Seu Template de dados para gestão de armazém

Este atributo informa a data e a hora exatas de cada atividade registrada no processo. É a base cronológica do Event Log, que estabelece a sequência e o momento de todas as operações do armazém para um determinado pedido.

A hora do evento é essencial para todas as análises de Process Mining baseadas em tempo. Ela é usada 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 essencial para ordenar os eventos corretamente e calcular todas as métricas de duração, como tempos de ciclo e prazos de atravessamento.

Encontrado nas tabelas de logs de eventos ou nos registros de transações, junto às informações da atividade no Manhattan SCALE. Os campos costumam ter nomes como 'created_ts', 'event_timestamp' ou 'status_change_date'.

Este atributo registra as etapas ou os marcos específicos do processo de gerenciamento de armazém. Alguns exemplos são 'Mercadorias retiradas do estoque', 'Embalagem iniciada' e 'Remessa despachada'. Cada atividade representa uma ação específica realizada no pedido de armazém.

Este é um atributo essencial para 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 que atrasam o trabalho.

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, logs de eventos ou tabelas de atualização de status do Manhattan SCALE que acompanham o andamento dos pedidos de armazém.

O pedido de 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 todo o ciclo de vida de um pedido no armazém, seja no recebimento e na armazenagem de mercadorias, na separação, na embalagem ou no envio.

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

É a chave essencial para reunir todas as atividades relacionadas ao armazém em uma única instância de processo, permitindo uma análise de ponta a ponta.

Esse identificador geralmente está nas principais tabelas de gerenciamento de pedidos do Manhattan SCALE, como a tabela de cabeçalho do pedido.

Este atributo identifica o aplicativo de origem em que os dados do evento foram gerados. Para este processo, o valor geralmente é 'Manhattan SCALE'.

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

Fornece contexto essencial sobre a origem dos dados, fundamental para a governança, a validação e a integração de dados em ambientes de TI complexos.

Geralmente, é um valor estático adicionado durante o processo de extração, transformação e carregamento (ETL) 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 mostra o nível de atualização dos dados analisados.

Essa informação é essencial para que os usuários entendam a atualidade da análise. Ela ajuda a identificar se os dados são em tempo real ou se representam um retrato de um momento específico, algo fundamental para tomar decisões operacionais bem fundamentadas e elaborar relatórios.

Informa aos usuários se os dados estão atualizados, ajudando a entender o período abrangido pela análise e pelos relatórios.

Esse registro de data e hora geralmente é gerado e armazenado pela ferramenta de ETL ou pelo pipeline de dados durante o carregamento.

Este atributo representa o acordo de nível de serviço (SLA) ou a data-alvo de entrega de um pedido de saída do armazém. É o prazo usado para medir a pontualidade das operações do armazém.

Essa data é uma referência essencial para avaliar a performance. Ela é usada no Dashboard 'Performance de pontualidade das remessas' e no KPI 'Taxa de remessas pontuais' para determinar se um pedido foi atendido no prazo. Analisar os pedidos que não cumprem essa data ajuda a identificar causas sistêmicas dos atrasos e a melhorar a satisfação do cliente.

É a principal referência para medir a pontualidade das remessas e o cumprimento dos acordos de nível de serviço com os clientes.

Geralmente armazenada na tabela de cabeçalho do pedido no Manhattan SCALE, muitas vezes preenchida por um ERP ou sistema de gerenciamento de pedidos upstream.

A hora de término marca a conclusão de uma atividade. Quando combinada com uma hora de início (EventTime), permite calcular com precisão o tempo de processamento de tarefas individuais. Nem todos os eventos têm uma hora de término específica, mas, quando ela existe, como nas atividades de separação ou embalagem, esse dado é muito valioso.

Na análise, a hora de término é usada para calcular a métrica 'ProcessingTime', essencial para entender a eficiência dos recursos e a duração das tarefas. Isso ajuda a identificar quais atividades específicas levam mais tempo e contribuem para o tempo total do ciclo e possíveis atrasos.

Permite calcular com precisão o tempo de processamento de cada atividade e identificar as tarefas que consomem mais tempo e recursos.

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

Este atributo, muitas vezes chamado de SKU (Stock Keeping Unit), identifica o item específico envolvido em uma atividade do armazém. Um único pedido de armazém pode conter vários materiais, cada um tratado em itens de linha ou tarefas separados.

Analisar o processo por ID do material pode revelar problemas específicos de determinados produtos. Por exemplo, alguns itens podem estar mais sujeitos a falhas na inspeção de qualidade, erros de separação ou tempos de manuseio mais longos devido ao tamanho, peso ou requisitos de armazenagem. Isso ajuda a otimizar as estratégias de armazenagem e os procedimentos de manuseio para diferentes tipos de produtos.

Permite analisar os produtos individualmente e 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 de armazém principal.

Este atributo registra o ID do usuário responsável por executar uma tarefa específica do armazém, como separação, embalagem ou armazenagem. Ele vincula as atividades do processo aos recursos humanos envolvidos.

Analisar a performance por ID do usuário/operador é essencial para entender a utilização de 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 'Utilização de recursos por operador' e os KPIs relacionados, permitindo que os gestores otimizem o dimensionamento da equipe e a atribuição de tarefas.

Relaciona a performance do processo a pessoas ou equipes específicas, permitindo analisar a carga de trabalho, a produtividade e a alocação de recursos.

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

Este atributo registra a quantidade medida de mercadorias em um ponto de controle importante, como o recebimento ou a separação. Representa o que foi movimentado fisicamente, que pode ser diferente do planejado.

Comparar a quantidade real com a quantidade planejada é essencial para identificar divergências. Essa comparação é a base do Dashboard 'Tendências de divergência na quantidade dos pedidos' e do KPI relacionado. Acompanhar essas diferenças ajuda a localizar problemas na precisão dos fornecedores, nos registros de estoque ou na separação, fatores essenciais para manter a integridade do estoque.

É essencial para identificar divergências entre as quantidades planejadas e executadas, revelando possíveis problemas na precisão do estoque ou erros operacionais.

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

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

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

Permite separar e comparar processos distintos, como recebimento e expedição, 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 de armazém de um pedido, como 'Remessa despachada'. Representa o momento real em que o processo de atendimento foi concluído.

Essa data é comparada diretamente com a 'Data de conclusão solicitada' para calcular a pontualidade das remessas. É o dado 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.

Fornece o registro de data e hora real da conclusão do pedido, usado para calcular os tempos de ciclo efetivos e medir a performance em relação às datas solicitadas.

Corresponde ao registro de data e hora da atividade final do processo, como 'Remessa despachada' ou 'Pedido de armazém concluído'.

Essa métrica é calculada subtraindo a 'Quantidade planejada' da 'Quantidade real'. Um valor diferente de zero indica uma diferença entre a quantidade de mercadorias movimentadas e a esperada. O resultado pode ser positivo, indicando excesso, ou negativo, indicando falta.

Esse atributo serve de base para o KPI 'Taxa de divergência na quantidade dos pedidos'. Ele quantifica a dimensão dos erros no recebimento ou na separação e oferece uma métrica clara para Dashboards que acompanham a precisão do estoque. Analisar as tendências e as causas raiz dessas diferenças é essencial para aumentar 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 campo é calculado na ferramenta de Process Mining pela fórmula: ActualQuantity - PlannedQuantity.

Este atributo booleano identifica ocorrências de retrabalho, como a atividade 'Mercadorias retiradas do estoque' realizada mais de uma vez para o mesmo material em um único pedido. Ele é calculado pela análise de padrões no fluxo do processo.

Identificar o retrabalho é essencial para encontrar ineficiências e erros no processo. Isso ajuda a quantificar o KPI 'Taxa de retrabalho na separação' e permite que analistas isolem e investiguem casos com etapas repetidas. Entender as causas do retrabalho é fundamental para reduzir os custos operacionais e melhorar a qualidade do processo.

Ele identifica ciclos ineficientes e tarefas repetidas no processo, que muitas vezes são causas ocultas de atrasos e aumento dos custos operacionais.

Este atributo calculado costuma ser definido na ferramenta de Process Mining por meio de regras que detectam padrões específicos de atividades repetidas, como ciclos curtos ou autorrepetições.

Este atributo booleano é calculado comparando a 'Data de conclusão real' com a 'Data de conclusão solicitada'. O valor é verdadeiro quando o pedido é concluído no prazo e falso quando há atraso.

Esse atributo simplifica a análise de performance, facilitando a filtragem e a agregação dos dados. Ele serve de base para calcular o KPI 'Taxa de envios no prazo' e alimenta Dashboards que acompanham o cumprimento dos SLAs dos clientes. Assim, fica fácil separar os pedidos em conformidade dos que não estão, permitindo fazer uma análise de causa raiz dos atrasos.

Ele simplifica os relatórios de performance ao transformar a comparação entre datas em um indicador simples de verdadeiro ou falso, facilitando o cálculo da taxa de envios no prazo.

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

Este atributo especifica o equipamento de movimentação de materiais (MHE) ou a tecnologia usados para realizar uma tarefa no armazém. Pode incluir IDs específicos de empilhadeiras, números de paleteiras ou IDs de leitores portáteis de radiofrequência.

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

Permite analisar a utilização dos equipamentos e seu impacto na eficiência do processo, ajudando a gerenciar os cronogramas de manutenção e os investimentos em equipamentos de movimentação de materiais.

Consulte a documentação do Manhattan SCALE ou os logs do sistema. Essas informações podem estar registradas nos dados de execução das tarefas, se o sistema estiver configurado para capturá-las.

O ID da remessa é um identificador de nível superior que reúne um ou mais pedidos de 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 oferece 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 pontualidade no nível da remessa e entender como a consolidação de pedidos afeta os prazos totais de atravessamento.

Agrupa vários pedidos em um único evento de envio, permitindo analisar os processos de consolidação, preparação e carregamento.

Encontrado nas tabelas de gerenciamento de transporte ou de remessas do Manhattan SCALE. Esse ID geralmente está vinculado a vários pedidos de armazém.

Este atributo identifica o local físico (por exemplo, corredor 5, endereço 3, nível C) envolvido em uma atividade de armazenagem ou retirada. Ele fornece contexto espacial ao processo do armazém.

Analisar as atividades por local de armazenagem é essencial para otimizar o layout do armazém e o fluxo de materiais. Isso pode ajudar a identificar locais acessados com frequência, trajetos ineficientes durante a separação ou áreas sujeitas a congestionamentos. Esses dados apoiam a análise da eficiência da armazenagem e da separação, revelando oportunidades para melhorar as estratégias de armazenagem.

Fornece contexto espacial para as movimentações no armazém, permitindo analisar a eficiência do layout, os tempos de deslocamento e a otimização dos trajetos de separação.

Incluído nos dados das tarefas de armazenagem e separação no Manhattan SCALE, em campos como 'location_id', 'bin_code' ou 'source_location'.

Este atributo identifica o parceiro logístico ou a transportadora (por exemplo, FedEx, UPS, DHL) designada para uma remessa de saída. Ele relaciona o processo do armazém à etapa seguinte do transporte.

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

Relaciona as operações do armazém aos parceiros logísticos e permite analisar a performance por transportadora para identificar possíveis gargalos ligados ao transporte.

Encontrado nas tabelas de planejamento de transporte ou 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 de armazém original ou as instruções da tarefa. É a referência usada para medir a operação real.

Esse valor é usado junto com a 'Quantidade real' 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 separação. Por isso, este é um atributo importante para analisar qualidade e precisão.

Serve como referência para medir a precisão das quantidades e identificar divergências que afetam o estoque e o atendimento dos pedidos.

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

Este atributo registra o resultado da atividade 'Inspeção de qualidade realizada'. Ele indica se as mercadorias recebidas atenderam aos padrões de qualidade exigidos ou se precisam de outras ações.

Este é um atributo essencial para a análise da gestão da qualidade. Ele ajuda a acompanhar a 'Taxa de conformidade do controle de qualidade', considerando não apenas a adesão aos padrões, mas também os resultados. Analisar as taxas de reprovação por fornecedor ou material pode ajudar a melhorar as decisões de compras e reduzir os custos posteriores associados a mercadorias de baixa qualidade.

Apresenta 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 estão armazenadas em tabelas relacionadas à gestão da qualidade ou às tarefas de recebimento.

Essa métrica calcula a duração total de cada pedido do armazém, do evento 'Pedido do armazém criado' ao evento 'Pedido do armazém concluído'. É um indicador-chave de performance que mede a eficiência de ponta a ponta de todo o processo de atendimento de pedidos do armazém.

Em Dashboards e análises, esse atributo oferece uma visão geral da performance. Ele é usado para acompanhar tendências, identificar valores fora do padrão, como tempos de ciclo prolongados, e comparar a performance ao longo do tempo. Também serve de base para o Dashboard 'Tempo total de ciclo do atendimento de pedidos' e o KPI correspondente.

Esse é um KPI crítico, que mede a velocidade e a eficiência de ponta a ponta do armazém, com impacto direto na satisfação dos clientes e nos custos operacionais.

Este campo calculado corresponde à diferença entre os registros de data e hora do primeiro e do último evento de cada pedido do armazém.

Essa métrica calculada mede a duração de uma etapa crítica do processo de entrada: o intervalo entre a atividade 'Mercadorias recebidas e contadas' e a atividade 'Mercadorias armazenadas'. Ela quantifica a eficiência das operações de recebimento e armazenagem.

Essa duração é um dado importante para o Dashboard 'Ciclo de recebimento e armazenagem de mercadorias' e o KPI correspondente. Valores altos podem indicar gargalos na doca de recebimento, demora na criação de tarefas de armazenagem ou trajetos ineficientes. Todos esses fatores atrasam a disponibilidade do estoque.

Ela mede a eficiência de uma etapa crítica do processo de entrada e destaca gargalos que atrasam a disponibilidade do estoque.

Este campo calculado corresponde à diferença entre os horários dos eventos 'Mercadorias recebidas e contadas' e 'Mercadorias armazenadas' em cada caso.