() способно принести значительную пользу практически каждому складу. Организация адресного хранения товара, автоматическое планирование операций, введение контроля над действиями персонала положительно скажутся на работе и фармацевтического склада площадью 400 кв.м., и распределительного центра розничной сети, размером в несколько футбольных полей. Безусловно, на так называемых «больших складах» эффект качественно проведенной автоматизации гораздо заметнее. К сожалению, заметнее на таких складах и ошибки внедрения.
Начиная разговор о больших складах, хотелось бы, прежде всего, определиться с понятием «большого склада». В нашем понимании, «большой склад» - это не просто склад значительной, от 10 000 кв.м., площади. «Большой», кроме того, означает интенсивный, со множеством персонала. И размер, и интенсивность работы, и число сотрудников оказывают огромное влияние на сложность проекта автоматизации склада . Чем масштабнее площади, чем выше темпы работы, чем больше сотрудников вовлечены в исполнение операций, тем сложнее и продолжительней автоматизация. Именно поэтому при внедрении WMS системы (автоматизированной системы управления складом ) на большом складе следует в обязательном порядке учитывать ряд специфических особенностей подобных проектов.
Все эти особенности можно условно разделить на 3 группы: технические, организационно-технологические и кадровые.
Взгляд внутрь системы
Технические параметры проекта автоматизации крупного склада в первую очередь связывают с архитектурой системы и ее производительностью. Автоматизированная система управления складом (система класса WMS), которая выбирается для автоматизации, должна поддерживать высокий темп одновременной работы десятков, а иногда и сотен сотрудников склада различной специализации - кладовщиков, водителей подъемно-транспортного оборудования, контролеров, руководителей. Такая производительность достигается за счет построения особой архитектуры системы, где единицей работы персонала является минимальный набор действий - ЗАДАЧА. Например, ЗАДАЧЕЙ может быть отбор одного наименования из одной ячейки склада - подойти к ячейке, взять товар, указать (подтвердить) отобранное количество. Работа маленькими шажками, ЗАДАЧАМИ - и отличает WMS от учетных систем, где единицей работы является документ, включающий множество строк и отражающий полновесный факт хозяйственной операции. Такое устройство систем управления складом обеспечивает высокую скорость и возможность бесконфликтной работы пользователей.
На интенсивно работающем складе в единицу времени проходит огромный объем информации, и этот поток не должен содержать лишних данных. Лишних как в целом для системы, так и для конкретного момента ее работы. Иными словами, система должна работать исключительно в режиме реального времени. Для этого особым образом выстраивается концепция программного продукта. Автоматизированная система управления складом, способная управлять большим складом, должна планировать и выдавать исполнителям задания в момент возникновения соответствующей потребности - разместить, пополнить зону отбора, провести очередной этап плавающей инвентаризации. В WMS не должны создаваться и накапливаться задания, которые «может быть, когда-нибудь…» будут выполнены. Ведь при интенсивной работе склада все меняется каждую минуту, поэтому и реакции системы на текущую ситуацию должны рождаться «на лету».
Поясним этот подход на конкретном примере. При выполнении отбора заказа кладовщик может перемещаться между зонами хранения склада. Пока он работает в одной из зон, в других, к которым он перейдет позднее, кипит работа. К моменту перемещения кладовщика на очередной участок ситуация с распределением товара может кардинально измениться. В итоге оптимальный маршрут обхода ячеек в зоне станет совсем иным, чем тот, который существовал на момент начала сборки заказа. Таким образом, логично построить работу так, чтобы очередная порция задач отбора рождалась в момент входа кладовщика в эту зону, а не заранее. Очевидно, что для такого стиля работы склада обязательно использование беспроводных технологий. Отдельно хотелось бы обратить внимание на еще одну особенность, касающуюся функциональности WMS-системы, выбранной для автоматизации большого склада, - возможность с ее помощью готовить широкий спектр оперативной отчетности. Этот момент по-настоящему актуален для руководителя склада, поскольку значительные площади и большое количество сотрудников не всегда позволяют ему лично отслеживать ход событий и реагировать на возникающие отклонения - задержку в подготовке заказа, простаивание персонала или оборудования. Таким образом, возникает потребность в отчетах различного рода, графиках, диаграммах. Успевает ли склад подготовить заказы, весь ли персонал задействован в работе и в каком режиме загружен, хватит ли ресурсов на имеющийся план работ на смену, сколько на складе свободного места и вместит ли оно ближайшие поставки - вся эта информация должна подаваться руководителю склада в удобной форме в любой момент времени.
Организационно-технологическая подготовленность склада
По мнению специалистов AXELOT, во многом успех проекта внедрения WMS системы зависит от степени организационно-технологической подготовленности склада к автоматизации. Не секрет, что автоматизация склада, на котором не систематизированы процессы, даст меньшие результаты, чем внедрение WMS на складе с продуманной технологией хранения и обработки товара. Если на складе площадью 2000 кв.м., где работает десяток человек, недочеты в процессах незаметны либо решаются с помощью умеренных трудозатрат, то на складе в 10 000 кв.м. или более любой такой «разрыв» в бизнес-процессе может стать критичным и привести к значительным потерям времени.
Очевидным примером является бизнес-процесс размещения товара. На небольшом складе с установленной WMS-системой можно обойтись размещением по решению кладовщика, который примерно представляет себе зонирование склада, сам выбирает место хранения и фиксирует с помощью терминала сбора данных ячейку, куда был размещен товар. Просто и быстро. Автоматизированной системе управления складом не требуется данных ни о товаре, ни о местах хранения, ни о логике совмещения товаров в ячейках - ничего. Тем не менее, занесенная кладовщиком информация о расположении товара на складе сделает быстрой и точной работу сборщиков. В итоге, небольшой склад, безусловно, в выигрыше от внедрения WMS-системы , хотя внедрение WMS-системы не принесло никаких организационных изменений в работе склада.
Совсем другую картину мы увидим на складе в 10 000 кв.м. и более. Здесь уже «пробелы» в технологии работы дают усиленный в несколько раз по сравнению с небольшими складами негативный эффект. Так, попытка найти место размещения вручную отнимает неоправданно много времени, а нарушение неопытным кладовщиком режимов хранения или грузоподъемности стеллажей может привести к порче товаров. Поэтому для большого склада внедрение автоматизированной системы управления в обязательном порядке должно начинаться с функционально-технологической проработки бизнес-процессов склада. В частности, возвращаясь к примеру с операцией размещения - прежде чем передать планирование этой процедуры «в руки» WMS-системы, необходимо иметь четко просчитанную логику этого процесса - зоны, типоразмеры, товарные группы, принципы товарного соседства, учет волны отбора заказов, информацию о весе и объеме товара и тары и многое другое.
Отсутствие зонирования склада и категоризации товара по АВС, товарным группам, типоразмерам и т.п. не дает возможности создать унифицированные места хранения для товарных групп, оптимизированные по полезному объему хранения (различные типы стеллажей, различные размеры ячеек). В свою очередь, отсутствие унификации мест хранения и/или складской тары приводит к необходимости строить более сложные алгоритмы размещения, что влечет за собой неизбежное снижение надежности автоматизированной системы управления складом. Попытка переложить на WMS решения о построении бизнес-процесса в стиле «всё размещать везде, всё размещать со всем и чтобы оптимально» обречена на провал. Разработка алгоритмов и формализация бизнес-процессов работы склада должны предшествовать внедрению автоматизированной системы управления складом, а не наоборот.
Если углубляться в тему взаимосвязи технологии работы склада и функциональности WMS, особенно ярко выраженной на крупных складах, то нельзя не упомянуть такой процесс, как оптимизация пробега подъемно-транспортного оборудования (ПТО). Расстояния в десятки тысяч «квадратов», которые приходится преодолевать этим дорогостоящим ресурсам склада, заставляют задуматься о сокращении количества холостых пробегов. Достигается это сокращение как технологическими и организационными мероприятиями (например, выделение зон отбора, разнесение во времени процедур пополнения и отбора), так и функциональностью систем WMS. В частности, необходимо задуматься о возможности выдачи заданий для ПТО с учетом их местоположения на момент окончания предыдущей задачи (например, совмещение задач отбора и размещения поддонов).
Погружаясь в детали, нельзя забывать о комплексном подходе. Если сосредоточиться на оптимизации пробега, последовательность отбора «волны» заказов может идти в разрез с желаемой последовательностью их отгрузки, в результате чего склад нуждается во вместительной зоне комплектации. С другой стороны необходим и запас по времени на подготовку «волны», так как ПТО будет выполнять параллельно несколько видов работ (отбор/размещение), а не сосредотачиваться на одной операции с целью достижения максимальной скорости обработки заказа. Таким образом, для создания сбалансированного решения очень важно видеть весь процесс в целом.
Кадры решают все
Третьей по порядку, но равной по значимости, является специфика, связанная с персоналом склада. На крупном складе становится особенно важными качество обучения и тестирования сотрудников, знание и понимание ими процесса в целом и своей роли в нем. Если на небольших проектах иногда можно позволить себе даже обучение «по бразильской системе» - в процессе работы, - то на крупном объекте обучение должно происходить до начала работ, с использованием подробных ролевых инструкций, в небольших группах, сформированных согласно специализации сотрудников, с тестовыми прогонами и последующей аттестацией. Одной из самых болезненных проблем в период начальной эксплуатации WMS становится отсутствие у персонала отработанных навыков выполнения операций, знаний о том, как следует поступать в нестандартной ситуации. При штате склада в десятки или сотни человек потребность в обучении/переобучении, возникающая в процессе работы, значительно замедляет функционирование склада. Гораздо эффективнее «поменять» часть персонала, вызывающего сомнения в способности обучаться и адаптироваться к изменениям до запуска автоматизированной системы управления складом в эксплуатацию, чем потом уже в рабочем режиме менять кадры и обучать их одновременно с отладкой новых технологий. Также в работе с персоналом хорошо может помочь система мотивации сотрудников, нацеленная на успешное внедрение системы WMS.
Задача выбора и обучения персонала актуальна и для специалистов самого высокого уровня. Очень важным фактором качества автоматизации является опыт не только специалистов компании-исполнителя, но и членов рабочей команды от Заказчика. Особенно критичным для любого проекта, а крупного в особенности, является опыт и знания руководителя проекта от Заказчика. Внедрение WMS предполагает принятие множества решений по построению технологии работы склада и организации персонала, поэтому в первую очередь руководитель проекта должен разбираться в складской логистике, а также иметь право влиять на бизнес-процессы и людей, задействованных в проекте.
Резюмируя все выше сказанное, хотелось бы еще раз подчеркнуть, что действительно высокие результаты внедрения автоматизированной системы управления складом возможны только при симбиозе всех вышеперечисленных составляющих. Технологичная WMS-система, качественно проведенный консалтинг на этапе подготовки к внедрению системы, компетентность сотрудников, отвечающих за внедрение как со стороны заказчика, так и со стороны исполнителя, обеспечат достойное качество проекта.
Дарья Любовина, руководитель проектов компании AXELOT
Ключевые специализации компании:
Работа с федеральными учреждениями и ведомствами
Работа с федеральными учреждениями и ведомствами (МЧС, Минздрав и т. д.) по вопросам автоматизации выездного и полевого персонала, а также средствам идентификации.
Проекты:
- ОАО «РЖД» (контроль посадки в поездах Москва-Санкт-Петербург, оснащение локомотивов системами позиционирования, построение беспроводной сети в поездах);
- МВД (автоматизации сотрудников ДПС с использованием ПАК MIG в городах Орел, Брянск, Уфа. Продолжается масштабирование проекта на остальные регионы России);
- ГУП «Петербургский метрополитен» (автоматизация учета номерных деталей вагонов проекта «Нева» с использованием технологии автоматической идентификации RFID, аппаратная автоматизация складской логистики с поддержкой технологий штрихкодирования и RFID, аппаратная автоматизация перемещения ТМЦ);
- ФБУ «Рослесозащита» (автоматизация рабочих мест инженеров-лесопатологов);
- ГИБДД ГУ МВД России по г. Москве (АРМ «Мобильный инспектор»).
Автоматизация учета и контроль товародвижения в торговом зале
На основании внедренных проектов компания Mobile Inform Group разработала быстрое и понятное решение, RetailAgent ® , учитывающее ключевые особенности бизнес-процессов в магазинах разных форматов. Решение предназначено для автоматизации предприятия и обеспечивает сокращение потерь в процессе приемки, перемещения товара, ускорение инвентаризации и переоценки.
Комплексная автоматизация складского учета и управления цепочками поставок
В рамках компании осуществляется анализ объекта автоматизации, подбор программных и аппаратных решений любой задачи с использованием различных технологий автоматической идентификации (штрих кодирование, RFID), построение архитектуры беспроводной сети, монтаж и ввод в эксплуатацию.
Mobile Inform Group занимается внедрением WMS систем для автоматизации складского учета на платформе ЕМЕ. БД, «1С: Предприятие 8.2/8.3».
Все это обеспечивает комплексную автоматизацию процессов предприятия.
Успешно внедрены системы автоматизации предприятий: ТехноНИКОЛЬ-Сибирь, ООО «Кроностар», ООО «Мишель Алко», ООО «Август» (правообладатель товарного знака «oodji» на территории РФ, Новартис, Бочкаревский пивоваренный завод) и т. д.
Разработка и интеграция решений по автоматизации курьерской доставки
Mobile Inform Group предлагает Вам автоматизацию курьерской доставки при помощи программно-аппаратного комплекса MIG Mobile Post. Он включает в себя защищенный смартфона, фискальный регистратор, пин-пад для приема платежей по безналичному расчету и программное обеспечение, управляющее работой курьера.
Решение автоматизирует доставку заказов интернет-магазинов, а также курьерских отправлений. Это делает абсолютно прозрачной работу курьера и предоставляет множество преимуществ
Глубокая кастомизация и создание собственных аппаратных решений
Защищенный смартфон Коперник С1, способный адаптироваться под любую задачу: работа с ШК, RFID (LF, HF, UHF, поддерживает стандарты транспортных и NFC-карт до уровня Mifare plus sl3 включительно), 3G/4G LTE на 2 сим-картах и модулями GPS/ГЛОНАСС, опционально оснащается модулями высокоточной навигации GPS/ГЛОНАСС/Galileo с погрешностью менее 1м, беспроводная зарядка QI, адаптирован для сертификации в ФСТЭК и ФСБ (КС1).
Как запустить современный складской комплекс благодаря цифровым технологиям и дискретной математике
Все больше предприятий автоматизируют свои складские комплексы на базе современных WMS (Warehouse Management System) в России. Внедрение WMS обеспечивает оптимизацию всех складских операций – приемка, размещение, хранение, отгрузка и другое, а также контроль работы персонала, складского оборудования и техники. Возможность управлять складскими процессами дает серьезное преимущество, позволяющее сократить до 40% затраты и издержки на содержание склада, сократить издержки, связанных с пересортицей товара на складе до 99.9%, повысить точность данных об остатках товаров и их местоположении до 99.9%, до 30% повысить оборачиваемость склада при тех же складских площадях, сократить количество персонала при сохранении объемов товарооборота до 20%.
Внедрение WMS: кейс компании LD
Компания LD – крупнейший в России производитель стальных цельносварных шаровых кранов, выпускаемых с 2003 г. Шаровые краны LD предназначены для монтажа в трубопроводах, предназначенных для транспортировки нефти и газа, системах тепловодоснабжения, технологических трубопроводах, различных агрегатах. Сегодня мощность склада составляет 3-5 тысяч паллет в месяц, складские площади – 3025 кв.м. (хранение 5-7 ярусов).
На протяжении многих лет в компании LD существовала проблема, связанная с недостатком складских площадей. Что не позволяло эффективно выстроить складские процессы, не соответствовало объему производства, не обеспечивало рост объёмов производства и продаж. Склады были разрознены территориально и располагались рядом с производственными площадками и цехами.
Для решения проблемы недостатка складских площадей был спроектирован и построен новый складской комплекс, оснащенный необходимым стеллажным оборудованием и техникой. Для того, чтобы эффективно выстроить и автоматизировать складские процессы, руководство компании обратилось в компанию Первый Бит. Эксперты Первого Бита предложили решение – внедрение WMS-системы «1С:Предприятие 8. 1С-Логистика:Управление складом» , выступили поставщиком цифровых технологий для складской логистики LD и интегратором программно-аппаратного комплекса на базе WMS-системы с корпоративной информационной системой заказчика.
Перед специалистами Первого Бита была поставлена задача выполнить проект автоматизации складской логистики в период низкого сезона с августа по ноябрь. Клиенты компании LD – это предприятия жилищно-коммунального хозяйства, а также компании, отвечающие за монтаж, модернизацию и ремонт трубопроводов, где используются шаровые краны LD. В зимнее время производитель начинает принимать заказы и заполнять склад готовой продукцией, где она хранится в соответствующих условиях до момента отгрузки, как правило, ближе к летнему сезону. Поэтому календарный план проекта был подчинён сезонности в деятельности компании-заказчика. Важным было уложиться точно в срок и выполнить весь цикл работ:
- проектирование WMS-системы,
- разработка, настройка и тестирование системы,
- запуск системы в промышленную эксплуатацию, включая обучение сотрудников складского комплекса, отдела логистики и производственных участков.
Проект автоматизации выполнялся параллельно со строительством и оснащением нового складского комплекса. По готовности инфраструктуры складского комплекса к приёму продукции LD и без остановки деятельности был выполнен переезд и освобождение старых складских площадей. Успешность проекта обусловлена слаженностью и синхронностью работы совместной команды интегратора и заказчика. Благодаря такому сотрудничеству запуск нового склада выполнен с минимальным отклонением от установленных сроков – менее месяца.
Успешность проекта обусловлена соединением промышленной разработки и научного подхода в использовании цифровых технологий – разработаны и внедрены интеллектуальные алгоритмы оптимизации, которые:
- значительно упростили работу операторам WMS-системы,
- сэкономили время кладовщиков при выполнении складских операций
- и обеспечили максимальное использование складских мощностей.
Основным критерием применимости таких интеллектуальных алгоритмов было условие: алгоритм должен предлагать решение, как минимум, не хуже, чем способен дать оператор WMS с большим опытом и полным знанием специфики складских процессов компании-заказчика. При этом, алгоритм выдаёт моментальное решение, а оператору WMS требуется на поиск рабочего варианта решения 20-30 секунд. В масштабах складского комплекса эффективность составляет часы. Алгоритмы оптимизации разработаны на языке C++ и подключены к базе данных WMS-системы как внешние компоненты.
При разработке алгоритма специалисты опирались на исследования, описанные в ряде научных математических работ, как отечественных, так и зарубежных. Разработанный алгоритм сжатия используют такие известные математические алгоритмы:
- алгоритм динамического программирования: для решения задачи о рюкзаке;
- жадный рандомизированный алгоритм: для решения задачи о покрытии множествами (для кластеризации партий);
- алгоритм локальный поиск: для улучшения имеющегося сжатия;
- алгоритм решения транспортной задачи (задача Канторовича-Монжа): для формирования начального назначения остатков в ячейки сжатия.
В настоящее время такая обработка используется систематически, и операторы WMS подтверждают хорошее качество кластеризации партий и компактности размещений.
Также в ходе проекта были автоматизированные следующие процессы:
- Автоматическая генерация штрих-кодов и печать этикеток на принимаемую продукцию от производства.
- Приемка товара с помощью терминала сбора данных.
- Размещение товара с помощью терминала сбора данных. Была решена задача оптимального планирования размещения товаров разных габаритов в ячейки различной вместимости.
- Подпитка с помощью терминала сбора данных.
- Отбор товара с помощью терминала сбора данных. Разработан функционал отбора составных грузов на ТСД с учетом специального порядка и рядности размещения товаров на поддоне.
- Отгрузка товаров с помощью ТСД. Отгрузка по схеме кросс-докинг.
- Внутреннее перемещение с помощью ТСД.
- Инвентаризация остатков товаров на складе с помощью ТСД.
- Операция оптимального сжатия остатков товаров в ячейках с целью увеличения плотности хранения остатков и увеличение количества свободных ячеек.
WMS-система интегрирована с корпоративной информационной системой на базе 1С:Управление торговлей 10.3 и 1С:Управление производственным предприятием. В дальнейшем LD рассматривает переход на современное промышленное решение «1С:ERP Управление предприятием 2» .
Сейчас WMS-система поддерживается специалистами Первого Бита и продолжает развиваться за счет разработки и реализации алгоритмов оптимизации складских процессов, которые позволят улучшить их точность и повысить качество, используя текущую мощность складского комплекса, оптимизируя логистические процессы.
Дискретная математика при внедрении WMS на складе
О применении математического подхода при внедрении WMS в компании LD рассказывает Роман Шангин, ведущий программист отдела проектов компании «Первый Бит» Челябинск, кандидат физико-математических наук, доцент кафедры «Системное программирование» Южно-Уральского государственного университета.
Узкое место в процессах
При проектировании схем автоматизации складских процессов мы столкнулись с существующей проблемой неоптимального хранения запасов. Специфика хранения и укладки кранов такая, что в одной ячейке штучного хранения может находиться только номенклатура одной партии. Продукция приходит на склад ежедневно и каждый приход – это отдельная партия. Итого, в результате 1 месяца работы склада создаются 30 отдельных партий, притом, что каждая должна хранится в отдельной ячейке. Товар зачастую отбирается не целыми палетами, а штуками, и в результате в зоне штучного отбора во многих ячейках наблюдается такая картина: в ячейке объемом более 1м3 лежит несколько штук кранов, которые занимают менее 5-10% от объема ячейки.
Рис 1. Фото нескольких штук в ячейке
На лицо неоптимальное использование складских мощностей. Чтобы представить масштаб бедствия могу привести цифры: в среднем таких ячеек объемом более 1м3 с «мизерными» остатками в разные периоды работы склада насчитывается от 100 до 300 ячеек. Так как склад относительно небольшой, то в сезоны загрузки склада этот фактор становится «узким горлышком» с сильно тормозит складские процессы.
Идея решения проблемы
Возникла идея: партии остатков с наиболее близкими датами приводить к одной единой партии и такие остатки с унифицированной партией размещать компактно вместе в одной ячейке, или в нескольких, если места в одной не будет хватать на размещение всего количества остатков.
Рис.2. Схема сжатия остатков в ячейках
Это позволяет значительно сократить занимаемые складские площади, которые будут использоваться под новый размещаемый товар. В ситуации с перегрузкой складских мощностей такая мера является крайне необходимой, в противном случае свободного места под размещение нового товара может попросту не хватить, что приведет к стопору складских процессов размещения и подпитки. Раньше до внедрения WMS такую операцию выполняли вручную, что было не эффективно, так как процесс поиска подходящих остатков в ячейках был достаточно долгим. Сейчас с внедрением WMS решили процесс автоматизировать, ускорить и сделать его интеллектуальным.
Процесс решения такой задачи разбивается на 2 этапа: на первом этапе мы находим близкие по дате группы партий для сжатия, на втором этапе мы для каждой группы партий вычисляем максимально компактное размещение остатков товара в ячейках. Остановимся на первом этапе алгоритма, а освещение второго этапа оставим для следующей статьи.
Поиск математической модели задачи
Перед тем как садиться писать код и изобретать свой велосипед, мы решили подойти к такой задаче научно, а именно: сформулировать ее математически, свести к известной задаче дискретной оптимизации и использовать эффективные существующие алгоритмы для ее решения или взять эти существующие алгоритмы за основу и модифицировать их под специфику решаемой практической задачи.
Так как из бизнес-постановки задачи явно следует, что мы имеем дело с множествами, то сформулируем такую задачу в терминах теории множеств. Пусть P – множество всех партий остатков некоторого товара на складе. Пусть С – заданная константа дней. Пусть K – подмножество партий, где разница дат для всех пар партий подмножества не превосходит константы C. Требуется найти минимальное количество непересекающихся подмножеств K, такое что все подмножества K в совокупности давали бы множество P.
Иными словами, нам нужно найти группы или кластеры схожих партий, где критерий схожести определяется константой C. Такая задача напоминает нам хорошо известную всем задачу кластеризации. Важно сказать, что рассматриваемая задача отличается от задачи кластеризации, тем что в нашей задаче есть жестко заданное условие по критерию схожести элементов кластера, определяемое константой C, а в задаче кластеризации такое условие отсутствует.
Итак, нам удалось сформулировать задачу и найти классическую задачу с похожей постановкой. Теперь необходимо рассмотреть общеизвестные алгоритмы для ее решения, чтобы не изобретать велосипед заново, а взять лучшие практики и применить их. Для решения задачи кластеризации мы рассматривали самые популярные алгоритмы, а именно: k-means, c-means, алгоритм выделения связных компонент, алгоритм минимального остовного дерева.
Для решения нашей задачи алгоритмы кластеризации k-means и c-means не применимы вовсе, так как заранее никогда не известно количество кластеров k и такие алгоритмы не учитывают ограничение константы дней. Такие алгоритмы были изначально отброшены из рассмотрения.
Для решения нашей задачи алгоритм выделения связных компонент и алгоритм минимального остовного дерева подходят больше, но, как оказалось, их нельзя применить «в лоб» к решаемой задаче и получить хорошее решение. Чтобы пояснить это, рассмотрим логику работы таких алгоритмов применительно к нашей задаче.
Рассмотрим граф G, в котором вершины – это множество партий P, а ребро между вершинами p1 и p2 имеет вес равный разнице дней между партиями p1 и p2.
В алгоритме выделения связных компонент задается входной параметр R, где R <= С, и в графе G удаляются все ребра, для которых вес больше R. Соединенными остаются только наиболее близкие пары объектов. Смысл алгоритма заключается в том, чтобы подобрать такое значение R, при котором граф «развалится» на несколько связных компонент, где партии, принадлежащие этим компонентам, будут удовлетворять нашему критерию схожести, определяемому константой C. Полученные компоненты и есть кластеры.
Алгоритм минимального покрывающего дерева сначала строит на графе G минимальное покрывающее дерево, а затем последовательно удаляет ребра с наибольшим весом до тех пор, пока граф не «развалится» на несколько связных компонент, где партии, принадлежащие этим компонентам, будут также удовлетворять нашему критерию схожести. Полученные компоненты и будут кластерами. При использовании таких алгоритмов для решения рассматриваемой задачи может возникнуть ситуация как на рисунке 3.
Рисунок 3. Применение алгоритмов кластеризации к решаемой задаче
Допустим, у нас константа разницы дней партий равна 20 дней. Граф G был изображен в пространственном виде для удобства визуального восприятия. Оба алгоритма дали решение с 3-мя кластерами, которое можно легко улучшить, объединив партии, помещенные в отдельные кластеры, между собой. Очевидно, что такие алгоритмы необходимо дорабатывать под специфику решаемой задачи и их применение в чистом виде к решению нашей задачи будет давать плохие результаты.
Итак, прежде чем начинать писать код модифицированных графовых алгоритмов и изобретать свой велосипед (в силуэтах которого уже угадывались очертания квадратных колес), мы, опять же, решили подойти к такой задаче научно, а именно: попробовать свести ее к другой задаче дискретной оптимизации, в надежде на то, что существующие алгоритмы для ее решения можно будет применить без модификаций.
Очередной поиск похожей классической задачи увенчался успехом. Удалось найти задачу дискретной оптимизации, постановка которой 1 в 1 совпадает с постановкой нашей задачи. Этой задачей оказалась задача о покрытии множествами. Приведем постановку задачи применительно к нашей специфике.
Имеется конечное множество P и семейство S всех его непересекающихся подмножеств партий, таких что разница дат для всех пар партий каждого подмножества I из семейства S не превосходит константы C. Покрытием называют семейство U наименьшей мощности, элементы которого принадлежат S, такое что объединение множеств I из семейства U должно давать множество всех партий P.
Алгоритм решения задачи
С математической моделью решаемой задачи определились. Теперь приступим к рассмотрению алгоритма для ее решения. Подмножества I из семейства S можно легко найти следующей процедурой.
Рисунок 4. Формирование подмножеств партий
В такой процедуре необязательно для каждого t перебирать все другие партии и проверять разность их дат, а можно от текущего значения t двигаться влево или право до тех пор, пока не нашли партию, дата которой отличается от t более чем на половинное значение константы. Все последующие элементы при движении как вправо, так и влево будут нам не интересны, так как для них различие в днях будет только увеличиваться, поскольку элементы в массиве были изначально упорядочены. Такой подход будет существенно экономить время, когда число партий и разброс их дат значительно большие. Для решения задачи о покрытии множествами был выбран жадный алгоритм, который показывает неплохие результаты в качестве решения для задач небольшой размерности, достаточно прост в реализации и быстр, так как оценка его времени работы равна O(mn). Жадный алгоритм выбирает множества руководствуясь следующим правилом: на каждом этапе выбирается множество, покрывающее максимальное число ещё не покрытых элементов. Подробное описание алгоритма и его псевдокод можно найти здесь (ссылка).
Сравнение точности такого жадного алгоритма на тестовых данных решаемой задачи с другими известными алгоритмами, такими как вероятностный жадный алгоритм, алгоритм муравьиной колонии и т.д., не производилось.
Реализация алгоритма «кластеризации» в обработке 1С
Такой алгоритм для решения первой задачи кластеризации партий был реализован на языке 1С и был включен во внешнюю обработку под названием «Сжатие остатков», которая была подключена к WMS-системе. Мы не стали реализовывать алгоритм на языке С++ и использовать его из внешней компоненты, что было бы правильней, так как скорость работы кода на C++ в разы и на некоторых примерах даже в десятки раз превосходит скорость работы аналогичного кода на 1С. На языке 1С алгоритм был реализован для экономии времени на разработку и простоты отладки на рабочей базе. Результат работы алгоритма представлен на рисунке ниже.
Рис.5. Обработка по «сжатию» остатков
Отметим, что в настоящее время такая обработка используется в продакшене систематически, и операторы WMS подтверждают хорошее качество кластеризации партий. Описание алгоритма оптимального сжатия, которому на вход подается массивы кластеризованных партий, рассмотрим позднее.
Внедрение WMS. Выводы
Главный опыт, который мы получили от решения такой практической задачи – это подтверждение эффективности использования парадигмы: математическая формулировка задачи - известная математическая модель - существующий алгоритм. Дискретной оптимизации уже насчитывается более 300 лет и за это время люди успели рассмотреть очень много задач и накопить большой опыт по их решению. В первую очередь, целесообразнее обратиться к этому опыту, а уже потом начинать изобретать свой велосипед.
Еще один факт с которым мы столкнулись это то что на многих предприятиях есть потребности в решении различных задач оптимизации, причем их решение может принести существенный эффект: сократить издержки, экономить время, устранить узкие места в процессах. Но зачастую они так и остаются потребностями и проблемами, так как ни руководство, ни сотрудники не знакомы с подходами к решению таких задач и не знают, что такие задачи могут быть эффективно решены с помощью методов оптимизации.
Безусловно, большинство задач оптимизации операций возможно решать только при хорошо налаженной работе информационной системы, в данном случае WMS-системы , поскольку оптимизация без предварительной информатизации малополезна, так как не откуда брать данные и некуда данные решения алгоритма записывать. Конечно, сейчас мы не говорим о ситуациях, когда нужно один раз и на долгое время найти оптимальный вариант работы какого-либо процесса, например, найти оптимальную конфигурацию и оптимальные параметры цепочки поставок, хотя даже и в таких задачах наличие исторических данных из корпоративной учетной системы будет неоспоримо полезно. Поэтому мы, команда Первого Бита, практикуем после внедрения информационной системы, будь то «1С:Предприятие 8. 1С-Логистика:Управление складом», «1С:ERP», «1С:Управление торговлей» и другие, делать небольшие дополнительные проекты по оптимизации тех процессов, которые выявились в ходе внедрения информационной системы как проблемные и важные для клиента. Думаю, это перспективная практика, которая в последующие годы будет набирать обороты.
Успешно завершено внедрение на складе автодистрибьютора AVDtrade. Внедрение wms для управления складом автодистрибьтора позволило ускорить все бизнес-процессы склада, усилить контроль и внедрить интеллектуальную систему распределения приоритетов для планирования заказов.
AVDtrade – современная компания, которая готова внедрять инновационные облачные технологии для оптимизации работы и бизнес-процессов. AVDtrade — это 50 квалифицированных сотрудников, склад запчастей около 2000 квадратных метров, более 1500 довольных клиентов по всей территории Украины, торговые представители в разных городах, организованная система логистики собственным и наемным транспортом.
Предпосылки внедрения WMS системы на складе AVDtrade
Основным видом деятельности компании AVDtrade является дистрибуция автозапчастей на всей территории Украины. Склад AVDtrade занимает площадь около 2000 м.кв. Под товар выделено около 10 тыс. мест хранения. Со склада производятся отгрузки клиентам в г. Житомир и по регионам. Собственная WMS система с базовым функционалом конфигурации Автозапчасти перестала удовлетворять функционально. Для процессов приема, отгрузки, перемещения и инвентаризации используются ТСД.
Основные «узкие места», выявленные в ходе предпроектного обследования:
- Существующая система ERP\WMS, резервирует товар под заказы c локаций, предназначенных для хранения товара.
- Нет автоматического пополнения зоны отбора товара под потребности отгрузки.
- Отсутствует автоматическое определение локации для размещения товара после процесса приема поставки.
- Реализация собственной WMS на одном ядре с ERP, что влияет на стабильность и скорость работы ERP.
- Отсутствие размещения товара по ABC классификации.
- Отсутствие уплотнения товара
- Отсутствие функционала для проведения инвентаризации и её анализа
Внедрение WMS системы на складе AVDtrade: цели и задачи
Компания AVDtrade была основана в 2012 году и на сегодняшний день успешно занимается дистрибуцией автозапчастей на всей территории Украины. С начала основания компания была ориентирована на продажи запасных частей для узкого сегмента транспорта (малые коммерческие автомобили), но с очень широким ассортиментом. Это дало существенный толчок к стремительному росту и развитию компании.
В 2016 году руководством компании было принято решение об изменении ассортиментной и закупочной политики. Исходя из этого, компания в ближайшие два года должна выстроить свой собственный ассортиментный портфель, который должен быть расширен товарами для легковых автомобилей.
WMS-система применяется для оптимизации бизнес-процессов складских помещений не зависимо от размера склада. Внедрение WMS позволяет планировать в автоматическом режиме и контролировать складские операции, а также централизовано управлять ними.
Преимущества внедрения WMS:
- возможность создания автоматической диспетчеризации заданий для персонала на складе;
- оперативный учет запасов в режиме реального времени;
- учет складских запасов в заданный промежуток времени;
- хранение товаров по определенным адресам;
- учет партий товара;
- контроль работы оборудования, техники и персонала;
- возможность интеграции с системами считывания штрих-кодов.
Составные части WMS
Главной составной частью данной системы является специализированное программное обеспечение, с помощью которого происходит управление складом. Программное обеспечение устанавливается на компьютеры персонала, при этом компьютеры должны быть объединены в локальную сеть.
Для хранения базы данных к локальной сети подключается серверное оборудование. Если база данных небольшая и требует для качественного функционирования минимальные ресурсы, в качестве сервера можно использовать мощный стационарный компьютер. Затем подключаются дополнительные периферийные устройства, обеспечивающие автоматизацию ввода и идентификацию данных в системе. К данной категории устройств принадлежат системы считывания штрих-кодов, принтеры этикеток и тому подобное оборудование.
Программное обеспечение WMS должно автоматизировать операции по приему и размещению товаров на складе, его комплектацию и пополнение, инвентаризацию, отгрузку и отправку товара. При автоматизации складских процессов необходимо учитывать действующие бизнес-процессы на предприятии, а также все работы проводить в соответствии с правилами и регламентом заказчика.
Этапы внедрения WMS
Этапы внедрения WMS включают:
- Разработка стратегии: установить, какие участки складской работы подлежат полной автоматизации, с каким оборудованием должна поддерживаться интеграция, каких целей и планируемых результатов необходимо достичь после внедрения WMS-системы.
- Расчет рентабельности – проанализировать, в какие сроки окупится данный проект, рассчитать бюджет, постановить техническое задание.
- Подбор платформы, которая полностью обеспечит автоматизацию учета и контроль складских товаров, защиту хранящейся информации от несанкционированного использования, разграничит права доступа на каждом этапе обработки данных, будет соответствовать бюджету проекта с учетом:
- возможности адаптировать WMS в соответствии с критериями;
- простоты освоения персоналом;
- интеграции с прочими установленными программами склада другой направленности;
- обновления ПО и поддержки WMS.
- установка программы WMS;
- настройка обмена информацией с другими программами и системами склада;
- формирование базы данных WMS из используемых программ;
- настройка интерфейса WMS;
- обучение персонала работе с системой.
В результате правильного внедрения WMS увеличится пропускная способность склада, экономия пространства и эффективность использования оборудования.
