تهیهکنندهٔ مرور: حسن مریدی · دورهٔ هوش تجاری، کد ۱۷
وقتی یک انبار خودکار میشود، شمارش سفارشهای پردازششده برای قضاوت درباره عملکرد کافی نیست. دو انبار با خروجی یکسان ممکن است بهدلیل تفاوت در خطاها، دوبارهکاری و مصرف برق، هزینه و اثر محیطی متفاوتی داشته باشند. این مرور به کمک یک مطالعهٔ موردی، نشان میدهد چگونه دادههای روزمرهٔ انبار را به چند سنجهٔ قابل پیگیری تبدیل کنیم.
اندازهگیری را از فرایند شروع کنید
ابتدا مرز اندازهگیری را روشن کنید: عملیات دریافت، ذخیره و برداشت پالت در کدام شیفت یا دوره بررسی میشود؟ اگر سامانهٔ مدیریت انبار (WMS) زمان و نتیجهٔ هر عملیات را ثبت کند، میتوان مدت عملیات، شمار خطاها و میزان استفاده از هر دستگاه را با یک مبنای مشترک مقایسه کرد. برای مصرف برق به دادهٔ کنتور یا حسگر هم نیاز است؛ صرفاً طولانیتر بودن یک عملیات، مقدار برق مصرفی آن را نشان نمیدهد.
هم درصد خطا را ببینید، هم تعداد آن را
نسبت پالتهای دارای خطا به پالتهای جابهجاشده برای مقایسهٔ دورههایی با حجم کار متفاوت مفید است. تعداد خطاها را هم کنار درصد نمایش دهید. فرض کنید در دو شیفت ۸ خطا از ۱۰۰ عملیات و ۲۰ خطا از ۴۰۰ عملیات ثبت شده است. نرخ خطا از ۸٪ به ۵٪ رسیده، اما شمار مواردی که باید بررسی شوند بیشتر شده است. این مثال فرضی نشان میدهد که یک شاخص بهتنهایی جهت اقدام را تعیین نمیکند.
به دنبال علتهای قابل پیگیری باشید
مطالعهٔ اصلی در یک انبار خودکار، خطاهای جابهجایی و مشکل خواندن برچسب را جداگانه بررسی کرد. این تفکیک برای تیم عملیات مفید است: اقدامی که به خوانایی برچسب کمک میکند الزاماً خرابی دستگاه یا خطای جایگذاری را کاهش نمیدهد. یک داشبورد عملی میتواند نرخ خطا، حجم عملیات و علتهای پرتکرار را در کنار هم نشان دهد و برای هر مورد مسئول پیگیری مشخص کند.
از اندازهگیری تا تصمیم
برای بررسی عملکرد محیطی، اندازهگیری مستقیم مصرف برق را کنار شاخصهای عملیات قرار دهید؛ مثلاً کیلوواتساعت به ازای هر پالت جابهجاشده را در دورههای قابل مقایسه ثبت کنید. پیش از نسبت دادن تغییرات به یک تصمیم، حجم کار، ترکیب سفارشها و توقف تجهیزات را بررسی کنید. پژوهش اصلی یک مطالعهٔ موردی است و آستانههای یک انبار را نمیتوان بدون بررسی به انبار دیگری تعمیم داد.
منبع: مقالهٔ اصلی از Cosma، Conte، Solina و Ambrogio، در Procedia Computer Science (۲۰۲۴).

