> Cải tiến quy trình liên tục > Quản lý kho hàng > Manhattan SCALE > Mẫu dữ liệu

Mẫu dữ liệu quản lý kho của bạn

Manhattan SCALE

Các thuộc tính trong quản lý kho(23) Các hoạt động trong quản lý kho(15) Hướng dẫn trích xuất dữ liệu(2)

Mẫu dữ liệu quản lý kho của bạn

Mẫu này hướng dẫn bạn thu thập dữ liệu phù hợp nhất cho quy trình quản lý kho. Mẫu nêu rõ các thuộc tính và hoạt động cần thiết để phân tích hiệu quả. Ngoài ra, mẫu còn hướng dẫn cụ thể cách trích xuất dữ liệu từ hệ thống để bạn bắt đầu process mining thuận lợi.

Các thuộc tính nên thu thập
Các hoạt động chính cần theo dõi
Hướng dẫn trích xuất dữ liệu từ Manhattan SCALE

Chưa quen với nhật ký sự kiện? Tìm hiểu cách tạo nhật ký sự kiện cho process mining.

Tải mẫu xuống

Các thuộc tính trong quản lý kho

Các trường dữ liệu này rất cần thiết để tạo nhật ký sự kiện đầy đủ, giúp bạn phân tích sâu các quy trình quản lý kho.

5 Bắt buộc 6 Nên có 12 Không bắt buộc

	Tên	Mô tả
	Đơn hàng trong kho WarehouseOrder	Mã định danh duy nhất cho một đơn vị công việc logistics cụ thể, chẳng hạn như phiếu nhận hàng nhập hoặc lô hàng xuất.
Mô tả Đơn hàng trong kho là mã định danh chính của từng trường hợp, dùng để nhóm mọi hoạt động liên quan trong một quy trình logistics từ đầu đến cuối. Nhờ đó, bạn có thể theo dõi toàn bộ vòng đời của đơn hàng trong kho, dù quy trình gồm nhận hàng, đưa hàng vào vị trí lưu trữ, lấy hàng, đóng gói hay giao hàng. Trong phân tích process mining, thuộc tính này là nền tảng để tái dựng hành trình của từng đơn hàng. Khi liên kết mọi sự kiện với một đơn hàng trong kho cụ thể, nhà phân tích có thể trực quan hóa luồng quy trình, đo thời gian xử lý từng đơn và tìm ra các điểm khác biệt hoặc điểm nghẽn ảnh hưởng đến hiệu quả xử lý đơn. Vì sao điều này quan trọng Đây là khóa thiết yếu để liên kết mọi hoạt động liên quan trong kho thành một trường hợp quy trình thống nhất, giúp phân tích từ đầu đến cuối. Lấy dữ liệu ở đâu Mã này thường có trong các bảng quản lý đơn hàng chính của Manhattan SCALE, chẳng hạn như bảng phần đầu đơn hàng. Ví dụ WO-00583921WO-00583922WO-00583923
	Tên hoạt động ActivityName	Tên của tác vụ hoặc sự kiện quản lý kho cụ thể đã diễn ra.
Mô tả Thuộc tính này ghi lại từng bước hoặc mốc riêng trong quy trình quản lý kho. Ví dụ: “Lấy hàng khỏi vị trí lưu trữ”, “Bắt đầu đóng gói” và “Xuất lô hàng”. Mỗi hoạt động tương ứng với một thao tác cụ thể trên đơn hàng trong kho. Đây là thuộc tính quan trọng trong process mining vì nó xác định các nút trên sơ đồ quy trình. Phân tích thứ tự, tần suất và thời lượng của các hoạt động giúp trực quan hóa luồng quy trình, phát hiện sai lệch so với quy trình chuẩn và xác định điểm nghẽn khiến công việc bị chậm. Vì sao điều này quan trọng Thuộc tính này xác định các bước của quy trình, làm cơ sở cho sơ đồ quy trình và giúp phân tích luồng vận hành cũng như các điểm khác biệt. Lấy dữ liệu ở đâu Được xác định từ mã giao dịch, nhật ký sự kiện hoặc bảng cập nhật trạng thái trong Manhattan SCALE, nơi theo dõi tiến độ xử lý đơn hàng trong kho. Ví dụ Hàng đến khu vực bốc dỡTạo tác vụ lấy hàngĐóng gói xong hàngXuất lô hàng
	Thời điểm sự kiện EventTime	Dấu thời gian cho biết hoạt động hoặc sự kiện trong kho đã diễn ra khi nào.
Mô tả Thuộc tính này cung cấp ngày giờ chính xác của từng hoạt động được ghi nhận trong quy trình. Đây là trục thời gian của nhật ký sự kiện, xác định thứ tự và thời điểm diễn ra mọi hoạt động trong kho cho một đơn hàng. Thời điểm sự kiện cần thiết cho mọi phân tích process mining dựa trên thời gian. Thuộc tính này được dùng để tính thời gian giữa các hoạt động, đo tổng thời lượng quy trình, phát hiện chậm trễ và phân tích hiệu suất theo từng giai đoạn. Dấu thời gian chính xác giúp tạo sơ đồ quy trình đáng tin cậy và tính toán các chỉ số hiệu suất có ý nghĩa. Vì sao điều này quan trọng Dấu thời gian này rất quan trọng để sắp xếp sự kiện đúng thứ tự và tính các chỉ số thời lượng, chẳng hạn như thời gian chu trình và thời gian xử lý. Lấy dữ liệu ở đâu Có trong các bảng nhật ký sự kiện hoặc bản ghi giao dịch cùng với thông tin hoạt động trong Manhattan SCALE. Tên trường thường có dạng “created_ts”, “event_timestamp” hoặc “status_change_date”. Ví dụ 2023-10-26T08:00:00Z2023-10-26T09:15:30Z2023-10-26T11:45:10Z
	Hệ thống nguồn SourceSystem	Hệ thống cung cấp dữ liệu.
Mô tả Thuộc tính này xác định ứng dụng nguồn tạo ra dữ liệu sự kiện. Với quy trình này, giá trị thường là “Manhattan SCALE”. Khi có nhiều hệ thống được tích hợp, trường này giúp phân biệt nguồn dữ liệu. Thuộc tính cung cấp thông tin về nguồn gốc dữ liệu, hữu ích cho quản trị dữ liệu, xử lý sự cố và tìm hiểu khác biệt trong cách ghi nhận dữ liệu giữa các nền tảng. Vì sao điều này quan trọng Thuộc tính này cung cấp thông tin cần thiết về nguồn gốc dữ liệu, rất quan trọng cho việc quản trị, xác thực và tích hợp dữ liệu trong môi trường CNTT phức tạp. Lấy dữ liệu ở đâu Đây thường là giá trị cố định được thêm vào trong quá trình trích xuất, chuyển đổi và tải dữ liệu (ETL) để gắn nhãn cho tập dữ liệu. Ví dụ Manhattan SCALESCALE_PRODWMS_US_01
	Lần cập nhật dữ liệu gần nhất LastDataUpdate	Dấu thời gian của lần làm mới dữ liệu gần nhất từ hệ thống nguồn.
Mô tả Thuộc tính này cho biết ngày giờ dữ liệu được trích xuất lần gần nhất từ Manhattan SCALE và tải vào công cụ process mining. Qua đó, bạn biết dữ liệu đang phân tích mới đến mức nào. Thông tin này giúp người dùng hiểu dữ liệu phân tích được cập nhật đến thời điểm nào. Bạn có thể biết mình đang xem dữ liệu gần thời gian thực hay ảnh chụp dữ liệu tại một thời điểm cụ thể. Điều này rất quan trọng khi đưa ra quyết định vận hành và lập báo cáo. Vì sao điều này quan trọng Thuộc tính này cho người dùng biết dữ liệu mới đến mức nào, giúp xác định khoảng thời gian mà phân tích và báo cáo bao quát. Lấy dữ liệu ở đâu Dấu thời gian này thường do công cụ ETL hoặc luồng dữ liệu tạo và lưu trong quá trình tải dữ liệu. Ví dụ 2023-11-01T02:00:00Z2023-11-02T02:00:00Z
	Loại đơn hàng OrderType	Phân loại đơn hàng trong kho, chẳng hạn như hàng nhập, hàng xuất hoặc điều chuyển nội bộ.
Mô tả Loại đơn hàng cho biết mục đích chung của đơn hàng trong kho. Các loại phổ biến gồm đơn giao cho khách hàng (hàng xuất), phiếu nhận hàng từ nhà cung cấp (hàng nhập), điều chuyển tồn kho giữa các địa điểm (nội bộ) hoặc hàng trả lại. Thuộc tính này giúp phân nhóm phân tích quy trình. Bằng cách lọc theo loại đơn hàng, bạn có thể so sánh hiệu suất của các quy trình khác nhau, chẳng hạn như nhận hàng và giao hàng. Việc này rất quan trọng vì các quy trình có thể khác nhau về bước thực hiện, tài nguyên và mục tiêu hiệu suất. Phân tích chung có thể dẫn đến kết luận sai lệch. Vì sao điều này quan trọng Thuộc tính này giúp tách riêng và so sánh các quy trình khác nhau, chẳng hạn như hàng nhập và hàng xuất, vốn có luồng xử lý và mục tiêu hiệu suất riêng. Lấy dữ liệu ở đâu Có trong dữ liệu phần đầu đơn hàng của Manhattan SCALE. Tên trường có thể là “order_type”, “transaction_type” hoặc tên tương tự. Ví dụ Nhận hàng nhậpLô hàng xuấtĐiều chuyển nội bộHàng khách trả lại
	Mã mặt hàng MaterialId	Mã định danh duy nhất của sản phẩm hoặc nguyên vật liệu được xử lý.
Mô tả Thuộc tính này, thường được gọi là SKU (mã hàng tồn kho), xác định mặt hàng cụ thể trong một hoạt động tại kho. Một đơn hàng trong kho có thể gồm nhiều mặt hàng, mỗi mặt hàng được xử lý trong một dòng đơn hoặc tác vụ riêng. Phân tích quy trình theo mã mặt hàng có thể giúp phát hiện vấn đề liên quan đến từng sản phẩm. Chẳng hạn, một số mặt hàng có thể thường không đạt kiểm tra chất lượng, dễ bị lấy nhầm hoặc mất nhiều thời gian xử lý hơn do kích thước, trọng lượng hay yêu cầu lưu trữ. Thông tin này giúp tối ưu cách bố trí kho và quy trình xử lý cho từng loại sản phẩm. Vì sao điều này quan trọng Thuộc tính này cho phép phân tích ở cấp sản phẩm để xác định mặt hàng nào liên quan đến chậm trễ, lỗi hoặc công việc phải làm lại. Lấy dữ liệu ở đâu Có trong các bảng dòng hàng của đơn hàng trong Manhattan SCALE, được liên kết với đơn hàng trong kho chính. Ví dụ SKU-10234-ASKU-98543-BMAT-HDWR-550
	Mã người dùng/nhân viên vận hành UserOperatorId	Mã định danh duy nhất của nhân viên kho hoặc người vận hành thực hiện hoạt động.
Mô tả Thuộc tính này ghi lại mã người dùng chịu trách nhiệm thực hiện một tác vụ cụ thể trong kho, chẳng hạn như lấy hàng, đóng gói hoặc đưa hàng vào vị trí lưu trữ. Thuộc tính liên kết hoạt động trong quy trình với nhân sự thực hiện. Phân tích hiệu suất theo mã người dùng/nhân viên vận hành là việc cần thiết để hiểu cách sử dụng tài nguyên và hiệu quả của từng người hoặc nhóm. Qua đó, bạn có thể xác định nhân viên làm việc hiệu quả, nhu cầu đào tạo và cách phân bổ khối lượng công việc. Dữ liệu này hỗ trợ bảng điều khiển “Mức sử dụng tài nguyên theo nhân viên vận hành” và các KPI liên quan, giúp quản lý bố trí nhân sự và phân công tác vụ phù hợp. Vì sao điều này quan trọng Thuộc tính này liên kết hiệu suất quy trình với từng cá nhân hoặc nhóm, giúp phân tích khối lượng công việc, năng suất và cách phân bổ tài nguyên. Lấy dữ liệu ở đâu Thông tin này thường được ghi trong nhật ký giao dịch của Manhattan SCALE, ở các trường như “user_id”, “operator” hoặc “executed_by”. Ví dụ JSMITHBWILLIAMSLCHEN
	Ngày hoàn tất theo yêu cầu RequestedCompletionDate	Ngày khách hàng hoặc bên liên quan nội bộ yêu cầu đơn hàng được xuất đi.
Mô tả Thuộc tính này thể hiện thỏa thuận mức dịch vụ (SLA) hoặc ngày giao hàng mục tiêu của đơn hàng xuất kho. Đây là hạn chót dùng để đo hiệu suất giao hàng đúng hạn của hoạt động kho. Ngày này là mốc quan trọng để đánh giá hiệu suất. Thuộc tính được dùng trong bảng điều khiển “Hiệu suất giao hàng đúng hạn” và KPI “Tỷ lệ giao hàng đúng hạn” để xác định đơn hàng có được xử lý đúng hạn hay không. Phân tích các đơn trễ hạn giúp tìm ra nguyên nhân chậm trễ mang tính hệ thống và cải thiện mức độ hài lòng của khách hàng. Vì sao điều này quan trọng Đây là mốc chính để đo hiệu suất xuất hàng đúng hạn và mức độ đáp ứng các thỏa thuận dịch vụ với khách hàng. Lấy dữ liệu ở đâu Thường được lưu trong bảng phần đầu đơn hàng của Manhattan SCALE và có thể được lấy từ hệ thống ERP hoặc hệ thống quản lý đơn hàng. Ví dụ 2023-10-28T23:59:59Z2023-11-05T23:59:59Z2023-11-10T23:59:59Z
	Số lượng thực tế ActualQuantity	Số lượng thực tế của mặt hàng đã được kiểm đếm, lấy hoặc giao.
Mô tả Thuộc tính này ghi lại số lượng hàng được đo tại một mốc quan trọng, chẳng hạn như khi nhận hàng hoặc lấy hàng. Đây là số lượng thực tế đã được xử lý, có thể khác với số lượng dự kiến. So sánh số lượng thực tế với số lượng dự kiến là việc cần thiết để phát hiện chênh lệch. Đây là cơ sở cho bảng điều khiển “Xu hướng chênh lệch số lượng đơn hàng” và KPI liên quan. Theo dõi chênh lệch giúp xác định vấn đề về độ chính xác của nhà cung cấp, dữ liệu tồn kho hoặc lỗi lấy hàng, những yếu tố quan trọng để duy trì độ chính xác của tồn kho. Vì sao điều này quan trọng Thuộc tính này rất quan trọng để phát hiện chênh lệch giữa số lượng dự kiến và số lượng thực tế, qua đó chỉ ra vấn đề tiềm ẩn về độ chính xác của tồn kho hoặc lỗi vận hành. Lấy dữ liệu ở đâu Có trong bản ghi chi tiết giao dịch của các hoạt động như nhận hàng, kiểm đếm hoặc lấy hàng trong Manhattan SCALE. Ví dụ 100985010
	Thời điểm kết thúc EndTime	Dấu thời gian cho biết một hoạt động có thời lượng đo được đã hoàn tất khi nào.
Mô tả Thời điểm kết thúc đánh dấu lúc một hoạt động hoàn tất. Khi kết hợp với thời điểm bắt đầu (EventTime), thuộc tính này giúp tính chính xác thời gian xử lý của từng tác vụ. Không phải sự kiện nào cũng có thời điểm kết thúc riêng, nhưng dữ liệu này rất hữu ích với các hoạt động như “Lấy hàng” hoặc “Đóng gói”. Trong phân tích, thời điểm kết thúc được dùng để tính chỉ số “ProcessingTime”, giúp đánh giá hiệu quả sử dụng tài nguyên và thời lượng tác vụ. Nhờ đó, bạn có thể xác định hoạt động cụ thể nào mất nhiều thời gian nhất, làm tăng tổng thời gian chu trình và gây chậm trễ. Vì sao điều này quan trọng Thuộc tính này giúp tính chính xác thời gian xử lý của từng hoạt động, qua đó xác định tác vụ nào tiêu tốn nhiều thời gian và tài nguyên nhất. Lấy dữ liệu ở đâu Thông tin này có thể nằm trong cùng nhật ký giao dịch với thời điểm bắt đầu, ở một trường riêng như “completed_ts” hoặc “end_time”. Nếu không có sẵn, đôi khi có thể suy ra từ thời điểm bắt đầu của hoạt động tiếp theo. Ví dụ 2023-10-26T08:15:00Z2023-10-26T09:30:45Z2023-10-26T12:05:00Z
	Chênh lệch số lượng QuantityDiscrepancy	Chênh lệch được tính giữa số lượng dự kiến và số lượng thực tế của một mặt hàng.
Mô tả Chỉ số này được tính bằng 'Số lượng thực tế' trừ 'Số lượng dự kiến'. Giá trị khác 0 cho biết số lượng hàng đã xử lý không khớp với dự kiến. Giá trị dương nghĩa là thừa hàng, còn giá trị âm nghĩa là thiếu hàng. Thuộc tính này là cơ sở để tính KPI 'Tỷ lệ chênh lệch số lượng đơn hàng'. Chỉ số cho biết mức độ sai lệch khi nhận hoặc lấy hàng, giúp dashboard theo dõi độ chính xác của tồn kho. Phân tích xu hướng và nguyên nhân gốc rễ của các sai lệch này rất quan trọng để nâng cao độ chính xác trong vận hành. Vì sao điều này quan trọng Chỉ số này đo trực tiếp sai lệch về tồn kho và xử lý đơn hàng, giúp theo dõi độ chính xác cũng như tác động tài chính của các chênh lệch. Lấy dữ liệu ở đâu Đây là trường được tính trong công cụ process mining theo công thức: ActualQuantity - PlannedQuantity. Ví dụ 0-25
	Có làm lại IsRework	Cờ cho biết một hoạt động hoặc chuỗi hoạt động có phải là công việc làm lại hay không.
Mô tả Thuộc tính đúng/sai này xác định các trường hợp phải làm lại, chẳng hạn hoạt động 'Lấy hàng khỏi vị trí lưu trữ' được thực hiện nhiều lần cho cùng một mặt hàng trong một đơn. Thuộc tính được xác định bằng cách phân tích các mẫu trong luồng quy trình. Đánh dấu công việc làm lại là việc cần thiết để phát hiện điểm kém hiệu quả và lỗi trong quy trình. Thuộc tính này giúp tính KPI 'Tỷ lệ làm lại khi lấy hàng' và cho phép chuyên viên phân tích lọc, điều tra các trường hợp có bước lặp lại. Hiểu rõ nguyên nhân dẫn đến việc làm lại giúp giảm chi phí vận hành và cải thiện chất lượng quy trình. Vì sao điều này quan trọng Thuộc tính này đánh dấu các vòng lặp kém hiệu quả và công việc bị lặp lại trong quy trình, vốn thường là nguyên nhân tiềm ẩn gây chậm trễ và tăng chi phí vận hành. Lấy dữ liệu ở đâu Đây là thuộc tính được tính trong công cụ process mining bằng cách thiết lập quy tắc phát hiện các mẫu hoạt động lặp lại cụ thể, chẳng hạn vòng lặp tự thân hoặc vòng lặp ngắn. Ví dụ truefalse
	Giao hàng đúng hạn IsOnTimeShipment	Cờ cho biết đơn hàng được giao vào hoặc trước ngày hoàn tất khách yêu cầu.
Mô tả Thuộc tính đúng/sai này được xác định bằng cách so sánh 'Ngày hoàn tất thực tế' với 'Ngày hoàn tất theo yêu cầu'. Giá trị là đúng nếu đơn hàng hoàn tất đúng hạn, và sai nếu bị trễ. Thuộc tính này giúp đơn giản hóa việc phân tích hiệu suất nhờ khả năng lọc và tổng hợp dữ liệu dễ dàng. Đây là cơ sở để tính KPI 'Tỷ lệ giao hàng đúng hạn' và cung cấp dữ liệu cho các dashboard theo dõi việc đáp ứng SLA của khách hàng. Thuộc tính này nhanh chóng phân biệt đơn hàng đáp ứng yêu cầu với đơn hàng không đáp ứng, giúp bạn phân tích nguyên nhân gốc rễ của các trường hợp giao trễ. Vì sao điều này quan trọng Thuộc tính này giúp báo cáo hiệu suất đơn giản hơn: chuyển việc so sánh ngày tháng thành cờ đúng/sai để dễ tính tỷ lệ giao hàng đúng hạn. Lấy dữ liệu ở đâu Được tính bằng cách so sánh 'ActualCompletionDate' <= 'RequestedCompletionDate'. Logic này được áp dụng trong công cụ process mining. Ví dụ truefalse
	Kết quả kiểm tra chất lượng QualityInspectionResult	Kết quả của hoạt động kiểm tra chất lượng, chẳng hạn như “Đạt”, “Không đạt” hoặc “Cần làm lại”.
Mô tả Thuộc tính này ghi lại kết quả của hoạt động “Thực hiện kiểm tra chất lượng”. Thuộc tính cho biết hàng nhận được có đáp ứng tiêu chuẩn chất lượng hay cần xử lý thêm. Đây là thuộc tính quan trọng để phân tích quản lý chất lượng. Thuộc tính giúp theo dõi “Tỷ lệ tuân thủ kiểm soát chất lượng” qua cả mức độ tuân thủ lẫn kết quả kiểm tra. Phân tích tỷ lệ không đạt theo nhà cung cấp hoặc mặt hàng có thể giúp cải thiện quyết định mua hàng và giảm chi phí phát sinh do hàng kém chất lượng. Vì sao điều này quan trọng Thuộc tính này cung cấp kết quả kiểm tra chất lượng, giúp phân tích chất lượng nhà cung cấp, vấn đề về sản phẩm và hiệu quả của quy trình kiểm định. Lấy dữ liệu ở đâu Tham khảo tài liệu Manhattan SCALE. Dữ liệu này có thể được lưu trong các bảng quản lý chất lượng hoặc tác vụ nhận hàng. Ví dụ ĐạtKhông đạtCần làm lại
	Mã lô hàng ShipmentId	Mã định danh duy nhất cho nhóm đơn hàng được giao cùng nhau.
Mô tả Mã lô hàng là mã định danh cấp cao hơn, dùng để nhóm một hoặc nhiều đơn hàng trong kho được vận chuyển cùng một phương tiện hoặc trong cùng một chuyến hàng. Mã này liên kết từng đơn hàng với một chuyến vận chuyển cụ thể. Trong phân tích, mã lô hàng giúp bạn có cái nhìn rộng hơn về hoạt động logistics. Bạn có thể dùng mã này để phân tích hiệu quả gom hàng ở khâu tập kết và bốc hàng, đo hiệu suất đúng hạn ở cấp lô hàng và tìm hiểu ảnh hưởng của việc gom đơn đến tổng thời gian xử lý. Vì sao điều này quan trọng Thuộc tính này nhóm nhiều đơn hàng vào cùng một chuyến giao, giúp phân tích quy trình gom hàng, tập kết và bốc hàng. Lấy dữ liệu ở đâu Có trong các bảng quản lý vận chuyển hoặc lô hàng của Manhattan SCALE. Mã này thường liên kết với nhiều đơn hàng trong kho. Ví dụ SH-945001SH-945002SH-945003
	Ngày hoàn tất thực tế ActualCompletionDate	Ngày thực tế đơn hàng trong kho được hoàn tất, thường là ngày xuất hàng.
Mô tả Thuộc tính này là dấu thời gian đánh dấu bước cuối cùng trong quy trình xử lý đơn hàng tại kho, chẳng hạn như “Xuất lô hàng”. Đây là thời điểm thực tế quy trình xử lý đơn hoàn tất. Ngày này được so sánh trực tiếp với “Ngày hoàn tất theo yêu cầu” để tính hiệu suất giao hàng đúng hạn. Đây là dữ liệu thực tế xác nhận thời điểm kho hoàn tất trách nhiệm xử lý đơn hàng. Phân tích thuộc tính này giúp đo chính xác thời gian xử lý đơn và hiệu suất so với SLA. Vì sao điều này quan trọng Thuộc tính này cung cấp dấu thời gian thực tế khi đơn hàng hoàn tất, dùng để tính thời gian chu trình và đo hiệu suất so với ngày yêu cầu. Lấy dữ liệu ở đâu Tương ứng với dấu thời gian của hoạt động cuối cùng trong quy trình, chẳng hạn như “Xuất lô hàng” hoặc “Hoàn tất đơn hàng trong kho”. Ví dụ 2023-10-28T14:30:00Z2023-11-06T11:00:00Z2023-11-10T18:00:00Z
	Số lượng dự kiến PlannedQuantity	Số lượng mặt hàng dự kiến cho một tác vụ, căn cứ theo đơn hàng.
Mô tả Thuộc tính này cho biết số lượng mặt hàng dự kiến được nhận, lấy hoặc xử lý theo đơn hàng trong kho ban đầu hoặc chỉ thị tác vụ. Đây là mốc chuẩn để so sánh với hoạt động thực tế. Giá trị này được dùng cùng với “Số lượng thực tế” để tính chênh lệch. Chênh lệch thường xuyên giữa số lượng dự kiến và thực tế có thể cho thấy vấn đề trong lô hàng từ nhà cung cấp, độ chính xác của tồn kho hoặc quy trình lấy hàng. Vì vậy, đây là thuộc tính quan trọng để phân tích chất lượng và độ chính xác. Vì sao điều này quan trọng Thuộc tính này là mốc chuẩn để đo độ chính xác về số lượng, giúp phát hiện chênh lệch ảnh hưởng đến tồn kho và việc xử lý đơn hàng. Lấy dữ liệu ở đâu Có trong các bảng dòng hàng của đơn hàng hoặc chi tiết tác vụ trong Manhattan SCALE. Ví dụ 1001005012
	Tên đơn vị vận chuyển CarrierName	Tên công ty vận tải chịu trách nhiệm giao đơn hàng.
Mô tả Thuộc tính này xác định đối tác logistics hoặc đơn vị vận chuyển (ví dụ: FedEx, UPS, DHL) được chỉ định cho lô hàng xuất. Thuộc tính liên kết quy trình trong kho với chặng vận chuyển tiếp theo. Phân tích hiệu suất theo đơn vị vận chuyển có thể cho thấy những điểm đáng chú ý trong chuỗi cung ứng. Qua đó, bạn có thể xác định đơn vị nào thường đi kèm thời gian chờ tập kết lâu hơn, chậm trễ thường xuyên hoặc yêu cầu xử lý đặc biệt. Thông tin này giúp đánh giá hiệu suất của đơn vị vận chuyển và tối ưu quan hệ hợp tác logistics. Vì sao điều này quan trọng Thuộc tính này liên kết hoạt động kho với các đối tác logistics, cho phép phân tích hiệu suất theo đơn vị vận chuyển để tìm điểm nghẽn tiềm ẩn trong khâu vận tải. Lấy dữ liệu ở đâu Có trong các bảng lập kế hoạch vận chuyển hoặc quản lý lô hàng của Manhattan SCALE, thường được liên kết với phần đầu đơn hàng. Ví dụ FedExUPSXPO Logistics
	Thiết bị sử dụng EquipmentUsed	Mã định danh của thiết bị được dùng cho hoạt động, chẳng hạn như xe nâng hoặc máy quét cầm tay.
Mô tả Thuộc tính này cho biết thiết bị xử lý vật liệu (MHE) hoặc công nghệ được dùng để thực hiện tác vụ trong kho. Thiết bị có thể gồm mã xe nâng, xe nâng tay hoặc máy quét RF cầm tay cụ thể. Dữ liệu này hữu ích để phân tích mức sử dụng tài nguyên, không chỉ riêng nhân viên. Thuộc tính giúp hiểu cách sử dụng thiết bị có chi phí cao, lên kế hoạch bảo trì và đảm bảo có sẵn công cụ phù hợp khi cần. Dữ liệu cũng hỗ trợ trực tiếp các KPI như “Mức sử dụng tài nguyên (lấy hàng)” bằng cách bổ sung một khía cạnh phân tích. Vì sao điều này quan trọng Thuộc tính này cho phép phân tích mức sử dụng thiết bị và ảnh hưởng của thiết bị đến hiệu quả quy trình, giúp quản lý lịch bảo trì và đầu tư vào MHE. Lấy dữ liệu ở đâu Tham khảo tài liệu Manhattan SCALE hoặc nhật ký hệ thống. Nếu hệ thống được cấu hình để ghi nhận thông tin này, dữ liệu có thể nằm trong bản ghi thực hiện tác vụ. Ví dụ FORKLIFT-07SCANNER-58BCART-22
	Thời gian hoàn tất đơn hàng trong kho OrderFulfillmentCycleTime	Tổng thời gian từ khi tạo đơn hàng trong kho đến khi hoàn tất đơn.
Mô tả Chỉ số này tính tổng thời gian xử lý từng đơn hàng trong kho, từ sự kiện 'Tạo đơn hàng trong kho' đến sự kiện 'Hoàn tất đơn hàng trong kho'. Đây là KPI quan trọng để đo hiệu quả xuyên suốt quy trình xử lý đơn hàng trong kho. Trong dashboard và các phân tích, thuộc tính này cho bạn cái nhìn tổng quan về hiệu suất. Bạn có thể theo dõi xu hướng, tìm các trường hợp bất thường có thời gian xử lý kéo dài và so sánh hiệu suất theo thời gian. Chỉ số này hỗ trợ trực tiếp dashboard 'Thời gian hoàn tất đơn hàng trong kho tổng thể' và KPI tương ứng. Vì sao điều này quan trọng Đây là KPI quan trọng, đo tốc độ và hiệu quả xử lý đơn hàng xuyên suốt kho. Chỉ số này ảnh hưởng trực tiếp đến mức độ hài lòng của khách hàng và chi phí vận hành. Lấy dữ liệu ở đâu Đây là trường được tính bằng cách lấy thời điểm của sự kiện đầu tiên trừ thời điểm của sự kiện cuối cùng cho mỗi đơn hàng trong kho. Ví dụ 2,1 ngày18,5 giờ36 giờ
	Thời gian từ nhận hàng đến khi đưa vào kho GoodsReceiptToPutawayTime	Thời gian từ lúc nhận hàng đến khi hàng được đưa vào vị trí lưu trữ.
Mô tả Chỉ số được tính này đo thời gian của một khâu quan trọng trong quy trình nhập hàng: từ hoạt động 'Đã nhận và kiểm đếm hàng' đến hoạt động 'Đã đưa hàng vào vị trí lưu trữ'. Chỉ số cho biết hiệu quả của khu vực nhận hàng và khâu đưa hàng vào kho. Thời lượng này là dữ liệu đầu vào quan trọng cho dashboard 'Chu kỳ từ nhận hàng đến đưa vào kho' và KPI tương ứng. Giá trị cao có thể cho thấy điểm nghẽn ở khu vực nhận hàng, chậm tạo tác vụ đưa hàng vào kho hoặc lộ trình di chuyển chưa hiệu quả. Những vấn đề này đều làm chậm thời điểm hàng sẵn sàng để sử dụng. Vì sao điều này quan trọng Chỉ số này tách riêng và đo hiệu quả của một khâu quan trọng trong quy trình nhập hàng, giúp phát hiện điểm nghẽn khiến hàng chậm sẵn sàng để sử dụng. Lấy dữ liệu ở đâu Đây là trường được tính bằng cách lấy chênh lệch thời gian giữa sự kiện 'Đã nhận và kiểm đếm hàng' và 'Đã đưa hàng vào vị trí lưu trữ' trong từng trường hợp. Ví dụ 45 phút2,5 giờ8 giờ
	Vị trí lưu trữ StorageLocation	Vị trí cụ thể trong kho, chẳng hạn như ô hoặc lối đi, nơi hàng được lưu trữ hoặc lấy ra.
Mô tả Thuộc tính này xác định vị trí thực tế (ví dụ: lối đi 5, ô 3, tầng C) liên quan đến hoạt động lưu trữ hoặc lấy hàng. Thuộc tính cung cấp thông tin về vị trí trong quy trình kho. Phân tích hoạt động theo vị trí lưu trữ rất quan trọng để tối ưu cách bố trí kho và luồng di chuyển hàng hóa. Việc này giúp xác định vị trí thường xuyên được truy cập, đường đi lấy hàng chưa hiệu quả hoặc khu vực dễ ùn tắc. Dữ liệu hỗ trợ phân tích hiệu quả đưa hàng vào vị trí lưu trữ và lấy hàng, qua đó tìm cơ hội cải thiện cách bố trí kho. Vì sao điều này quan trọng Thuộc tính này cung cấp thông tin vị trí cho các hoạt động di chuyển hàng trong kho, giúp phân tích hiệu quả bố trí, thời gian di chuyển và cách tối ưu đường lấy hàng. Lấy dữ liệu ở đâu Có trong dữ liệu cấp tác vụ của các hoạt động đưa hàng vào vị trí lưu trữ và lấy hàng trong Manhattan SCALE, ở các trường như “location_id”, “bin_code” hoặc “source_location”. Ví dụ A01-R02-B03DOCK-04PACK-STATION-12

Bắt buộc Nên có Không bắt buộc

Các hoạt động trong quản lý kho

Đây là những bước quy trình và mốc quan trọng cần ghi nhận để khám phá quy trình chính xác và hữu ích.

7 Nên có 8 Không bắt buộc

	Hoạt động	Mô tả
	Đơn hàng trong kho được tạo	Hoạt động này ghi nhận thời điểm tạo đơn hàng trong hệ thống quản lý kho, có thể là đơn tiếp nhận hàng nhập hoặc xử lý hàng xuất. Đây thường là sự kiện được ghi nhận rõ ràng với dấu thời gian khi bản ghi đơn hàng mới được thêm vào hệ thống, thường thông qua kết nối với ERP.
Vì sao điều này quan trọng Đây là sự kiện bắt đầu chính của quy trình kho. Phân tích thời gian từ thời điểm này đến khi hoàn tất là yếu tố quan trọng để đo tổng chu kỳ xử lý đơn hàng. Lấy dữ liệu ở đâu Sự kiện này được lấy từ dấu thời gian tạo trong bảng thông tin chính của đơn hàng trên Manhattan SCALE, chẳng hạn như trường ngày tạo đơn. Thu thập Lấy từ dấu thời gian tạo bản ghi đơn hàng trong kho. Loại sự kiện explicit
	Đóng gói xong hàng	Hoạt động này cho biết tất cả mặt hàng trong lô hàng đã được đóng vào thùng chứa cuối cùng và thùng đã được niêm phong. Hệ thống ghi nhận sự kiện khi nhân viên đóng gói xác nhận hoàn tất thùng hàng hoặc lô hàng.
Vì sao điều này quan trọng Mốc này kết thúc công đoạn đóng gói, giúp lô hàng sẵn sàng để tập kết và xuất đi. Đây là dữ liệu quan trọng để phân tích năng suất và hiệu quả đóng gói. Lấy dữ liệu ở đâu Được ghi trong nhật ký giao dịch đóng gói hoặc giao hàng khi thao tác “Close Carton” hoặc “Pack Complete” được thực hiện trong Manhattan SCALE. Thu thập Lấy từ dấu thời gian của giao dịch “Pack Complete” hoặc “Close Container”. Loại sự kiện explicit
	Đưa hàng vào vị trí lưu trữ	Hoạt động này xác nhận hàng đã được đưa vào đúng vị trí lưu trữ được chỉ định. Hệ thống ghi nhận sự kiện khi nhân viên quét vị trí lưu trữ và xác nhận thao tác, qua đó hoàn tất tác vụ.
Vì sao điều này quan trọng Sự kiện này kết thúc quy trình nhập hàng và giúp hàng tồn kho sẵn sàng để xử lý đơn. Đây là mốc kết thúc để đo KPI “Thời gian từ khi nhận hàng đến khi đưa vào vị trí lưu trữ”. Lấy dữ liệu ở đâu Được ghi trong nhật ký quản lý tác vụ hoặc giao dịch tồn kho khi trạng thái tác vụ đưa hàng vào vị trí lưu trữ được cập nhật thành “Completed” hoặc trạng thái tương tự. Thu thập Lấy từ dấu thời gian hoàn tất tác vụ đưa hàng vào vị trí lưu trữ, thường được ghi nhận qua thao tác quét vị trí. Loại sự kiện explicit
	Hàng đã tiếp nhận và kiểm đếm	Ghi nhận việc hoàn tất tiếp nhận hàng thực tế, khi hàng được dỡ xuống, nhận diện và đối chiếu số lượng với thông báo giao hàng. Đây là sự kiện được ghi nhận rõ ràng, thường xảy ra khi nhân viên xác nhận số lượng cuối cùng của từng mặt hàng trên thiết bị cầm tay hoặc thiết bị đầu cuối.
Vì sao điều này quan trọng Đây là mốc quan trọng để bảo đảm độ chính xác của tồn kho và bắt đầu chu kỳ nhập kho. Sự kiện này giúp phân tích sai lệch số lượng và hiệu quả của đội ngũ tiếp nhận hàng. Lấy dữ liệu ở đâu Sự kiện này được ghi trong nhật ký giao dịch từng dòng hàng tiếp nhận của Manhattan SCALE, với dấu thời gian được lưu khi xác nhận số lượng mặt hàng. Thu thập Được ghi nhận khi nhân viên xác nhận số lượng hàng tiếp nhận bằng cách quét mã hoặc nhập thủ công. Loại sự kiện explicit
	Hoàn tất đơn hàng trong kho	Cho biết đơn hàng trong kho đã được đóng về mặt hệ thống sau khi hoàn tất mọi hoạt động thực tế. Sự kiện này thường được suy ra từ lần cập nhật trạng thái cuối cùng của đơn hàng, chẳng hạn “Completed” hoặc “Closed”.
Vì sao điều này quan trọng Hoạt động này đánh dấu điểm kết thúc chính thức của toàn bộ quy trình xử lý đơn trong kho. Đây là mốc cần thiết để tính tổng thời gian xử lý đơn và năng suất. Lấy dữ liệu ở đâu Được suy ra từ dấu thời gian cập nhật trường trạng thái của phần đầu đơn hàng trong Manhattan SCALE sang trạng thái đóng cuối cùng. Thu thập Được xác định từ dấu thời gian cập nhật gần nhất khi trạng thái đơn hàng chuyển thành “Completed”. Loại sự kiện inferred
	Lấy hàng khỏi vị trí lưu trữ	Hoạt động này xác nhận nhân viên đã lấy hàng thực tế khỏi vị trí lưu trữ. Hệ thống ghi nhận sự kiện khi nhân viên quét mã hàng và/hoặc vị trí để xác nhận thao tác lấy hàng trên thiết bị cầm tay.
Vì sao điều này quan trọng Đây là một mốc quan trọng trong chu trình xử lý đơn. Sự kiện này cần thiết để đo năng suất lấy hàng, tỷ lệ làm lại và mức sử dụng tài nguyên. Lấy dữ liệu ở đâu Được ghi trong nhật ký giao dịch lấy hàng hoặc bảng lịch sử tác vụ khi thao tác lấy hàng được xác nhận, thường kèm mã nhân viên và dấu thời gian. Thu thập Lấy từ dấu thời gian xác nhận từng dòng hàng được lấy, thường qua thao tác quét mã vạch. Loại sự kiện explicit
	Xuất lô hàng	Đánh dấu thời điểm phương tiện vận chuyển rời kho cùng hàng hóa. Hệ thống ghi nhận sự kiện khi người dùng thực hiện giao dịch “Ship Confirm” hoặc “Dispatch”, qua đó hoàn tất lô hàng.
Vì sao điều này quan trọng Đây là mốc quan trọng để đo tỷ lệ giao hàng đúng hạn so với ngày giao yêu cầu. Sự kiện này thường kích hoạt thông báo cho khách hàng và lập hóa đơn. Lấy dữ liệu ở đâu Lấy từ dấu thời gian giao dịch “Ship Confirm” trong các bảng đơn hàng xuất hoặc giao hàng của Manhattan SCALE. Thu thập Được ghi nhận khi giao dịch xác nhận xuất hàng được thực hiện cho rơ-moóc hoặc đơn hàng. Loại sự kiện explicit
	Bắt đầu đóng gói	Đánh dấu thời điểm bắt đầu đóng gói, khi hàng đã lấy được chuyển đến trạm đóng gói. Hệ thống có thể ghi nhận sự kiện khi nhân viên quét thùng chứa hoặc đơn hàng tại trạm, hoặc xác định thời điểm này từ lần quét mặt hàng đầu tiên tại trạm.
Vì sao điều này quan trọng Sự kiện này mở đầu công đoạn tạo giá trị cuối cùng trước khi giao hàng. Đo thời gian từ mốc này giúp xác định riêng các điểm nghẽn trong khu vực đóng gói. Lấy dữ liệu ở đâu Lấy từ nhật ký giao dịch của các trạm đóng gói trong Manhattan SCALE. Có thể là giao dịch “Start Pack” hoặc dấu thời gian đóng gói mặt hàng đầu tiên. Thu thập Được ghi nhận khi nhân viên bắt đầu đóng gói đơn hàng tại một trạm. Loại sự kiện explicit
	Bốc hàng lên phương tiện vận chuyển	Hoạt động này ghi nhận việc bốc các thùng hàng đã đóng gói lên xe tải hoặc rơ-moóc. Thường hệ thống ghi nhận sự kiện khi nhân viên quét từng pallet hoặc thùng hàng trong lúc bốc lên phương tiện vận chuyển.
Vì sao điều này quan trọng Đây là bước xử lý hàng hóa thực tế cuối cùng trong kho. Phân tích hoạt động này giúp đo thời gian bốc hàng và đảm bảo tất cả hàng trong lô được xếp đúng lên phương tiện. Lấy dữ liệu ở đâu Được ghi trong nhật ký giao dịch lô hàng của Manhattan SCALE khi các thùng hàng được quét trong quá trình bốc hàng. Thu thập Lấy từ dấu thời gian quét khi thùng hàng được bốc lên phương tiện. Loại sự kiện explicit
	Đã nhận thông báo giao hàng nhập	Ghi nhận việc nhận Thông báo giao hàng trước (ASN) từ nhà cung cấp, trong đó nêu chi tiết lô hàng sắp đến. Sự kiện này được ghi nhận rõ ràng khi ASN được xử lý thành công và lưu trong Manhattan SCALE, khởi động các hoạt động lập kế hoạch hàng nhập.
Vì sao điều này quan trọng Sự kiện này là điểm bắt đầu để đo quy trình logistics hàng nhập. Nhờ đó, bạn có thể phân tích hiệu quả của nhà cung cấp và mức độ sẵn sàng của kho để tiếp nhận hàng. Lấy dữ liệu ở đâu Được ghi trong bảng giao dịch hàng nhập hoặc ASN sau khi nhận thông báo giao hàng thành công qua EDI hoặc nhập thủ công. Thu thập Sự kiện được ghi nhận khi nhận và xử lý ASN. Loại sự kiện explicit
	Đã tạo tác vụ nhập kho	Hệ thống tạo tác vụ hướng dẫn nhân viên chuyển hàng đã tiếp nhận từ khu vực bốc dỡ đến vị trí lưu kho. Sự kiện này được ghi nhận rõ ràng trong công cụ quản lý tác vụ khi hệ thống phân bổ vị trí đích và tạo chỉ thị nhập kho mới.
Vì sao điều này quan trọng Đánh dấu thời điểm bắt đầu di chuyển hàng hóa nội bộ. Thời gian từ lúc tạo tác vụ đến khi hoàn tất cho biết hiệu quả nhập kho và hiệu suất hệ thống. Lấy dữ liệu ở đâu Được ghi trong bảng lịch sử tác vụ hoặc lệnh công việc của Manhattan SCALE, kèm dấu thời gian tạo tác vụ nhập kho. Thu thập Ghi nhận sự kiện khi hệ thống tạo tác vụ đưa hàng vào vị trí lưu trữ. Loại sự kiện explicit
	Đã thực hiện kiểm tra chất lượng	Ghi nhận việc kiểm tra chất lượng hàng đã tiếp nhận trước khi nhập kho. Sự kiện được ghi nhận rõ ràng khi nhân viên kiểm soát chất lượng lưu kết quả đạt hoặc không đạt trong hệ thống cho mặt hàng tồn kho cụ thể.
Vì sao điều này quan trọng Hoạt động này rất quan trọng để theo dõi việc tuân thủ quy trình kiểm soát chất lượng. Phân tích thời điểm và thời lượng thực hiện giúp bảo đảm chất lượng sản phẩm và phát hiện chậm trễ trong khâu kiểm tra. Lấy dữ liệu ở đâu Được ghi trong phân hệ quản lý chất lượng hoặc nhật ký giao dịch trạng thái tồn kho của Manhattan SCALE khi kết quả kiểm tra được gửi lên hệ thống. Thu thập Lấy từ nhật ký giao dịch của bước xác nhận kiểm tra chất lượng. Loại sự kiện explicit
	Hàng đến khu vực bốc dỡ	Hoạt động này ghi nhận thời điểm xe tải hoặc container đến khu vực tiếp nhận hàng của kho. Sự kiện thường được ghi nhận rõ ràng khi nhân viên cổng hoặc khu vực bốc dỡ làm thủ tục cho lô hàng trên hệ thống trước khi bắt đầu dỡ hàng.
Vì sao điều này quan trọng Theo dõi thời gian từ lúc hàng đến đến khi bắt đầu tiếp nhận giúp phát hiện điểm nghẽn tại khu vực bốc dỡ, chẳng hạn như thời gian chờ do thiếu tài nguyên. Lấy dữ liệu ở đâu Được ghi trong phân hệ quản lý lô hàng hoặc lịch hẹn của Manhattan SCALE khi đơn vị vận chuyển làm thủ tục vào cơ sở. Thu thập Lấy từ dấu thời gian làm thủ tục tại khu vực tiếp nhận hàng. Loại sự kiện explicit
	Tạo tác vụ lấy hàng	Cho biết hệ thống đã tạo tác vụ để nhân viên lấy hàng trong kho nhằm xử lý đơn. Sự kiện được ghi nhận rõ ràng khi đơn được phân bổ và WMS tạo chỉ thị cho người dùng.
Vì sao điều này quan trọng Đây là điểm bắt đầu của quy trình xử lý đơn xuất kho. Thời gian từ sự kiện này đến khi hoàn tất lấy hàng là chỉ số quan trọng để đo hiệu suất lấy hàng. Lấy dữ liệu ở đâu Được ghi trong các bảng lịch sử tác vụ hoặc lệnh công việc của Manhattan SCALE, kèm dấu thời gian tạo. Thu thập Ghi nhận sự kiện khi hệ thống tạo tác vụ lấy hàng. Loại sự kiện explicit
	Tập kết hàng chờ xuất	Cho biết các thùng hàng đã đóng gói được chuyển từ khu vực đóng gói đến làn hoặc khu vực tập kết hàng xuất được chỉ định. Hoạt động này thường được xác định từ thay đổi vị trí của thùng hàng hoặc pallet trong WMS.
Vì sao điều này quan trọng Giúp phát hiện chậm trễ giữa khâu đóng gói và bốc hàng. Thời gian chờ lâu ở trạng thái này có thể cho thấy việc phối hợp với đơn vị vận chuyển chưa tốt hoặc quản lý cửa xuất hàng chưa hiệu quả. Lấy dữ liệu ở đâu Được xác định từ giao dịch di chuyển tồn kho hoặc cập nhật vị trí của mã thùng hàng trong Manhattan SCALE, cho biết thùng đã được chuyển đến khu vực tập kết. Thu thập Được xác định khi vị trí của thùng hàng đã đóng gói thay đổi sang khu vực tập kết hoặc cửa xuất hàng. Loại sự kiện inferred

Nên có Không bắt buộc

Hướng dẫn trích xuất dữ liệu

Cách lấy dữ liệu từ Manhattan SCALE

Các bước

Kết nối cơ sở dữ liệu: Nhờ quản trị viên CNTT cung cấp thông tin đăng nhập chỉ đọc và thông tin kết nối, chẳng hạn tên máy chủ, cổng và tên cơ sở dữ liệu Manhattan SCALE.
Cài đặt ứng dụng SQL: Dùng ứng dụng SQL phổ biến như DBeaver, SQL Server Management Studio hoặc Oracle SQL Developer để kết nối cơ sở dữ liệu.
Cấu hình kết nối: Tạo kết nối cơ sở dữ liệu mới trong ứng dụng SQL bằng thông tin đăng nhập được cung cấp. Kiểm tra kết nối để xác nhận kết nối thành công.
Chuẩn bị truy vấn: Sao chép toàn bộ truy vấn SQL trong phần query của tài liệu này vào cửa sổ soạn truy vấn mới.
Đặt tham số truy vấn: Tìm các giá trị giữ chỗ trong truy vấn. Thay '[START_DATE]' và '[END_DATE]' bằng khoảng ngày mong muốn, chẳng hạn '2023-01-01' và '2023-06-30'. Nếu cần lọc theo cơ sở cụ thể, hãy thay các giá trị giữ chỗ khác như '[Your Warehouse ID]'.
Chạy trích xuất: Chạy truy vấn SQL đã chỉnh sửa. Thời gian chạy tùy thuộc vào khoảng ngày và lượng dữ liệu trong hệ thống.
Kiểm tra kết quả: Khi truy vấn hoàn tất, xem nhanh các hàng trả về trong bảng kết quả của ứng dụng SQL. Kiểm tra lỗi dễ nhận thấy hoặc cột không có dữ liệu.
Xuất sang CSV: Xuất toàn bộ tập kết quả thành tệp CSV. Đặt tên tệp phù hợp, chẳng hạn manhattan_scale_event_log.csv.
Kiểm tra định dạng CSV: Mở tệp CSV và xác nhận tiêu đề cột khớp với các thuộc tính cần thiết, chẳng hạn WarehouseOrder, ActivityName và EventTime. Lưu tệp với mã hóa UTF-8 để tránh lỗi ký tự.
Chuẩn bị tải lên: Tệp CSV đã sẵn sàng để tải lên nền tảng process mining và phân tích. Không cần chuyển đổi dữ liệu thêm.

Cấu hình

Quyền truy cập cơ sở dữ liệu: Cách trích xuất này cần quyền truy cập trực tiếp, chỉ đọc vào cơ sở dữ liệu ứng dụng Manhattan SCALE. Tài khoản người dùng phải có quyền SELECT trên các bảng như ord_hdr, ord_dtl, task_gen_dtl, asn_hdr, rcv_dtl, ship_hdr và các bảng giao dịch liên quan khác.
Khoảng ngày: Cần xác định khoảng ngày cụ thể để giới hạn lượng dữ liệu và đảm bảo truy vấn chạy hiệu quả. Hãy bắt đầu với khoảng thời gian đại diện từ 3 đến 6 tháng. Đặt các giá trị giữ chỗ [START_DATE] và [END_DATE] trong mệnh đề WHERE của truy vấn.
Lọc theo kho: Để tập trung phân tích và cải thiện hiệu năng, hãy lọc dữ liệu theo một kho hoặc cơ sở cụ thể. Dùng trường oh.whse và các trường tương tự trong mệnh đề WHERE, thay '[Your Warehouse ID]' bằng mã kho hợp lệ.
Lưu ý về hiệu năng: Chạy truy vấn trên cơ sở dữ liệu sản xuất đang hoạt động có thể ảnh hưởng đến hiệu năng hệ thống. Bạn nên trích xuất ngoài giờ cao điểm hoặc dùng cơ sở dữ liệu báo cáo riêng hay bản sao chỉ đọc nếu có.
Khác biệt về mô hình dữ liệu: Manhattan SCALE có thể được tùy chỉnh. Truy vấn được cung cấp giả định cấu trúc bảng và cột tiêu chuẩn. Bạn có thể cần chuyên gia hệ thống hỗ trợ điều chỉnh tên bảng, tên cột hoặc mã trạng thái, chẳng hạn t.task_stat = 'C', cho phù hợp với cách triển khai của mình.

Truy vấn mẫu sql

SELECT
    oh.ord_num AS WarehouseOrder,
    'Warehouse Order Created' AS ActivityName,
    oh.create_date_time AS EventTime,
    'Manhattan SCALE' AS SourceSystem,
    GETDATE() AS LastDataUpdate,
    NULL AS EndTime,
    oh.create_user_id AS UserOperatorId,
    oh.ord_type AS OrderType,
    NULL AS MaterialId,
    NULL AS ActualQuantity,
    oh.req_ship_dttm AS RequestedCompletionDate
FROM ord_hdr oh
WHERE oh.create_date_time BETWEEN '[START_DATE]' AND '[END_DATE]'
AND oh.whse = '[Your Warehouse ID]'

UNION ALL

SELECT
    ah.po_nbr AS WarehouseOrder,
    'Inbound Delivery Notification Rcvd' AS ActivityName,
    ah.create_date_time AS EventTime,
    'Manhattan SCALE' AS SourceSystem,
    GETDATE() AS LastDataUpdate,
    NULL AS EndTime,
    ah.create_user_id AS UserOperatorId,
    'INBOUND' AS OrderType,
    NULL AS MaterialId,
    NULL AS ActualQuantity,
    NULL AS RequestedCompletionDate
FROM asn_hdr ah
WHERE ah.create_date_time BETWEEN '[START_DATE]' AND '[END_DATE]'
AND ah.whse = '[Your Warehouse ID]'

UNION ALL

SELECT
    c.ref_value AS WarehouseOrder,
    'Goods Arrived at Dock' AS ActivityName,
    c.check_in_dttm AS EventTime,
    'Manhattan SCALE' AS SourceSystem,
    GETDATE() AS LastDataUpdate,
    NULL AS EndTime,
    c.user_id AS UserOperatorId,
    'INBOUND' AS OrderType,
    NULL AS MaterialId,
    NULL AS ActualQuantity,
    NULL AS RequestedCompletionDate
FROM car_move c
WHERE c.ref_field = 'PO' AND c.check_in_dttm BETWEEN '[START_DATE]' AND '[END_DATE]'
AND c.whse = '[Your Warehouse ID]'

UNION ALL

SELECT
    rd.po_nbr AS WarehouseOrder,
    'Goods Received and Counted' AS ActivityName,
    MAX(rd.mod_date_time) AS EventTime,
    'Manhattan SCALE' AS SourceSystem,
    GETDATE() AS LastDataUpdate,
    NULL AS EndTime,
    MAX(rd.mod_user_id) AS UserOperatorId,
    'INBOUND' AS OrderType,
    rd.item_name AS MaterialId,
    SUM(rd.recvd_qty) AS ActualQuantity,
    NULL AS RequestedCompletionDate
FROM rcv_dtl rd
WHERE rd.mod_date_time BETWEEN '[START_DATE]' AND '[END_DATE]'
AND rd.whse = '[Your Warehouse ID]'
GROUP BY rd.po_nbr, rd.item_name

UNION ALL

SELECT
    i.ref_field_1 AS WarehouseOrder,
    'Quality Inspection Performed' AS ActivityName,
    i.tran_dttm AS EventTime,
    'Manhattan SCALE' AS SourceSystem,
    GETDATE() AS LastDataUpdate,
    NULL AS EndTime,
    i.user_id AS UserOperatorId,
    NULL AS OrderType,
    i.item_name AS MaterialId,
    i.tran_qty AS ActualQuantity,
    NULL AS RequestedCompletionDate
FROM invn_adj_hist i
WHERE i.tran_type = 'QC' AND i.tran_dttm BETWEEN '[START_DATE]' AND '[END_DATE]'
AND i.whse = '[Your Warehouse ID]'

UNION ALL

SELECT
    t.ord_num AS WarehouseOrder,
    'Putaway Task Created' AS ActivityName,
    t.create_date_time AS EventTime,
    'Manhattan SCALE' AS SourceSystem,
    GETDATE() AS LastDataUpdate,
    NULL AS EndTime,
    t.create_user_id AS UserOperatorId,
    'INBOUND' AS OrderType,
    t.item_name AS MaterialId,
    t.orig_qty AS ActualQuantity,
    NULL AS RequestedCompletionDate
FROM task_gen_dtl t
WHERE t.task_type = 'PUT' AND t.create_date_time BETWEEN '[START_DATE]' AND '[END_DATE]'
AND t.whse = '[Your Warehouse ID]'

UNION ALL

SELECT
    t.ord_num AS WarehouseOrder,
    'Goods Put Away in Storage' AS ActivityName,
    t.mod_date_time AS EventTime,
    'Manhattan SCALE' AS SourceSystem,
    GETDATE() AS LastDataUpdate,
    t.mod_date_time AS EndTime,
    t.mod_user_id AS UserOperatorId,
    'INBOUND' AS OrderType,
    t.item_name AS MaterialId,
    t.actl_qty AS ActualQuantity,
    NULL AS RequestedCompletionDate
FROM task_gen_dtl t
WHERE t.task_type = 'PUT' AND t.task_stat = 'C' AND t.mod_date_time BETWEEN '[START_DATE]' AND '[END_DATE]'
AND t.whse = '[Your Warehouse ID]'

UNION ALL

SELECT
    t.ord_num AS WarehouseOrder,
    'Picking Task Created' AS ActivityName,
    t.create_date_time AS EventTime,
    'Manhattan SCALE' AS SourceSystem,
    GETDATE() AS LastDataUpdate,
    NULL AS EndTime,
    t.create_user_id AS UserOperatorId,
    'OUTBOUND' AS OrderType,
    t.item_name AS MaterialId,
    t.orig_qty AS ActualQuantity,
    NULL AS RequestedCompletionDate
FROM task_gen_dtl t
WHERE t.task_type = 'PCK' AND t.create_date_time BETWEEN '[START_DATE]' AND '[END_DATE]'
AND t.whse = '[Your Warehouse ID]'

UNION ALL

SELECT
    t.ord_num AS WarehouseOrder,
    'Goods Picked from Storage' AS ActivityName,
    t.mod_date_time AS EventTime,
    'Manhattan SCALE' AS SourceSystem,
    GETDATE() AS LastDataUpdate,
    t.mod_date_time AS EndTime,
    t.mod_user_id AS UserOperatorId,
    'OUTBOUND' AS OrderType,
    t.item_name AS MaterialId,
    t.actl_qty AS ActualQuantity,
    NULL AS RequestedCompletionDate
FROM task_gen_dtl t
WHERE t.task_type = 'PCK' AND t.task_stat = 'C' AND t.mod_date_time BETWEEN '[START_DATE]' AND '[END_DATE]'
AND t.whse = '[Your Warehouse ID]'

UNION ALL

SELECT
    pt.ord_num AS WarehouseOrder,
    'Packing Initiated' AS ActivityName,
    MIN(pt.create_dttm) AS EventTime,
    'Manhattan SCALE' AS SourceSystem,
    GETDATE() AS LastDataUpdate,
    NULL AS EndTime,
    MIN(pt.user_id) AS UserOperatorId,
    'OUTBOUND' AS OrderType,
    NULL AS MaterialId,
    NULL AS ActualQuantity,
    NULL AS RequestedCompletionDate
FROM pack_tran pt
WHERE pt.create_dttm BETWEEN '[START_DATE]' AND '[END_DATE]'
AND pt.whse = '[Your Warehouse ID]'
GROUP BY pt.ord_num

UNION ALL

SELECT
    sc.ord_num AS WarehouseOrder,
    'Goods Packed' AS ActivityName,
    sc.mod_date_time AS EventTime,
    'Manhattan SCALE' AS SourceSystem,
    GETDATE() AS LastDataUpdate,
    NULL AS EndTime,
    sc.mod_user_id AS UserOperatorId,
    'OUTBOUND' AS OrderType,
    NULL AS MaterialId,
    NULL AS ActualQuantity,
    NULL AS RequestedCompletionDate
FROM ship_carton sc
WHERE sc.stat_code = 'PACKED' AND sc.mod_date_time BETWEEN '[START_DATE]' AND '[END_DATE]'
AND sc.whse = '[Your Warehouse ID]'

UNION ALL

SELECT
    sh.ord_num AS WarehouseOrder,
    'Staging for Shipment' AS ActivityName,
    sh.mod_date_time AS EventTime,
    'Manhattan SCALE' AS SourceSystem,
    GETDATE() AS LastDataUpdate,
    NULL AS EndTime,
    sh.mod_user_id AS UserOperatorId,
    'OUTBOUND' AS OrderType,
    NULL AS MaterialId,
    NULL AS ActualQuantity,
    sh.req_ship_dttm AS RequestedCompletionDate
FROM ship_hdr sh
WHERE sh.stat_code = 'STAGED' AND sh.mod_date_time BETWEEN '[START_DATE]' AND '[END_DATE]'
AND sh.whse = '[Your Warehouse ID]'

UNION ALL

SELECT
    sh.ord_num AS WarehouseOrder,
    'Loading onto Carrier' AS ActivityName,
    sh.mod_date_time AS EventTime,
    'Manhattan SCALE' AS SourceSystem,
    GETDATE() AS LastDataUpdate,
    NULL AS EndTime,
    sh.mod_user_id AS UserOperatorId,
    'OUTBOUND' AS OrderType,
    NULL AS MaterialId,
    NULL AS ActualQuantity,
    sh.req_ship_dttm AS RequestedCompletionDate
FROM ship_hdr sh
WHERE sh.stat_code = 'LOADED' AND sh.mod_date_time BETWEEN '[START_DATE]' AND '[END_DATE]'
AND sh.whse = '[Your Warehouse ID]'

UNION ALL

SELECT
    sh.ord_num AS WarehouseOrder,
    'Shipment Dispatched' AS ActivityName,
    sh.actual_ship_dttm AS EventTime,
    'Manhattan SCALE' AS SourceSystem,
    GETDATE() AS LastDataUpdate,
    NULL AS EndTime,
    sh.mod_user_id AS UserOperatorId,
    'OUTBOUND' AS OrderType,
    NULL AS MaterialId,
    NULL AS ActualQuantity,
    sh.req_ship_dttm AS RequestedCompletionDate
FROM ship_hdr sh
WHERE sh.actual_ship_dttm IS NOT NULL AND sh.actual_ship_dttm BETWEEN '[START_DATE]' AND '[END_DATE]'
AND sh.whse = '[Your Warehouse ID]'

UNION ALL

SELECT
    oh.ord_num AS WarehouseOrder,
    'Warehouse Order Completed' AS ActivityName,
    oh.mod_date_time AS EventTime,
    'Manhattan SCALE' AS SourceSystem,
    GETDATE() AS LastDataUpdate,
    NULL AS EndTime,
    oh.mod_user_id AS UserOperatorId,
    oh.ord_type AS OrderType,
    NULL AS MaterialId,
    NULL AS ActualQuantity,
    oh.req_ship_dttm AS RequestedCompletionDate
FROM ord_hdr oh
WHERE oh.ord_stat = 'C' AND oh.mod_date_time BETWEEN '[START_DATE]' AND '[END_DATE]'
AND oh.whse = '[Your Warehouse ID]'

Các bước

Thiết lập môi trường Python: Đảm bảo máy dùng để trích xuất đã cài Python 3.6 trở lên. Cài các thư viện cần thiết bằng pip: pip install pandas pyodbc. Bạn cũng cần cài trình điều khiển ODBC phù hợp với cơ sở dữ liệu Manhattan SCALE, chẳng hạn SQL Server ODBC Driver.
Lấy thông tin đăng nhập cơ sở dữ liệu: Xin thông tin đăng nhập chỉ đọc để truy cập cơ sở dữ liệu Manhattan SCALE. Thông tin này gồm tên máy chủ, tên cơ sở dữ liệu, tên người dùng và mật khẩu. Lưu trữ an toàn các thông tin đó.
Cấu hình tập lệnh Python: Sao chép toàn bộ tập lệnh Python trong phần 'query' vào tệp có tên extract_manhattan_scale.py.
Điều chỉnh kết nối và tham số: Mở tập lệnh bằng trình soạn thảo văn bản. Tìm các biến giữ chỗ ở đầu tập lệnh. Thay [Your_Server_Name], [Your_Database_Name], [Your_Username] và [Your_Password] bằng thông tin kết nối cơ sở dữ liệu thực tế. Điều chỉnh biến start_date và end_date để xác định khoảng thời gian cần trích xuất.
Kiểm tra và điều chỉnh giá trị giữ chỗ trong SQL: Truy vấn SQL trong tập lệnh dùng quy ước tên bảng và cột thường gặp trong Manhattan SCALE. Hãy kiểm tra các giá trị giữ chỗ này, chẳng hạn ORDERS, TASK_DETAIL, ASN_HEADER, với quản trị viên cơ sở dữ liệu hoặc chuyên gia hệ thống. Điều chỉnh tên bảng và cột cho khớp với cách triển khai của bạn.
Chạy tập lệnh: Mở cửa sổ lệnh hoặc terminal, chuyển đến thư mục đã lưu tập lệnh rồi chạy lệnh: python extract_manhattan_scale.py.
Lấy tệp đầu ra: Tập lệnh sẽ chạy truy vấn và khi hoàn tất, lưu nhật ký sự kiện thành tệp CSV có tên manhattan_scale_event_log.csv trong cùng thư mục.
Chuẩn bị tải lên: Mở tệp CSV vừa tạo để kiểm tra dữ liệu, tiêu đề cột và định dạng dấu thời gian. Tệp đã sẵn sàng để tải lên nền tảng process mining.

Cấu hình

Trình kết nối cơ sở dữ liệu: Tập lệnh được cấu hình để dùng pyodbc. Bạn cần cài trình điều khiển ODBC phù hợp với cơ sở dữ liệu, chẳng hạn SQL Server hoặc Oracle, trên máy chạy tập lệnh.
Chuỗi kết nối cơ sở dữ liệu: Tập lệnh cần chuỗi kết nối đầy đủ và hợp lệ. Các tham số chính gồm địa chỉ máy chủ, tên cơ sở dữ liệu, mã người dùng và mật khẩu. Đảm bảo tài khoản được cung cấp có quyền chỉ đọc trên tất cả bảng trong truy vấn.
Khoảng ngày: Việc trích xuất được kiểm soát bằng biến start_date và end_date trong tập lệnh. Với lần phân tích đầu tiên, nên chọn khoảng thời gian từ 3 đến 6 tháng để cân bằng lượng dữ liệu và mức độ hữu ích của thông tin quy trình.
Ánh xạ bảng và trường: Truy vấn SQL được cung cấp dùng tên giữ chỗ cho bảng và cột, chẳng hạn ORDERS, ORDER_ID, CREATE_DATE_TIME. Bạn cần ánh xạ các tên này sang lược đồ thực tế của phiên bản Manhattan SCALE đang dùng.
Hiệu năng: Trích xuất dữ liệu từ cơ sở dữ liệu sản xuất đang hoạt động có thể ảnh hưởng đến hiệu năng. Bạn nên chạy tập lệnh ngoài giờ cao điểm hoặc dùng cơ sở dữ liệu báo cáo riêng hay bản sao để tránh ảnh hưởng đến hoạt động kho.

Truy vấn mẫu python

import pandas as pd
import pyodbc
import datetime

class=class="hl-string">"hl-comment"># --- Configuration ---
class=class="hl-string">"hl-comment"># Replace with your database connection details
connection_string = (
    class="hl-string">'DRIVER={ODBC Driver 17 for SQL Server};'
    class="hl-string">'SERVER=[Your_Server_Name];'
    class="hl-string">'DATABASE=[Your_Database_Name];'
    class="hl-string">'UID=[Your_Username];'
    class="hl-string">'PWD=[Your_Password]'
)

class=class="hl-string">"hl-comment"># Define the date range for the extraction
start_date = class="hl-string">'2023-01-01'
end_date = class="hl-string">'2023-06-30'

class=class="hl-string">"hl-comment"># --- SQL Query ---
sql_query = fclass="hl-string">"""
-- Warehouse Order Created
SELECT
    ord.ORDER_ID AS WarehouseOrder,
    'Warehouse Order Created' AS ActivityName,
    ord.CREATE_DATE_TIME AS EventTime,
    ord.LAST_UPDATED_DTTM AS EndTime,
    ord.CREATED_BY AS UserOperatorId,
    ord.ORDER_TYPE AS OrderType,
    ordl.ITEM_NAME AS MaterialId,
    ordl.ORIGINAL_QTY AS ActualQuantity,
    ord.REQUIRED_SHIP_DATE AS RequestedCompletionDate
FROM ORDERS ord
JOIN ORDER_LINE_ITEM ordl ON ord.ORDER_ID = ordl.ORDER_ID
WHERE ord.CREATE_DATE_TIME BETWEEN '{start_date}' AND '{end_date}'

UNION ALL

-- Inbound Delivery Notification Rcvd
SELECT
    asn.PO_NBR AS WarehouseOrder, -- Assuming PO number links to an inbound order
    'Inbound Delivery Notification Rcvd' AS ActivityName,
    asn.CREATED_DTTM AS EventTime,
    asn.LAST_UPDATED_DTTM AS EndTime,
    asn.CREATED_BY AS UserOperatorId,
    'INBOUND' AS OrderType,
    asnd.ITEM_NAME AS MaterialId,
    asnd.EXPECTED_QTY AS ActualQuantity,
    asn.EXPECTED_DELIVERY_DTTM AS RequestedCompletionDate
FROM ASN_HEADER asn
JOIN ASN_DETAIL asnd ON asn.ASN_ID = asnd.ASN_ID
WHERE asn.CREATED_DTTM BETWEEN '{start_date}' AND '{end_date}'

UNION ALL

-- Goods Arrived at Dock
SELECT
    appt.REF_FIELD_1 AS WarehouseOrder, -- Assuming a reference field holds the Order ID
    'Goods Arrived at Dock' AS ActivityName,
    appt.ACTUAL_ARRIVAL_DTTM AS EventTime,
    appt.ACTUAL_DEPARTURE_DTTM AS EndTime,
    appt.CHECK_IN_USER AS UserOperatorId,
    'INBOUND' AS OrderType,
    NULL AS MaterialId,
    NULL AS ActualQuantity,
    appt.APPT_DTTM AS RequestedCompletionDate
FROM APPOINTMENT appt
WHERE appt.ACTUAL_ARRIVAL_DTTM IS NOT NULL AND appt.ACTUAL_ARRIVAL_DTTM BETWEEN '{start_date}' AND '{end_date}'

UNION ALL

-- Goods Received and Counted
SELECT
    rcpt.REF_FIELD_1 AS WarehouseOrder,
    'Goods Received and Counted' AS ActivityName,
    rcpt.CREATED_DTTM AS EventTime,
    rcpt.LAST_UPDATED_DTTM AS EndTime,
    rcpt.CREATED_BY AS UserOperatorId,
    'INBOUND' AS OrderType,
    rcpt.ITEM_NAME AS MaterialId,
    rcpt.RECEIVED_QTY AS ActualQuantity,
    NULL AS RequestedCompletionDate
FROM RECEIPT_DETAIL rcpt
WHERE rcpt.CREATED_DTTM BETWEEN '{start_date}' AND '{end_date}'

UNION ALL

-- Quality Inspection Performed
SELECT 
    qch.ORDER_ID AS WarehouseOrder,
    'Quality Inspection Performed' AS ActivityName,
    qch.QC_PERFORMED_DTTM AS EventTime,
    qch.QC_PERFORMED_DTTM AS EndTime,
    qch.QC_USER_ID AS UserOperatorId,
    ord.ORDER_TYPE AS OrderType,
    qch.ITEM_NAME AS MaterialId,
    qch.QC_QTY AS ActualQuantity,
    ord.REQUIRED_SHIP_DATE AS RequestedCompletionDate
FROM QC_HISTORY qch
LEFT JOIN ORDERS ord ON qch.ORDER_ID = ord.ORDER_ID
WHERE qch.QC_PERFORMED_DTTM BETWEEN '{start_date}' AND '{end_date}'

UNION ALL

-- Putaway Task Created
SELECT
    td.ORDER_ID AS WarehouseOrder,
    'Putaway Task Created' AS ActivityName,
    td.CREATE_DATE_TIME AS EventTime,
    td.END_DATE_TIME AS EndTime,
    td.CREATE_USER_ID AS UserOperatorId,
    'INBOUND' AS OrderType,
    td.ITEM_NAME AS MaterialId,
    td.TASK_QTY AS ActualQuantity,
    NULL AS RequestedCompletionDate
FROM TASK_DETAIL td
WHERE td.TASK_TYPE = 'PUTAWAY' AND td.CREATE_DATE_TIME BETWEEN '{start_date}' AND '{end_date}'

UNION ALL

-- Goods Put Away in Storage
SELECT
    td.ORDER_ID AS WarehouseOrder,
    'Goods Put Away in Storage' AS ActivityName,
    td.END_DATE_TIME AS EventTime,
    td.END_DATE_TIME AS EndTime,
    td.USER_ID AS UserOperatorId,
    'INBOUND' AS OrderType,
    td.ITEM_NAME AS MaterialId,
    td.TASK_QTY AS ActualQuantity,
    NULL AS RequestedCompletionDate
FROM TASK_DETAIL td
WHERE td.TASK_TYPE = 'PUTAWAY' AND td.TASK_STATUS = 'COMPLETED' AND td.END_DATE_TIME IS NOT NULL AND td.END_DATE_TIME BETWEEN '{start_date}' AND '{end_date}'

UNION ALL

-- Picking Task Created
SELECT
    td.ORDER_ID AS WarehouseOrder,
    'Picking Task Created' AS ActivityName,
    td.CREATE_DATE_TIME AS EventTime,
    td.END_DATE_TIME AS EndTime,
    td.CREATE_USER_ID AS UserOperatorId,
    'OUTBOUND' AS OrderType,
    td.ITEM_NAME AS MaterialId,
    td.TASK_QTY AS ActualQuantity,
    NULL AS RequestedCompletionDate
FROM TASK_DETAIL td
WHERE td.TASK_TYPE = 'PICK' AND td.CREATE_DATE_TIME BETWEEN '{start_date}' AND '{end_date}'

UNION ALL

-- Goods Picked from Storage
SELECT
    td.ORDER_ID AS WarehouseOrder,
    'Goods Picked from Storage' AS ActivityName,
    td.END_DATE_TIME AS EventTime,
    td.END_DATE_TIME AS EndTime,
    td.USER_ID AS UserOperatorId,
    'OUTBOUND' AS OrderType,
    td.ITEM_NAME AS MaterialId,
    td.TASK_QTY AS ActualQuantity,
    NULL AS RequestedCompletionDate
FROM TASK_DETAIL td
WHERE td.TASK_TYPE = 'PICK' AND td.TASK_STATUS = 'COMPLETED' AND td.END_DATE_TIME IS NOT NULL AND td.END_DATE_TIME BETWEEN '{start_date}' AND '{end_date}'

UNION ALL

-- Packing Initiated
SELECT 
    ph.ORDER_ID AS WarehouseOrder,
    'Packing Initiated' AS ActivityName,
    ph.PACK_START_DTTM AS EventTime,
    ph.PACK_END_DTTM AS EndTime,
    ph.PACKER_ID AS UserOperatorId,
    'OUTBOUND' AS OrderType,
    ph.ITEM_NAME AS MaterialId,
    ph.PACKED_QTY AS ActualQuantity,
    NULL AS RequestedCompletionDate
FROM PACK_HISTORY ph
WHERE ph.PACK_START_DTTM IS NOT NULL AND ph.PACK_START_DTTM BETWEEN '{start_date}' AND '{end_date}'

UNION ALL

-- Goods Packed
SELECT 
    ch.ORDER_ID AS WarehouseOrder,
    'Goods Packed' AS ActivityName,
    ch.PACK_DATE_TIME AS EventTime,
    ch.PACK_DATE_TIME AS EndTime,
    ch.PACK_STATION_OPERATOR AS UserOperatorId,
    'OUTBOUND' AS OrderType,
    cd.ITEM_NAME AS MaterialId,
    cd.PACKED_QTY AS ActualQuantity,
    NULL AS RequestedCompletionDate
FROM CARTON_HEADER ch
JOIN CARTON_DETAIL cd ON ch.CARTON_NBR = cd.CARTON_NBR
WHERE ch.PACK_DATE_TIME IS NOT NULL AND ch.PACK_DATE_TIME BETWEEN '{start_date}' AND '{end_date}'

UNION ALL

-- Staging for Shipment
SELECT
    ch.ORDER_ID AS WarehouseOrder,
    'Staging for Shipment' AS ActivityName,
    ch.LAST_UPDATED_DTTM AS EventTime,
    ch.LAST_UPDATED_DTTM AS EndTime,
    ch.LAST_UPDATED_BY AS UserOperatorId,
    'OUTBOUND' AS OrderType,
    NULL AS MaterialId,
    NULL AS ActualQuantity,
    NULL AS RequestedCompletionDate
FROM CARTON_HEADER ch
WHERE ch.CARTON_STATUS = 'STAGED' AND ch.LAST_UPDATED_DTTM BETWEEN '{start_date}' AND '{end_date}'

UNION ALL

-- Loading onto Carrier
SELECT
    sh.ORDER_ID AS WarehouseOrder,
    'Loading onto Carrier' AS ActivityName,
    sh.LOAD_DTTM AS EventTime,
    sh.DISPATCH_DTTM AS EndTime,
    sh.LOADED_BY AS UserOperatorId,
    'OUTBOUND' AS OrderType,
    NULL AS MaterialId,
    NULL AS ActualQuantity,
    sh.SCHEDULED_SHIP_DTTM AS RequestedCompletionDate
FROM SHIPMENT_HEADER sh
WHERE sh.LOAD_DTTM IS NOT NULL AND sh.LOAD_DTTM BETWEEN '{start_date}' AND '{end_date}'

UNION ALL

-- Shipment Dispatched
SELECT
    sh.ORDER_ID AS WarehouseOrder,
    'Shipment Dispatched' AS ActivityName,
    sh.DISPATCH_DTTM AS EventTime,
    sh.DISPATCH_DTTM AS EndTime,
    sh.DISPATCH_USER AS UserOperatorId,
    'OUTBOUND' AS OrderType,
    NULL AS MaterialId,
    NULL AS ActualQuantity,
    sh.SCHEDULED_SHIP_DTTM AS RequestedCompletionDate
FROM SHIPMENT_HEADER sh
WHERE sh.SHIPMENT_STATUS = 'SHIPPED' AND sh.DISPATCH_DTTM IS NOT NULL AND sh.DISPATCH_DTTM BETWEEN '{start_date}' AND '{end_date}'

UNION ALL

-- Warehouse Order Completed
SELECT
    ord.ORDER_ID AS WarehouseOrder,
    'Warehouse Order Completed' AS ActivityName,
    ord.LAST_UPDATED_DTTM AS EventTime,
    ord.LAST_UPDATED_DTTM AS EndTime,
    ord.LAST_UPDATED_BY AS UserOperatorId,
    ord.ORDER_TYPE AS OrderType,
    NULL AS MaterialId,
    NULL AS ActualQuantity,
    ord.REQUIRED_SHIP_DATE AS RequestedCompletionDate
FROM ORDERS ord
WHERE ord.ORDER_STATUS = 'COMPLETED' AND ord.LAST_UPDATED_DTTM BETWEEN '{start_date}' AND '{end_date}'

"""

class=class="hl-string">"hl-comment"># --- Execution and Export ---
try:
    class=class="hl-string">"hl-comment"># Establish connection
    cnxn = pyodbc.connect(connection_string)
    print(class="hl-string">"Connection successful. Executing query...")

    class=class="hl-string">"hl-comment"># Execute the query and load into a pandas DataFrame
    df = pd.read_sql_query(sql_query, cnxn)
    print(fclass="hl-string">"Query finished. {len(df)} rows extracted.")

    class=class="hl-string">"hl-comment"># Add static columns
    df[class="hl-string">'SourceSystem'] = class="hl-string">'Manhattan SCALE'
    df[class="hl-string">'LastDataUpdate'] = datetime.datetime.now().strftime(class="hl-string">"%Y-%m-%d %H:%M:%S")

    class=class="hl-string">"hl-comment"># Sort the data for readability
    df = df.sort_values(by=[class="hl-string">'WarehouseOrder', class="hl-string">'EventTime'])
    
    class=class="hl-string">"hl-comment"># Define the final column order
    column_order = [
        class="hl-string">'WarehouseOrder', class="hl-string">'ActivityName', class="hl-string">'EventTime', class="hl-string">'SourceSystem', class="hl-string">'LastDataUpdate',
        class="hl-string">'EndTime', class="hl-string">'UserOperatorId', class="hl-string">'OrderType', class="hl-string">'MaterialId', class="hl-string">'ActualQuantity',
        class="hl-string">'RequestedCompletionDate'
    ]
    df = df[column_order]

    class=class="hl-string">"hl-comment"># Export to CSV
    output_filename = class="hl-string">'manhattan_scale_event_log.csv'
    df.to_csv(output_filename, index=False, date_format=class="hl-string">'%Y-%m-%d %H:%M:%S.%f')
    print(fclass="hl-string">"Event log saved to {output_filename}")

except Exception as e:
    print(fclass="hl-string">"An error occurred: {e}")

finally:
    class=class="hl-string">"hl-comment"># Close the connection
    if class="hl-string">'cnxn' in locals() and cnxn:
        cnxn.close()
        print(class="hl-string">"Connection closed.")

Sẵn sàng bắt đầu chưa?

Hãy dùng mẫu dữ liệu này để bắt đầu tối ưu vận hành kho ngay hôm nay. Mẫu sẽ giúp bạn tiến tới hoạt động hiệu quả hơn.

Quay lại hướng dẫn cải tiến

Tải mẫu xuống

Nâng cao hiệu quả kho, bắt đầu miễn phí ngay hôm nay

Giảm lỗi lấy hàng và dễ dàng đạt độ chính xác tồn kho 99,5%.

Bắt đầu dùng thử miễn phí

Không cần thẻ tín dụng. Bắt đầu miễn phí chỉ trong vài phút.

Mẫu dữ liệu quản lý kho của bạn

Mẫu dữ liệu quản lý kho của bạn

Các thuộc tính trong quản lý kho

Các hoạt động trong quản lý kho

Hướng dẫn trích xuất dữ liệu

Truy vấn SQL trực tiếp trên các bảng cơ sở dữ liệu Manhattan SCALE

Các bước

Cấu hình

Truy vấn mẫu sql

Trích xuất bằng Python qua trình kết nối cơ sở dữ liệu

Các bước

Cấu hình

Truy vấn mẫu python

Sẵn sàng bắt đầu chưa?

Nâng cao hiệu quả kho, bắt đầu miễn phí ngay hôm nay