Maksimalkan Efisiensi Tenaga Kerja untuk Memenuhi Permintaan Pelanggan

Maksimalkan Efisiensi Tenaga Kerja untuk Memenuhi Permintaan Pelanggan

Baru-baru ini, SupplyChainBrain memposting blog, “Apakah Ada Solusi untuk Kekurangan Tenaga Kerja Rantai Pasokan?” Artikel ini membahas mengapa ada penurunan tenaga kerja tahun ini. Teori, banyak pemberi kerja merasa orang akan mulai mencari pekerjaan setelah tunjangan pengangguran federal habis di September. Namun, itu tidak terjadi.

Alasan lain yang disebut dalam artikel untuk kekurangan tenaga kerja termasuk dampak pasca-pandemi, yang membuat orang takut untuk kembali ke tempat kerja. Sementara itu, saat pekerja memutuskan atau dipaksa untuk tinggal di rumah, mereka lebih banyak berbelanja online, yang sangat memberatkan operasi transportasi dan gudang.

Peningkatan pesanan telah menciptakan kebutuhan akan lebih banyak pekerja untuk memenuhinya. Pengangkut semakin sulit menemukan pengemudi truk untuk mengirimkan barang. Pemilik gudang menaikkan upah per jam, menambahkan manfaat, dan memperbarui area istirahat. Namun, tidak cukup tenaga kerja di luar sana untuk dipekerjakan.

Beberapa perusahaan berpikir menambahkan otomatisasi ke gudang atau operasi distribusi mereka akan mempercepat pemenuhan dan mengurangi permintaan tenaga kerja. Vendor perangkat lunak menjanjikan teknologi untuk meningkatkan efisiensi di gudang, termasuk sistem manajemen gudang (WMS), sistem manajemen halaman, replika data, digital twin, augmented reality, kecerdasan buatan, otomatisasi robotik dan blockchain.

Banyak organisasi telah mulai berinvestasi dalam beberapa aplikasi ini, untuk membuat operasi lebih efisien dan memberikan pelayanan pelanggan yang lebih baik. Namun, masing-masing teknologi ini melibatkan serangkaian kompleksitas yang unik.

Sebuah WMS, yang memberikan fondasi untuk hampir setiap sistem inovatif lainnya, menghasilkan data kritis di seluruh gudang. Banyak perusahaan mengadopsi jenis teknologi baru yang dikenal sebagai "data replica," yang membuat database yang mudah diakses yang menarik data WMS real-time untuk kueri, visualisasi, dan peringatan.

Data perlu berkontribusi pada pemahaman tentang kondisi masa depan pusat distribusi. Sering disebut perencanaan "what-if," ini memanfaatkan teknologi digital twin. Digital twin adalah model matematis dari gudang yang menganalisis semua aktivitas yang menghadap ke depan untuk memprediksi apa yang mungkin terjadi di masa depan. Digital twin yang baik akan mempertimbangkan tenaga kerja, pengiriman, ketersediaan inventaris, tugas, ruang dan sumber daya lainnya.

Optimasi berbasis keterbatasan AI dapat digunakan untuk mengoptimalkan sistem aktivitas yang berbeda. Dipadankan dengan digital twin, teknologi ini dapat meresepkan urutan peristiwa, membuat jadwal yang dapat dilaksanakan, dan meminimalkan sentuhan serta tenaga kerja.

Tahap akhir dalam peta jalan teknologi adalah mengotomatisasi banyak proses manusia di gudang. Tantangan dengan otomatisasi seperti robotika adalah melibatkan perangkat mahal, dan peluncuran sulit dan memakan waktu lama.

Banyak organisasi saat ini melempar otomatisasi ke rantai pasokan mereka tanpa mempertimbangkan mikro-aliran gudang di sekitarnya. Sebagai contoh, pengiriman barang konsumen mungkin menggunakan forklift otomatis untuk mengambil palet untuk staging, tetapi palet itu mungkin tinggal di area staging selama 12 jam sebelum dimuat ke trailer. Palet menghabiskan ruang staging yang berharga lebih lama dari yang diperlukan, dan bisa menyebabkan situs kehilangan kesempatan untuk mengirimkan pesanan lain tepat waktu dan lengkap.

Gudang juga menghadapi tantangan mengoptimalkan tenaga kerja yang ada tanpa mengorbankan pemenuhan pelanggan. Apa yang terjadi jika seseorang tidak hadir kerja? Jika hal-hal tidak berjalan sesuai rencana? Atau jika Anda masih memiliki posisi staf lantai yang tidak terisi, dan tidak yakin cara terbaik untuk mengoptimalkan kapasitas yang Anda miliki?

Pendekatan baru yang disebut WMS accelerator menyesuaikan dan menyeimbangkan kembali aktivitas berdasarkan apa yang terjadi di gudang setiap beberapa menit. Sistem ini menarik data dari manajemen gudang, manajemen halaman, manajemen pesanan, visibilitas dan sistem produksi untuk memberikan satu tampilan terpadu dari operasi. Menggunakan teknologi digital twin, data kemudian dapat digunakan untuk memprediksi apa yang akan terjadi. Teknologi ini membawa kondisi saat ini dari semua sistem dan semua informasi pengiriman dan pesanan yang diketahui, dan memutar masa depan ke depan berdasarkan keterbatasan yang diketahui seperti tenaga kerja, inventaris, dan waktu tugas.

Sebagai contoh, di satu pusat distribusi Procter & Gamble, WMS accelerator digunakan untuk mengurangi waktu perencanaan harian sebesar 97%, memotong perencanaan aktivitas tenaga kerja harian dari delapan jam menjadi 15 menit. Bisnis lain yang menggunakan WMS accelerator dapat membuat pengurangan tenaga kerja sementara yang tidak terencana menjadi permanen tanpa kehilangan produktivitas situs. Mengurangi satu pekerja per shift setara dengan lebih dari $100.000 tabungan setiap tahun. Di situs yang lebih besar, pengurangan semacam ini bisa menumpuk dengan cepat.

Keith Moore adalah chief product officer di AutoScheduler.AI.