​Verzamel zo veel data als maar kan

Columns | 1166 keer bekeken
​Verzamel zo veel data als maar kan

We weten al veel over de operatie in onze magazijnen. Maar er is nog veel meer wat we niet weten. Moderne technieken maken het mogelijk om enorme bergen interessante data te genereren. Al die data leveren inzicht, ook al is vooraf vaak onduidelijk hoe die inzichten eruit zullen zien. Dat mag ons niet ervan weerhouden om zo veel mogelijk data te verzamelen.

We beschikken al over heel veel data in onze warehouses. In de warehouse management systemen van vandaag wordt immers elke handling vastgelegd: elke inslagopdracht, elke goederenverplaatsing, elke pick. Op basis daarvan kunnen we de efficiëntie van de hele operatie monitoren en de productiviteit van elke medewerker meten. Daarnaast kunnen we orderpatronen analyseren, omloopsnelheden berekenen en ongetwijfeld nog veel meer.

Maar met de technieken van nu kunnen we nog veel meer data verzamelen. Denk aan indoor positioneringssystemen, een technologie die het afgelopen jaar sterk is ontwikkeld. Op basis van bluetooth-beacons, actieve RFID-tags of lasersystemen is het mogelijk de positie van elke heftruck of ander object nauwgezet te bepalen en te registreren. Dat levert op termijn onder meer heatmaps op, die aangeven welke rijpaden veel worden gebruikt en waar in het magazijn congestie optreedt. Op basis van die informatie kan een verkeersplan worden opgesteld die helpt om de doorstroming op de magazijnvloer te verbeteren.

Meer data met Motion-Mining
Nog meer data kunnen we verzamelen met Motion-Mining, een aanpak die is ontwikkeld door het Fraunhofer Institut für Materialfluss und Logistik (Fraunhofer IML). Tijdens de LogiMAT toonde dit onderzoeksinstituut uit Dortmund hoe orderpickers en andere medewerkers kunnen worden volgehangen met sensoren. Denk onder meer aan de slimme horloges die veel mensen privé al gebruiken om hun passen te tellen en hun fitheid te meten. Gebruik van die technologie in de logistiek levert een schat aan informatie op: Hoe lang lopen medewerkers? Hoe lang staan ze stil? Hoe vaak moeten ze bukken of tillen? Wat is de omgevingstemperatuur en de lichtsterkte? Al die data maken het mogelijk om processen te analyseren en optimaliseren, maar ook om de veiligheid en ergonomie te verbeteren. 

Extra inzichten ontstaan als we de data koppelen met externe systemen. Een voorbeeld daarvan zijn fleet management systemen die onder meer bijhouden hoeveel draaiuren de hef- en magazijntrucks hebben gemaakt en hoeveel storingen zijn opgetreden. Ook interessant zijn systemen voor personeelsbeheer, die informatie bevatten over de leeftijd van medewerkers, de lengte van het dienstverband, het ziekteverzuim of het arbeidscontract: vast of flex? Is het daadwerkelijk zo dat oudere medewerkers minder hard lopen? Of maken ze dat goed omdat ze dankzij hun kennis en ervaring op andere momenten minder tijd verliezen? Combineren van al die data maken het bijvoorbeeld mogelijk om medewerkers nog beter in te zetten op hun sterke punten. Natuurlijk moeten we voorzichtig zijn met al die data. Voordat je het weet, ontstaat zoiets als leeftijdsdiscriminatie.

Geen inzicht zonder data
Leveren al die data meteen geld op? Misschien. In ieder geval zorgen ze voor meer inzicht. Als ik logistiek manager was geweest, zou ik al die data willen hebben. Ik zou willen weten wat precies op de magazijnvloer gebeurt. Ik zou willen weten wanneer medewerkers moe beginnen te worden. Ik zou willen weten of een recht evenredig verband bestaat tussen de loopsnelheid en productiviteit van orderpickers. Ik zou willen weten op welke punten in het magazijn medewerkers steeds weer op elkaar zitten te wachten, zodat ik die knelpunten kan elimineren. Daarom mijn advies: start met het verzamelen van zo veel mogelijk data, ook al is nog onduidelijk welk inzicht die opleveren. Zonder data krijgt in ieder geval niemand inzicht.

Marcel te Lindert - journalist logistiek & supply chain 

Meld je aan voor de nieuwsbrief

Meld je nu aan voor de LogistiekProfs nieuwsbrief en ontvang het laatste nieuws, trends en aanbiedingen.

Reacties (1)

Reageren
  • A. Vermeulen
    28.03.2017 - 12:15 uur | A. Vermeulen

    goed onderbouwd artikel, juiste data is essentieel voor oa verbeteringsprocessen. let wel, zaken dienen wel met een juiste filter 'geschoond'te worden. uitval factoren ook meenemen.