di tiap platform.

Atribut ini memberi konteks penting tentang asal data, yang diperlukan untuk tata kelola, validasi, dan integrasi data di lingkungan TI yang kompleks.

Nilainya sering kali tetap dan ditambahkan saat proses ekstraksi, transformasi, dan pemuatan data (ETL) untuk memberi label pada kumpulan data.

Atribut ini, yang sering disebut SKU (Stock Keeping Unit), menunjukkan barang tertentu yang terlibat dalam aktivitas gudang. Satu pesanan gudang dapat mencakup beberapa material, yang masing-masing ditangani dalam baris pesanan atau tugas terpisah.

Analisis proses berdasarkan ID Material dapat mengungkap masalah pada produk tertentu. Misalnya, barang tertentu mungkin lebih sering gagal dalam pemeriksaan kualitas, mengalami kesalahan pengambilan, atau membutuhkan waktu penanganan lebih lama karena ukuran, berat, atau kebutuhan penyimpanannya. Informasi ini membantu mengoptimalkan strategi penyimpanan dan prosedur penanganan untuk berbagai jenis produk.

Atribut ini memungkinkan analisis per produk untuk mengetahui apakah barang tertentu berkaitan dengan keterlambatan proses, kesalahan, atau pengerjaan ulang.

Tersedia di tabel baris pesanan Manhattan SCALE dan terhubung ke pesanan gudang utama.

Atribut ini mencatat ID pengguna yang bertanggung jawab menjalankan tugas gudang tertentu, seperti pengambilan, pengemasan, atau penempatan barang. Atribut ini menghubungkan aktivitas proses dengan sumber daya manusia yang terlibat.

Analisis kinerja berdasarkan ID Pengguna/Operator penting untuk memahami pemanfaatan sumber daya serta efisiensi individu atau tim. Analisis ini membantu menemukan karyawan berkinerja tinggi, kebutuhan pelatihan, dan pembagian beban kerja. Data ini menjadi dasar bagi dasbor 'Pemanfaatan Sumber Daya per Operator' dan KPI terkait, sehingga manajer dapat mengoptimalkan jumlah staf dan pembagian tugas.

Atribut ini menghubungkan kinerja proses dengan individu atau tim tertentu, sehingga beban kerja, produktivitas, dan alokasi sumber daya dapat dianalisis.

Informasi ini biasanya dicatat dalam log transaksi Manhattan SCALE, sering kali pada kolom seperti 'user_id', 'operator', atau 'executed_by'.

Jenis Pesanan menunjukkan tujuan keseluruhan pesanan gudang. Jenis yang umum mencakup pengiriman ke pelanggan (barang keluar), penerimaan dari pemasok (barang masuk), pemindahan stok antar lokasi (internal), atau retur.

Atribut ini memungkinkan analisis proses dipisahkan berdasarkan jenis pesanan. Dengan memfilter Jenis Pesanan, Anda dapat membandingkan kinerja proses yang berbeda, seperti penerimaan dan pengiriman. Pemisahan ini penting karena langkah, sumber daya, dan target kinerja tiap proses sering kali berbeda. Menganalisisnya secara bersamaan dapat menghasilkan kesimpulan yang keliru.

Atribut ini memisahkan dan membandingkan proses yang berbeda, seperti barang masuk dan barang keluar, yang memiliki alur serta target kinerja masing-masing.

Tersedia di data header pesanan Manhattan SCALE. Nama kolomnya mungkin 'order_type', 'transaction_type', atau nama serupa.

Atribut ini mencatat jumlah barang yang diukur pada titik pemeriksaan penting, seperti saat penerimaan atau pengambilan barang. Nilainya menunjukkan jumlah yang benar-benar ditangani secara fisik, yang mungkin berbeda dari jumlah rencana.

Membandingkan Kuantitas Aktual dengan Kuantitas Rencana penting untuk menemukan selisih. Perbandingan ini menjadi dasar dasbor 'Tren Selisih Kuantitas Pesanan' dan KPI terkait. Dengan melacak selisih, Anda dapat menemukan masalah pada akurasi pemasok, catatan inventaris, atau kesalahan pengambilan. Hal ini penting untuk menjaga keakuratan inventaris.

Atribut ini penting untuk menemukan selisih antara jumlah yang direncanakan dan yang ditangani, serta mengungkap kemungkinan masalah akurasi inventaris atau kesalahan operasional.

Tersedia dalam catatan detail transaksi untuk aktivitas seperti penerimaan, penghitungan, atau pengambilan di Manhattan SCALE.

Atribut ini menunjukkan perjanjian tingkat layanan (SLA) atau target tanggal pengiriman untuk pesanan gudang keluar. Tanggal ini menjadi batas waktu untuk mengukur ketepatan waktu operasional gudang.

Tanggal ini menjadi tolok ukur penting untuk mengevaluasi kinerja. Dasbor 'Kinerja Ketepatan Waktu Pengiriman' dan KPI 'Tingkat Pengiriman Tepat Waktu' menggunakannya untuk menentukan apakah pesanan dipenuhi tepat waktu. Analisis pesanan yang melewati tanggal ini membantu menemukan penyebab keterlambatan yang berulang dan meningkatkan kepuasan pelanggan.

Atribut ini menjadi tolok ukur utama untuk mengukur ketepatan waktu pengiriman dan pemenuhan perjanjian tingkat layanan dengan pelanggan.

Biasanya tersimpan di tabel header pesanan Manhattan SCALE dan sering diisi dari ERP atau Sistem Manajemen Pesanan di sistem hulu.

Waktu Selesai menandai berakhirnya suatu aktivitas. Jika dipasangkan dengan Waktu Mulai (EventTime), data ini memungkinkan penghitungan waktu pemrosesan setiap tugas secara akurat. Tidak semua peristiwa memiliki waktu selesai tersendiri, tetapi data ini sangat berguna untuk aktivitas seperti 'Pengambilan' atau 'Pengemasan'.

Dalam analisis, Waktu Selesai digunakan untuk menghitung metrik 'ProcessingTime', yang penting untuk memahami efisiensi sumber daya dan durasi tugas. Data ini membantu menemukan aktivitas tertentu yang paling lama dikerjakan dan berkontribusi pada waktu siklus keseluruhan serta kemungkinan keterlambatan.

Atribut ini memungkinkan penghitungan waktu pemrosesan setiap aktivitas secara akurat, sehingga Anda dapat menemukan tugas yang paling banyak menyita waktu dan sumber daya.

Data ini mungkin tersedia di log transaksi yang sama dengan waktu mulai, pada kolom terpisah seperti 'completed_ts' atau 'end_time'. Jika tidak tersedia secara langsung, waktu selesai terkadang dapat disimpulkan dari waktu mulai aktivitas berikutnya.

Atribut ini mencatat hasil aktivitas 'Pemeriksaan Kualitas Dilakukan'. Nilainya menunjukkan apakah barang yang diterima memenuhi standar kualitas yang ditetapkan atau memerlukan tindakan lanjutan.

Atribut ini penting untuk analisis manajemen kualitas. Atribut ini membantu melacak 'Tingkat Kepatuhan Kontrol Kualitas' berdasarkan hasil pemeriksaan, bukan hanya kepatuhan terhadap prosedur. Analisis tingkat kegagalan berdasarkan pemasok atau material dapat membantu memperbaiki keputusan pengadaan dan mengurangi biaya lanjutan akibat barang berkualitas rendah.

Atribut ini mencatat hasil pemeriksaan kualitas, sehingga kualitas pemasok, masalah produk, dan efektivitas proses inspeksi dapat dianalisis.

Periksa dokumentasi Manhattan SCALE. Data ini kemungkinan tersimpan di tabel terkait manajemen kualitas atau tugas penerimaan.

ID Pengiriman adalah pengenal tingkat lebih tinggi yang menggabungkan satu atau beberapa pesanan gudang yang diangkut bersama dengan kendaraan yang sama atau sebagai bagian dari kiriman yang sama. ID ini menghubungkan pesanan satu per satu dengan peristiwa transportasi tertentu.

Dalam analisis, ID Pengiriman memberikan gambaran yang lebih luas tentang operasional logistik. ID ini dapat digunakan untuk menganalisis efisiensi penggabungan pesanan pada tahap penyiapan dan pemuatan, mengukur ketepatan waktu di tingkat pengiriman, serta memahami dampak penggabungan pesanan terhadap total waktu tunggu.

Atribut ini mengelompokkan beberapa pesanan dalam satu peristiwa pengiriman, sehingga proses penggabungan, penyiapan, dan pemuatan dapat dianalisis.

Tersedia di tabel transportasi atau manajemen pengiriman Manhattan SCALE. ID ini biasanya terhubung ke beberapa pesanan gudang.

Atribut ini menunjukkan jumlah barang yang seharusnya diterima, diambil, atau ditangani sesuai pesanan gudang atau instruksi tugas awal. Nilai ini menjadi acuan untuk mengukur pelaksanaan operasional yang sebenarnya.

Nilai ini digunakan bersama 'Kuantitas Aktual' untuk menghitung selisih. Perbedaan yang sering terjadi antara jumlah rencana dan aktual dapat menandakan masalah pada pengiriman pemasok, akurasi inventaris, atau proses pengambilan. Karena itu, atribut ini penting untuk analisis kualitas dan akurasi.

Atribut ini menjadi acuan untuk mengukur akurasi kuantitas dan menemukan selisih yang berdampak pada inventaris serta pemenuhan pesanan.

Tersedia di tabel baris pesanan atau detail tugas Manhattan SCALE.

Atribut ini menunjukkan lokasi fisik, misalnya Lorong 5, Rak 3, atau Tingkat C, yang terlibat dalam aktivitas penyimpanan atau pengambilan. Atribut ini memberi konteks lokasi pada proses gudang.

Analisis aktivitas berdasarkan lokasi penyimpanan penting untuk mengoptimalkan tata letak gudang dan aliran material. Analisis ini dapat menemukan lokasi yang sering diakses, jalur perjalanan yang tidak efisien saat pengambilan, atau area yang rawan padat. Data ini mendukung analisis efisiensi penempatan dan pengambilan barang, serta menunjukkan peluang untuk memperbaiki strategi penyimpanan.

Atribut ini memberi konteks lokasi pada perpindahan barang di gudang, sehingga efisiensi tata letak, waktu tempuh, dan optimalisasi jalur pengambilan dapat dianalisis.

Tersedia dalam data tingkat tugas untuk aktivitas penempatan dan pengambilan barang di Manhattan SCALE, pada kolom seperti 'location_id', 'bin_code', atau 'source_location'.

Atribut ini menunjukkan mitra logistik atau perusahaan pengangkut, seperti FedEx, UPS, atau DHL, yang ditugaskan untuk pengiriman barang keluar. Atribut ini menghubungkan proses gudang dengan tahap transportasi berikutnya.

Analisis kinerja berdasarkan perusahaan pengangkut dapat memberi wawasan penting tentang rantai pasok. Analisis ini membantu mengetahui apakah perusahaan tertentu berkaitan dengan waktu penyiapan yang lebih lama, keterlambatan yang sering terjadi, atau kebutuhan penanganan khusus. Informasi ini dapat digunakan untuk mengevaluasi kinerja perusahaan pengangkut dan mengoptimalkan kemitraan logistik.

Atribut ini menghubungkan operasional gudang dengan mitra logistik. Dengan begitu, kinerja tiap perusahaan pengangkut dapat dianalisis untuk menemukan kemungkinan hambatan terkait transportasi.

Tersedia di tabel perencanaan transportasi atau pengiriman Manhattan SCALE dan sering terhubung ke header pesanan.

Atribut boolean ini menandai pengerjaan ulang, misalnya aktivitas 'Barang Diambil dari Penyimpanan' dilakukan lebih dari sekali untuk material yang sama dalam satu pesanan. Atribut ini diperoleh dengan menganalisis pola alur proses.

Penandaan pengerjaan ulang penting untuk menemukan ketidakefisienan dan kesalahan proses. Atribut ini membantu menghitung KPI 'Tingkat Pengerjaan Ulang Pengambilan' dan memungkinkan analis memisahkan serta menyelidiki kasus dengan langkah berulang. Memahami penyebab pengerjaan ulang membantu mengurangi biaya operasional dan meningkatkan kualitas proses.

Atribut ini menandai putaran yang tidak efisien dan pekerjaan berulang dalam proses, yang sering kali menjadi penyebab tersembunyi keterlambatan dan kenaikan biaya operasional.

Atribut ini dihitung di alat process mining dengan menetapkan aturan untuk mendeteksi pola aktivitas berulang tertentu, seperti putaran aktivitas itu sendiri atau putaran pendek.

Atribut boolean ini diperoleh dengan membandingkan 'Tanggal Penyelesaian Aktual' dengan 'Tanggal Penyelesaian yang Diminta'. Nilainya true jika pesanan selesai tepat waktu dan false jika terlambat.

Atribut ini memudahkan analisis kinerja karena Anda dapat memfilter dan mengelompokkan data dengan mudah. Atribut ini menjadi dasar penghitungan KPI 'Tingkat Pengiriman Tepat Waktu' dan mendukung dasbor untuk memantau pemenuhan SLA pelanggan. Anda dapat dengan cepat memisahkan pesanan yang memenuhi ketentuan dari yang tidak, lalu menganalisis penyebab keterlambatan.

Atribut ini menyederhanakan pelaporan kinerja dengan mengubah perbandingan tanggal menjadi penanda true/false, sehingga tingkat pengiriman tepat waktu mudah dihitung.

Dihitung dengan membandingkan 'ActualCompletionDate' <= 'RequestedCompletionDate'. Logika ini diterapkan di alat process mining.

Atribut ini menunjukkan peralatan penanganan material (MHE) atau teknologi yang digunakan untuk menjalankan tugas gudang. Contohnya mencakup ID forklift tertentu, nomor hand pallet, atau ID pemindai RF genggam.

Data ini berguna untuk menganalisis pemanfaatan sumber daya, termasuk peralatan. Data ini membantu memahami pola penggunaan peralatan yang mahal, merencanakan pemeliharaan, dan memastikan peralatan yang tepat tersedia saat dibutuhkan. Atribut ini juga mendukung KPI seperti 'Pemanfaatan Sumber Daya (Pengambilan)' dengan menyediakan dimensi analisis tambahan.

Atribut ini memungkinkan analisis pemanfaatan peralatan dan dampaknya terhadap efisiensi proses, sehingga jadwal pemeliharaan dan investasi MHE dapat dikelola.

Periksa dokumentasi Manhattan SCALE atau log sistem. Jika sistem dikonfigurasi untuk mencatatnya, informasi ini mungkin tersedia dalam catatan pelaksanaan tugas.

Metrik ini dihitung dengan mengurangi 'Jumlah yang Direncanakan' dari 'Jumlah Aktual'. Nilai selain nol menunjukkan perbedaan antara jumlah barang yang ditangani dan jumlah yang diharapkan. Nilainya bisa positif jika jumlah berlebih atau negatif jika terjadi kekurangan.

Atribut ini menjadi dasar KPI 'Tingkat Selisih Jumlah Pesanan'. Atribut ini mengukur besarnya kesalahan saat menerima atau mengambil barang, sehingga dasbor dapat memantau akurasi stok. Menganalisis tren dan penyebab selisih ini penting untuk meningkatkan ketepatan operasional.

Atribut ini mengukur langsung kesalahan stok dan pemenuhan pesanan. Hasilnya menjadi metrik yang jelas untuk memantau akurasi dan dampak finansial dari selisih jumlah.

Kolom ini dihitung di alat process mining dengan rumus: ActualQuantity - PlannedQuantity.

Atribut ini mencatat stempel waktu langkah terakhir proses gudang untuk suatu pesanan, seperti 'Pengiriman Diberangkatkan'. Nilainya menunjukkan waktu sebenarnya saat proses pemenuhan pesanan selesai.

Tanggal ini dibandingkan langsung dengan 'Tanggal Penyelesaian yang Diminta' untuk menghitung kinerja ketepatan waktu pengiriman. Data ini menunjukkan kapan tanggung jawab gudang atas pesanan berakhir. Analisis atribut ini membantu mengukur waktu siklus pemenuhan pesanan dan kinerja terhadap SLA secara akurat.

Atribut ini mencatat waktu penyelesaian pesanan yang sebenarnya. Data ini digunakan untuk menghitung waktu siklus aktual dan mengukur kinerja dibandingkan dengan tanggal yang diminta.

Nilainya sesuai dengan stempel waktu aktivitas terakhir dalam proses, seperti 'Pengiriman Diberangkatkan' atau 'Pesanan Gudang Selesai'.

Metrik ini mengukur durasi salah satu tahap penting dalam proses barang masuk, yaitu waktu antara aktivitas 'Barang Diterima dan Dihitung' dan 'Barang Disimpan'. Metrik ini menunjukkan efisiensi area penerimaan dan operasional penyimpanan barang.

Durasi ini menjadi masukan utama untuk dasbor 'Siklus Penerimaan hingga Penyimpanan Barang' dan KPI terkait. Nilai yang tinggi dapat menunjukkan hambatan di area penerimaan, keterlambatan pembuatan tugas penyimpanan, atau rute perpindahan yang tidak efisien. Semua hal ini menunda ketersediaan stok.

Metrik ini mengukur efisiensi tahap penting dalam proses barang masuk dan menyoroti hambatan yang menunda ketersediaan stok.

Kolom ini dihitung dari selisih waktu antara peristiwa 'Barang Diterima dan Dihitung' dan 'Barang Disimpan' untuk setiap kasus.

Metrik ini menghitung total durasi setiap pesanan gudang, dari peristiwa 'Pesanan Gudang Dibuat' hingga 'Pesanan Gudang Selesai'. Ini KPI utama untuk mengukur efisiensi proses pemenuhan pesanan gudang dari awal hingga akhir.

Dalam dasbor dan analisis, atribut ini memberikan gambaran umum tentang kinerja. Anda dapat menggunakannya untuk memantau tren, menemukan nilai yang menyimpang seperti waktu siklus yang terlalu lama, dan membandingkan kinerja dari waktu ke waktu. Metrik ini mendukung dasbor 'Waktu Siklus Pemenuhan Pesanan Keseluruhan' dan KPI terkait.

KPI penting ini mengukur kecepatan dan efisiensi gudang dari awal hingga akhir, yang berdampak langsung pada kepuasan pelanggan dan biaya operasional.

Kolom ini dihitung dari selisih waktu antara peristiwa pertama dan terakhir untuk setiap pesanan gudang.