Uw Warehouse Management Data Template

De Activiteitsnaam beschrijft een distincte stap of event binnen het warehouse management proces. Deze activiteiten vertegenwoordigen de individuele taken die worden uitgevoerd om een magazijnorder af te handelen, en bieden een gedetailleerde weergave van de processtroom. Voorbeelden zijn het aanmaken van een order, het ontvangen van goederen, het uitvoeren van kwaliteitscontroles, het picken van artikelen en het verzenden van zendingen.

Voor Process Mining-analyse is dit attribuut cruciaal voor het construeren van de proceskaart. Het definieert de nodes in de procesgrafiek, waardoor analisten de volgorde van events kunnen visualiseren, de frequentie van verschillende taken kunnen begrijpen, en knelpunten of inefficiënte overgangen tussen activiteiten kunnen identificeren. Een duidelijke en consistente naamgevingsconventie voor activiteiten is essentieel voor zinvolle procesontdekking en -analyse.

Dit attribuut definieert de stappen in de process map, die de basis vormt van alle process mining analyse voor het identificeren van knelpunten en afwijkingen.

Doorgaans te vinden in event logs, taakbeheertabellen of transactiedata waar individuele magazijnoperaties worden geregistreerd.

Het attribuut Bron Systeem geeft de oorsprong aan van de event data, zoals een specifiek Warehouse Management Systeem (WMS), Enterprise Resource Planning (ERP) systeem of een legacy applicatie. In complexe IT-landschappen kan één enkel bedrijfsproces meerdere systemen omvatten, en dit veld helpt te onderscheiden waar elk stukje data vandaan komt.

Deze informatie is waardevol voor data validatie en governance, en waarborgt dat de data die gebruikt wordt voor process mining te herleiden is tot de juiste oorsprong. Het helpt ook bij grondoorzakenanalyse wanneer data kwaliteitsproblemen worden gedetecteerd. Voor analyse kan het worden gebruikt om procesvariaties of prestatiestatistieken te vergelijken tussen verschillende systemen of systeemversies binnen dezelfde organisatie.

Het biedt context over de herkomst van de data, wat cruciaal is voor data validatie, troubleshooting en het begrijpen van procesvariaties over verschillende systemen.

Deze informatie wordt vaak toegevoegd tijdens het data-extractie (ETL) proces of kan een standaardveld zijn in data warehouses en integratieplatforms.

De Laatste Data Update timestamp specificeert wanneer de dataset die voor de analyse werd gebruikt, voor het laatst is ververst vanuit de bronsystemen. Het geeft een duidelijke indicatie van de versheid en relevantie van de data, zodat gebruikers op de hoogte zijn van het tijdsbestek dat door de analyse wordt bestreken.

Dit attribuut is kritiek voor het handhaven van vertrouwen in de Process Mining dashboards en analyses. Het stelt gebruikers in staat te begrijpen of zij naar bijna real-time informatie of historische data kijken. Het prominent weergeven van deze timestamp in dashboards helpt gebruikersverwachtingen te managen en voorkomt misinterpretaties op basis van verouderde informatie. Het is een sleutelcomponent van data governance en transparantie.

Deze timestamp zorgt ervoor dat gebruikers de actualiteit van de data begrijpen, wat essentieel is voor het nemen van weloverwogen, tijdige beslissingen gebaseerd op de process mining inzichten.

Dit wordt doorgaans gegenereerd en opgeslagen tijdens het data-extractie (ETL) proces wanneer data wordt geladen in het process mining platform.

Het Magazijnorder-ID is een unieke sleutel die is toegewezen aan elke logistieke werkorder binnen het magazijnbeheersysteem. Het verbindt alle gerelateerde activiteiten, zoals ontvangst, inslag, picken, inpakken en verzenden, tot één enkele, end-to-end procesinstantie.

Binnen process mining is dit attribuut fundamenteel voor het reconstrueren van de levenscyclus van elke magazijnorder. Door de Magazijnorder-ID te gebruiken als de case identifier, kunnen analisten de complete flow van een order visualiseren, gemeenschappelijke paden identificeren, afwijkingen van het standaardproces ontdekken en de totale doorlooptijd van begin tot eind meten. Het maakt een uitgebreide analyse mogelijk van het gehele magazijnvervullingsproces voor een specifieke order.

Dit is de essentiële Case ID die alle gerelateerde magazijnactiviteiten met elkaar verbindt, waardoor het mogelijk wordt het end-to-end ordervervullingsproces te analyseren.

Doorgaans te vinden in de header tabellen van magazijnorderdocumenten of transactielogs gerelateerd aan logistieke taken.

De Event Start Time is een precieze timestamp die het moment vastlegt waarop een magazijnactiviteit begint. Dit data point is kritiek voor het begrijpen van de timing en duur van processtappen. In combinatie met een eind-timestamp maakt het de exacte berekening mogelijk van hoe lang elke activiteit duurde om te voltooien.

In Process Mining is deze timestamp fundamenteel voor het chronologisch ordenen van events om een accurate processtroom op te bouwen. Het is de basis voor alle tijd-gebaseerde analyses, inclusief het berekenen van cycle times tussen activiteiten, het identificeren van wachttijden en het aanwijzen van knelpunten waar werk wordt vertraagd. Accurate starttijden zijn essentieel voor performance dashboards en KPI's gerelateerd aan procesefficiëntie.

Deze timestamp is essentieel voor het correct ordenen van events en het berekenen van doorlooptijden, die cruciaal zijn voor het identificeren van procesknelpunten en vertragingen.

Te vinden in systeem event logs of transactierecords die de start van een specifieke taak of statuswijziging vastleggen.

De Event End Time markeert het precieze moment waarop een magazijntaak of activiteit is voltooid. Deze timestamp is de tegenhanger van de Event Start Time en is essentieel voor het meten van de duur van individuele activiteiten. Niet alle events hebben een distincte duur, maar voor degenen die dat wel hebben, zoals picking of packing, is deze data van onschatbare waarde.

In Process Mining maakt het hebben van zowel start- als eindtijden een meer geavanceerde analyse van procesprestaties mogelijk. Het maakt de berekening mogelijk van verwerkingstijden (de tijd die actief aan een taak wordt gewerkt) versus wachttijden (de tijd tussen taken). Dit onderscheid is cruciaal voor het identificeren van ware operationele knelpunten versus resourcebeschikbaarheidsproblemen. Het analyseren van activiteitsduren helpt bij performance benchmarking, resourceplanning en het identificeren van kansen voor operationele verbetering.

Het maakt de berekening van precieze activiteitsduren mogelijk, wat helpt te differentiëren tussen actieve verwerkingstijd en inactieve wachttijd voor een betere knelpuntanalyse.

Te vinden in systeem event logs of transactierecords die de voltooiing van een specifieke taak of een statuswijziging vastleggen.

Het Gebruikers-ID identificeert uniek de persoon of het middel dat verantwoordelijk is voor het uitvoeren van een specifieke magazijntaak. Dit kan een magazijnmedewerker, een ploegleider of zelfs een geautomatiseerd systeem zijn, zoals een robot of transportbandcontroller. Het bijhouden wie elke activiteit heeft uitgevoerd, is essentieel voor het begrijpen van middelenallocatie en prestaties.

Dit attribuut maakt krachtige analyses mogelijk met betrekking tot personeels- en middelenbeheer. Het kan worden gebruikt om productiviteitsniveaus over verschillende gebruikers of teams te analyseren, trainingsbehoeften te identificeren en naleving van standaard operationele procedures te waarborgen. Door de process map te filteren op Gebruikers-ID, kunnen analisten vergelijken hoe verschillende individuen of teams hetzelfde proces uitvoeren, waardoor best practices of verbeterpunten aan het licht komen. Het is ook cruciaal voor compliance- en auditdoeleinden.

Dit attribuut is essentieel voor middelenprestatieanalyse, waarbij vergelijkingen van efficiëntie en kwaliteit mogelijk zijn tussen verschillende medewerkers, teams of ploegen.

Doorgaans beschikbaar in transactielogs of taakuitvoeringsrecords waar de gebruiker die de actie bevestigde of voltooide is vastgelegd.

Geplande Hoeveelheid vertegenwoordigt het doelaantal eenheden voor een specifieke magazijntaak. Voor een inkomende order is het de verwachte te ontvangen hoeveelheid. Voor een uitgaande order is het de hoeveelheid die moet worden gepickt en verzonden. Deze waarde is doorgaans afgeleid van het oorspronkelijke bedrijfsdocument, zoals een inkooporder of verkooporder.

Dit attribuut dient als een cruciale basislijn voor prestatie- en nauwkeurigheidsanalyse. Door de Geplande Hoeveelheid te vergelijken met de Werkelijke Hoeveelheid, kunnen bedrijven de picknauwkeurigheid, ontvangstdiscrepanties en de nauwkeurigheid van de voorraadregistratie meten. Het analyseren van varianties kan helpen bij het identificeren van systemische problemen met leveranciers, interne processen of voorraad data, wat leidt tot verbeteringen in operationele efficiëntie en klanttevredenheid.

Dit biedt de basislijn voor het meten van nauwkeurigheid. Het vergelijken met de werkelijke kwantiteit is essentieel voor het berekenen van KPI's zoals Picking Nauwkeurigheid en het identificeren van discrepanties.

Te vinden in de detailregels van een magazijnorder of taak, vaak afkomstig van een gerelateerde verkooporder, inkooporder of overboekingsorder.

De Gevraagde Afleverdatum vertegenwoordigt de streefdatum voor het voltooien van een magazijnorder, doorgaans voor uitgaande zendingen. Deze datum wordt vaak bepaald door klantafspraken, afhaalschema's van vervoerders of interne service level agreements (SLA's). Het dient als het belangrijkste referentiepunt voor het meten van tijdige prestaties.

Binnen process mining is dit attribuut essentieel voor de analyse van de tijdige levering van zendingen. Door de Werkelijke Afleverdatum te vergelijken met de Gevraagde Afleverdatum, kunnen bedrijven hun tijdige leveringspercentage berekenen en de grondoorzaken van vertragingen identificeren. Het analyseren van orders die de gevraagde datum hebben gemist, kan specifieke knelpunten, middelenbeperkingen of processtappen aan het licht brengen die consequent bijdragen aan vertragingen, waardoor gerichte verbeteringsinspanningen mogelijk worden.

Dit is de benchmark voor het meten van tijdige prestaties. Het vergelijken met de werkelijke voltooiingsdatum is essentieel voor het berekenen van de On-Time Shipment Rate KPI.

Doorgaans te vinden in de header data van de magazijnorder, vaak overgenomen van de gekoppelde verkooporder of klantvraag.

De Opslaglocatie identificeert de fysieke plaats binnen het magazijn die geassocieerd is met een activiteit. Dit kan een bronlocatie zijn voor een picktaak of een bestemmingslocatie voor een inslagtaak. De granulariteit kan variëren van een brede zone tot een specifiek rek, schap en baknummer.

Het analyseren van data op basis van Opslaglocatie biedt inzichten in de magazijnindeling en efficiëntie. Process mining kan reistijden tussen verschillende locaties onthullen, 'hotspots' met hoge activiteit identificeren en inefficiënte inslag- of pickpaden benadrukken. Deze informatie is van onschatbare waarde voor het optimaliseren van slotting-strategieën, waarbij vaak gepickte artikelen op gemakkelijk toegankelijke locaties worden geplaatst om de reistijd te minimaliseren en de algehele pickefficiëntie te verbeteren. Het kan ook helpen bij het herontwerpen van de magazijnindeling om opstoppingen te verminderen en de doorstroom te verbeteren.

Het maakt analyse van magazijn lay-out en reisefficiëntie mogelijk, wat helpt bij het optimaliseren van pick-routes en opslagstrategieën om cycle times te verkorten.

Te vinden in de details van magazijntaken, voorraadregistraties en materiaalbewegingstransacties.

Het Order Type classificeert magazijnorders op basis van hun bedrijfsdoel. Veelvoorkomende typen omvatten inkomende orders voor het ontvangen van goederen van leveranciers, uitgaande orders voor het verzenden van producten naar klanten, en interne orders voor bewegingen zoals aanvulling of voorraadaanpassingen.

Dit attribuut is fundamenteel voor het segmenteren en vergelijken van verschillende magazijnprocessen. De processtroom voor een inkomende order verschilt aanzienlijk van die van een uitgaande order. Door Order Type als filter te gebruiken, kunnen analisten afzonderlijke proceskaarten en dashboards creëren voor elke stroom, wat een nauwkeurigere en relevantere analyse mogelijk maakt. Het vergelijken van KPI's zoals cycle time over verschillende order types kan helpen bij het effectiever toewijzen van middelen en het afstemmen van processen op specifieke eisen.

Dit maakt de scheiding en vergelijking mogelijk van onderscheidende processen zoals inkomende, uitgaande en interne bewegingen, die verschillende flows en prestatiedoelen hebben.

Doorgaans te vinden in de header data van het magazijnorderdocument.

Werkelijke Hoeveelheid is het aantal eenheden dat fysiek is verwerkt, geteld en bevestigd door een magazijnmedewerker of systeem tijdens een activiteit. Dit weerspiegelt de daadwerkelijke uitvoering van een taak, zoals het aantal artikelen ontvangen van een leverancier of de hoeveelheid gepickt uit een opslaglocatie om een order te vervullen.

Dit attribuut is essentieel voor variantieanalyse in vergelijking met de Geplande Hoeveelheid. Verschillen tussen geplande en werkelijke hoeveelheden zijn directe indicatoren van procesproblemen, zoals te korte leveringen van leveranciers, pickfouten of voorraadfouten. Process Mining kan deze data gebruiken om precies te bepalen welke producten, locaties of medewerkers het meest frequent geassocieerd worden met deze varianties, wat gerichte interventies mogelijk maakt om de nauwkeurigheid te verbeteren en kostbare fouten te verminderen.

Dit meet het werkelijke resultaat van een taak. Het analyseren hiervan tegen de geplande kwantiteit helpt fouten en inefficiënties te identificeren bij picken, ontvangen of tellen.

Vastgelegd in taakbevestigingsdata, waar een operator of systeem de hoeveelheid fysiek afgehandelde artikelen invoert.

Het Equipment ID specificeert het stuk material handling equipment (MHE) dat wordt gebruikt om een magazijntaak uit te voeren. Dit kan onder andere heftrucks, palletwagens, handheld scanners, voice-picking headsets, of geautomatiseerde systemen zoals transportbanden en sorteermachines omvatten.

Het analyseren van procesdata op basis van Equipment ID is cruciaal voor de benutting van activa en onderhoudsplanning. Het helpt vragen te beantwoorden zoals welke apparatuur het meest frequent wordt gebruikt, of er apparatuurgerelateerde knelpunten zijn, en hoe de prestaties van apparatuur de totale taakduur beïnvloeden. Deze informatie kan beslissingen sturen over apparatuuraanschaf, vlootbalancering in het magazijn en planning van preventief onderhoud om downtime te minimaliseren.

Dit attribuut helpt bij het analyseren van middelenbenutting voor machines, het identificeren van machinegerelateerde knelpunten en het onderbouwen van onderhouds- of inkoopbeslissingen.

Vaak vastgelegd in taakbevestigingsdata, waarbij een operator de gebruikte apparatuur registreert, of uit geautomatiseerde systeem logs.

Het Magazijn-ID is een unieke code die de fysieke faciliteit identificeert, zoals een distributiecentrum of magazijn, waar de gelogde activiteiten plaatsvonden. Dit is bijzonder belangrijk voor organisaties die een netwerk van meerdere logistieke locaties beheren.

Dit attribuut maakt vergelijkende analyse over verschillende locaties mogelijk. Door de data te filteren of segmenteren op Magazijn-ID, kunnen bedrijven prestaties benchmarken, procesefficiëntie vergelijken en best practices identificeren op goed presterende locaties die elders kunnen worden gerepliceerd. Het helpt ook bij het begrijpen van regionale variaties in vraag, middelenbezetting en operationele uitdagingen, en biedt een basis voor netwerkbrede strategische beslissingen.

Het maakt performance benchmarking en procesvergelijking over verschillende distributiecentra mogelijk, wat helpt bij het identificeren van best practices en regionale problemen.

Dit is een cruciaal organisatie data veld, doorgaans beschikbaar in de header van bijna alle magazijn-gerelateerde transactiedocumenten.

Orderprioriteit is een classificatie die het relatieve belang of de urgentie van een magazijnorder aangeeft. Dit bepaalt vaak de snelheid en volgorde waarin taken worden toegewezen en uitgevoerd. Een 'spoed' of 'hoge' prioriteitsorder kan bijvoorbeeld eerder worden verwerkt dan 'standaard' prioriteitsorders, zelfs als deze later is binnengekomen.

Het analyseren van het proces op basis van Orderprioriteit is cruciaal voor het evalueren van service level agreement (SLA) compliance. Process Mining kan verifiëren of orders met hoge prioriteit inderdaad sneller worden verwerkt dan standaardorders. Het kan ook onthullen of het prioriteren van bepaalde orders aanzienlijke vertragingen of knelpunten veroorzaakt voor andere. Deze analyse helpt bij het verfijnen van prioriteringsregels en resource-allocatiestrategieën om de snelheid voor urgente orders in evenwicht te brengen met de algehele magazijnefficiëntie.

Dit helpt analyseren of service level agreements worden nagekomen door te verifiëren dat orders met hoge prioriteit sneller worden verwerkt dan die met lagere prioriteit.

Doorgaans te vinden in de header data van een magazijnorder, vaak bepaald door de bronsalesorder of bedrijfsvereisten.

Het Product ID, vaak aangeduid als een SKU of Materiaalnummer, is de unieke code die is toegewezen aan elk distinct item dat in het magazijn is opgeslagen. Deze identificatie koppelt activiteiten aan specifieke producten, wat een gedetailleerde analyse mogelijk maakt van hoe verschillende typen artikelen worden afgehandeld.

Het analyseren van het proces op basis van Product ID kan significante inzichten onthullen. U kunt bijvoorbeeld de handlingstijden vergelijken voor omvangrijke versus kleine artikelen, producten identificeren die frequent geassocieerd worden met procesafwijkingen zoals kwaliteitstops, of het afhandelingsproces analyseren voor veelgevraagde versus minder gevraagde producten. Dit detailniveau is essentieel voor optimalisatie van voorraadbeheer, magazijn lay-out planning en het afstemmen van logistieke processen op productkenmerken.

Het maakt productniveau-analyse mogelijk, wat helpt bij het ontdekken van procesvariaties en knelpunten gerelateerd aan specifieke artikelen of productcategorieën.

Deze informatie is te vinden in de item-details van magazijnorders, taken en voorraadrecords.

De Werkelijke Voltooiingsdatum is de timestamp die de finalisering van alle activiteiten gerelateerd aan een magazijnorder markeert. Voor uitgaande orders is dit meestal het moment dat de zending vanuit het magazijn wordt verzonden. Voor inkomende orders kan dit zijn wanneer alle goederen zijn opgeslagen en beschikbaar zijn in de voorraad.

Dit attribuut is de feitelijke tegenhanger van de Gevraagde Voltooiingsdatum en is kritiek voor prestatiemeting. Het wordt direct gebruikt bij de berekening van on-time leveringspercentages en de algehele orderafhandeling cycle time. Bij root cause-analyse stelt het filteren op cases met een te late Werkelijke Voltooiingsdatum analisten in staat om dieper in te gaan op de processtromen van vertraagde orders en gemeenschappelijke patronen of oorzaken te identificeren.

Dit geeft het werkelijke resultaat voor tijdige analyse. Het wordt gebruikt om de totale doorlooptijd te berekenen en om te bepalen of een order te vroeg, op tijd of te laat was.

Dit is de timestamp van het laatste event in de lifecycle van de order, zoals 'Zending Verzonden' of 'Magazijnorder Voltooid'.

Het Zendings-ID is een unieke sleutel die één of meer magazijnorders groepeert voor één enkele uitgaande levering. Een zending kan meerdere orders bevatten die naar dezelfde bestemming gaan of door dezelfde vervoerder worden afgehandeld. Deze identificatiecode koppelt de magazijnactiviteiten aan de transport- en logistieke fase.

Dit attribuut maakt analyse op geconsolideerd zendingsniveau mogelijk, in plaats van alleen individuele orders. Het kan worden gebruikt om de efficiëntie van de voorbereidings- en laadprocessen te analyseren, de totale tijd te meten vanaf het moment dat het eerste artikel voor een zending wordt gepickt tot het vertrek van de vrachtwagen, en magazijnprestaties te correleren met transport data. Deze bredere kijk helpt bij het optimaliseren van de gehele uitgaande logistieke keten, niet alleen de stappen binnen de magazijnmuren.

Het groepeert meerdere magazijnorders in één enkele levering, wat analyse van het geconsolideerde uitgaande proces, inclusief klaarzet- en laadefficiëntie, mogelijk maakt.

Te vinden in verzend- of transportdocumenten, vaak gekoppeld aan magazijnorders tijdens de wave planning of allocatiefase.