White Paper Wissen ist Macht - Arvato Supply Chain Intelligence...White Paper Wissen ist Macht - Arvato Supply Chain Intelligence Ein Leitfaden zur effektiven Nutzung riesiger Datenmengen
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
White Paper
Wissen ist Macht - Arvato Supply Chain Intelligence
Ein Leitfaden zur effektiven Nutzung riesiger Datenmengen unter Einbezug von Digitalisierung, Industrie 4.0 und dem Internet der Dinge (IoT) entlang der Supply Chain.
Die Logistik ist eine der Schlüsselbranchen des digitalen Zeitalters und bietet zahlreiche Schnittstellen
zwischen der realen und virtuellen Welt. Die Digitalisierung revolutioniert die Geschäftsprozesse der
Unternehmen und ermöglicht neue Formen des Vertriebs wie beispielsweise den Online-Absatz.
Der Wandel zum Omnichannel-Vertrieb findet gerade statt und stellt die Logistik schon jetzt vor große
Herausforderungen. Die Kunden erwarten Informationen über ihre Bestellungen in Echtzeit.
Click&Collect-, Pick-up&Delivery- sowie Same-Day-Delivery-Konzepte sind auf dem Vormarsch. Zudem
nehmen die Auftragsgrößen ab, das Artikelsortiment weitet sich stark aus, die Retourenquote steigt und
die Lieferzyklen werden immer kürzer. Die bisherigen Netzwerke können das nicht mehr effizient leisten
und müssen angepasst werden.
Aber an welchen Stellschrauben müssen die Supply Chain Manager drehen?
Zur Beantwortung dieser Fragestellungen eignen sich insbesondere Business Intelligence Systeme, da
sie in der Lage sind, große Datenmengen zu analysieren. Doch traditionelle Business Intelligence
Ansätze mit zentralen Reportingstrukturen, die einen definierten Set an Kennzahlen (KPI) periodisch an
die Führungskräfte und Entscheider liefern, sind nicht mehr zeitgemäß: Sie sind zu langsam und zu
statisch. Sobald die Reports generiert und verteilt sind, ist der eigentliche Informationsgehalt längst
überholt. Hinzu kommt, dass Supply Chain Manager bei gravierenden Abweichungen eine sofortige und
detaillierte Ursachenanalyse benötigen, die sie am besten selbst durchführen. Dieses Unterfangen
scheitert jedoch häufig entweder an hoch-aggregierten Kennzahlen oder an wenig
anwenderfreundlichen User-Interfaces. Das ist frustrierend und die Folge sind falsche oder zu spät
getroffene Entscheidungen.
In der neuen Welt von „4.0“ ist alles digital, vernetzt und vor allem in Echtzeit. Es gelten neue
Gesetzmäßigkeiten und Regeln. Wer nicht weiß, was gerade in seiner Supply Chain passiert und zu
langsam handelt, den bestraft sofort die Konkurrenz. Derjenige, der den Schatz riesiger Datenmengen
zu heben weiß, hat hingegen einen klaren Wettbewerbsvorteil.
Es gilt nicht mehr das Prinzip „Die Großen fressen die Kleinen“, sondern „Die Schnellen fressen die
Langsamen“.
Dieses White Paper untersucht die Herausforderungen, vor denen Unternehmen in verschiedenen
Bereichen des Supply Chain Managements stehen, um die richtigen Entscheidungen auf Basis
notwendiger Transparenz zu treffen. Anhand von Praxisbeispielen wird gezeigt, wie eine intelligente
und intuitiv-bedienbare Data Discovery Software dazu beitragen kann, neue Erkenntnisse selbstständig
zu generieren, und damit die Effizienz und Agilität der Prozesse steigert.
Arvato Supply Chain Intelligence
Version: 1.1 | 21.09.2016 Seite 5 von 29
2. Trends und Entwicklungen im Zeitalter von Industrie 4.0 und digitaler Transformation
Wir stehen am Rande einer technischen Revolution, die unsere Art zu leben, zu arbeiten und
miteinander zu kommunizieren grundlegend verändern wird. Dabei sind Komplexität, Reichweite und
das Ausmaß auf unser Leben noch nicht absehbar.
Milliarden von Menschen sind über Mobilgeräte mit einer noch nie da gewesenen Verarbeitungs- und
Speicherkapazität miteinander verbunden und verfügen über einen nahezu unbegrenzten Zugang zu
Wissen. Und diese Möglichkeiten werden potenziert durch sich abzeichnende technische
Durchbrüche in Bereichen wie künstliche Intelligenz, Robotik, Internet der Dinge, autonome
Fahrzeuge, 3-D-Druck, Drohnen, Nano- und Biotechnologie, Materialwissenschaften,
Energiespeicherung und Quantencomputing.
Wenn von Industrie 4.0 die Rede ist, spricht man im gleichen Atemzug meist auch von
Digitalisierung und dem Internet der Dinge. Üblicherweise geht es dabei um Systeme und Software,
mit denen klassische Fertigungs- und Produktionsanlagen intelligent vernetzt, automatisiert und damit
autonom gesteuert werden. Vor allem die Optimierung und Automatisierung von Abläufen verspricht
hohe Effizienzgewinne. Werkstücke könnten sich sensorgesteuert je nach Auslastung der Anlagen
selbstständig durch den Produktionsprozess navigieren – die Grundlage für sogenannte "Smart
Factories".
Abbildung 1: Quelle: The Internet of Things, MIT Technology Review, Business Report
Doch in der Industrie der Zukunft geht es nicht ausschließlich um intelligente Fabriken, sondern auch
darum, wie diese über Unternehmensgrenzen hinweg zusammenarbeiten. Denn Smart Factories,
Cyberphysische Systeme und das Internet der Dinge bieten völlig neue Möglichkeiten von
Kooperation und Wertschöpfung. Die Integration verschiedener Wertschöpfungspartner in die
Prozesskette sorgt für erheblich mehr Flexibilität und Geschwindigkeit – und damit auch für mehr
Komplexität. Dies betrifft vor allem den Bereich Supply Chain Management.
Arvato Supply Chain Intelligence
Version: 1.1 | 21.09.2016 Seite 6 von 29
Abbildung 2: Quelle: Text von Steffan Heuer für change – das Magazin der Bertelsmann Stiftung. Ausgabe 1/2015
Die sogenannte Digitale Transformation, deren Treiber unter anderem Big Data ist, sowie der sich
verschärfende Wettbewerb fordern von Unternehmen nicht nur, ihre Geschäftsprozesse durch
Digitalisierung zu optimieren, sondern sie gibt auch den Anstoß, um neue Business-Modelle zu
entwickeln. Mit den intelligenten Tools verändern sich die Spielregeln am Markt. Heute heißt der
Kampf nicht mehr "Groß gegen Klein", sondern "Schnell gegen Langsam". Wer die digitale
Transformation verschläft, steht bald vor Problemen.
Der wirtschaftliche Nutzen von Big Data lässt sich in sehr vielen Funktionsbereichen belegen.
Beispielhaft seien hier folgende genannt:
Big Data erleichtert es Marketing- und Vertriebsabteilungen, Produkt- und Service-Angebote individuell auf Kundensegmente zuzuschneiden.
Mit dem Internet der Dinge oder Machine to Machine (M2M)-Kommunikation können produzierende Unternehmen ihre Fertigungs-, Service- und Supportprozesse optimieren. Dafür erfassen Sensoren entlang der Supply Chain permanent Daten – bis hin zum späteren Betrieb – und optimieren Prozesse auch unternehmensübergreifend.
In Distribution und Logistik kann eine nachhaltige Kostensenkung erreicht werden, indem die
Fahrzeuge stärker mit der Außenwelt vernetzt werden und Daten wie Benzinverbrauch, Zustand von Verschleißteilen oder Positionsdaten automatisch erfassen und in Datenbanken übertragen. Mit diesen Daten können Disponenten zeitnah Transporte planen, Beladungen und Routen ändern sowie Wartungskosten und Stillstandzeiten minimieren.
Im Bereich des Finanz- und Risikocontrollings können Frühwarnsysteme beispielsweise für
Risikomanagement oder Performance-Kontrolle aufgesetzt werden.
Arvato Supply Chain Intelligence
Version: 1.1 | 21.09.2016 Seite 7 von 29
3. Herausforderungen und Bedeutung eines Supply Chain Intelligence Systems
Für führende Unternehmen gehört die Steuerung gegensätzlicher Prioritäten in der Lieferkette schon
heute zur täglichen Aufgabe. Angesichts wachsender Komplexität, Schnelligkeit, Datenvolumina,
anspruchsvolleren Kunden und begrenzter Ressourcen stehen Supply Chain Manager unter dem
enormen Druck, für ein Gleichgewicht aus operativer Effizienz, perfekter Auftragsauslieferung und
Flexibilität in der Lieferkette zu sorgen. An erster Stelle stehen dabei Rentabilität und
Kostenmanagement, gefolgt von Flexibilität der Lieferkette sowie die Notwendigkeit, die
Kundenanforderungen zu erfüllen.
Bestände, Distribution, Beschaffung und Transport zählen zu den wichtigsten Kostenfaktoren der
Lieferkette. Die Möglichkeit, diese zu minimieren, wird als Wettbewerbsvorteil erkannt und als zentrale
Aufgabenstellung führender Unternehmen betrachtet, um sich einen Wettbewerbsvorsprung gegenüber
Konkurrenten zu verschaffen.
Welche zentralen Geschäftsanforderungen an ein modernes Supply Chain Intelligence System
entstehen daraus?
Aussagekräftige Visualisierungen (keep it simple):
Entscheider benötigen nicht viele, sondern wenige, aber dafür die richtigen Kennzahlen (Key
Performance Indicators) und Visualisierungen zur Steuerung ihrer Lieferketten.
Unübersichtliche Tabellen mit endlosen Zahlenkolonnen nützen wenig, um schnell einen
Überblick zu bekommen und fundierte Entscheidungen zu treffen. Hingegen helfen
Abbildung 3: Quelle: The Internet of Things, MIT Technology Review, Business Report
Was zeichnet eine intuitive und flexible Data Discovery aus?
Idealerweise ist sie so einfach zu bedienen wie z. B. eine Google-Suchfunktion, die dem Anwender
bereits bei der Eingabe des Suchbegriffs Sofortergebnisse anzeigt. Dies ist auch unter dem Stichwort
der assoziativen Umgebung bekannt. Durch Verwaltung von Verknüpfungen zwischen Datensätzen wie
z. B. Transport und Bestand auf Engine- und nicht auf Anwendungsebene wird so eine sehr intuitive
Umgebung bereitgestellt. Weitergehende Fragen zu Kosten erfordern damit keine erneute
Konfiguration, sodass Adhoc-Analysen und Berichterstattungen möglich sind und der Abfrageprozess
spürbar beschleunigt wird, ohne dass die IT-Abteilung involviert werden muss.
Mit Data Discovery Dashboards und Scorecards lassen sich selbst große Datenmengen aus
unterschiedlichen Quellen analysieren. Aussagekräftige Visualisierungen bringen bisher unsichtbare
Trends und Datenbeziehungen ans Licht. Führungskräfte können mit Dashboards und Scorecards fach-
und bereichsübergreifend für Transparenz in der Lieferkette sorgen und fundierte Entscheidungen
treffen. Dadurch gewinnt die Supply Chain in der Chefetage an Bedeutung und erhält die
Aufmerksamkeit, die sie verdient.
Zusammengefasst sollte für eine innovative Data Discovery mittels BI-Software wie z. B. QlikView die
Software folgende Eigenschaften mitbringen, damit sie heutigen und zukünftigen Ansprüchen genügt:
In-Memory-Datenverarbeitung
Responsive Design für mobile Anwendungen
Einfache Anbindung und Konsolidierung interner und externer Datenquellen in einer
Applikation
Analyse von Massendaten ohne Aggregate
Intuitive und intelligente Suchfunktion (Smart Search)
Arvato Supply Chain Intelligence
Version: 1.1 | 21.09.2016 Seite 11 von 29
Offene Standards und Erweiterbarkeit im Rahmen der Applikationsentwicklung
Unterstützung von kollaborativen Arbeitsformen
Moderne Datenvisualisierung
Skalierbare Architektur
Kurze Projektlaufzeiten
5. Supply Chain Intelligence Toolbox – Beispiele aus der Praxis
Durch die Kombination von Prozess-Know-how und IT-Kompetenz aus mehreren hundert Logistikprojekten hat Arvato Systems zahlreiche praktische Lösungsansätze für die verschiedenen Anforderungen im Bereich Supply Chain Management entwickelt. Daraus ist eine umfangreiche Supply Chain Intelligence Toolbox entstanden, die Anwender dabei unterstützt, schnellere und bessere Entscheidungen zu treffen.
Die Supply Chain Intelligence Toolbox besteht einerseits aus unternehmens- und prozessübergreifenden Anwendungen und andererseits aus Anwendungen, die sich in die Kategorien Intralogistik, Transport, Nachhaltigkeit (Green Logistics), Gamification und Produktion einordnen lassen.
Abbildung 4: Supply Chain Intelligence Toolbox von Arvato Systems
Im Folgenden stellen wir jeweils Anwendungsbeispiele aus den verschiedenen Kategorien vor.
Arvato Supply Chain Intelligence
Version: 1.1 | 21.09.2016 Seite 12 von 29
5.1 Supply Chain Netzwerkoptimierung
Verbesserung der Service Level und höhere Effizienz in der Distribution
Herausforderung
Durch die Verringerung von Beständen und Verlängerung der Lieferketten bei gleichzeitig steigenden Logistikkosten wächst der Bedarf an effizienten und agilen Supply Chain-Strategien. Für die effiziente Neugestaltung der Supply Chain sind die zumeist historisch gewachsenen Produktions- und Transportnetzwerke mit Hilfe intelligenter Analyse- und Planungsinstrumente zu optimieren. Die schnelle und detaillierte Untersuchung verschiedener Szenarien erfordert durch das hohe Maß an Wechselwirkungen und die umfangreichen Datenmengen in einer Supply Chain computerbasierte Planungsinstrumente. Eine manuelle Planung führt oft zu hohem Aufwand bei gleichzeitig schlechter Ergebnisqualität. Fragestellungen und Anforderungen komplexer Transportnetzwerke betreffen beispielsweise:
Dynamische Anpassungen an Kundenstrukturen Transparenz entlang der Lieferkette Prognosegenauigkeit von Kosten und Lieferzeiten Werks-, Depot- und Hubstandorte Kapazitäten für Produktion, Transport und Umschlag Fahrpläne von Linienverkehren Produktionsprogramme von Werken Steigende Anforderungen an die Service Level Starke Mengenschwankungen Neukunden und Verlust von Bestandskunden Umfangreiche Kosten- und Erlösanalysen
Derzeit müssen Planer an vielen Stellen auf Tabellenkalkulationsprogramme zurückgreifen, wobei der Pflegeaufwand in der Regel hoch und die Integration in den Gesamtprozess gering ist.
Lösung
Auf Basis von QlikView hat Arvato Systems eine intuitive Anwendung entwickelt, die folgende
Leistungsbestandteile enthält:
Analyse der Ist-Strukturen und Prozesse Standortoptimierung durch Center of Gravity-Analyse Bewertung der Standortverteilung nach Zeit-, Kosten-, Qualitätskriterien
Inbound / Outbound Transportanalysen Analyse von Sendungs- und Netzwerkdaten Analyse von mehrstufigen Lieferketten Dynamische Schwerpunktanalysen Analyse von Distributions- und Retourenstrategien (Omnichannel, Same Day Delivery)
Netzwerksimulation Simulative Berechnung und Bewertung von Szenarien
Potenzialanalyse (z. B. Kostenpotenziale) Kunden- und Absatzstrukturen Umsatz- und Absatzanalysen
Arvato Supply Chain Intelligence
Version: 1.1 | 21.09.2016 Seite 13 von 29
Abbildung 5: Screenshot aus dem Tool Supply Chain Netzwerkplanung
5.2 Forecasting, Planning und Replenishment
Vollständige Transparenz über die Lieferkette hinweg und effizientere Produktverfügbarkeit
Herausforderung
Prozesse wie Absatz- und Produktionsgrobplanung (Sales and Operations Planning = S&OP) sowie Collaborative Planning, Forecasting and Replenishment (CPFR) erfordern eine Zusammenarbeit innerhalb und außerhalb des Unternehmens. Ziel dieser Maßnahmen ist ein einheitlicher Plan für den nächsten Zeitraum, der die Anforderungen aller Beteiligten abdeckt oder berücksichtigt. S&OP & CPFR sind Verfahren, die Daten unterschiedlichster Datenquellen konsolidieren. Daher benötigen die Beteiligten Zugriff auf Informationen und Erkenntnisse aus verschiedenen Quellen, um zeitgerecht fundierte Entscheidungen treffen zu können. Dazu gehören auch aktuelle
Statusinformationen über den Ort und Zustand eines Produkts oder Charge in der Lieferkette. Da entlang der Supply Chain verschiedene Wertschöpfungspartner – vom Rohstofflieferanten über den Produzenten, den Transport- und Logistikdienstleister bis hin zu Filiale und Kunde – beteiligt sind, ist eine zeitnahe Integration aus unterschiedlichsten Datenquellen erforderlich. Das Ergebnis: Die Möglichkeit, auf volatile Kundennachfragen schnell zu reagieren, steigt erheblich, Forecasts werden präziser, der Lagerbestand kann gesenkt und die Produktionskapazität besser ausgelastet werden. Außerdem steigen Umsatz und Gewinn.
Lösung
Arvato Systems hat für unterschiedlichste Branchen, wie z. B. die Pharma-Branche, Anwendungen auf
Basis von QlikView entwickelt, die folgende Leistungsbestandteile enthalten:
Bestandsanalysen für Produktion, Transit und Markt
Forecasting von Absatzzahlen
Berechnung von Sicherheits- und Meldebeständen in Abhängigkeit von realen Absatzzahlen
am Markt
Analyse von Durchlaufzeiten je Produkt und Charge Potenzialanalyse (z.B. Kostenpotenziale)
Abbildung 6: Screenshot aus dem Tool Forecasting
5.3 Picking Productivity Management System (PPMS)
Steigerung der Lagerprozesseffizienz
Herausforderung
Manuelle Kommissioniersysteme sind trotz aller Automatisierungstrends in der Intralogistik immer
noch vorherrschend. Studien zufolge entfallen mehr als 70% der Lagerkosten auf die
Kommissionierung. Entsprechend hoch sollten die Bemühungen sein, die Effizienz von
Kommissioniersystemen zu steigern. Logistikleiter stehen vor der Entscheidung, geeignete
Maßnahmen einzuleiten. Aber welche?
Wie gut ist die aktuelle Leistungsperformance im Vergleich zu anderen Unternehmen? Wo sind die größten Stellhebel, um die Produktivität zu verbessern? Welches Potenzial steckt noch in Ihren Prozessen? Wie gut sind die Kapazitäten ausgelastet?
Arvato Supply Chain Intelligence
Version: 1.1 | 21.09.2016 Seite 15 von 29
Bisher fehlten die geeigneten Messinstrumente und -methoden. Mit dem Picking Productivity Management System (PPMS) von Arvato Systems wird diese Lücke geschlossen.
Lösung
Auf Basis von QlikView hat Arvato Systems eine online- und echtzeitfähige Anwendung entwickelt, mit
der Sie Ihre Fragen auf Knopfdruck beantworten und die richtigen Maßnahmen einleiten können. Das
PPMS enthält folgende Leistungsbestandteile:
Detaillierte Produktivitätsanalysen hinsichtlich Einflussfaktoren, Kunden, Artikeln, Bereichen und Mitarbeitern
Umfangreiche Darstellungen der IST-Produktivität Vergleiche der Ist-KPIs zu Vorwochen oder Vormonaten Analysen von Auftragslasten Standortvergleich auf Basis definierter Leistungskennzahlen Monitoring der wichtigsten Lagerprozesse hinsichtlich Zeit, Kosten und Qualität Deep-Drill der Ist-Performance und Durchlaufzeiten auf Basis von Scannerdaten Visualisierung von Pickhäufigkeiten, Wegen und Nachschüben im Lagerlayout und im
Tagesverlauf Multidimensionale Ursachenanalyse der Einflussfaktoren auf die Produktivität Bewertung der Arbeitsergonomie Innovatives Benchmarking-System Detaillierte Potenzialanalysen Personalkapazitätsanalyse Prozesskostenbewertung je Mitarbeiter, Artikel und Kunde Prämienwertberechnung
Abbildung 7: Screenshots aus dem Tool Picking Productivity Management System (PPMS)
Arvato Supply Chain Intelligence
Version: 1.1 | 21.09.2016 Seite 16 von 29
5.4 Wegeoptimierte Artikelpositionierung (WMO)
Reduzierung der Wegezeiten durch optimierte Artikelpositionierung
Herausforderung
In manuell betriebenen Lagersystemen beträgt der Wegeanteil ca. 40-60 Prozent am gesamten
Zeitbedarf der Kommissionierung. Um die zurückgelegte Strecke der Lagermitarbeiter, die Arbeitszeit,
die Dauer der Nutzung der Flurförderzeuge und somit die Logistikkosten zu reduzieren, bieten sich
grundsätzlich drei Möglichkeiten:
Die erste Möglichkeit zur Optimierung ist die Reihenfolge der Kommissionierung der Artikel.
Diese wird dem Lagermitarbeiter vorgegeben durch die Reihenfolge, mit der die Artikel als
Positionen auf der Pick-Liste aufgeführt werden. Diese Optimierung ist weit verbreitet und wird
meist von dem lagerführenden IT-System, also einem ERP- oder WMS-System, vorgegeben.
Die zweite Möglichkeit ist die Optimierung des Weges zwischen den einzelnen Positionen auf
der Pick-Liste. Dies wird in modernen Lagern über ein Staplerleitsystem abgedeckt.
Die dritte und meist nicht beachtete Optimierungsmöglichkeit ist die wegemeteroptimierte
Artikelplatzierung. Bei Unternehmen mit schnelldrehenden Sortimenten, wie z. B. im Handel,
verändern sich die Bestell- und damit Zugriffszeiten je Artikel sehr häufig. Ein eben noch als
A-Artikel eingestufter Schnelldreher kann nächste Woche schon als B- oder sogar C-Artikel
klassifiziert werden.
Um eine effiziente Artikelpositionierung zu gewährleisten, sind Bestell- und Zugriffshäufigkeit
permanent zu überwachen. Darüber hinaus sind folgende Einflussfaktoren für eine optimale
Order-Pick) Restriktionen wie z. B. Zusammenlagerungsverbote für Gefahrstoffe, Kühlprodukte, etc. Artikelgeometrien (Volumen, Gewicht, Bruchgefahren, Stapelbarkeiten, etc.) Eingesetzte Transporthilfsmittel (Etagenwagen, Flurförderzeuge, Stapler, etc.) Bestellverhalten der Kunden (Artikel, die innerhalb von Aufträgen häufig zusammen bestellt
werden) Aufgrund verschiedenster Rahmenbedingungen je Artikel und Kundenanforderung ist für eine
optimale Artikelpositionierung die Platzierung nach ABC-Kriterien häufig nicht ausreichend. Im
schlimmsten Fall kann es sogar aufgrund einer reinen Platzierung nach Bestellhäufigkeit zu einer
Überlastung bestimmter Lagerbereiche und somit zu erhöhten Wartezeiten kommen.
Arvato Supply Chain Intelligence
Version: 1.1 | 21.09.2016 Seite 17 von 29
Die Projekterfahrung zeigt, dass ohne computerbasierte Planungsunterstützung eine permanente
Überwachung der Artikelpositionierung von mehreren Tausend Artikeln nicht realisierbar ist und
deshalb unterlassen wird. Hier steckt ein beachtenswertes Potenzial zur Optimierung der
Logistikkosten, das sich ohne großes Investment und lange Projektlaufzeiten heben lässt und i.d.R. zu
einem RoI von kleiner gleich einem Jahr führt.
Lösung
Ziel der wegemeteroptimierten Artikelplatzierung ist es, die Artikel so im Lager zu platzieren, dass
häufig bestellte Artikel oder oft zusammen bestellte Artikelkombinationen möglichst nah beieinander
und möglichst optimal zum Kommissionier-Startpunkt im Lager platziert werden. Es handelt sich um
eine proaktive Optimierung des Lagers auf Basis der zurückliegenden Warenausgänge. Das sollte in
regelmäßigen Abständen wiederholt werden, um auf Änderungen des Bestellverhaltens der Kunden
optimal zu reagieren.
Auf Basis von QlikView hat Arvato Systems eine Anwendung entwickelt, mit der sich permanent die
Qualität und das Optimierungspotenzial der Artikelpositionierung sehr einfach überwachen lassen.
Anhand eines Szenariovergleichs können unterschiedliche Optimierungsalgorithmen berechnet und
verglichen werden. Als Ergebnis erstellt die Software eine Umlagerungsliste, die sich flexibel
umsetzen lässt. Im Einzelnen bietet die QlikView-Anwendung folgende Funktionen:
Berechnung des Effizienzgrades der Artikelpositionierung in Near-Time Permanente ABC-Analyse Vergleich von Optimierungsalgorithmen Visualisierung der Ergebnisse der Optimierungsalgorithmen Berechnungen von Veränderungen in Gangfrequenzen durch Optimierung Standardisierung von Umlagerungslisten
Automatisierung der Versendung von Umlagerungslisten
Durchführung komplexer Planungen innerhalb kürzester Zeit
Eindeutige Managementvorgaben durch die Festlegung eines Single Point of Truth
Arvato Supply Chain Intelligence
Version: 1.1 | 21.09.2016 Seite 18 von 29
Abbildung 8: Screenshots aus dem Tool Wegemeteroptimierte Artikelplatzierung (WMO)
5.5 Fleetmanagement
Auslastung verbessern, Kosten senken
Herausforderung
In der Logistikdienstleisterbranche, aber auch in vielen verladenden Industrieunternehmen, ist das
und Anhänger müssen gekauft, verkauft oder geleast werden. Eine vorbeugende Wartung stellt
sicher, dass Ausfälle und umfangreiche Reparaturen vermieden werden. Dabei gilt es zahlreiche
Richtlinien und Gesetze einzuhalten, wie z. B. die örtlichen Abgaswerte und Sicherheitsvorschriften.
Entsprechende Arbeitskräfte müssen vorgehalten werden, damit die Transportaufträge von
Rohmaterial, Fertigerzeugnissen oder Passagieren zeitgerecht an den Bestimmungsort erfolgen
können.
Arvato Supply Chain Intelligence
Version: 1.1 | 21.09.2016 Seite 19 von 29
Ein Flottenmanagement konzentriert sich auf die Steigerung von Effizienz und Auslastung sowie die
bestmögliche Nutzung des Fahrzeugpools. Dazu gehört der Überblick und die Überwachung aller
wesentlichen Kostenfaktoren in Echtzeit wie z.B.
Kraftstoffkosten betragen bis zu 1/3 der Gesamtkosten eines Fuhrparks. Die derzeitig hohe
Preisvolatilität der Rohstoffmärkte ermöglicht Chancen aber auch Risiken für das
Kostenmanagement.
Neue Technologien können den Kraftstoffverbrauch senken. Aber sie erfordern auch neue
Investitionen und ggf. einen höheren Wartungsbedarf. Ist somit unter einer Vollkostenbetrachtung
eine Investition wirklich wirtschaftlich?
Der aktuelle Standort und Zustand eines Lkws ist stets zu ermitteln, um in der Disposition die
richtigen Entscheidungen zu treffen. Die Fülle an Daten ist gezielt und transparent darzustellen.
Lösung
Auf Basis von QlikView hat Arvato Systems Anwendungen entwickelt, mit denen sich der eingesetzte
Fuhrpark überwachen und schnellere, bessere Entscheidungen treffen lassen. Im Einzelnen bietet die
Fleetmanagement-Lösung folgende Funktionen:
Management: Dashboard der wichtigsten KPI
Ist-Analyse von Transportaufträgen
Einzelanalyse von Kraftstoffverbräuchen und Transportaufträgen
Berechnung von Leerfahrtsanteilen je Transportauftrag
Analyse der Einsatzbedingungen (Straßenklasse, LKW-Typen, Gewichte)
Benchmarks für Fahrzeug-Typen und Baujahre
Trend-Monitoring
Kostentransparenz und Übersicht über Fahrverhalten
Identifizierung von Soll- und Ist-Abweichungen
Abbildung 9: Screenshots aus dem Tool Fleetmanagement
5.6 Wirtschaftliches Disponieren
Deckungsbeiträge analysieren und optimieren
Arvato Supply Chain Intelligence
Version: 1.1 | 21.09.2016 Seite 20 von 29
Herausforderung
In der Disposition geht es oftmals sehr hektisch zu. Transporte müssen schnell und möglichst
kosteneffizient manuell von Mitarbeitern geplant und disponiert werden. Der Disponent muss dabei
eine Vielzahl von Einflussfaktoren in seiner täglichen Arbeit berücksichtigen. Das können u. a.
folgende Punkte sein:
Lenk- und Ruhezeiten Verfügbarkeit von Laderaum Auftragsrelation Abfahrts- und Ankunftszeiten Kapazitäten der Fahrzeuge Reinigungs- und Hygienevorschriften
Diese große Anzahl der Einflussfaktoren macht eine optimale Disposition zu komplex, um rein manuell
durchgeführt zu werden. Hier kommen häufig Softwaretools zum Einsatz, die den Disponenten bei der
Arbeit unterstützen sollen. Diese Tools sind oftmals Speziallösungen, die jeweils einen Teilbereich der
für den Disponenten wichtigen Einflussfaktoren berücksichtigen. Für eine fundierte
Dispositionsentscheidung ist aber das gesamte Bild unabdingbar. Daher muss ein Disponent häufig
zwischen Tools wechseln und seine Disposition entsprechend mehrfach anpassen. Der Prozess ist
langwierig und fehleranfällig.
Darüber hinaus können mit Hilfe von Telematiksystemen die aktuellen Auftragsfortschritte wieder
zurück an die Dispositionstools gesendet werden. Diese Informationen werden in aller Regel im
Nachgang nicht dazu genutzt, die Disposition auf Grundlage von Datenanalysen für die Zukunft zu
optimieren.
Arvato Supply Chain Intelligence
Version: 1.1 | 21.09.2016 Seite 21 von 29
In der operativen Disposition können Logistics Intelligence-Lösungen aktuell noch nicht unterstützen.
Aufgrund der hohen Datenmengen und der heterogenen Softwarelandschaft bieten sich aber Logistics
Intelligence-Lösungen wie das wirtschaftliche Disponieren an, um nachgelagert die getroffenen
Entscheidungen besser bewerten zu können. Daraus lassen sich wertvolle Erkenntnisse für die
zukünftige Disposition ableiten, um Kosten zu sparen und Fehler zu minimieren.
Lösung
Auf Basis von QlikView hat Arvato Systems Anwendungen entwickelt, mit denen sich die Disposition
sowie die Fahrer monitoren lassen, um schnellere, präzisere sowie wirtschaftlichere Entscheidungen
treffen zu können. Im Einzelnen bietet der Dispositionsleitstand folgende Funktionen:
Standortübergreifende und minutengenaue Transparenz über die Dispositionsergebnisse
Abgleich der Dispositionsqualität mit wirtschaftlichen Zielvorgaben
Detaillierte DB-Analyse auf Basis von Echtdaten mit Drill-Down auf Transportebene
Schnelle Identifizierung von offenen Transporten und nicht disponierten Assets
Verbesserung der Deckungsbeiträge durch Kosten- und Nutzenanalysen
Kontrolle und Benchmarking der Produktivitäten einzelner Lkws/Fahrer/Dispostellen
Kartendarstellung der aktuellen Fahrzeugstandorte
Kundenindividuelle Transportkostenkalkulationen auf Basis von realen Logistikkosten
Verbesserung der Auslastung von Fahrern und Fahrzeugen
Abbildung 9: Screenshots aus dem Tool Wirtschaftliches Disponieren
Arvato Supply Chain Intelligence
Version: 1.1 | 21.09.2016 Seite 22 von 29
5.7 CO2-Bilanzierung
Analyse, Bilanzierung und Optimierung von Emissionstreibern
Herausforderung
Der Megatrend „Ökologische Nachhaltigkeit“ führt zu einem Bewusstseinswandel in Politik, Wirtschaft
und Gesellschaft. Ökologisch nachhaltige Produkte und Dienstleistungen sind ein wesentlicher Hebel
zur Erreichung klimarelevanter Ziele. Steigende Energiekosten, die vermehrte Kundennachfrage nach
umweltfreundlichen Produkten und Dienstleistungen sowie umweltpolitische Restriktionen zwingen
mittlerweile jeden zweiten Logistiker zum nachhaltigen Handeln. Die Erfassung und Reduzierung der
CO2-Emissionen stehen bei vielen Unternehmen bereits jetzt ganz oben auf den strategischen
Maßnahmenlisten. Green Logistics ist ein probates Mittel zur Kostensenkung und trägt obendrein zur
Imagesteigerung bei. Mit der Erfassung der CO2-Emissionen können die Emissionstreiber identifiziert,
bewertet und dadurch kann gezielter nach geeigneten Kostensenkungspotenzialen gesucht werden.
Lösung
Auf Basis von QlikView hat Arvato Systems eine CO2-Bilanzierung entwickelt, mit der Unternehmen
ihre Emissionen entlang der gesamten Wertschöpfungskette erfassen und auf Basis gängiger Normen
(DIN EN 16258, DECREE 1336, GRI 4.0, GHG-Protocoll) bilanzieren können.
Schritte zur CO2-Bilanzierung
Die CO2-Bilanzierung ist der erste Schritt zur Nachhaltigkeit.
Die CO2-Bilanzierung bietet die Möglichkeit, alle Prozesse und Energietreiber im Unternehmen zu
analysieren, zu überwachen und zu optimieren. Dieses Vorgehen ist ein erster Schritt zu einer
nachhaltigen Ausrichtung der Unternehmensaktivitäten und bereitet auf kommende wirtschaftliche und
politische Verpflichtungen in Sachen Umweltschutz vor.
Zur vollständigen Aufstellung einer CO2-Bilanz bedarf es im ersten Schritt einer möglichst genauen
Erfassung der Emissionen entlang der Wertschöpfungskette.
2. Bilanzierung
Alle Energieverbräuche werden mit spezifischen Emissionsfaktoren für Kraftstoffe, Strom und
Betriebsstoffe bewertet. Die Konsolidierung und Bilanzierung erfolgt in drei Kategorien (sogenannte
Scope 1-3) auf Basis einschlägiger Richtlinien.
3. Controlling
Die Bilanzierung über die eigenen Emissionen ist ein erster Schritt, um mehr Transparenz zu
erlangen. Unternehmen, die sich konkrete Emissionsziele gesetzt haben, müssen allerdings
permanent Soll- und Ist-Werte im Auge behalten, um rechtzeitig Korrekturmaßnahmen einleiten zu
können. Hierzu ist ein unterjähriges CO2-Monitoringsystem für die Emissionstreiber einzurichten.
4. Simulation
Verbesserungsmaßnahmen müssen außer auf Klimaschutzziele auch auf die Kriterien Kosten, Zeit
und Qualität hin überprüft werden. Mit Hilfe von Simulationen, What-If-Szenarien und Forecasts
können die Effekte und Wechselwirkungen geplanter Maßnahmen frühzeitig erkannt und bewertet
werden.
5. Marketing & Vertrieb
Die richtige Kommunikations- und Marketingstrategie kann dazu genutzt werden, Mitarbeiter zu
sensibilisieren und den vertrieblichen Fokus auf den Gewinn neuer Kunden und Lieferanten zu
stärken.
Funktionsumfang der CO2-Bilanzierung auf einen Blick:
Bilanzierung gemäß GHG Protocol Bilanzierung aller Transportarten (Road, Rail, Sea, Air) Corporate und Product Carbon Footprint Standortemissionen (Strom, Öl, Gas, etc.) Multimodale Transporte Monitoring von Fahrerschulungen Prämienlohnsysteme Benchmark- und Forecast-Funktionen Kundenindividuelles Customizing und Modulare Softwareerweiterung Hoher Automatisierungsgrad durch flexible Schnittstellenanbindung wie z. B. Telematik Erfüllung der umweltpolitischen Auflage eines Energiemonitoringsystems
Arvato Supply Chain Intelligence
Version: 1.1 | 21.09.2016 Seite 24 von 29
Abbildung 10: Screenshots aus dem Tool CO2-Bilanzierung
5.8 Gaming Center Logistics
Mit Gamification die Mitarbeitermotivation und Leistung steigern
Herausforderung
Laut einer Studie der Unternehmensberatung GALLUP aus dem Jahr 2010 denken 21 Prozent der
Mitarbeiter über eine Kündigung nach und 66 Prozent der Befragten machen nicht mehr als „Dienst
nach Vorschrift“. Dies bedeutet, dass 87 Prozent der Mitarbeiter keine oder nur wenig Motivation
besitzen, um permanent ein hohes Leistungsniveau in ihrem Job abzurufen. Die Studie hat ebenfalls
errechnet, dass durch fehlende Mitarbeitermotivation und die daraus resultierenden
Produktivitätseinbußen jährlich ein volkswirtschaftlicher Schaden von etwa 127 Milliarden Euro
entsteht. Hierbei sind insbesondere solche Tätigkeiten betroffen, die einen sehr monotonen Ablauf
Arvato Supply Chain Intelligence
Version: 1.1 | 21.09.2016 Seite 25 von 29
beinhalten. Dazu gehören u. a. Prozesse aus der Logistikbranche wie z. B. Auftragserfassung,
Kommissionierung, Stammdatenmanagement oder Transportdisposition.
Eine Methode, um den Arbeitsalltag spannender zu gestalten, bietet der Ansatz, spielerische
Elemente in die Arbeitsprozesse einzubauen. Die Lust am Spielen liegt in der menschlichen Natur.
Nicht ohne Grund verbringen Millionen Menschen jeden Tag mehrere Stunden mit ihrem Computer,
Smartphone oder Spielkonsole. Sie wollen einen neuen Highscore erreichen, in höhere Level
aufsteigen oder in eine andere, fiktive Welt eintauchen und vor allem wollen sie gewinnen. Kaum
etwas zieht – vor allem die jüngere Generation – mehr in ihren Bann als Spiele.
Warum also den natürlichen Spieltrieb nicht in die Arbeitswelt übertragen?
Lösung
Angelehnt an populäre Sportevents wie die Formel 1, die Fußball-Bundesliga oder die Tour de France
hat Arvato Systems ein Gaming Center entwickelt, das zu mehr Spaß und Motivation in den
Arbeitsprozessen führt.
Am Beispiel der Formel 1 geht das so: –– Zunächst werden die Mitarbeiter in der Kommissionierung z. B. auf die Teams Ferrari und McLaren aufgeteilt. Es können auch mehrere Standorte an dem Spiel teilnehmen. Das zugewiesene Formel 1-Team stellt den sogenannten Avatar während des Spiels dar. –– Als Nächstes wird der Saisonablauf geplant. Das heißt, es werden die Termine und Uhrzeiten für die Qualifyings und Rennen festgelegt. –– Um eine Vergleichbarkeit der Teams zu gewährleisten, wird vor dem Saisonstart eine Produktivitätsvorgabe für jedes Team ermittelt. –– Im Qualifying wird die Startreihenfolge für das jeweilige Rennen festgelegt, sodass die eigene Performance getestet werden kann. –– Im Live-Ticker können die Spieler während des Spiels ihre Leistung einsehen und ihr Ranking im Vergleich bewerten. –– Ein Countdown zeigt rechtzeitig den Rennstart an. Über einen Liveticker lässt sich der Rennverlauf verfolgen. –– Nach dem Rennen werden die Plätze berechnet und die drei Siegerplätze gekürt.
Arvato Supply Chain Intelligence
Version: 1.1 | 21.09.2016 Seite 26 von 29
Abbildung 11: Screenshots aus dem Tool Gamification
5.9 Personalkapazitätsplanung
Ein Assistenzsystem zur Steigerung der Gesamteffizienz
Herausforderung
Mit der Ausweitung des Online-Handels beschleunigt sich der Warenumschlag, verringern sich die
Sendungsgrößen und steigt das Angebot kurzfristiger Liefertermine, z. B. durch Same-Day-Delivery.
In der Folge nimmt die Volatilität der Tagesdurchsätze zu bei gleichzeitiger Ausdehnung der
Arbeitszeiten, da sich die Cut-Off-Zeiten weiter nach hinten verschieben. Einerseits reagieren viele
Unternehmen auf diese Entwicklung mit einer Flexibilisierung ihrer Arbeitszeitmodelle, wie z. B. durch
den Einsatz von Teilzeitarbeitskräften. Andererseits ist die Komplexität der Personalplanung dadurch
sehr hoch geworden.
Mithilfe moderner Personaleinsatzplanungstools können Logistikverantwortliche heute sicherstellen,
dass für die anstehenden Aufgaben die richtige Anzahl von qualifizierten Mitarbeitern zur Verfügung
steht. Jedoch werden diese Assistenzsysteme in Logistikzentren häufig noch nicht eingesetzt und die
Personalplanung manuell durchgeführt.
Studien zeigen, dass durch die manuelle Planung ein Effizienzverlust von bis zu 30 Prozent entsteht.
Somit wäre es also möglich, die Gesamtproduktivität der Mitarbeiter um fast ein Drittel zu steigern,
ohne personelle Kapazitäten aufzubauen.
Lösung
Auf Basis von QlikView hat Arvato Systems Anwendungen entwickelt, mit denen sich die Bestell- und
Auftragshistorie analysieren und sich Simulationen über die zukünftige Entwicklung und Verteilung
durchführen lassen. Mithilfe unterschiedlicher statistisch-mathematischer Verfahren wird geprüft und
verglichen, welche Methode die größte Annäherung an die Realität ermöglicht und damit die besten
Dispositionswerte für die Personalplanung liefert. Im Einzelnen bietet die Personalplanung folgende
Funktionen:
Analyse der Auftragshistorie auf Basis von Kundenbestellungen, Bestellpositionen oder Picks
Analyse der Produktivitätsentwicklung
Analyse der Kommissionierzeiten
Ausreißeranalyse auf Basis statistischer Verfahren
Arvato Supply Chain Intelligence
Version: 1.1 | 21.09.2016 Seite 27 von 29
Forecasting von Kundenaufträgen, Auftragspositionen oder Picks
Bedarfsermittlung von Personal je Funktionsbereich
Kontrolle der Planungsqualität
Schichtplanerstellung
Identifizieren kurzfristiger Personalbedarfe
Berücksichtigung von wochentags- und monatsbezogenen Einflüssen in der Auftragsstruktur
.
Abbildung 12: Screenshots aus dem Tool Personalkapazitätsplanung