棚の1階にあるピックアップセル
私たちの店からキッチンの蛇口の1つを取り出し、腕の下でチェックアウトに運びます。チェックアウト時に、彼らはあなたに販売文書を作ります、そしてこの瞬間にシステムとウェブサイトのバランスでこの製品の量は減少します。
夜間、各店舗は次の期間の注文の予測を計算します。より正確には、1年先の予測は毎週計算され、店長の注文は毎晩それから計算されます。スクリプトは、誰かがミキサーを購入したことを確認し、販売がそのようなペースで行われる場合（複雑なモデルのブロック全体があり、「そのようなペースで」と見なされるものとその期間）、ミキサーは7日で使い果たされます。これは、それらが配信されるために次の注文を形成する必要があることを意味します。
ほとんどの商品は、クロスドッキングストリーム（倉庫はパレットを開いたり在庫に保管したりせずにパレットを転送します）を介して、または地元のサプライヤーから直接店舗に行きます。部分的には、前回の投稿でこれらのプロセスをすでに分析し ました。モスクワの倉庫にあるパレットからのミキサーが店舗に必要な場合の難しいケースを考えてみましょう。
難しいのは、パレットがかなり多くのミキサーであるということです。そして、あなたは店に50個を持ってくる必要があります、と言います。完全に受け止められませんか？そして、ピッキングプロセスが表示されます。パレットがセルから取り外され、下に置かれ、ネストされたコンテナがセルから取り出されます。これは、トランスポートボックス、インナー、およびピースにすることができます。流通センターは、希少で高価な機器を除いて、部品で動作することはほとんどありません。ユニットの場合、フルフィルメントセンターが必要ですが、これはロジスティクスのわずかに異なる部分であり、この投稿ではそれらについては説明しません。
最終的に、店舗が製品を必要とする場合、その必要性はGOLD GWR予測システムで考慮され、ERP（Oracle RMS）では、最終的なドキュメントが表示され、必要なものの量と場所が示されます。それは、「そこに出荷」タスクの形で倉庫管理システム（WMS）に入り、「倉庫などで受け取り、店などに持っていく」という指示の形で輸送管理システム（TMS）に入ります。さらに、TMSのタスクはトランスポートを提供することであり（このため、アプリケーションはロジスティクス担当者に送信されます）、WMSのタスクは、到着するトラックのドックが開いた瞬間にロードを開始することを保証することです。
商品は、パレット全体として、またはネストされたストレージユニットで出荷できます。もちろん、倉庫にとって最も便利なのは、全体をロードすることです。ネストされたストレージユニット（ボックス）が必要な場合、時間と手動の手順が必要になるためです。つまり、いくらかのお金がかかり、商品の売り上げが減少します（倉庫を他の目的に使用することはできません）。
倉庫とデータベースを比較するのが適切です。彼女は、自分を引っ張るアプリケーションにできるだけ迅速に対応する必要があります。メモリ内の一部は、ストックへの「書き込み」をまったく必要としないクロスドッキングプロセスです。もう1つの部分はキャッシュです。これらは、次の操作の前に製品をしばらく置くことができる特別なバッファーです。そして別の部分は、商品がさらなる処理のために保管される保管場所、在庫です。
倉庫の仕事は、常に在庫を減らし、売上高を増やすことです（つまり、保管期間を短縮します）。アイドル状態の商品が少なければ少ないほど、会社の収益性は高くなります。しかし同時に、誰かが希望の製品を要求したが、倉庫がそれを提供できない場合、これも失敗です。すべての数学は、これら2つの極端の間で機能します。
それで、私のミキサーは何ですか？
フロー最適化の観点からの理想的なプロセスは、ウェアハウスをルーターとしてのみ使用することです。可用性の観点からの理想的なプロセスは、世界中のすべての商品の在庫を維持し、必要に応じて分配することです。
結局、ミキサーの妥協点は次のようになります。ミキサーの輸送方法には数学的に最適なものがあります。この特定のモデルをまったく購入しないことが有益な場合もありますが（直接のアナログがあるため）、パレット全体を購入して持ち込み、店の倉庫からゆっくりと販売することが本当に有益な場合もあります。しかし、多くの場合、輸送ボックスを携帯する方が有益です。ボックスに52ユニットがあり、ストアシステムが50が必要であると計算した場合、決定は明白です。もう少し注文されます-52。ただし、ストアに3ユニットが必要で、ボックスに100ユニットが必要な場合、最小の便宜性の問題が発生します。
店舗にはミニマックスアルゴリズムを使用していませんが、店舗の倉庫にスペースがないかほとんどなく、すぐに棚を補充する必要がある場合に適しているため、現在開発中であり、主に小さなフォーマットに使用します。小さいフォーマットの場合、次のようになります。最大-シェルフ容量、最小-注文の「トリガー」数量、在庫がそれ以下の値に下がった場合-最大シェルフまで注文します。
私たちの需要の形成は、注文カバレッジの原則に基づいて行われ、各注文は次の注文の納期まで在庫でカバーされます。
たとえば、今日、2021年1月1日に注文し、残り18個です。このような注文の納期は2021年7月1日です（サプライヤーは1週間前に運びます）。次の注文日は2021年1月14日、配達日は2021年1月21日です。
いつも1日2本売っているとしましょう。
つまり、2021年1月1日の注文で、2021年1月21日までの在庫をカバーする必要があります。そうしないと、販売するものがなくなります。
したがって、01.21.2021までは、21 * 2 = 42個が必要です。
18個の在庫があるので、2021年1月1日に24個注文します。
もちろん、すべての注文には安全在庫のシェアも含まれています。
さらに、注文データがコンテナに入力されます。つまり、45個、48個、または49個が必要な場合は、50個以上のボックスが注文されます。55個が必要な場合は、2個のボックスを注文するか、モデルを最適化する必要があります。ご覧のとおり、量子化が少ないほど（配信の頻度が高く、コンテナ内のネストユニットが管理しやすい）、最適化の精度が高くなります。したがって、店舗への配送は可能な限り頻繁に行われるため、サブボックスはボックスに表示されます。
ボックスはどのようにしてトラックに入れられますか？
したがって、ストアからのタスクはERPに移動し、そこから倉庫に移動します。倉庫は、TMSシステムによって注文された車がドックに到着し、それを店舗に運ぶときに、パックされた商品をドックに提供する必要があります。
ウェアハウスでは、個々のローダーのタスクルートを最適化するために、すべての注文がクラスター化されます。ローダーごとに、必要なすべての商品を最も迅速に受け取り、他の商品に干渉しないルートが考慮されます。機能は一般的な幸福です。つまり、一般的にすべての操作の合計実行時間を短縮します。
次に、人々はターゲットの特定の座標（セル内のパレット）と、アルゴリズムの形式でそれらを使用したアクションを受け取ります。そして彼らはそれをします。それは精神のステップに分解されます：「そのようなセルに行き、パレットを取りなさい」。人が運転し、そこでバーコードをスキャンすると、システムはすべてが正しいことを確認し、「そこに持っていってください」というアクションを実行します。そしてそう-常に。私たちはモバイル端末を操作し、ムーバーはそれらに従います。つまり、倉庫にいる人々のための一種のAPIがあります。もちろん、次のステップは人を取り除くことですが、それについてはまた別の機会です。
パレットを分解する必要がある場合は、別のピッキングプロセスが実行されます。上部の収納コンパートメントから取り出し、下部のコンパートメントに下げます。そこから、ミキサーを2箱、他の箱から3箱（釘がありますが、まとめて梱包されているので面白いです）などを取り出します。これらすべての端末は、すべてのステップでスキャンおよびチェックされます。その結果、ドック用のパレットは1つだけで、ボックスが異なります。
準備が整うと、端末に別のラベルが印刷され、システムでは別の場所としてカウントされます。配送バッファーに入れるか、ドックに直接置くことができます。
ピックビンはバッファーであるため、ピックパレットから商品を取り出した後、元のパレットを持ち上げて戻す必要があることがよくあります。下部にあるセルは他の何かのために必要になるからです。
パレットを上から下に置く人とピッキングビンから箱を取り出す人は2人の異なる人です。パイクマンはちょうど商品を拾っていて、フォークリフトの他の人はちょうどパレットをジャグリングしています。
トラックはどこから来たのですか？
すべての店舗のすべてのニーズを1日に数回統合し、トラックのニーズを削減するTMSツールから。そこでは、グラフの各ノードの順序だけでなく、さまざまなトランスポートのグラフに沿った最適なルートも考慮されます。店舗は週に1回注文し、輸送のスケジュールは配達の2日前に開始されます。2日以内に、どのような種類の輸送手段がドックに到着し、何をどのような順序で配置し、どのように移動するかはすでに明らかです。この自動化はすべてに適用されます。このトラックが倉庫に到着したばかりのとき、システムはどのゲートに行くべきかを番号で通知します。つまり、ドックでのトラフィックの最適化も管理します。
この場合、倉庫内の商品の実際の入手可能性だけでなく、倉庫にのみ行く商品も考慮に入れます。これも最適化の重要な部分です。
そのような量の製品を補充する必要があるとどのように判断されますか？
まず、この製品がまだ購入されるかどうかを確認します。各店舗には、販売されているものと販売されていないもののマトリックスがあります。これらは、地元のサプライヤーによる地域の特性、地域の需要（修理のための非常に高価な専門機器はほとんどの場合モスクワでのみ必要です）、文化的特徴（カザフスタンでは装飾用のカーペットの広大な領域があります）などです。
シーズン終了により、店舗での購入が終了する場合があります。冬は芝生の芝刈り機、夏はクリスマスの木の飾りが必要な人はほとんどいません。
製品を購入する場合は、次の期間に必要な金額を計算します。これは、製品の販売履歴（これが主な重み係数）を考慮し、この製品が属する家族の季節性プロファイルを考慮に入れる、かなり興味深いモデルです。当店や他店での販売実績が長い商品は、スムーズに組み立てられ、完成度が高くなります。
新品の場合、履歴はありません。どこかからそれを取るか、手動で製品を管理する必要があります。これが既知のものの直接の類似物である場合、カードでそれに商品のペアを単に示すことができます。あるメーカーの手袋があり、別のメーカーが来ました（または記事またはモデルが変更されました）-前のペアを示し、モデルは別の製品の履歴に基づいています。 6週間後（これは魔法の定数です）、製品は自動的に解かれ、それ自体の履歴のみがカウントされ始めます。
製品が完全に新品で、それをどうするかが一般的に不明な場合、手動の予測に従って一定の金額が店舗に運ばれます。次に、履歴が入力されます。私たちのファッションの同僚はこれについて多くの数学を持っていますが、私たちはそうではありません：私たちはまだ改装についてであり、私たちのファッションはキッチンルーラーのデザインと装飾一般の分野に現れ始めたばかりです。残りの需要は、ほぼすべての製品グループでスムーズです。季節の変化は非常に簡単に考慮されます。長い歴史によると、新製品の場合、グループごと、古い製品の場合です。
まだすべてを正しくカウントすることはできず、システムが間違っている可能性があるため、最終的なドキュメントは、承認のためにストア管理者（または商品の配送の責任者）に送信されます。より正確には、これは通常、部門マネージャーによって行われます（ストアには、ツール、ハードウェア、配管などの15の部門があります）。部門内で配信できるすべてのアイテムとその番号が例外なく表示されます。つまり、注文に0が含まれている場合、ポジションがあり、コストはゼロです。
現在、一部のベンダーのADRをテストしています。システムが注文の数量を提供し、店長がパラメータを変更せずに長期間確認する場合があるため、ユーザーはそのような注文をERPで処理する必要がなく、自動的にサプライヤに送信されます。しかし、店舗をサポートし、そのような注文の正確さを監視するコーディネーターのグループがあります。
合意により、商品を削除したり（新年のシーズンが終了した場合は、さらに100本の人工樹木を注文する必要はありません）、以前に販売されたことのない商品を追加することができます。これには、オフィスから別の人が参加する必要があります。
99.9％のケースでは、すべてが店内でその場で決定され、管理者は、システムが予測できるよりも多く、より速く販売されていると彼らの意見である製品の量を増やすだけです。それでも、5万から6万のSKUを手動でのみ処理することは非常に困難です。最終的には、売り上げを伸ばし、コントロールしていると感じるのに役立つ最小限の変更を加えることになりますが、人的エラーは発生しません。すべてが分散化された方法で行われます。つまり、まれなケースを除いて、各ストアが注文自体を管理します。
マニュアル商品があります。たとえば、非標準のシャワーキャビン。半自動補充の商品があります。そのような商品のシステムは、注文のオファーを計算し、注文する金額を定量的に表示します。店長は販売予測や販売履歴を確認し、必要に応じて数量を調整します。ユーザーが手動操作を少なくし、システムが注文の「理想的な」提案を生成できるように、提案された注文の調整回数を減らすことに取り組んでいます。
同じ商品が年間を通じて異なるレートで販売される季節比率をよく理解しています。しかし同時に、シーズンの一部で大量に販売されているが、一部では販売されていない商品は、まだあまり正確に処理されていません。モデルは、急激な変動ではなく、スムーズなシフトのためにシャープになっています。
注文を計算するために、システムはサプライヤーの平均遅延を考慮に入れます。サプライヤーが定期的に5日遅れていることがわかった場合、ペナルティに加えて、GOLDは注文の形成時にこれを考慮し、起こりうる遅延を考慮してより多くの安全在庫を注文します。さらに、日次残高の分析に基づいて構築されています。製品が1週間に多数の日数の間棚にない場合、これらの日が販売の可能性が高い場合、システムはこれを認識し、販売履歴を考慮してそのような週を除外する必要があることを理解し、予測を下げません。
倉庫はどのようにしてどこからどれだけ取るかを知るのですか？これで、ストアがそのニーズをどのように定義するかがわかりました。あなたはそれがどのように統合されて倉庫に送られるかを知っています、そして倉庫は輸送を手に入れてそれをすべて出荷しなければなりません。しかし、別の層があります。倉庫はこれらすべてを処理する必要があります。
各店舗の売上予測と、さまざまな種類の輸送手段（冷蔵トラック、サイドボードなど）の使用を考慮したロジスティクス予測により、必要な商品の量と場所がわかります。そして、あなたはそれを取得する必要がある日付までに。
さらに-最適化のもう1つの層：この時点でそれを取得する方が収益性が高いのはどこですか？どちらのパーティー？一部のサプライヤーは最小出荷量を設定し（1キログラムの釘を注文することはできません）、一部のサプライヤーは量の割引、リベート、およびその他の特別な条件を提供します。商品の持ち方や持ち方を考える必要があります。このトピックはかなり単純な形式ですが、作業を開始したばかりです。 1年後には何か言いたいことがあると思います。
いくつかの小さなものを購入するよりも、大きなバッチで商品を保管する方が有益な場合もあります。また、異なるサプライヤーからの10のローカルロットに配送を分割する方が有益な場合もあります。等。
製品が到着するようなことはないように、拒否の割合を知る必要がありますが、それを販売することはできません。倉庫は、多数によるこれらすべての変動を滑らかにします。
すべてを正確に予測しないと、製品カテゴリの限界が減少します（不要な在庫が蓄積されます）。品揃えが大きいほど、追跡する必要のあるアイテムが多くなります。世界的な変化がある（そして変化している）市場で何万ものポジションになると、優れた自動化なしでは実現できません。