Szablon danych do analizy zarządzania zapasami

Ten atrybut zawiera datę i godzinę rozpoczęcia każdej zarejestrowanej czynności. Pozwala uporządkować zdarzenia chronologicznie i obliczać czas między poszczególnymi etapami procesu.

W analizie czas rozpoczęcia służy do obliczania KPI, takich jak czas odłożenia towaru na miejsce, czas oczekiwania na kontrolę jakości czy łączny czas składowania zapasów. Analiza znaczników czasu pozwala ustalić, kiedy wykonywane są poszczególne prace, porównać ich przebieg z harmonogramem i wykryć straty czasu w magazynie.

Ten znacznik czasu pozwala prawidłowo uporządkować zdarzenia oraz obliczać wszystkie wskaźniki efektywności i KPI oparte na czasie.

Każda transakcja lub rekord zdarzenia w Manhattan Active Inventory powinien zawierać pole ze znacznikiem czasu, często nazwane na przykład 'CREATE_DTTM' lub 'EVENT_TIMESTAMP'.

Numer partii zapasów grupuje wszystkie czynności dotyczące określonej ilości produktu. Umożliwia śledzenie pełnego cyklu życia danej ilości zapasów, od przyjęcia do magazynu, przez kolejne przesunięcia, aż po wydanie lub zużycie.

W process mining ten atrybut ma zasadnicze znaczenie dla odtworzenia pełnej drogi każdej jednostki zapasów. Umożliwia analizę wariantów procesu, czasu cyklu i wąskich gardeł dotyczących konkretnych partii, na przykład wykrycie partii, których kontrola jakości trwa długo lub które są często przesuwane przed wysyłką.

To podstawowy identyfikator łączący wszystkie powiązane zdarzenia dotyczące zapasów w jedną instancję procesu. Umożliwia analizę całego cyklu życia zapasów od początku do końca.

Ten identyfikator znajduje się zwykle w tabelach szczegółowych zapasów lub danych podstawowych partii w Manhattan Active Inventory. Nazwy konkretnych tabel i pól można sprawdzić w dokumentacji systemu.

Ten atrybut opisuje konkretny krok lub etap procesu zarządzania zapasami. Każda czynność oznacza odrębne działanie dotyczące partii zapasów, takie jak przyjęcie, kontrola, przesunięcie lub wysyłka.

Analiza kolejności i częstotliwości tych czynności stanowi podstawę process mining. Pozwala zobrazować przebieg procesu, wykryć odchylenia od standardowej procedury i wskazać czynności powodujące opóźnienia lub konieczność ponownej pracy. Analiza może na przykład ujawnić, że po nieudanej próbie kompletacji często następuje „Cycle Count Performed”.

Atrybut określa kroki procesu i pozwala wizualizować oraz analizować drogę zapasów od początku do końca.

Dane pochodzą zwykle z dzienników zdarzeń, kodów transakcji lub zapisów zmian statusu w Manhattan Active Inventory. Może być konieczne przypisanie czytelnych nazw do kodów technicznych.

Ten atrybut zapisuje datę i godzinę pobrania danych z systemu źródłowego. To pole metadanych pozwala ocenić aktualność analizy.

W dashboardach i raportach znacznik czasu informuje użytkowników, jak aktualne są dane źródłowe. Pomaga uwzględnić opóźnienie w dostępie do danych i zaplanować odświeżanie potoków danych.

Informuje użytkowników o aktualności danych, co pomaga podejmować decyzje operacyjne na czas i na podstawie rzetelnych informacji.

Ten znacznik czasu jest generowany i dodawany do zbioru danych przez narzędzie lub skrypt ETL, który pobiera, przekształca i ładuje dane.

Ten atrybut wskazuje aplikację lub moduł źródłowy, który wygenerował dane o zdarzeniu. W nowoczesnym środowisku logistycznym dane mogą pochodzić z głównego systemu WMS, systemu zarządzania placem lub systemu zarządzania transportem.

Wskazanie systemu źródłowego jest ważne z punktu widzenia zarządzania danymi i właściwej interpretacji ich kontekstu. Na przykład informacja, że zdarzenie pochodzi z systemu automatycznego, a nie z portalu, w którym dane wprowadzono ręcznie, może mieć duże znaczenie przy analizie automatyzacji.

Dostarcza informacji o pochodzeniu danych, niezbędnych do ich weryfikacji, zarządzania nimi i zrozumienia interakcji między systemami.

Zwykle jest to stała wartość dodawana podczas pobierania danych, która wskazuje źródło zbioru danych.

Ten atrybut zawiera datę i godzinę zakończenia każdej zarejestrowanej czynności. Niektóre zdarzenia są natychmiastowe (StartTime jest równe EndTime), a inne trwają określony czas, na przykład kontrola jakości lub kompletacja.

Czas zakończenia jest potrzebny do obliczenia czasu trwania poszczególnych czynności. Dzięki temu można szczegółowo sprawdzić, które zadania zajmują najwięcej czasu w całym procesie i zaplanować ukierunkowane usprawnienia.

Pozwala obliczyć czas trwania poszczególnych czynności i wskazać konkretne zadania powodujące opóźnienia w procesie.

W systemie źródłowym może to być osobne pole, na przykład 'END_DTTM', albo dla zdarzeń natychmiastowych może mieć tę samą wartość co czas rozpoczęcia. Informacje o strukturze danych zdarzeń można znaleźć w dokumentacji Manhattan Active Inventory.

Ten atrybut określa ilość produktu powiązaną ze zdarzeniem dotyczącym zapasów, na przykład liczbę przyjętych, przemieszczonych, skompletowanych lub skorygowanych artykułów.

Ilość pomaga określić skalę operacji i obliczać wiele KPI. Służy do wyznaczania wskaźnika ręcznych korekt, wskaźnika złomowania według ilości oraz wydajności kompletacji. Analiza ilości może ujawnić różnice w przebiegu procesu dla dużych i małych zamówień.

Określa wielkość każdej czynności, co jest niezbędne do obliczania przepustowości, wskaźników i innych KPI opartych na wolumenie.

Tabele transakcji w Manhattan Active Inventory zawierają pole ilości powiązane z każdym przemieszczeniem lub zdarzeniem. Może ono nosić nazwę 'QTY', 'QUANTITY' lub 'UNITS'.

SKU (Stock Keeping Unit) to unikalny kod służący do śledzenia produktu. Pozwala odróżniać artykuły według ich cech, takich jak rozmiar, kolor czy marka.

W process mining analiza według SKU pomaga wykrywać problemy dotyczące konkretnych produktów. Może na przykład ujawnić, że kontrola jakości niektórych SKU trwa dłużej, częściej dochodzi w ich przypadku do uszkodzeń i złomowania albo są one częściej objęte korektami zapasów. Ten atrybut przydaje się w dashboardach takich jak analiza czasu odkładania towaru na miejsce i trendy złomowania zapasów.

Pozwala analizować procesy na poziomie produktów i sprawdzić, czy problemy dotyczą konkretnych artykułów lub kategorii.

SKU to podstawowe pole w kartotece produktów i tabelach transakcji magazynowych. Warto szukać pól o nazwach 'SKU', 'ITEM_ID' lub 'PRODUCT_CODE'.

Kod przyczyny przemieszczenia wyjaśnia, dlaczego doszło do zdarzenia dotyczącego zapasów. Jest szczególnie przydatny przy analizie niestandardowych czynności, takich jak przesunięcia wewnętrzne, korekty, zwroty czy złomowanie.

Ten atrybut pomaga ustalić przyczyny problemów. Na przykład w dashboardzie przeglądu rozbieżności w zapasach kod wyjaśnia, dlaczego wprowadzono korektę, na przykład z powodu uszkodzenia towaru, korekty po inwentaryzacji cyklicznej lub kradzieży. Pozwala też analizować przyczyny wewnętrznych przesunięć zapasów i złomowania.

Wyjaśnia przyczyny przemieszczeń i korekt zapasów, ułatwiając analizę źródeł rozbieżności, złomowania i przesunięć.

To pole często występuje w tabelach transakcji i jest powiązane z konkretnymi typami przemieszczeń. W Manhattan Active Inventory warto szukać pól takich jak 'REASON_CODE' lub 'MOVEMENT_TYPE'.

Ten atrybut określa lokalizację powiązaną ze zdarzeniem dotyczącym zapasów, na przykład strefę, alejkę lub miejsce składowania. Pokazuje, gdzie w magazynie odbywały się przemieszczenia i inne czynności.

To ważny wymiar wykorzystywany w niemal każdym dashboardzie. Pomaga wskazać miejsca, w których występują wąskie gardła, porównać wyniki między lokalizacjami i zbadać przyczyny rozbieżności w zapasach. Można na przykład sprawdzić, czy w danej strefie często zdarzają się błędy kompletacji albo czy odkładanie towaru na miejsce trwa tam dłużej.

Określa fizyczne miejsce zdarzeń dotyczących zapasów, co pozwala analizować wąskie gardła, efektywność i problemy związane z konkretnymi lokalizacjami.

Dane o lokalizacji są podstawowym elementem każdego systemu WMS i powinny być dostępne w tabelach transakcji magazynowych, często w polach takich jak 'LOCATION_ID', 'BIN_CODE' lub 'ZONE'. Szczegóły można znaleźć w dokumentacji Manhattan Active Inventory.

Ten atrybut zawiera identyfikator lub nazwę osoby odpowiedzialnej za wykonanie zadania, na przykład kompletację, pakowanie lub korektę zapasów. W przypadku zadań automatycznych może wskazywać identyfikator systemu lub bota.

Analiza wyników pracy poszczególnych użytkowników pomaga określić potrzeby szkoleniowe, docenić osoby osiągające dobre wyniki i zrozumieć rozkład obciążenia pracą. To ważny wymiar dashboardów dotyczących kompletacji i pakowania, a także analiz miejsc, w których często wprowadza się ręczne korekty.

Łączy czynności w procesie z konkretnymi użytkownikami, co pozwala analizować wyniki pracy, równoważyć obciążenie i określać potrzeby szkoleniowe.

Te informacje są zwykle przechowywane razem z danymi transakcyjnymi w polach takich jak 'USER_ID', 'EXECUTED_BY' lub 'RESOURCE_ID'. Szczegóły można znaleźć w dokumentacji Manhattan Active Inventory.

Czas składowania zapasów to KPI mierzący, jak długo zapasy pozostają bezczynnie w magazynie. Oblicza się go jako różnicę między zdarzeniem „Zakończono odkładanie towaru na miejsce” a zdarzeniem „Zarejestrowano wydanie towaru” dla danej partii zapasów.

Monitorowanie tego KPI pomaga optymalizować poziom zapasów i poprawiać przepływy pieniężne. Długi czas składowania może wskazywać na nadmierne zapasy, wolno rotujące produkty lub nieefektywną realizację zamówień. Skrócenie tego czasu jest często jednym z głównych celów zarządzania zapasami.

Mierzy czas przechowywania zapasów i pomaga realizować cele związane z optymalizacją ich poziomu oraz ograniczaniem kosztów utrzymania.

To pole obliczane na podstawie zdarzeń „Zakończono odkładanie towaru na miejsce” i „Zarejestrowano wydanie towaru” dla danego case. Wynik otrzymuje się przez odjęcie ich znaczników czasu.

Ten atrybut logiczny wskazuje, czy zadanie odłożenia towaru na miejsce zakończono w wyznaczonym czasie. Oblicza się go, porównując rzeczywisty czas tej czynności, od „Rozpoczęto odkładanie towaru na miejsce” do „Zakończono odkładanie towaru na miejsce”, z ustalonym celem biznesowym, na przykład 4 godzinami.

Atrybut służy do obliczania KPI terminowości odkładania towaru na miejsce. Ułatwia filtrowanie opóźnionych zadań i badanie ich przyczyn, takich jak lokalizacja w magazynie, kategoria SKU czy użytkownik wykonujący zadanie. Pomaga monitorować i egzekwować standardy efektywności operacyjnej.

Bezpośrednio mierzy przestrzeganie wewnętrznych poziomów usług przy odkładaniu zapasów na miejsce, ułatwiając szybkie wykrywanie i analizę problemów w procesie.

To pole obliczane. Wymaga zastosowania reguły biznesowej lub definicji SLA, na przykład „Docelowy czas odkładania towaru na miejsce = 4 godziny”, do obliczonego czasu cyklu.

Partia zapasów identyfikuje artykuł, a identyfikator zadania wskazuje konkretne polecenie przekazane użytkownikowi lub systemowi. Na przykład odłożenie partii 100 sztuk może wymagać dwóch osobnych zadań po 50 sztuk.

Ten atrybut pozwala dokładniej analizować efektywność operacji. Może łączyć zdarzenie „Utworzono zadanie kompletacji” z odpowiadającym mu zdarzeniem „Zakończono kompletację”, co umożliwia precyzyjny pomiar czasu wykonania zadania. Przydaje się do analizy kompletacji i odkładania towaru na miejsce na poziomie pojedynczych zadań.

Łączy zdarzenia utworzenia i zakończenia zadania, umożliwiając precyzyjny pomiar czasu realizacji poszczególnych zleceń pracy.

Tabele zarządzania zadaniami lub ich realizacji w Manhattan Active Inventory zawierają unikalny identyfikator każdego zadania. Warto szukać pól 'TASK_ID' lub 'WORK_ORDER_ID'.

Jednostka miary określa, jak interpretować atrybut ilości artykułów. Informuje, czy ilość dotyczy pojedynczych sztuk, kartonów zawierających wiele sztuk czy całych palet.

Znajomość jednostki miary jest niezbędna do prawidłowej analizy, zwłaszcza przy porównywaniu różnych produktów lub transakcji. Pozwala poprawnie i spójnie obliczać KPI, takie jak wydajność kompletacji, oraz uniknąć błędnej interpretacji danych, gdy ilości zapisano w różnych jednostkach.

Dostarcza kontekstu potrzebnego do interpretacji ilości, dzięki czemu wskaźniki i porównania są poprawne i miarodajne.

To standardowe pole w kartotece produktów, zwykle przenoszone także do tabel transakcji. Warto szukać pól takich jak 'UOM' lub 'UNIT'.

Kategoria SKU pozwala grupować podobne produkty i analizować je łącznie. Podział może uwzględniać rodzaj produktu, wymagania dotyczące przechowywania, na przykład chłodzenie, lub tempo sprzedaży, na przykład grupy A, B i C.

Ten atrybut pozwala wyciągać wnioski na poziomie wyższym niż analiza pojedynczych SKU. Pomaga odpowiedzieć na pytania takie jak: „Czy odkładanie elektroniki na miejsce trwa dłużej niż w przypadku innych kategorii?” lub „Czy złomowanie dotyczy głównie produktów sezonowych?”. Jest wykorzystywany w dashboardach dotyczących czasu odkładania towaru na miejsce i czasu oczekiwania na kontrolę jakości.

Umożliwia łączną analizę grup produktów i pomaga wykrywać trendy oraz problemy wspólne dla całych kategorii.

Informacje te są zwykle częścią kartoteki produktów powiązanej z SKU. Szczegóły można znaleźć w konfiguracji kartoteki produktów lub artykułów w Manhattan Active Inventory.

Ten atrybut wskazuje konkretny obiekt, na przykład centrum dystrybucyjne lub magazyn, w którym odbywa się czynność związana z zapasami. Określa lokalizację na wyższym poziomie niż konkretne miejsce w magazynie, takie jak alejka czy miejsce składowania.

Analiza według magazynu jest ważna dla firm mających kilka obiektów. Pozwala porównywać ich wyniki, wskazywać dobre praktyki w sprawnie działających magazynach i określać obszary wymagające poprawy w pozostałych. To ważny wymiar dashboardu przepustowości operacji magazynowych.

Pozwala porównywać wyniki procesów magazynowych między różnymi obiektami i centrami dystrybucyjnymi.

Te informacje są zwykle częścią kartoteki lokalizacji lub można je wywnioskować z kodu lokalizacji magazynowej. Warto szukać pól takich jak 'WH_ID' lub 'SITE_CODE'.

Ten atrybut wskazuje dostawcę, od którego otrzymano daną partię zapasów. Jest najbardziej przydatny na początku cyklu życia zapasów, podczas przyjęcia towaru i kontroli jakości.

Analiza procesów według dostawcy pomaga oceniać jego wyniki. Na przykład dashboard czasu oczekiwania na kontrolę jakości wykorzystuje ten atrybut, aby sprawdzić, czy zapasy od określonych dostawców regularnie czekają na kontrolę dłużej. Może to wskazywać na problemy z jakością lub dokumentacją.

Łączy procesy magazynowe z konkretnymi dostawcami i pozwala analizować związane z nimi wyniki, na przykład opóźnienia kontroli jakości.

Te informacje są zwykle dostępne w zamówieniu zakupu lub awizo wysyłki powiązanym ze zdarzeniem przyjęcia towaru. Może być konieczne połączenie danych z systemu zakupowego.

Ten atrybut opisuje stan zapasów w danym momencie. Informuje, czy zapasy są dostępne do przypisania do zamówień, przechodzą kontrolę jakości, są zablokowane z innego powodu czy znajdują się w transporcie.

Śledzenie zmian statusu zapasów dostarcza przydatnych informacji. Analiza czasu spędzonego w statusie „wstrzymana” lub „w trakcie kontroli” pozwala określić, jak długo zapasy pozostają niedostępne. Atrybut pomaga ustalić przyczyny długiego czasu składowania.

Informuje, czy zapasy są dostępne do realizacji zamówień, i pomaga analizować opóźnienia wynikające z kontroli jakości, blokad lub innych statusów ograniczających dostępność.

To ważne pole w tabelach sald lub poziomów zapasów w Manhattan Active Inventory. Warto szukać pól 'STATUS_CODE' lub 'INVENTORY_STATUS'.

Ten atrybut określa wartość finansową zapasów powiązanych ze zdarzeniem. Oblicza się ją, mnożąc ilość artykułów przez koszt jednostkowy. Jest szczególnie przydatny w analizie skutków finansowych.

Wartość artykułów jest niezbędna w dashboardzie trendów złomowania zapasów, ponieważ pozwala określić straty finansowe związane ze złomowanym towarem. Pomaga ustalać priorytety działań ograniczających koszty, koncentrując się na często spisywanych produktach o wysokiej wartości. Uzupełnia też analizę korekt i rozbieżności w zapasach o wymiar finansowy.

Pokazuje finansowe skutki przemieszczeń zapasów, co pozwala określić koszty złomowania, rozbieżności i nadmiernych zapasów.

Wartość tę często oblicza się, mnożąc ilość artykułów z tabeli transakcji przez koszt jednostkowy z kartoteki produktów lub danych finansowych. Koszt jednostkowy może być zapisany w polach takich jak 'STANDARD_COST' lub 'UNIT_PRICE'.