Savoye introduceert een Labour Management software module op basis van machine learning

Als uitbreiding binnen de bestaande ODATiO WMS/TMS software suite, presenteert Savoye een innovatieve Labour Management module. De software maakt gebruik van machine learning technologie om te leren van de verzamelde data.

Labour Management, als onderdeel van het WMS, heeft als voornaamste inzetgebied het beheer van en op elkaar afstemmen van personeel en apparatuur. Labour Management maakt het mogelijk om het werk van de medewerkers in het magazijn in te plannen op basis van de werklast die verwacht wordt uit de ontvangen klantorders, lopende bestellingen en producten die nog geleverd moeten worden door de leveranciers.Hoewel deze functionaliteit vaak aanwezig is op het wensenlijstje van de grote retailers en e-commercebedrijven, wordt deze zelden gebruikt. Savoye heeft uitgebreid onderzocht hoe de klanten Labour Management ook daadwerkelijk het beste kunnen inzetten.

De gebreken van bestaande Labour Management systemen

Savoye ontwikkelde een nieuwe benchmark op het gebied van Labour Management-oplossingen. Tijdens het ontwikkelproces kwam aan het licht dat de meeste bestaande oplossingen vijf grote tekortkomingen hebben: korte termijn, vaag, beperkte scope, vervelend en gebrek aan ROI.

Hun éénzijdige karakter maakt het immers lastig om operationele middelen toe te wijzen. Zonder een efficiënte prognosetool bespaart het WMS zijn/haar gebruiker hooguit enkele uurtjes bij het plannen van de werklast: het wordt nogal kortzichtig. Dit gaat gepaard met een gebrek aan precisie bij het monitoren van activiteiten en een onvermogen om de productiviteit van de processen, die niet worden aangestuurd door het WMS, te integreren en te meten. Bovendien omvatten oplossingen voor Labour Management doorgaans een planning gebaseerd op namen; dat is bijzonder complex om te beheren.

Al deze gebreken zorgen voor onvoldoende rendement op de investering.

Praktijkgerichte functies en gebruikersverwachtingen

De nieuwe Labour Management module van Savoye maakt het mogelijk om de KPI’s te definiëren die nodig zijn om het magazijn goed aan te sturen: productiviteit per “sector”, “cel” en ook per “afleverbestemming” of “verkoopkanaal”. Met de ODATiO-oplossing kan Savoye voor elke installatie volledig maatwerk leveren.

Om de uitrol, en vooral het dagelijks gebruik, met vaak snelle beslissingen, te vereenvoudigen, heeft Savoye ervoor gekozen om middelen te kunnen toewijzen, uitgaande van een FTE (fulltime equivalent) in plaats van een naam.

Een essentieel kenmerk van deze module is de realtime productiviteitsrapportage. Daarmee wordt de productiviteit van de medewerkers gemeten, inclusief de taken die niet onder het WMS vallen.

Beter HR management door machine learning

Om de Labour Management module te kunnen optimaliseren en alle nodige informatie te kunnen verstrekken over de te verwachten werkdruk in het magazijn, maakt Savoye gebruik van kunstmatige intelligentie en machine learning. “ERP systemen gebruiken voor hun prognoses vooral statistische technieken. De opkomst van machine learning maakt deze aanpak geleidelijk achterhaald. Daarom maakt onze software gebruik van de opgeslagen data uit het magazijn, zodat het eigen prognoses kan maken, met behulp van real-life business cases. ” zo legt Marwane Bouznif, Machine Learning and Optimization Engineer bij Savoye, uit.

Om de efficiëntie van de nieuwe oplossing aan te tonen, heeft Savoye al drie POC’s (Proof of Concept) in de retail sector gerealiseerd: “In bijna vijf jaar hebben we een discrepantie van maar 5 tot 10% kunnen bereiken tussen onze berekeningen en de werkelijke toepassingen. Dit uitstekende resultaat stelt onze klanten in staat om beter te anticiperen op hun operationele werkdruk, met name tijdens piekperiodes of éénmalige promotionele acties, en om de winstgevendheid te verhogen”, concludeert Grégory Lecaignard, Software Product Manager bij Savoye.

De nieuwe Labour Management module wordt geïntegreerd in de laatste versie van het ODATiO WMS/TMS.