Seu Template de dados de gestão de armazém

Este atributo fornece a data e a hora exatas de cada atividade registrada no processo. Ele é a base cronológica do Event Log, estabelecendo a sequência e o momento de todas as operações do armazém para um determinado pedido.

O horário do evento é essencial para todas as análises de Process Mining baseadas em tempo. Ele é usado para calcular os tempos de ciclo entre atividades, medir a duração total de um processo, identificar atrasos e analisar a performance do processo em diferentes períodos. Registros de data e hora precisos são fundamentais para criar um mapa do processo confiável e obter métricas de performance relevantes.

Este registro de data e hora é fundamental para ordenar os eventos corretamente e calcular todas as métricas baseadas em duração, como tempos de ciclo e lead times.

Localizado nas tabelas do Event Log ou nos registros de transações, junto às informações da atividade no Manhattan SCALE. Os campos geralmente têm nomes como 'created_ts', 'event_timestamp' ou 'status_change_date'.

Este atributo registra as etapas discretas ou os marcos do processo de gestão do armazém. Os exemplos incluem 'Goods Picked from Storage', 'Packing Initiated' e 'Shipment Dispatched'. Cada atividade representa uma ação específica realizada no pedido do armazém.

Este é um atributo crítico para o Process Mining, pois define os nós do mapa do processo. Analisar a sequência, a frequência e a duração dessas atividades permite visualizar os fluxos do processo, identificar desvios do procedimento padrão e localizar gargalos onde o trabalho está atrasado.

Ele define as etapas do processo, formando a base do mapa do processo e permitindo analisar o fluxo operacional e suas variações.

Derivado de códigos de transação, registros de eventos ou tabelas de atualização de status no Manhattan SCALE que acompanham o progresso dos pedidos do armazém.

O pedido do armazém funciona como o principal identificador do caso, agrupando todas as atividades relacionadas a um único processo logístico do início ao fim. Isso permite acompanhar de ponta a ponta o ciclo de vida de um pedido no armazém, seja no recebimento dos produtos, no putaway, no picking, na embalagem ou na expedição.

Na análise de Process Mining, esse atributo é fundamental para reconstruir a jornada de cada pedido. Ao vincular todos os eventos a um pedido do armazém específico, os analistas conseguem visualizar os fluxos do processo, medir os tempos de ciclo de pedidos individuais e identificar variações ou gargalos que afetam a eficiência do atendimento.

É a chave essencial para vincular todas as atividades relacionadas do armazém a uma única instância de processo coesa, permitindo a análise de ponta a ponta.

Esse identificador normalmente é encontrado nas tabelas principais de gestão de pedidos do Manhattan SCALE, como a tabela de cabeçalho do pedido.

Este atributo identifica a aplicação de origem onde os dados do evento foram gerados. Para este processo, o valor normalmente seria 'Manhattan SCALE'.

Em um ambiente com vários sistemas integrados, este campo ajuda a diferenciar as fontes de dados. Ele fornece contexto sobre a origem dos dados, o que pode ser importante para a governança de dados, a solução de problemas e a compreensão de possíveis variações nos processos de captura de dados entre diferentes plataformas.

Ele fornece contexto essencial sobre a origem dos dados, algo crítico para a governança, a validação e os esforços de integração de dados em ambientes de TI complexos.

Geralmente, é um valor estático adicionado durante o processo de extração, transformação e carregamento (ETL) dos dados para identificar o conjunto de dados.

Este atributo indica a data e a hora em que os dados foram extraídos pela última vez do Manhattan SCALE e carregados na ferramenta de Process Mining. Ele reflete o nível de atualização dos dados analisados.

Essas informações são essenciais para que os usuários entendam a atualidade da análise. Elas ajudam a saber se os dados analisados são em tempo real ou representam um retrato de um momento específico, algo fundamental para tomar decisões operacionais bem informadas e elaborar relatórios.

Ele informa aos usuários o nível de atualização dos dados, garantindo que entendam o período abrangido pela análise e pelos relatórios.

Este registro de data e hora normalmente é gerado e armazenado pela ferramenta de ETL ou pelo pipeline de dados durante o carregamento dos dados.

Este atributo representa o acordo de nível de serviço (SLA) ou a data de entrega prevista para um pedido de saída do armazém. É o prazo usado para medir a performance das operações do armazém no prazo.

Essa data é uma referência crítica para avaliar a performance. Ela é usada no Dashboard 'Shipment On-Time Performance' e no KPI 'On-Time Shipment Rate' para determinar se um pedido foi atendido no prazo. Analisar os pedidos que não cumprem essa data ajuda a identificar causas sistêmicas de atrasos e melhorar a satisfação do cliente.

Ele serve como principal referência para medir a performance de expedição no prazo e o cumprimento dos acordos de nível de serviço com os clientes.

Normalmente armazenado na tabela de cabeçalho do pedido no Manhattan SCALE, geralmente preenchido a partir de um ERP ou sistema de gestão de pedidos upstream.

O horário de término marca a conclusão de uma atividade. Quando combinado com um horário de início (EventTime), ele permite calcular com precisão o tempo de processamento de Tasks individuais. Nem todos os eventos têm um horário de término distinto, mas, para aqueles que têm, como 'Picking' ou 'Packing', esses dados são muito valiosos.

Na análise, o horário de término é usado para calcular a métrica 'ProcessingTime', essencial para entender a eficiência dos recursos e a duração das Tasks. Isso ajuda a identificar quais atividades específicas estão levando mais tempo e contribuindo para o tempo total de ciclo e possíveis atrasos.

Ele permite calcular com precisão o tempo de processamento de atividades individuais, ajudando a identificar quais Tasks consomem mais tempo e recursos.

Pode estar disponível nos mesmos registros de transações que o horário de início, em um campo separado como 'completed_ts' ou 'end_time'. Se não estiver disponível diretamente, às vezes pode ser inferido a partir do horário de início da atividade seguinte.

Este atributo, geralmente conhecido como SKU (Stock Keeping Unit), identifica o item específico envolvido em uma atividade do armazém. Um único pedido do armazém pode conter vários materiais, cada um tratado em itens de linha ou Tasks separadas.

Analisar o processo por ID do material pode revelar problemas específicos de determinados produtos. Por exemplo, alguns itens podem apresentar maior probabilidade de falhas na inspeção de qualidade, erros de picking ou tempos de movimentação mais longos devido ao tamanho, ao peso ou aos requisitos de armazenamento. Isso ajuda a otimizar as estratégias de armazenamento e os procedimentos de movimentação para diferentes tipos de produtos.

Ele permite analisar o nível do produto para identificar se determinados itens estão associados a atrasos, erros ou retrabalho no processo.

Localizado nas tabelas de itens de linha do pedido no Manhattan SCALE, vinculado ao pedido principal do armazém.

Este atributo captura o ID do usuário responsável por executar uma Task específica do armazém, como picking, embalagem ou putaway. Ele vincula as atividades do processo aos recursos humanos envolvidos.

Analisar a performance por ID do usuário/operador é essencial para entender a utilização dos recursos e a eficiência individual ou da equipe. Isso ajuda a identificar os melhores desempenhos, as necessidades de treinamento e a distribuição da carga de trabalho. Esses dados são fundamentais para o Dashboard 'Resource Utilization by Operator' e os KPIs relacionados, permitindo que os gestores otimizem a alocação de pessoal e de Tasks.

Ele vincula a performance do processo a indivíduos ou equipes específicos, permitindo analisar a carga de trabalho, a produtividade e a alocação de recursos.

Essas informações normalmente são registradas nos logs de transações do Manhattan SCALE, geralmente em campos como 'user_id', 'operator' ou 'executed_by'.

Este atributo registra a quantidade medida de produtos em um ponto de controle importante, como o recebimento ou o picking. Ele representa o que foi movimentado fisicamente, o que pode ser diferente do que estava planejado.

Comparar a quantidade real com a quantidade planejada é essencial para identificar divergências. Essa é a base do Dashboard 'Order Quantity Discrepancy Trends' e do KPI relacionado. Acompanhar essas diferenças ajuda a localizar problemas na precisão dos fornecedores, nos registros de estoque ou nos erros de picking, aspectos críticos para manter a integridade do estoque.

Ele é fundamental para identificar divergências entre as quantidades planejadas e executadas, destacando possíveis problemas de precisão do estoque ou erros operacionais.

Encontrado nos registros detalhados de transações de atividades como recebimento, contagem ou picking no Manhattan SCALE.

O tipo de pedido define a finalidade geral do pedido do armazém. Os tipos comuns incluem remessas para clientes (saída), recebimentos de fornecedores (entrada), transferências de estoque entre locais (internas) ou devoluções.

Este atributo permite segmentar a análise do processo. Ao filtrar por tipo de pedido, é possível comparar a performance de diferentes processos, como o recebimento e a expedição. Isso é fundamental porque suas etapas, seus recursos e suas metas de performance costumam ser muito diferentes, e analisá-los em conjunto pode gerar conclusões equivocadas.

Ele permite separar e comparar processos distintos, como entrada e saída, que têm fluxos e expectativas de performance diferentes.

Encontrado nos dados do cabeçalho do pedido no Manhattan SCALE. O campo pode se chamar 'order_type', 'transaction_type' ou algo semelhante.

Este atributo é o registro de data e hora que marca a etapa final do processo do armazém para um pedido, como 'Shipment Dispatched'. Ele representa o momento efetivo de conclusão do processo de atendimento.

Essa data é comparada diretamente com a 'Requested Completion Date' para calcular a performance de expedição no prazo. É o dado factual que confirma quando terminou a responsabilidade do armazém pelo pedido. Analisar esse atributo ajuda a medir com precisão os tempos de ciclo do atendimento e a performance em relação aos SLAs.

Ele fornece o registro de data e hora efetivo da conclusão do pedido, usado para calcular os tempos de ciclo reais e medir a performance em relação às datas solicitadas.

Corresponde ao registro de data e hora da atividade final do processo, como 'Shipment Dispatched' ou 'Warehouse Order Completed'.

Essa métrica é calculada como 'Quantidade real' menos 'Quantidade planejada'. Um valor diferente de zero indica uma divergência na quantidade de mercadorias movimentadas em relação ao esperado. O valor pode ser positivo, indicando excesso, ou negativo, indicando falta.

Esse atributo é a base do KPI 'Taxa de divergência da quantidade do pedido'. Ele quantifica a dimensão dos erros no recebimento ou picking, oferecendo uma métrica clara para Dashboards que acompanham a precisão do estoque. Analisar as tendências e as causas-raiz dessas divergências é essencial para melhorar a precisão operacional.

Ele quantifica diretamente os erros de estoque e de atendimento de pedidos, oferecendo uma métrica clara para acompanhar a precisão e o impacto financeiro das divergências.

Este é um campo calculado na ferramenta de Process Mining pela fórmula: ActualQuantity - PlannedQuantity.

Este atributo booleano identifica ocorrências de retrabalho, como quando a atividade 'Goods Picked from Storage' é realizada mais de uma vez para o mesmo material dentro de um único pedido. Ele é derivado da análise dos padrões do fluxo do processo.

Sinalizar o retrabalho é fundamental para identificar ineficiências e erros no processo. Isso ajuda a quantificar o KPI 'Picking Rework Rate' e permite que os analistas isolem e investiguem casos com etapas repetidas. Entender os fatores que geram retrabalho é essencial para reduzir os custos operacionais e melhorar a qualidade do processo.

Ele sinaliza loops ineficientes e trabalho repetido no processo, que muitas vezes são fontes ocultas de atrasos e aumento dos custos operacionais.

Este é um atributo calculado, normalmente derivado na ferramenta de Process Mining por meio da definição de regras que detectam padrões específicos de atividades repetidas, como self-loops ou short loops.

Este atributo especifica o equipamento de movimentação de materiais (MHE) ou a tecnologia usada para executar uma Task do armazém. Pode incluir IDs específicos de empilhadeiras, números de paleteiras ou IDs de scanners RF portáteis.

Esses dados são valiosos para analisar a utilização de recursos além dos operadores. Eles ajudam a entender os padrões de uso de equipamentos caros, planejar a manutenção e garantir que as ferramentas certas estejam disponíveis quando necessário. Também apoiam diretamente KPIs como 'Resource Utilization (Picking)', fornecendo outra dimensão para a análise.

Ele permite analisar a utilização dos equipamentos e seu impacto na eficiência do processo, ajudando a gerenciar os cronogramas de manutenção e os investimentos em MHE.

Consulte a documentação do Manhattan SCALE ou os logs do sistema. Essas informações podem ser registradas nos registros de execução de Tasks, caso o sistema esteja configurado para capturá-las.

O ID da remessa é um identificador de nível superior que consolida um ou mais pedidos do armazém transportados juntos no mesmo veículo ou como parte da mesma carga. Ele vincula pedidos individuais a um evento de transporte específico.

Na análise, o ID da remessa permite ter uma visão mais ampla das operações logísticas. Ele pode ser usado para analisar a eficiência da consolidação nas etapas de preparação e carregamento, medir a performance no prazo no nível da remessa e entender como a consolidação de pedidos afeta os lead times gerais.

Ele agrupa vários pedidos em um único evento de expedição, permitindo analisar os processos de consolidação, preparação e carregamento.

Encontrado nas tabelas de gestão de transporte ou de remessas do Manhattan SCALE. Esse ID normalmente se vincula a vários pedidos do armazém.

Este atributo identifica a localização física, por exemplo, Corredor 5, Endereço 3, Nível C, envolvida em uma atividade de armazenamento ou retirada. Ele fornece contexto espacial ao processo do armazém.

Analisar as atividades por localização de armazenamento é fundamental para otimizar o layout do armazém e o fluxo de materiais. Isso pode ajudar a identificar locais acessados com frequência, trajetos ineficientes durante o picking ou áreas sujeitas a congestionamento. Esses dados apoiam a análise da eficiência do putaway e do picking, revelando oportunidades para melhorar as estratégias de armazenamento.

Ele fornece contexto espacial para as movimentações no armazém, permitindo analisar a eficiência do layout, os tempos de deslocamento e a otimização das rotas de picking.

Contido nos dados em nível de Task das atividades de putaway e picking no Manhattan SCALE, em campos como 'location_id', 'bin_code' ou 'source_location'.

Este atributo identifica o parceiro logístico ou a transportadora, como FedEx, UPS ou DHL, atribuída a uma remessa de saída. Ele vincula o processo do armazém à etapa de transporte seguinte.

Analisar a performance por transportadora pode revelar insights importantes sobre a cadeia de suprimentos. Isso ajuda a determinar se determinadas transportadoras estão associadas a tempos de preparação mais longos, atrasos frequentes ou requisitos específicos de movimentação. Essas informações podem ser usadas para avaliar a performance das transportadoras e otimizar as parcerias logísticas.

Ele conecta as operações do armazém aos parceiros logísticos, permitindo analisar a performance por transportadora e identificar possíveis gargalos relacionados ao transporte.

Encontrado nas tabelas de planejamento de transporte ou de gestão de remessas do Manhattan SCALE, geralmente vinculado ao cabeçalho do pedido.

Este atributo indica a quantidade de um item que deveria ser recebida, separada ou movimentada de acordo com o pedido original do armazém ou com a instrução da Task. É a referência usada para medir a operação realizada.

Esse valor é usado em conjunto com a 'Actual Quantity' para calcular divergências. Diferenças frequentes entre as quantidades planejadas e reais podem indicar problemas nas remessas dos fornecedores, na precisão do estoque ou nos processos de picking, tornando este um atributo importante para a análise de qualidade e precisão.

Ele funciona como referência para medir a precisão das quantidades, ajudando a identificar divergências que afetam o estoque e o atendimento dos pedidos.

Localizado nas tabelas de itens de linha do pedido ou de detalhes de Tasks no Manhattan SCALE.

Este atributo booleano é derivado da comparação entre a 'Actual Completion Date' e a 'Requested Completion Date'. Ele é verdadeiro quando o pedido foi concluído no prazo e falso quando houve atraso.

Este atributo simplifica a análise da performance ao permitir filtragem e agregação fáceis. Ele é a base para calcular o KPI 'On-Time Shipment Rate' e alimenta Dashboards que acompanham o cumprimento dos SLAs dos clientes. Ele separa rapidamente os pedidos em conformidade dos que não estão em conformidade, permitindo analisar as causas-raiz dos pedidos atrasados.

Ele simplifica os relatórios de performance ao converter comparações de datas em um indicador simples de verdadeiro/falso, facilitando o cálculo da taxa de expedição no prazo.

Calculado comparando 'ActualCompletionDate' <= 'RequestedCompletionDate'. Essa lógica é aplicada na ferramenta de Process Mining.

Este atributo registra o resultado da atividade 'Quality Inspection Performed'. Ele indica se os produtos recebidos atenderam aos padrões de qualidade exigidos ou se é necessária alguma ação adicional.

Este é um atributo crítico para a análise da gestão da qualidade. Ele ajuda a acompanhar a 'Quality Control Compliance Rate' não apenas em termos de conformidade, mas também de resultados. Analisar as taxas de falha por fornecedor ou material pode ajudar a melhorar as decisões de compras e reduzir os custos posteriores associados a produtos de baixa qualidade.

Ele fornece o resultado das verificações de qualidade, permitindo analisar a qualidade dos fornecedores, os problemas dos produtos e a eficácia do processo de inspeção.

Consulte a documentação do Manhattan SCALE. Essas informações provavelmente são armazenadas em tabelas relacionadas à gestão da qualidade ou às Tasks de recebimento.

Esta métrica calcula a duração total de cada pedido do armazém, desde o evento 'Warehouse Order Created' até o evento 'Warehouse Order Completed'. É um indicador-chave de performance que mede a eficiência de ponta a ponta de todo o processo de atendimento do armazém.

Em Dashboards e análises, este atributo fornece uma visão geral da performance. Ele é usado para acompanhar tendências, identificar outliers, como tempos de ciclo prolongados, e comparar a performance ao longo do tempo. Ele apoia diretamente o Dashboard 'Overall Order Fulfillment Cycle Time' e o KPI correspondente.

Este é um KPI crítico que mede a velocidade e a eficiência de ponta a ponta do armazém, impactando diretamente a satisfação do cliente e os custos operacionais.

Este é um campo calculado, derivado da diferença entre os registros de data e hora do primeiro e do último evento de cada pedido do armazém.

Esta métrica calculada mede a duração de uma etapa crítica do processo de entrada: o tempo entre a atividade 'Goods Received and Counted' e a atividade 'Goods Put Away in Storage'. Ela quantifica a eficiência das operações de recebimento na doca e de putaway.

Essa duração é um dado essencial para o Dashboard 'Goods Receipt to Putaway Cycle' e seu KPI correspondente. Valores altos podem indicar gargalos na doca de recebimento, atrasos na criação de Tasks de putaway ou trajetos ineficientes, fatores que atrasam a disponibilidade do estoque.

Ele isola e mede a eficiência de uma etapa crítica do processo de entrada, destacando gargalos que atrasam a disponibilidade do estoque.

Este é um campo calculado, derivado da diferença de tempo entre os eventos 'Goods Received and Counted' e 'Goods Put Away in Storage' de um determinado caso.