Роботы, BigData, Дроны — как технологии изменили складскую и транспортную логистику

В последние годы технологии сильно проникли в сферу транспортной и складской логистики. CTO Mamsy.ru Александр Иванов, рассказывает, как роботы и BigData поменяли склады и усовершенствовали доставку. 

Mamsy — шоппинг-клуб для мам, компания появилась в 2011 году и за 8 лет трансформировалась в один из самых известных магазинов детских и семейных товаров. В нашем клубе зарегистрировано уже более 10 миллионов участников и каждый день у них есть возможность заказывать вещи из России, США, стран Европы, Канады, Турции. Разумеется, такой большой товарный поток требует определенного подхода к складской и транспортной логистике

Как работает стандартный склад 

Большинство процессов, которые проходят на складах хранения, очень похожи. Принимаем поставки, маркируем и заносим в систему товары, раскладываем на полки.

Когда клиент заказывает товар, система формирует лист подбора с полок, и кладовщик по нему собирает заказ. Товар «отвязывают» от ячейки, где он хранился и отправляют на упаковку. Это самые стандартные складские процессы, которые фиксируются в IT-системе.

Как работают технологичные склады 

Хорошая IT-система хранит в себе не только все товары, их расположение, перемещение, всю информацию о них — а еще и огромное количество дополнительных данных: все клики в интерфейсе, расписания поставок, погоды, информации по клиентам, удаленность поставщиков от склада. Чем больше факторов и данных хранится — тем лучше. Получается хранилище, построив над которым средства анализа данных, мы получим систему BigData. 

Обычно, аналитика больших данных позволяет прогнозировать колебания спроса, выявить сезонность, скорректировать планы пополнения. Но в нашем случае мы используем это для корректировки процессов на складе. Например, прогнозируем загруженность приемки и маркировки, сглаживаем пиковые часы и исправляем операционные «узкие» места. С помощью BigData можно построить многофакторную модель склада и уже на ней пытаться внедрять изменения и смотреть что из этого получилось.

На обычном складе хранения такая аналитика позволяет узнать самые популярные товары и хранить их близко к сборочным линиям, а также разместить похожие или часто покупаемые друг с другом товары в одной части склада. Это позволяет комплектовать заказы с максимальной скоростью. При этом, собранные заказы сразу же сортируются по регионам, транспортным компаниям, габаритам. Всё это увеличивает скорость обработки и отгрузки минимум на 30%. 

Отдельным моментом технологичности системы является ее интеграция с другими системами компании — в первую очередь, с личным кабинетом пользователя для быстрого принятия решений. 

Например, поставщик привез товар, который немного отличается по цвету от представленного на сайте. Система позволяет сотруднику склада сфотографировать его и в этот же момент у клиента в личном кабинете отображается фотография реального товара и возможность принять заказ или отказаться от него. Такие взаимодействия значительно снижают процент отказов и возвратов товара, а еще повышают лояльность клиентов.

Роботизация склада

Помимо системной оптимизации существует мехатронная - компании все больше и больше используют средства механизации в работе склада. Заметнее всего работает Amazon — маленькие оранжевые роботы KIVA уже самостоятельно перемещают предметы внутри склада. А их дроны доставляют заказы, если клиент живёт в 30 минутах от склада. Последнее нашумевшее видео демонстрировало дирижабль как базу для дронов. При этом, само видео является вымыслом художника, однако по моему мнению, это не так далеко от реальности, как многие думают. 

Конкуренцию им уже приготовили британцы с их умной роботизацией.

Не уступает и знаменитая компания Boston Dynamics. Уже сегодня их умные погрузчики умеют перемещать тяжелые коробки без вмешательства человека.

Дроны используют не только для доставки, но и для оптимизации рутины. Компания DroneScan заявляет, что за 2 дня их дроны проведут инвентаризацию быстрее, чем бригада из 80 человек за 3 дня.  

Это, пожалуй, самые яркие примеры, но не самые распространенные и недорогие. 

Вот свежий пример с Walmart — система быстрой приемки и сортировки. Смотрится не так эффектно, как KIVA, зато быстрее и практичнее. 

Практически на всех больших складах применяют хотя бы самые примитивные средства механизации — конвейеры. Следующим шагом обычно идут помощники упаковки и системы сортировки с машинным зрением. Такая простая механизация зачастую способна ускорять участок в несколько раз. 

Транспортная логистика

Анализ BigData помогает не только выстраивать процессы на складе, но и ускорить логистическую составляющую и, в частности, «последнюю милю» — финальный этап доставки до клиента. Это одна из самых больших проблем транспортных компаний — приходится балансировать между скоростью доставки, желаниями клиента и возможностью курьеров. Обычно курьеру выдаются заказы со всего города или одного района, но у каждого клиента есть свои предпочтения по времени доставки. К тому же всегда найдется ещё несколько внешних факторов: перекрыли улицу, заболел курьер, дали несколько дополнительных заказов, в машину не влезли все товары, клиенты перенесли время доставки.

На помощь приходит система транспортной логистики. Система позволяет построить оптимальный маршрут на карте, учитывая все факторы, за несколько секунд, вместо часов, потраченных на это человеком. 

По статистике, «последняя миля» стоит до 28% от общей стоимости доставки посылки. При использовании технологий и BigData, особенно при больших объемах отгрузки, получается колоссальная экономия.

Бывает и так, что склад нужно перенести в другое место или поменять его структуру. В исследовании MIT’s Megacity Logistics Lab говорится, что поставки в большие города почти всегда можно оптимизировать с помощью небольших распределительных центров, разбросанных по нескольким районам. В нашем случае,  после анализа данных, мы вынесли отдельный курьерский хаб в другой район Москвы. 

Как сделать склад более технологичным 

1. Собирайте больше данных

Собирайте и храните столько данных, сколько сможете. Обычно сложно заранее предугадать что именно понадобится при анализе, но совершенно точно нужны будут маршруты следования товара с указанием времени и участка сканирования, все данные по товару и его характеристикам: габариты, вес, состав, упаковка. 

В нашей IT-системе фиксируется каждое действие сотрудника вплоть до каждого щелчка мышки и каждого «пика» сканером. И если что-то идёт не так, мы можем оперативно «пофиксить» любой бизнес-процесс.

Для анализа недостаточно собирать данные только со склада или с логистики. Нужно сохранять все данные о продажах (текущих и прогнозах), о клиентах, даже о погоде. В итоге это всё это помогает построить полноценную факторную модель. 

2. Изучайте хорошие примеры и интересуйтесь мнением коллег

Многие компании делятся опытом в своих блогах и рассказывают истории успеха. Возможно, ваша проблема уже была где-то описана. Однако, не забывайте, что у каждой компании свой путь и решения также отличаются.

Большинство идей по оптимизации рождается внутри компании. Очень желательно общаться и со своими работниками «на местах». Наверняка среди всего персонала есть светлые головы, у которых много хороших идей.

3. Инвестируйте в технологии и аналитиков

Идеальный путь — построить модель на основе данных и улучшать процессы с её помощью. В реальной жизни далеко не все до этого доходят, но это и не критично. Оптимизация начинается с большой и понятной цели, например: нужно сократить время обработки товара в 2 раза.

Для этого рассматривается каждый этап обработки товара, анализируется сколько времени он занимает, сколько сотрудников над этим работает, какой финальный результат приносит. Специалисты предлагают различные сценарии решения проблемы — можно ли этот участок «распараллелить», применить механизацию, оптимизировать?

О ком