Depo Yönetimi Veri Şablonunuz

Depo Siparişi, tek bir lojistik süreç için başlangıçtan bitişe kadar tüm ilgili aktiviteleri gruplayan birincil vaka tanımlayıcısı olarak hizmet eder. Bu, malların kabul edilmesi, yerleştirilmesi, toplanması, paketlenmesi veya sevkiyatı olsun, bir siparişin depo içindeki yaşam döngüsünün uçtan uca takibini sağlar.

Process mining analizinde bu öznitelik, her siparişin yolculuğunu yeniden yapılandırmak için temeldir. Tüm olayları belirli bir Depo Siparişine bağlayarak, analistler süreç akışlarını görselleştirebilir, bireysel siparişler için çevrim sürelerini ölçebilir ve karşılama verimliliğini etkileyen varyasyonları veya bottleneck'leri (darboğazları) belirleyebilir.

Tüm ilgili depo faaliyetlerini tek, tutarlı bir süreç örneğine bağlamak için temel anahtardır, uçtan uca analiz sağlar.

Bu tanımlayıcı, genellikle Manhattan SCALE içindeki ana sipariş yönetimi tablolarında, örneğin sipariş başlık tablosunda bulunur.

Bu öznitelik, depo yönetimi süreci içindeki ayrı adımları veya kilometre taşlarını kaydeder. Örnekler arasında 'Depodan Mal Toplandı', 'Paketleme Başlatıldı' ve 'Sevkiyat Sevk Edildi' bulunur. Her aktivite, depo siparişi üzerinde gerçekleştirilen belirli bir eylemi temsil eder.

Bu, Process mining için kritik bir özniteliktir, çünkü süreç haritasındaki düğümleri tanımlar. Bu aktivitelerin sırasını, sıklığını ve süresini analiz etmek, süreç akışlarının görselleştirilmesine, standart prosedürden sapmaların belirlenmesine ve işin geciktiği bottleneck'lerin (darboğazların) tespit edilmesine olanak tanır.

Sürecin adımlarını tanımlar, süreç haritasının temelini oluşturur ve operasyonel akış ile varyasyonların analizini sağlar.

Manhattan SCALE içindeki işlem kodlarından, Event Log'lardan veya depo siparişlerinin ilerlemesini izleyen durum güncelleme tablolarından türetilmiştir.

Bu öznitelik, süreçte kaydedilen her aktivite için kesin tarih ve saati sağlar. Belirli bir sipariş için tüm depo operasyonlarının sırasını ve zamanlamasını belirleyen olay günlüğünün kronolojik omurgasıdır.

Olay Zamanı, tüm zaman tabanlı Process mining analizi için gereklidir. Aktiviteler arasındaki çevrim sürelerini hesaplamak, bir sürecin toplam süresini ölçmek, gecikmeleri belirlemek ve farklı zaman dilimlerinde süreç performansını analiz etmek için kullanılır. Doğru zaman damgaları, güvenilir bir süreç haritası oluşturmak ve anlamlı performans metrikleri türetmek için çok önemlidir.

Bu zaman damgası, olayları doğru bir şekilde sıralamak ve çevrim süreleri ve teslim süreleri gibi tüm süre tabanlı metrikleri hesaplamak için çok önemlidir.

Manhattan SCALE'deki etkinlik bilgileriyle birlikte Event Log tablolarında veya işlem kayıtlarında bulunur. Alanlar genellikle 'created_ts', 'event_timestamp' veya 'status_change_date' gibi adlandırılır.

Bu öznitelik, olay verilerinin oluşturulduğu kaynak uygulamayı tanımlar. Bu süreç için değer genellikle 'Manhattan SCALE' olacaktır.

Birden fazla entegre sistemin olduğu bir ortamda, bu alan veri kaynaklarını ayırt etmeye yardımcı olur. Verinin kökeni için bağlam sağlar, bu da veri yönetimi, sorun giderme ve farklı platformlardaki veri yakalama süreçlerindeki potansiyel farklılıkları anlamak için önemli olabilir.

Verinin kaynağı hakkında temel bağlam sağlar; bu, karmaşık BT ortamlarında veri yönetimi, doğrulama ve entegrasyon çabaları için kritik öneme sahiptir.

Bu, genellikle veri çıkarma, dönüştürme ve yükleme (ETL) süreci sırasında veri kümesini etiketlemek için eklenen statik bir değerdir.

Bu öznitelik, verilerin Manhattan SCALE'den en son ne zaman çıkarıldığını ve Process mining aracına yüklendiğini gösterir. Analiz edilen verilerin güncelliğini yansıtır.

Bu bilgi, kullanıcıların analizin güncelliğini anlamaları için hayati öneme sahiptir. Gerçek zamanlı verilere mi yoksa belirli bir zaman noktasındaki bir anlık görüntüye mi baktıklarını bilmelerine yardımcı olur, bu da bilinçli operasyonel kararlar almak ve raporlama amaçları için çok önemlidir.

Kullanıcılara verinin güncelliği hakkında bilgi verir, analizin ve raporların kapsadığı zaman dilimini anlamalarını sağlar.

Bu zaman damgası, genellikle veri yükleme süreci sırasında ETL aracı veya veri hattı tarafından oluşturulur ve saklanır.

Bitiş Zamanı, bir aktivitenin tamamlandığını gösterir. Başlangıç Zamanı (EventTime) ile eşleştirildiğinde, bireysel görevler için işlem süresinin kesin olarak hesaplanmasını sağlar. Tüm olayların ayrı bir bitiş zamanı olmasa da, 'Toplama' veya 'Paketleme' gibi olanlar için bu veri son derece değerlidir.

Analizde Bitiş Zamanı, kaynak verimliliğini ve görev süresini anlamak için çok önemli olan 'İşlem Süresi' metriğini hesaplamak için kullanılır. Bu, genel çevrim süresine ve potansiyel gecikmelere katkıda bulunan belirli aktivitelerin hangilerinin en uzun sürdüğünü belirlemeye yardımcı olur.

Bireysel etkinlikler için işlem süresinin hassas bir şekilde hesaplanmasını sağlayarak, hangi görevlerin en çok zaman ve kaynak tükettiğini belirlemeye yardımcı olur.

Bu, başlangıç zamanıyla aynı işlem günlüklerinde, 'completed_ts' veya 'end_time' gibi ayrı bir alanda bulunabilir. Doğrudan mevcut değilse, bazen sonraki aktivitenin başlangıç zamanından çıkarımlanabilir.

Bu öznitelik, mal kabul veya toplama gibi önemli bir kontrol noktasında ölçülen mal miktarını kaydeder. Fiziksel olarak elleçlenen şeyi temsil eder, bu da planlanandan farklılık gösterebilir.

Fiili Miktarı Planlanan Miktar ile karşılaştırmak, tutarsızlıkları belirlemek için esastır. Bu, 'Sipariş Miktar Tutarsızlığı Eğilimleri' dashboard'u ve ilgili KPI için temeldir. Bu farklılıkları izlemek, tedarikçi doğruluğu, envanter kayıtları veya toplama hatalarındaki sorunları belirlemeye yardımcı olur; bu da envanter bütünlüğünü korumak için kritik öneme sahiptir.

Planlanan ve gerçekleştirilen miktarlar arasındaki tutarsızlıkları belirlemek, potansiyel envanter doğruluğu sorunlarını veya operasyonel hataları vurgulamak için çok önemlidir.

Manhattan SCALE'de kabul, sayım veya toplama gibi etkinlikler için işlem detay kayıtlarında bulunur.

Bu öznitelik, toplama, paketleme veya yerleştirme gibi belirli bir depo görevini yürütmekten sorumlu kullanıcının kimliğini yakalar. Süreç aktivitelerini ilgili insan kaynaklarına bağlar.

Kullanıcı/Operatör Kimliğine göre performansı analiz etmek, kaynak kullanımını ve bireysel veya ekip verimliliğini anlamak için çok önemlidir. En iyi performansı gösterenleri, eğitim ihtiyaçlarını ve iş yükü dağılımını belirlemeye yardımcı olur. Bu veri, 'Operatöre Göre Kaynak Kullanımı' dashboard'u ve ilgili KPI'lar için anahtar olup, yöneticilerin personel alımını ve görev atamalarını optimize etmesini sağlar.

Süreç performansını belirli bireylere veya ekiplere bağlayarak iş yükü, üretkenlik ve kaynak tahsisi analizini sağlar.

Bu bilgi, genellikle Manhattan SCALE'deki işlem günlüklerine, sıklıkla 'user_id', 'operator' veya 'executed_by' gibi alanlarda kaydedilir.

Bu öznitelik, genellikle SKU (Stok Tutma Birimi) olarak bilinen, bir depo aktivitesinde yer alan belirli öğeyi tanımlar. Tek bir depo siparişi, her biri ayrı satır öğelerinde veya görevlerde elleçlenen birden fazla malzeme içerebilir.

Süreci Malzeme Kimliğine göre analiz etmek, ürüne özel sorunları ortaya çıkarabilir. Örneğin, belirli öğeler boyutları, ağırlıkları veya depolama gereksinimleri nedeniyle kalite inceleme hatalarına, toplama hatalarına veya daha uzun elleçleme sürelerine daha yatkın olabilir. Bu, farklı ürün türleri için depolama stratejilerini ve elleçleme prosedürlerini optimize etmeye yardımcı olur.

Belirli öğelerin süreç gecikmeleri, hatalar veya yeniden işleme ile ilişkili olup olmadığını belirlemek için ürün düzeyinde analiz sağlar.

Manhattan SCALE'deki ana depo siparişine bağlı, sipariş satır öğesi tablolarında bulunur.

Sipariş Türü, depo siparişinin genel amacını tanımlar. Yaygın türler arasında müşteri sevkiyatları (giden), tedarikçi kabulleri (gelen), lokasyonlar arası stok transferleri (dahili) veya iadeler bulunur.

Bu öznitelik, süreç analizini segmentlere ayırmaya olanak tanır. Sipariş Türü'ne göre filtreleme yaparak, mal kabul süreci ile sevkiyat süreci gibi farklı süreçlerin performansını karşılaştırabilirsiniz. Bu çok önemlidir, çünkü adımları, kaynakları ve performans hedefleri genellikle çok farklıdır ve bunları birlikte analiz etmek yanıltıcı olabilir.

Gelen ve giden gibi farklı akışlara ve performans beklentilerine sahip ayrı süreçlerin ayrılmasına ve karşılaştırılmasına olanak tanır.

Manhattan SCALE'deki sipariş başlık verilerinde bulunur. Alan 'order_type', 'transaction_type' veya benzeri şekilde adlandırılabilir.

Bu öznitelik, giden bir depo siparişi için hizmet seviyesi anlaşmasını (SLA) veya hedef teslimat tarihini temsil eder. Depo operasyonlarının zamanında performans için ölçüldüğü son tarihtir.

Bu tarih, performans değerlendirmesi için kritik bir kıyaslama noktasıdır. Bir siparişin zamanında yerine getirilip getirilmediğini belirlemek için 'Zamanında Sevkiyat Performansı' dashboard'unda ve 'Zamanında Sevkiyat Oranı' KPI'sında kullanılır. Bu tarihi kaçıran siparişleri analiz etmek, gecikmelerin sistematik nedenlerini belirlemeye ve müşteri memnuniyetini artırmaya yardımcı olur.

Zamanında sevkiyat performansını ve müşteri hizmet düzeyi anlaşmalarına uyumu ölçmek için birincil ölçüt görevi görür.

Genellikle Manhattan SCALE'deki sipariş başlık tablosunda saklanır, sıklıkla bir üst düzey ERP veya Sipariş Yönetim Sisteminden doldurulur.

Bu öznitelik, depolama veya geri alma aktivitesinde yer alan fiziksel konumu (örn. Koridor 5, Bölme 3, Kat C) tanımlar. Depo sürecine mekansal bağlam sağlar.

Depolama konumuna göre aktiviteleri analiz etmek, depo yerleşimini ve malzeme akışını optimize etmek için çok önemlidir. Sık erişilen konumları, toplama sırasındaki verimsiz seyahat yollarını veya tıkanıklığa yatkın alanları belirlemeye yardımcı olabilir. Bu veri, yerleştirme ve toplama verimliliği analizini destekler, depolama stratejilerini iyileştirme fırsatlarını ortaya çıkarır.

Depo hareketlerine uzamsal bağlam sağlayarak, düzen verimliliği, seyahat süreleri ve toplama yolu optimizasyonu analizini mümkün kılar.

Manhattan SCALE'de yerleştirme ve toplama etkinlikleri için görev seviyesindeki verilerde, 'location_id', 'bin_code' veya 'source_location' gibi alanlarda bulunur.

Bu öznitelik, bir sipariş için depo sürecinin son adımını, örneğin 'Sevkiyat Sevk Edildi' gibi, işaretleyen zaman damgasıdır. Sipariş karşılama sürecinin fiili tamamlama zamanını temsil eder.

Bu tarih, zamanında sevkiyat performansını hesaplamak için 'Talep Edilen Tamamlanma Tarihi' ile doğrudan karşılaştırılır. Deponun siparişle ilgili sorumluluğunun ne zaman sona erdiğini doğrulayan fiili veri noktasıdır. Bu özniteliği analiz etmek, sipariş karşılama çevrim sürelerini ve SLA'lara karşı performansı doğru bir şekilde ölçmeye yardımcı olur.

Sipariş tamamlanmasının gerçek zaman damgasını sağlar, gerçek döngü sürelerini hesaplamak ve talep edilen tarihlere göre performansı ölçmek için kullanılır.

Bu, süreçteki son aktivitenin, örneğin 'Sevkiyat Sevk Edildi' veya 'Depo Siparişi Tamamlandı' gibi, zaman damgasına karşılık gelir.

Sevkiyat Kimliği, aynı araçla veya aynı konsinye parçası olarak birlikte taşınan bir veya daha fazla depo siparişini birleştiren üst düzey bir tanımlayıcıdır. Bireysel siparişleri belirli bir taşıma olayına bağlar.

Analizde Sevkiyat Kimliği, lojistik operasyonlarına daha geniş bir bakış açısı sağlar. Hazırlık ve yükleme aşamalarındaki konsolidasyon sürecinin verimliliğini analiz etmek, sevkiyat düzeyinde zamanında performans ölçmek ve sipariş konsolidasyonunun genel teslim sürelerini nasıl etkilediğini anlamak için kullanılabilir.

Birden çok siparişi tek bir sevkiyat olayında gruplandırarak konsolidasyon, hazırlık ve yükleme süreçlerinin analizini sağlar.

Manhattan SCALE içindeki taşıma veya sevkiyat yönetimi tablolarında bulunur. Bu kimlik genellikle birden çok depo siparişine geri bağlanır.

Bu öznitelik, 'Yapılan Kalite İncelemesi' aktivitesinin sonucunu kaydeder. Teslim alınan malların gerekli kalite standartlarını karşılayıp karşılamadığını veya daha fazla eyleme ihtiyaç olup olmadığını gösterir.

Bu, kalite yönetimi analizi için kritik bir özniteliktir. Sadece uyum açısından değil, sonuçlar açısından da 'Kalite Kontrol Uyumluluk Oranı'nı izlemeye yardımcı olur. Tedarikçi veya malzemeye göre hata oranlarını analiz etmek, tedarik kararlarını iyileştirmeye ve düşük kaliteli mallarla ilişkili sonraki maliyetleri azaltmaya yardımcı olabilir.

Kalite kontrollerinin sonucunu sağlayarak, tedarikçi kalitesi, ürün sorunları ve denetim sürecinin etkinliği analizini mümkün kılar.

Manhattan SCALE belgelerine bakın. Bu büyük olasılıkla kalite yönetimi veya kabul görevleriyle ilgili tablolarda saklanacaktır.

Bu öznitelik, bir depo görevini yerine getirmek için kullanılan malzeme elleçleme ekipmanının (MHE) veya teknolojisinin parçasını belirtir. Bu, belirli forklift kimliklerini, palet transpalet numaralarını veya el tipi RF tarayıcı kimliklerini içerebilir.

Bu veri, sadece insan operatörlerinin ötesinde kaynak kullanım analizi için değerlidir. Pahalı ekipmanların kullanım modellerini anlamaya, bakımı planlamaya ve doğru araçların gerektiğinde kullanılabilir olmasını sağlamaya yardımcı olur. 'Kaynak Kullanımı (Toplama)' gibi KPI'ları analiz için başka bir boyut sağlayarak doğrudan destekler.

Ekipman kullanımının ve süreç verimliliği üzerindeki etkisinin analizini sağlar, bakım programlarını ve MHE yatırımını yönetmeye yardımcı olur.

Manhattan SCALE belgelerine veya sistem günlüklerine bakın. Sistem bunu yakalayacak şekilde yapılandırılmışsa, görev yürütme kayıtlarında izlenebilir.

Bu hesaplanan metrik, gelen sürecin kritik bir bölümünün süresini ölçer: 'Mallar Kabul Edildi ve Sayıldı' aktivitesi ile 'Mallar Depoya Yerleştirildi' aktivitesi arasındaki süre. Mal kabul rıhtımı ve yerleştirme operasyonlarının verimliliğini ölçer.

Bu süre, 'Mal Kabulden Yerleştirmeye Çevrim' dashboard'u ve ilgili KPI'sı için önemli bir girdidir. Bu metrik için yüksek değerler, mal kabul rıhtımındaki bottleneck'leri (darboğazları), yerleştirme görevleri oluşturulmasındaki gecikmeleri veya verimsiz seyahat yollarını işaret edebilir; bunların hepsi envanter kullanılabilirliğini geciktirir.

Kritik bir gelen süreç adımının verimliliğini izole eder ve ölçer, envanter kullanılabilirliğini geciktiren darboğazları vurgular.

Bu, belirli bir vaka için 'Mallar Kabul Edildi ve Sayıldı' ve 'Mallar Depoya Yerleştirildi' olayları arasındaki zaman farkını bulunarak türetilen hesaplanmış bir alandır.

Bu metrik, 'Fiili Miktar' eksi 'Planlanan Miktar' olarak hesaplanır. Sıfır olmayan bir değer, elleçlenen mal miktarı ile beklenen miktar arasında bir tutarsızlığı gösterir. Değer pozitif (fazlalık) veya negatif (eksiklik) olabilir.

Bu öznitelik, 'Sipariş Miktar Tutarsızlığı Oranı' KPI'sının temelidir. Mal kabul veya toplama hatalarının büyüklüğünü ölçer, envanter doğruluğunu izleyen dashboard'lar için net bir metrik sağlar. Bu tutarsızlıkların eğilimlerini ve kök nedenlerini analiz etmek, operasyonel hassasiyeti iyileştirmek için hayati öneme sahiptir.

Envanter ve sipariş karşılama hatalarını doğrudan ölçer, doğruluğu ve tutarsızlıkların finansal etkisini izlemek için net bir metrik sağlar.

Bu, Process mining aracında şu formülle türetilen hesaplanmış bir alandır: FiiliMiktar - PlanlananMiktar.

Bu öznitelik, orijinal depo siparişine veya görev talimatına göre teslim alınması, toplanması veya elleçlenmesi beklenen bir ürünün miktarını gösterir. Gerçek dünya operasyonunun ölçüldüğü temeldir.

Bu değer, tutarsızlıkları hesaplamak için 'Fiili Miktar' ile birlikte kullanılır. Planlanan ve fiili miktarlar arasındaki sık farklılıklar, tedarikçi sevkiyatları, envanter doğruluğu veya toplama süreçlerindeki sorunları işaret edebilir, bu da onu kalite ve doğruluk analizi için önemli bir öznitelik haline getirir.

Miktar doğruluğunu ölçmek için bir referans noktası görevi görür, envanter ve sipariş karşılamayı etkileyen tutarsızlıkları belirlemeye yardımcı olur.

Manhattan SCALE içindeki sipariş satır öğesi veya görev detay tablolarında bulunur.

Bu metrik, her depo siparişi için 'Depo Siparişi Oluşturuldu' olayından 'Depo Siparişi Tamamlandı' olayına kadar geçen toplam süreyi hesaplar. Tüm depo sipariş karşılama sürecinin uçtan uca verimliliğini ölçen önemli bir performans göstergesidir.

Dashboard'larda ve analizde, bu öznitelik genel performansa yüksek seviyeli bir bakış açısı sağlar. Eğilimleri izlemek, aykırı değerleri (uzatılmış çevrim süreleri) belirlemek ve zaman içinde performansı kıyaslamak için kullanılır. 'Genel Sipariş Karşılama Çevrim Süresi' dashboard'unu ve ilgili KPI'yı doğrudan destekler.

Bu, deponun uçtan uca hızını ve verimliliğini ölçen, müşteri memnuniyetini ve operasyonel maliyetleri doğrudan etkileyen kritik bir KPI'dır.

Bu, her Depo Siparişi için ilk ve son olayların zaman damgaları arasındaki fark alınarak türetilen hesaplanmış bir alandır.

Bu öznitelik, giden bir sevkiyata atanan lojistik ortağını veya taşıyıcıyı (örn. FedEx, UPS, DHL) tanımlar. Depo sürecini sonraki taşıma aşamasına bağlar.

Taşıyıcıya göre performansı analiz etmek, tedarik zinciri hakkında önemli içgörüler ortaya çıkarabilir. Belirli taşıyıcıların daha uzun hazırlık süreleri, sık gecikmeler veya özel elleçleme gereksinimleri ile ilişkili olup olmadığını belirlemeye yardımcı olur. Bu bilgi, taşıyıcı performansını değerlendirmek ve lojistik ortaklıklarını optimize etmek için kullanılabilir.

Depo operasyonlarını lojistik ortaklarına bağlayarak, taşıyıcı bazında performans analizi yaparak potansiyel ulaşımla ilgili darboğazları belirlemeyi sağlar.

Manhattan SCALE içindeki sevkiyat veya taşıma planlama tablolarında bulunur, genellikle sipariş başlığına bağlıdır.

Bu boolean öznitelik, aynı malzeme için tek bir sipariş içinde 'Depodan Mal Toplandı' aktivitesinin birden fazla kez gerçekleştirilmesi gibi yeniden işleme örneklerini tanımlar. Süreç akışındaki desenleri analiz ederek türetilir.

Yeniden işleme bayrağı, süreç verimsizliklerini ve hatalarını belirlemek için çok önemlidir. 'Toplama Yeniden İşleme Oranı' KPI'sını ölçmeye yardımcı olur ve analistlerin tekrarlanan adımlara sahip vakaları izole etmesine ve araştırmasına olanak tanır. Yeniden işlemenin nedenlerini anlamak, operasyonel maliyetleri azaltmanın ve süreç kalitesini iyileştirmenin anahtarıdır.

Süreç içindeki verimsiz döngüleri ve tekrarlanan işleri işaretler; bunlar genellikle gecikmelerin ve artan operasyonel maliyetlerin gizli kaynaklarıdır.

Bu, genellikle Process mining aracı içinde belirli tekrarlanan aktivite modellerini (örn. kendi kendine döngüler veya kısa döngüler) tespit eden kurallar tanımlanarak türetilen hesaplanan bir özniteliktir.

Bu boolean öznitelik, 'Fiili Tamamlanma Tarihi' ile 'Talep Edilen Tamamlanma Tarihi'nin karşılaştırılmasıyla türetilir. Sipariş zamanında tamamlandıysa doğru, geç kaldıysa yanlıştır.

Bu öznitelik, kolay filtreleme ve toplama sağlayarak performans analizini basitleştirir. 'Zamanında Sevkiyat Oranı' KPI'sını hesaplamak için temeldir ve müşteri SLA'larına uyumu izleyen dashboard'ları destekler. Uyumlu siparişleri uyumsuz olanlardan hızlıca ayırır, geç kalan siparişler üzerinde kök neden analizi yapılmasını sağlar.

Tarih karşılaştırmalarını basit bir doğru/yanlış işaretine dönüştürerek performans raporlamasını basitleştirir, bu da zamanında sevkiyat oranını hesaplamayı kolaylaştırır.

'ActualCompletionDate' <= 'RequestedCompletionDate' karşılaştırılarak hesaplanır. Bu mantık Process Mining aracında uygulanır.