English
Savoye presenta il nuovo modulo di gestione del Labor Management basato sul machine learning
Savoye, con l'obiettivo di rafforzare la gestione del Labor Management, grazie all'uso del machine learning, sta sviluppando un nuovo e innovativo modulo per la sua soluzione ODATiO WMS/TMS, che permette anche di definire i KPI necessari per gestire il magazzino.
Il modulo di Labor Management diventa la caratteristica fondamentale del WMS dedicato alla gestione delle risorse umane e materiali. Il modulo per la gestione del lavoro permette di pianificare le attività degli operatori confrontandole con il carico di lavoro generato dagli ordini dei clienti da spedire, con gli ordini sospesi e con le unità da ricevere dai fornitori per tutte le attività della piattaforma logistica.
Sebbene questa caratteristica sia sistematicamente presente nelle specifiche dei key players nei settori della vendita al dettaglio e dell'e-commerce, è raramente implementata. Questo è un vero paradosso su cui Savoye sta lavorando per offrire ai propri clienti i mezzi per sfruttare tutto ciò che il Labor Management ha da offrire.
Superare i difetti del Labor Management
Savoye, ha creato sul mercato un punto di riferimento delle soluzioni di Labor Management scoprendo che, la maggior parte delle esistenti ha cinque difetti principali: miope, vaga, egoista, fastidiosa e senza ROI. La loro natura monocanale infatti, rende difficile la pianificazione delle risorse operative.
Il WMS senza uno strumento di previsione efficiente, fa risparmiare all'utente solo poche ore durante la pianificazione del carico di lavoro: diventa piuttosto miope. Si aggiunge una notevole mancanza di precisione nel monitoraggio delle attività e l'impossibilità di integrare e misurare la produttività dei processi non controllata dal WMS.
Inoltre, le soluzioni di Labor Management generalmente prevedono la gestione di un orario del personale basato sul nominativo, particolarmente complesso da gestire. Tutti questi difetti portano senza dubbio a una mancanza di ritorno sull'investimento (ROI).
Funzionalità orientate al campo e aspettative degli utenti
Il nuovo modulo di Labor Management di Savoye permette di definire i KPI necessari per gestire il magazzino: produttività per "settore", "cella" e anche per "destinazione di consegna" o "canale di vendita". Grazie alla soluzione ODATiO, Savoye ha fornito soluzioni completamente tailor made per ogni impianto.
Per semplificare il roll out e soprattutto l'utilizzo quotidiano, quando devono essere prese decisioni rapide, Savoye ha scelto di utilizzare risorse non name-based, ovvero una soluzione FTE (full-time equivalent). Una caratteristica essenziale di questo modulo è il reporting in tempo reale in grado di misurare la produttività degli operatori, comprese le attività non coperte dal WMS.
La migliore gestione delle risorse umane, grazie al Machine Learning
Per ottimizzare il proprio modulo di Labor Management e per fornire tutte le informazioni sul carico di lavoro previsto in magazzino, Savoye si è affidata all'intelligenza artificiale e al machine learning.
"Gli ERP utilizzano principalmente tecniche statistiche per le loro previsioni. L'avvento del machine learning sta gradualmente rendendo questo approccio obsoleto. Pertanto, i nostri modelli si basano sui dati archiviati nel magazzino affinché possano produrre le proprie previsioni, utilizzando casi aziendali reali", commenta Marwane Bouznif, Machine Learning and Optimization Engineer presso Savoye.
Per dimostrare l'efficienza della sua soluzione, Savoye ha già avviato tre POC (Proof of Concept) nel settore della vendita al dettaglio.
"In quasi cinque anni, siamo stati in grado di ottenere una discrepanza dal 5 al 10% tra i nostri calcoli e quelli effettivi. Questo risultato eccellente consente ai nostri clienti di anticipare meglio i carichi di lavoro operativi particolarmente durante i periodi di vendita o di eventi straordinari, consolidando un aumentando della redditività", aggiunge Grégory Lecaignard, Software Product Manager di Savoye.
Il nuovo modulo Gestione del lavoro è integrato nell'ultima versione di ODATiO.
"Finalmente un'applicazione innovativa del Labour Management, supportata dall'impiego effettivo e reale del machine learning. Un modulo innovativo capace di prevedere e distribuire in modo efficace ed efficiente i carichi di lavoro all'interno del magazzino, con un saving concreto in termini di tempi e costi", conclude Riccardo Priori, Senior Software Sales Engineer di SAVOYE Italia.
Sebbene questa caratteristica sia sistematicamente presente nelle specifiche dei key players nei settori della vendita al dettaglio e dell'e-commerce, è raramente implementata. Questo è un vero paradosso su cui Savoye sta lavorando per offrire ai propri clienti i mezzi per sfruttare tutto ciò che il Labor Management ha da offrire.
Superare i difetti del Labor Management
Savoye, ha creato sul mercato un punto di riferimento delle soluzioni di Labor Management scoprendo che, la maggior parte delle esistenti ha cinque difetti principali: miope, vaga, egoista, fastidiosa e senza ROI. La loro natura monocanale infatti, rende difficile la pianificazione delle risorse operative.
Il WMS senza uno strumento di previsione efficiente, fa risparmiare all'utente solo poche ore durante la pianificazione del carico di lavoro: diventa piuttosto miope. Si aggiunge una notevole mancanza di precisione nel monitoraggio delle attività e l'impossibilità di integrare e misurare la produttività dei processi non controllata dal WMS.
Inoltre, le soluzioni di Labor Management generalmente prevedono la gestione di un orario del personale basato sul nominativo, particolarmente complesso da gestire. Tutti questi difetti portano senza dubbio a una mancanza di ritorno sull'investimento (ROI).
Funzionalità orientate al campo e aspettative degli utenti
Il nuovo modulo di Labor Management di Savoye permette di definire i KPI necessari per gestire il magazzino: produttività per "settore", "cella" e anche per "destinazione di consegna" o "canale di vendita". Grazie alla soluzione ODATiO, Savoye ha fornito soluzioni completamente tailor made per ogni impianto.
Per semplificare il roll out e soprattutto l'utilizzo quotidiano, quando devono essere prese decisioni rapide, Savoye ha scelto di utilizzare risorse non name-based, ovvero una soluzione FTE (full-time equivalent). Una caratteristica essenziale di questo modulo è il reporting in tempo reale in grado di misurare la produttività degli operatori, comprese le attività non coperte dal WMS.
La migliore gestione delle risorse umane, grazie al Machine Learning
Per ottimizzare il proprio modulo di Labor Management e per fornire tutte le informazioni sul carico di lavoro previsto in magazzino, Savoye si è affidata all'intelligenza artificiale e al machine learning.
"Gli ERP utilizzano principalmente tecniche statistiche per le loro previsioni. L'avvento del machine learning sta gradualmente rendendo questo approccio obsoleto. Pertanto, i nostri modelli si basano sui dati archiviati nel magazzino affinché possano produrre le proprie previsioni, utilizzando casi aziendali reali", commenta Marwane Bouznif, Machine Learning and Optimization Engineer presso Savoye.
Per dimostrare l'efficienza della sua soluzione, Savoye ha già avviato tre POC (Proof of Concept) nel settore della vendita al dettaglio.
"In quasi cinque anni, siamo stati in grado di ottenere una discrepanza dal 5 al 10% tra i nostri calcoli e quelli effettivi. Questo risultato eccellente consente ai nostri clienti di anticipare meglio i carichi di lavoro operativi particolarmente durante i periodi di vendita o di eventi straordinari, consolidando un aumentando della redditività", aggiunge Grégory Lecaignard, Software Product Manager di Savoye.
Il nuovo modulo Gestione del lavoro è integrato nell'ultima versione di ODATiO.
"Finalmente un'applicazione innovativa del Labour Management, supportata dall'impiego effettivo e reale del machine learning. Un modulo innovativo capace di prevedere e distribuire in modo efficace ed efficiente i carichi di lavoro all'interno del magazzino, con un saving concreto in termini di tempi e costi", conclude Riccardo Priori, Senior Software Sales Engineer di SAVOYE Italia.
Mercati: Imballaggio e Logistica
Parole chiave: Machine learning
