Otra condición previa para una operación basada en datos es la gente: especialistas en datos que trabajan junto con especialistas en sistemas para analizar los datos y diseñar los modelos de diagnóstico correctos.
Los especialistas son vitales y tienen una profunda comprensión de los sistemas. Cuando esto se vincula con el conocimiento de los ingenieros, técnicos y otros especialistas que construyeron el sistema en primer lugar, se convierte en una fuerza poderosa al unísono con los datos.
La combinación de datos y especialistas en sistemas es lo que hace posible una operación basada en datos.
¿Qué deben esperar los responsables de almacén del soporte de su sistema?
Entonces, ¿cómo pueden los responsables de almacén asegurarse de que encuentran el socio adecuado para las operaciones basadas en datos?
En primer lugar, como base, el responsable de almacén, como propietario del sistema, debe priorizar un socio que:
- Esté especializado en el MHS de la empresa, preferiblemente de la empresa que diseñó el sistema.
- Ofrezca servicios basados en datos para cada aspecto del servicio y el soporte del sistema, especialmente el O&M, para mejorar el funcionamiento en tiempo real, prevenir averías (y mantener la ciberseguridad) y garantizar soluciones eficaces si algo va mal.
- Ofrezca una línea directa 24/7/365 donde los especialistas sean directamente accesibles y trabajen de forma proactiva en lugar de ‘solo’ reactiva (más sobre esto más adelante).
¿Qué más pueden esperar los responsables de almacén antes de embarcarse en el viaje basado en datos?
Mejorar
El propósito principal de los servicios de la categoría ‘Mejora’ es permitir a los propietarios de MHS optimizar de forma proactiva el flujo de inventario y las tasas de distribución de la operación del almacén, evitando al mismo tiempo el período muerto durante las operaciones, basándose en datos en vivo y modelos de diagnóstico.
Los ‘servicios de mejora’ consisten en una serie de programas de diagnóstico y supervisión a nivel operativo y de sistema, además de una gama de paneles para facilitar la gestión y el seguimiento de los datos operativos y de mantenimiento.
Análisis en tiempo real
El análisis en tiempo real desbloquea información detallada sobre el estado del sistema y el rendimiento operativo mediante una solución basada en la nube. Los datos se convierten en planes prácticos sobre cómo optimizar el sistema específico y el rendimiento operativo en tiempo real.
Se pueden diseñar paneles personalizables para presentar los datos y la información práctica para cada nivel de la operación del almacén: operaciones, mantenimiento y gestión.
Además, el responsable de almacén puede obtener análisis en tiempo real con un estado en vivo de los procesos dentro del MHS, tales como: manipulación de estaciones de mercancías a persona, picking, embalaje, reposición, excepciones y recirculación.
Un ejemplo de la industria del almacenamiento y la distribución es el análisis automático de datos de un centro de distribución con un sistema de clasificación que consta de dos clasificadores con algunos niveles de capacidad realmente desconcertantes. Los dos sistemas de clasificación funcionaron extremadamente bien, logrando una tasa de utilización cercana a la capacidad teórica. Sin embargo, la alta utilización del sistema no se reflejó en una productividad igualmente alta. Los datos revelaron que los dos sistemas estaban mal configurados y cruzaban artículos de un lado a otro. Basándose en estos conocimientos, se identificaron las soluciones más eficientes, y el resultado fue un sistema mucho más eficaz con menos trabajo y solo el cruce necesario entre sistemas.
Cómo los modelos de diagnóstico conducen a un rendimiento optimizado
Los modelos de diagnóstico basados en datos comprueban continuamente el estado operativo del sitio para identificar cualquier problema en desarrollo antes de que surja. Los modelos de datos de los clientes procesan datos 24 horas al día, 7 días a la semana, 365 días al año para detectar tendencias adversas y tomar contramedidas específicas que ayudarán a mejorar la eficiencia y reducir los costes.
Por ejemplo, el análisis automático de datos del número de no lecturas (artículos jackpot) identificó las causas y redujo el número de rechazos en más de un 70 por ciento.
Al identificar las tendencias antes de que se conviertan en eventos que afecten al estado del sistema, los modelos de diagnóstico basados en datos también limitan significativamente el riesgo de paradas inesperadas. Estas son las paradas que ponen de rodillas a los almacenes al obstaculizar las operaciones durante horas o incluso días.
A nivel de componente, la supervisión continua automatizada de los parámetros operativos, como la vibración y la temperatura, puede detectar anomalías que pueden indicar el riesgo de fallo en el hardware o en el software.
Un ejemplo de esto es cuando el centro de diagnóstico aprendió de los paneles que había habido una caída repentina en el rendimiento del escáner en una unidad de inducción en un sitio específico. El problema se identificó como una cubierta metálica que bloqueaba la trayectoria de escaneo. Después de que un ingeniero local ajustara la cubierta, el rendimiento del escáner volvió a la normalidad.