Digitalisierung und Data Analytics werden die KEP-Branche verändern. Ein großer Teil der Veränderung ergibt sich daraus, dass Fachkräften in Verteilzentren wertvolle Einblicke gewährt werden, die ihre Fähigkeit, effizient zu arbeiten, verändern.
Hinweis: Dieser Text wurde ursprünglich auf Englisch verfasst und mithilfe von KI übersetzt.
Von Per Engelbrechtsen
Da die Digitalisierung in der KEP-Branche immer mehr an Bedeutung gewinnt, wird Data Analytics die Funktionsweise von Verteilzentren verändern.
Bisher hat sich der Großteil der Aufmerksamkeit rund um die Digitalisierung auf das konzentriert, was wir als die Vorteile auf Makroebene bezeichnen können: die Art und Weise, wie Verteilzentren und die gesamte KEP-Branche von der Implementierung von Data Analytics und anderen digitalen Tools profitieren können; verbesserte Transparenz bei Track-and-Trace-Services; maximale Auslastung der Maschinenkapazität; oder Simulation der zukünftigen Produktion mithilfe eines digitalen Zwillings. Um nur einige zu nennen.
Breite operative Verbesserungen und wie sie sich auf das Endergebnis des Unternehmens auswirken, waren die Hauptperspektive bei der Digitalisierung. In diesem Artikel werden wir uns dem Thema jedoch aus einem etwas anderen Blickwinkel nähern: Wir werden über die beteiligten Personen sprechen!
Die Digitalisierung, einschließlich Data Analytics, ist nur insofern ein Gamechanger, als sie KEP-Verteilzentren – und insbesondere ihren Mitarbeitern – helfen kann, effizienter auf ihre spezifischen Ziele hinzuarbeiten.
Lesen Sie unsere Einführung in die Digitalisierung für Paketverteiler.
Der Fokus sollte idealerweise darauf liegen, die Mitarbeiter in Verteilzentren in ihren Rollen als Wartungs-, Betriebs- oder Managementfachkräfte dabei zu unterstützen:
In den folgenden Abschnitten werfen wir einen genaueren Blick darauf, wie die Digitalisierung drei verschiedenen Rollen unter den Fachkräften in Verteilzentren hilft:
Typischerweise sind die Bemühungen zur Wartung eines Sortiersystems als das strukturiert, was wir als routinemäßige oder zeitbasierte vorbeugende Wartung bezeichnen können.
Wartungsmitarbeiter haben nicht gerade darauf gewartet, dass eine Maschine ausfällt, bevor sie eingreifen. Aber sie haben sich fast vollständig auf ihren Kalender verlassen.
„Wir schauen uns die Sortieranlage normalerweise um diese Jahreszeit an“ war die Vorgehensweise. Ohne konkrete Beweise dafür zu haben, wie die jeweilige Anlage zu diesem Zeitpunkt funktioniert. Wenn die Leistung beispielsweise deutlich besser gewesen wäre, wenn die Wartung häufiger stattgefunden hätte, hätte es niemand entdeckt.
Es ist wichtig zu beachten, dass dies nicht die Schuld der Wartungsmitarbeiter ist. Ohne harte statistische Fakten, auf die man sich verlassen kann, ist es nur sinnvoll, die Wartung um eine verfügbare Struktur herum zu planen. Ein Kalender zum Beispiel – oder einfach Routine.
Die Digitalisierung kann einen wesentlichen Unterschied in der Durchführung der Wartung bewirken.
Wenn Verteilzentren beginnen, Daten von ihren Sortieranlagen zu erfassen und zu analysieren, betreten die Wartungsmitarbeiter eine völlig neue Welt von Erkenntnissen. Das System beginnt, Daten mit zuvor ungeklärten Vorfällen zu verbinden. Es lernt, dass, wenn eine Anlage bestimmte Daten anzeigt, dies bedeutet, dass die Wartung eingreifen muss, um eine bestimmte Aufgabe auszuführen.
Wartungsmitarbeiter können vorausschauende Wartung anstelle von zeitbasierter vorbeugender Wartung praktizieren.
Anstatt Anlagen zu überprüfen, weil es diese Zeit des Jahres ist, können Wartungsmitarbeiter ihre Bemühungen auf die Echtzeitleistung stützen. Ein Teil des Systems kann einen Leistungsabfall von fünf Prozent durchmachen, und niemand könnte es nur durch Betrachten oder seine Ausgabe erkennen. Mit Data Analytics muss es niemand, weil das System es ihnen sagt.
Das Ergebnis eines datengesteuerten Asset-Managements ist ein Sortiersystem, das so nah wie möglich an der maximalen Kapazität funktioniert, indem unerwünschte Stopps reduziert werden.
Data Analytics verbessert nicht nur die Wartung eines Sortiersystems und richtet das System darauf aus, mit höchster Kapazität zu funktionieren. Der Prozess der Arbeit mit Daten ermöglicht es, das System so zu betreiben, dass die ausgelegte Kapazität voll ausgeschöpft wird.
Beispielsweise können traditionelle B2C-E-Commerce-Verteilzentren bestimmten Postleitzahlen in aufsteigender oder absteigender Reihenfolge bestimmte Ziele zuweisen. Ein einfacher und leicht zu verwaltender Ablauf, aber auch eher unflexibel, wenn es beispielsweise keine Pakete für ein bestimmtes Ziel gibt. Warum sollten Sie eine Rutschen einem Ziel ohne Pakete zuweisen, während andere Ziele überlastet sein könnten und letztendlich Engpässe verursachen?
Dies ist eindeutig keine Möglichkeit, die höchstmögliche Auslastung des Systems zu erreichen.
Der Grund, warum sich Verteilzentren oft mit etwas unterdurchschnittlichen Abläufen zufrieden geben, ist die enorme Komplexität des Betriebs. Nehmen Sie einen riesigen Paketmix und kombinieren Sie ihn mit einem großen und chaotischen Sortierzentrum, und Sie erhalten eine äußerst schwierige Gleichung für die Bediener, die sie lösen müssen. Und fast sobald die Produktion beendet ist, beginnt ein neues Fenster. Trotzdem müssen sie es in Echtzeit lösen, um eine optimale Auslastung des Sortiersystems zu erreichen.
Kein Wunder, warum vertraute Strategien wie das Koppeln von Rutschen mit Postleitzahlen in Szenarien, in denen moderne, digitale Ressourcen nicht verfügbar sind, eine starke Anziehungskraft haben. Hier können die Digitalisierung und insbesondere Data Analytics den Bedienern eine große Hilfe sein.
Die Entscheidungswissenschaft ist eine Art künstliche Intelligenz, die Bedienern hilft, die optimale Auslastung eines Sortiersystems zu erreichen.
Durch die Analyse von Daten identifizieren die Algorithmen beispielsweise die beste Nutzung von Rutschenzielen in Bezug auf den Paketmix. Oder die beste Zuweisung von Bedienern. Oder jedes andere Sortierproblem.
Und es ist eine Echtzeitanalyse, sodass die Bediener immer eine effiziente und datengestützte Strategie zur Verfügung haben, um den komplexen Balanceakt zwischen Paketmix und Sortierleistung zu bewältigen.
Das Ergebnis ist, dass sich die Bediener nicht auf vereinfachte Strategien wie das Koppeln von Postleitzahlen und Rutschen verlassen müssen. Daten zeigen, wie das System am effizientesten genutzt wird – und schlagen den Bedienern eine Entscheidung vor.
Die Entscheidungswissenschaft ist jedoch nur ein Teil davon. Durch das Studium von Algorithmen und statistischen Modellen warnt maschinelles Lernen die Bediener vor Unterauslastung in Teilen des Systems oder der Belegschaft oder vor bevorstehenden Vorfällen wie Engpässen.
Das erreichte Ergebnis ist ein Sortiersystem, das nahe an der maximalen Kapazität arbeitet.
Durch den Vergleich von Daten aus früheren Paketproduktionen und die Prognose zukünftiger Produktionen kann das Management die beste Nutzung der Ressourcen festlegen.
Verteilzentren können effizienter aus früheren Erfahrungen lernen, um zukünftige Abläufe zu verbessern – z. B. in Bezug auf die Einstellung und Zuweisung von Bedienern und Ressourcen.
Allem Anschein nach wird der E-Commerce nur noch zunehmen. Es gibt auch eine wachsende Anzahl von Peak-Shopping-Feiertagen und besonderen Anlässen, die Verteilzentren vor einzigartige Herausforderungen stellen.
Ein wachsender, zunehmend komplexer und vielfältigerer Paketmix in Kombination mit zahlreichen Peak-Saisons führt zu einer schwierigeren Zukunft, die es zu bewältigen gilt. Gleichzeitig wird der Wettbewerb in der KEP-Branche – und die Erwartungen der Verbraucher – zu anspruchsvolleren Lieferdiensten in Intervallen von beispielsweise sechs oder zwölf Stunden führen.
In Zukunft muss das Management in Verteilzentren besser darin werden, aus Erfahrungen zu lernen und die zukünftige Produktion zu planen. Dies erfordert eine detaillierte und genaue Bewertung der vergangenen und zukünftigen Produktion.
Glücklicherweise ist dies genau das, was Data Analytics bietet.
Künftig werden alle Bereiche der Verteilzentrumsorganisation von Daten profitieren. Aber nicht unbedingt von den gleichen Daten oder mit der gleichen Perspektive auf Daten.
Systemanbieter arbeiten speziell mit jedem Bereich der Organisation zusammen. Ziel ist es, die Daten zu identifizieren, die für jede Mitarbeiterfunktion am relevantesten sind, und die Daten genau so zu visualisieren, dass sie für jede Ebene der Organisation den größten Wert schaffen.
Systemanbieter helfen bei der Identifizierung der relevanten Daten und unterstützen jede Rolle innerhalb der Organisation, effizienter zu arbeiten.
Das ist das Potenzial der Digitalisierung und von Data Analytics in Bezug auf Rollen in einem KEP-Verteilzentrum. Möchten Sie mehr darüber erfahren, wie Ihr Verteilzentrum von der Digitalisierung profitieren kann? Lesen Sie unser E-Book über die Digitalisierung für Paketverteiler.
