Szablon danych do zarządzania magazynem

Czas rozpoczęcia zdarzenia to dokładny znacznik czasu rozpoczęcia aktywności magazynowej. Pozwala ustalić, kiedy zaczęły się poszczególne etapy procesu i jak długo trwały. W połączeniu z czasem zakończenia umożliwia dokładne obliczenie czasu realizacji każdej aktywności.

W process mining znacznik ten służy do chronologicznego uporządkowania zdarzeń i odtworzenia przebiegu procesu. Jest podstawą analiz czasowych, takich jak obliczanie czasu cyklu między aktywnościami, wykrywanie czasu oczekiwania i wskazywanie wąskich gardeł opóźniających pracę. Dokładne czasy rozpoczęcia są niezbędne do tworzenia dashboardów i KPI dotyczących wydajności procesu.

Ten znacznik czasu pozwala prawidłowo uporządkować zdarzenia i obliczyć czasy cyklu, co pomaga wykrywać wąskie gardła i opóźnienia w procesie.

Dane te znajdują się w dziennikach zdarzeń systemowych lub zapisach transakcji, które rejestrują rozpoczęcie konkretnego zadania albo zmianę statusu.

Identyfikator zlecenia magazynowego to unikalny klucz przypisany do każdego zlecenia logistycznego w systemie zarządzania magazynem. Łączy powiązane czynności, takie jak przyjęcie, odkładanie, kompletacja, pakowanie i wysyłka, w jeden proces od początku do końca.

W process mining ten atrybut służy do odtworzenia przebiegu każdego zlecenia magazynowego. Użycie go jako identyfikatora case pozwala analitykom zobaczyć pełny przebieg zlecenia, ustalić typowe ścieżki, wykryć odstępstwa od standardowego procesu i zmierzyć całkowity czas realizacji. Dzięki temu można przeanalizować cały proces realizacji konkretnego zlecenia w magazynie.

To podstawowy identyfikator case, który łączy wszystkie powiązane czynności magazynowe i umożliwia analizę realizacji zamówienia od początku do końca.

Dane te zwykle znajdują się w tabelach nagłówkowych dokumentów zleceń magazynowych lub w dziennikach transakcji związanych z zadaniami logistycznymi.

Nazwa aktywności określa konkretny etap lub zdarzenie w procesie zarządzania magazynem. Aktywności opisują poszczególne zadania wykonywane podczas realizacji zlecenia magazynowego i pozwalają szczegółowo prześledzić przebieg procesu. Przykłady to utworzenie zlecenia, przyjęcie towaru, kontrola jakości, kompletacja produktów i wysyłka.

W analizie process mining ten atrybut służy do budowy mapy procesu. Określa węzły grafu procesu, dzięki czemu analitycy mogą zobaczyć kolejność zdarzeń, sprawdzić częstotliwość poszczególnych zadań oraz wykryć wąskie gardła i nieefektywne przejścia między aktywnościami. Spójne nazewnictwo aktywności jest niezbędne do rzetelnego odkrywania i analizowania procesu.

Ten atrybut określa etapy na mapie procesu, która stanowi podstawę analizy process mining służącej do wykrywania wąskich gardeł i odstępstw.

Dane te zwykle znajdują się w dziennikach zdarzeń, tabelach zarządzania zadaniami lub danych transakcyjnych rejestrujących poszczególne operacje magazynowe.

Znacznik czasu ostatniej aktualizacji danych wskazuje, kiedy zbiór danych używany w analizie został ostatnio odświeżony na podstawie systemów źródłowych. Informuje o aktualności danych i okresie objętym analizą.

Atrybut ten pomaga utrzymać zaufanie do dashboardów i analiz process mining. Użytkownicy mogą sprawdzić, czy widzą dane zbliżone do bieżących, czy dane historyczne. Widoczne umieszczenie tego znacznika czasu na dashboardach ułatwia określenie oczekiwań i zapobiega błędnym wnioskom opartym na nieaktualnych danych. To ważny element nadzoru nad danymi i przejrzystości.

Ten znacznik czasu informuje o aktualności danych, co pozwala podejmować świadome decyzje we właściwym czasie na podstawie wyników process mining.

Znacznik jest zwykle generowany i zapisywany podczas ekstrakcji danych (ETL), gdy dane są ładowane do platformy process mining.

Atrybut systemu źródłowego wskazuje, skąd pochodzą dane o zdarzeniach, na przykład z konkretnego systemu zarządzania magazynem (WMS), systemu ERP lub starszej aplikacji. W złożonym środowisku IT jeden proces biznesowy może obejmować kilka systemów. Ten atrybut pozwala ustalić, z którego z nich pochodzi dana informacja.

Informacja ta ułatwia weryfikację i nadzór nad danymi, ponieważ pozwala prześledzić ich pochodzenie. Pomaga też ustalić przyczynę problemów z jakością danych. W analizie można jej użyć do porównania przebiegu procesu lub wskaźników między różnymi systemami i ich wersjami w tej samej organizacji.

Atrybut wskazuje pochodzenie danych, co ułatwia ich weryfikację, rozwiązywanie problemów i analizę różnic w przebiegu procesu między systemami.

Informacja ta jest często dodawana podczas ekstrakcji danych (ETL) albo stanowi standardowe pole w hurtowni danych lub platformie integracyjnej.

Czas zakończenia zdarzenia wskazuje dokładny moment zakończenia zadania lub aktywności magazynowej. Uzupełnia czas rozpoczęcia zdarzenia i pozwala mierzyć czas trwania poszczególnych aktywności. Nie każde zdarzenie ma określony czas trwania, ale w przypadku kompletacji lub pakowania dane te są bardzo przydatne.

W process mining dostęp do czasu rozpoczęcia i zakończenia pozwala dokładniej analizować wydajność procesu. Umożliwia rozróżnienie czasu przetwarzania, czyli aktywnej pracy nad zadaniem, od czasu oczekiwania między zadaniami. To ważne przy odróżnianiu rzeczywistych wąskich gardeł od problemów z dostępnością zasobów. Analiza czasu trwania aktywności pomaga porównywać wyniki, planować zasoby i wskazywać możliwości usprawnienia operacji.

Pozwala dokładnie obliczyć czas trwania aktywności i odróżnić aktywną pracę od oczekiwania, co ułatwia analizę wąskich gardeł.

Dane te znajdują się w dziennikach zdarzeń systemowych lub zapisach transakcji rejestrujących zakończenie konkretnego zadania albo zmianę statusu.

Identyfikator użytkownika jednoznacznie wskazuje osobę lub zasób odpowiedzialny za wykonanie konkretnego zadania magazynowego. Może to być pracownik magazynu, kierownik zmiany albo system automatyczny, taki jak robot lub sterownik przenośnika. Informacja o tym, kto wykonał daną czynność, pomaga zrozumieć przydział zasobów i wydajność.

Atrybut ten umożliwia analizę pracy i zarządzania zasobami. Można go użyć do porównania produktywności użytkowników lub zespołów, określenia potrzeb szkoleniowych i sprawdzenia przestrzegania standardowych procedur operacyjnych. Filtrowanie mapy procesu według identyfikatora użytkownika pozwala porównać sposób pracy poszczególnych osób lub zespołów oraz znaleźć dobre praktyki i obszary wymagające poprawy. Atrybut jest również ważny dla zgodności i audytu.

Atrybut ten pozwala analizować wydajność zasobów i porównywać efektywność oraz jakość pracy różnych pracowników, zespołów i zmian.

Dane te są zwykle dostępne w dziennikach transakcji lub zapisach wykonania zadań, które wskazują użytkownika potwierdzającego lub kończącego czynność.

Ilość rzeczywista to liczba jednostek fizycznie obsłużonych, policzonych i potwierdzonych przez pracownika magazynu lub system podczas danej aktywności. Odzwierciedla faktyczny przebieg zadania, na przykład liczbę produktów przyjętych od dostawcy lub pobranych z lokalizacji w celu realizacji zamówienia.

Atrybut ten jest niezbędny do analizy odchyleń w zestawieniu z ilością planowaną. Różnice między ilością planowaną a rzeczywistą wskazują na problemy w procesie, takie jak niepełne dostawy, błędy kompletacji lub niezgodności stanów magazynowych. Process mining pozwala ustalić, które produkty, lokalizacje lub osoby najczęściej wiążą się z takimi różnicami, co ułatwia podjęcie ukierunkowanych działań, poprawę dokładności i ograniczenie kosztownych błędów.

Atrybut pokazuje rzeczywisty wynik zadania. Porównanie go z ilością planowaną pomaga wykrywać błędy i nieefektywność przy kompletacji, przyjęciu lub liczeniu towaru.

Dane są zapisywane w potwierdzeniu zadania, w którym pracownik lub system wprowadza ilość fizycznie obsłużonych produktów.

Lokalizacja składowania wskazuje fizyczne miejsce w magazynie powiązane z daną aktywnością. Może to być lokalizacja źródłowa zadania kompletacji albo docelowa lokalizacja zadania odkładania. Szczegółowość danych może obejmować zarówno ogólną strefę, jak i konkretny regał, półkę czy gniazdo.

Analiza danych według lokalizacji składowania pozwala ocenić układ i sprawność magazynu. Process mining może pokazać czas przemieszczania się między lokalizacjami, wskazać miejsca o dużej liczbie operacji oraz ujawnić nieefektywne trasy odkładania lub kompletacji. Informacje te pomagają optymalizować rozmieszczenie towarów. Produkty często pobierane można umieścić w łatwo dostępnych miejscach, aby ograniczyć czas przemieszczania się i zwiększyć wydajność kompletacji. Dane te mogą też pomóc przeprojektować układ magazynu, ograniczyć zatory i usprawnić przepływ pracy.

Umożliwia analizę układu magazynu i sprawności przemieszczania się, co pomaga optymalizować trasy kompletacji i sposób składowania oraz skracać czas cyklu.

Dane te znajdują się w szczegółach zadań magazynowych, zapisach dotyczących zapasów i transakcjach przesunięcia materiałów.

Planowana ilość to docelowa liczba jednostek dla konkretnego zadania magazynowego. W przypadku zamówienia przychodzącego oznacza ilość, która powinna zostać przyjęta. W przypadku zamówienia wychodzącego określa ilość do skompletowania i wysłania. Wartość ta zwykle pochodzi z dokumentu źródłowego, takiego jak zamówienie zakupu lub sprzedaży.

Atrybut ten stanowi punkt odniesienia przy analizie wydajności i dokładności. Porównanie planowanej ilości z ilością rzeczywistą pozwala mierzyć dokładność kompletacji, rozbieżności przy przyjęciu i zgodność stanów magazynowych z ewidencją. Analiza różnic pomaga wykrywać powtarzające się problemy po stronie dostawców, w procesach wewnętrznych lub w danych o zapasach, a następnie poprawiać sprawność operacji i obsługę klienta.

To punkt odniesienia przy pomiarze dokładności. Porównanie z ilością rzeczywistą pozwala obliczać KPI, takie jak dokładność kompletacji, i wykrywać rozbieżności.

Dane te znajdują się w szczegółach pozycji zlecenia lub zadania magazynowego. Często pochodzą z powiązanego zamówienia sprzedaży, zakupu lub zlecenia przesunięcia.

Typ zamówienia klasyfikuje zlecenia magazynowe według ich celu biznesowego. Typowe kategorie to zamówienia przychodzące, związane z przyjęciem towaru od dostawców, zamówienia wychodzące, dotyczące wysyłki produktów do klientów, oraz zamówienia wewnętrzne, na przykład uzupełnienie zapasów lub korekta stanu.

Atrybut ten pozwala podzielić i porównywać różne procesy magazynowe. Przebieg przyjęcia dostawy znacznie różni się od przebiegu wysyłki. Filtrując dane według typu zamówienia, analitycy mogą tworzyć osobne mapy procesów i dashboardy dla poszczególnych przepływów, a następnie prowadzić trafniejszą analizę. Porównanie KPI, takich jak czas cyklu, dla różnych typów zamówień pomaga lepiej przydzielać zasoby i dostosowywać procesy do konkretnych potrzeb.

Pozwala oddzielnie analizować i porównywać procesy przychodzące, wychodzące i przesunięcia wewnętrzne, które mają różny przebieg i cele wydajnościowe.

Dane te zwykle znajdują się w danych nagłówkowych dokumentu zlecenia magazynowego.

Wymagana data zakończenia to termin, do którego należy zrealizować zamówienie magazynowe, zwykle dotyczące wysyłki. Termin ten często wynika z ustaleń z klientem, harmonogramu odbioru przewoźnika lub wewnętrznych umów SLA. Stanowi podstawę do pomiaru terminowości.

W process mining ten atrybut jest niezbędny do analizy terminowości wysyłek. Porównanie rzeczywistej daty zakończenia z wymaganą datą pozwala obliczyć odsetek wysyłek zrealizowanych na czas i ustalić przyczyny opóźnień. Analiza zamówień z przekroczonym terminem może ujawnić konkretne wąskie gardła, ograniczenia zasobów lub etapy procesu, które regularnie powodują opóźnienia. Dzięki temu można zaplanować ukierunkowane usprawnienia.

To punkt odniesienia przy pomiarze terminowości. Porównanie tej daty z rzeczywistą datą zakończenia pozwala obliczyć KPI terminowości wysyłek.

Zwykle znajduje się w danych nagłówkowych zamówienia magazynowego i często jest przenoszona z powiązanego zamówienia sprzedaży lub zgłoszenia klienta.

Identyfikator magazynu to unikalny kod wskazujący obiekt, na przykład centrum dystrybucyjne lub magazyn, w którym zarejestrowano czynności. Jest szczególnie przydatny w organizacjach zarządzających siecią wielu lokalizacji logistycznych.

Atrybut ten umożliwia porównywanie wyników między lokalizacjami. Filtrowanie lub podział danych według identyfikatora magazynu pozwala zestawiać wyniki, porównywać wydajność procesów i znajdować dobre praktyki w najlepiej działających obiektach, które można zastosować w innych miejscach. Pomaga też zrozumieć różnice regionalne w popycie, wykorzystaniu zasobów i wyzwaniach operacyjnych, co ułatwia podejmowanie decyzji dotyczących całej sieci.

Umożliwia porównywanie wyników i procesów w różnych centrach dystrybucyjnych oraz pomaga znaleźć dobre praktyki i problemy charakterystyczne dla poszczególnych regionów.

To ważne pole danych organizacyjnych, zwykle dostępne w nagłówku większości dokumentów dotyczących operacji magazynowych.

Identyfikator produktu, nazywany też kodem SKU lub numerem materiału, to unikalny kod przypisany do każdego rodzaju towaru przechowywanego w magazynie. Łączy aktywności z konkretnymi produktami i pozwala szczegółowo analizować sposób ich obsługi.

Analiza procesu według identyfikatora produktu może ujawnić istotne zależności. Można na przykład porównać czas obsługi dużych i małych produktów, wskazać towary często objęte blokadą jakościową lub przeanalizować realizację zamówień na produkty o dużym i małym popycie. Taki poziom szczegółowości pomaga usprawniać zarządzanie zapasami, planować układ magazynu i dostosowywać operacje logistyczne do cech produktów.

Umożliwia analizę na poziomie produktu i pomaga wykrywać różnice w przebiegu procesu oraz wąskie gardła związane z konkretnymi produktami lub kategoriami.

Informacje te znajdują się w szczegółach pozycji zleceń i zadań magazynowych oraz w zapisach dotyczących zapasów.

Identyfikator sprzętu wskazuje urządzenie do obsługi materiałów (MHE) użyte do wykonania zadania magazynowego. Może to być wózek widłowy, wózek paletowy, skaner ręczny, zestaw słuchawkowy do kompletacji głosowej albo system automatyczny, taki jak przenośnik czy sorter.

Analiza danych procesowych według identyfikatora sprzętu pomaga ocenić wykorzystanie urządzeń i zaplanować ich konserwację. Pozwala ustalić, które urządzenia są używane najczęściej, czy sprzęt powoduje wąskie gardła i jaki ma wpływ na czas realizacji zadań. Informacje te mogą pomóc w podejmowaniu decyzji o zakupie sprzętu, równoważeniu obciążenia floty w magazynie i planowaniu konserwacji zapobiegawczej, aby ograniczyć przestoje.

Atrybut ten pomaga analizować wykorzystanie maszyn, wykrywać wąskie gardła związane ze sprzętem oraz podejmować decyzje dotyczące konserwacji i zakupów.

Często jest rejestrowany w danych potwierdzenia zadania, gdy operator zapisuje sprzęt użyty do pracy, albo pochodzi z dzienników systemów automatycznych.

Identyfikator wysyłki to unikalny klucz, który łączy jedno lub więcej zamówień magazynowych w ramach jednej dostawy wychodzącej. Wysyłka może obejmować kilka zamówień przeznaczonych dla tego samego odbiorcy lub obsługiwanych przez tego samego przewoźnika. Identyfikator ten łączy czynności magazynowe z etapem transportu i logistyki.

Dzięki temu można analizować skonsolidowaną wysyłkę, a nie tylko pojedyncze zamówienia. Można na przykład ocenić wydajność kompletowania i załadunku, zmierzyć czas od pobrania pierwszego produktu do odjazdu ciężarówki oraz zestawić wyniki magazynu z danymi transportowymi. Szersza perspektywa pomaga usprawniać cały łańcuch logistyki wychodzącej, a nie tylko czynności wykonywane w magazynie.

Łączy kilka zamówień magazynowych w jedną dostawę, dzięki czemu można analizować skonsolidowany proces wysyłki, w tym wydajność kompletowania i załadunku.

Znajduje się w dokumentach wysyłkowych lub transportowych. Zamówienia magazynowe są z nim często łączone na etapie planowania fal lub przydziału.

Priorytet zamówienia określa jego względną ważność lub pilność. Często decyduje o kolejności i tempie przydzielania oraz realizacji zadań. Na przykład zamówienie ekspresowe lub o wysokim priorytecie może być obsłużone przed zamówieniami standardowymi, nawet jeśli wpłynęło później.

Analiza procesu według priorytetu zamówienia pomaga ocenić, czy dotrzymywane są warunki umów SLA. Process mining pozwala sprawdzić, czy zamówienia o wysokim priorytecie rzeczywiście są realizowane szybciej niż standardowe. Może też ujawnić, czy nadanie priorytetu wybranym zamówieniom powoduje znaczne opóźnienia lub wąskie gardła w obsłudze pozostałych. Wyniki takiej analizy pomagają dopracować zasady ustalania priorytetów i przydziału zasobów, aby pilne zamówienia realizować szybko, nie obniżając ogólnej wydajności magazynu.

Pozwala sprawdzić, czy umowy SLA są dotrzymywane, porównując czas realizacji zamówień o wysokim priorytecie z czasem obsługi zamówień o niższym priorytecie.

Zwykle znajduje się w danych nagłówkowych zamówienia magazynowego. Priorytet często wynika z powiązanego zamówienia sprzedaży lub wymagań biznesowych.

Rzeczywista data zakończenia to znacznik czasu wskazujący, kiedy zakończono wszystkie czynności związane z zamówieniem magazynowym. W przypadku zamówień wychodzących jest to zazwyczaj chwila wysłania towaru z magazynu. W przypadku zamówień przychodzących może to być moment, w którym wszystkie towary zostaną odłożone na miejsce i będą dostępne w zapasach.

Ten atrybut pokazuje faktyczny wynik, który można zestawić z wymaganą datą zakończenia. Ma zasadnicze znaczenie przy pomiarze wyników: służy do obliczania terminowości dostaw i całkowitego czasu realizacji zamówienia. W analizie przyczyn opóźnień można odfiltrować przypadki z późną rzeczywistą datą zakończenia, a następnie przyjrzeć się przebiegowi procesu i znaleźć powtarzające się wzorce lub przyczyny.

Pokazuje faktyczny wynik i służy do analizy terminowości. Pozwala obliczyć całkowity czas realizacji oraz ustalić, czy zamówienie zakończono przed terminem, na czas czy po terminie.

To znacznik czasu ostatniego zdarzenia w cyklu życia zamówienia, na przykład „Wysyłka nadana” lub „Zamówienie magazynowe zakończone”.