Лого vc.ru

Кейс из России: Оптимизация работы складов при помощи фитнес-браслетов и нейронных сетей

Кейс из России: Оптимизация работы складов при помощи фитнес-браслетов и нейронных сетей

Технический директор компании LogistiX Дмитрий Блинов написал для vc.ru колонку о том, как команда компании разрабатывала инструмент для оптимизации работы склада, основанный на использовании фитнес-браслетов и нейронных сетей, с какими сложностями столкнулась и решила поставленные задачи.

Сегодня высокие технологии входят в повседневную жизнь дольше и сложнее, чем разрабатываются. Если когда-то трудно было доверить электронному устройству навигацию автомобиля, то сегодня сложно поверить, что авто может ехать и вовсе без водителя.

То же самое и с новыми технологиями в производстве — Amazon уже готова отгружать со склада-дирижабля партии товаров дронами, а большинство складов до сих пор ассоциируются с грязным и плохо оплачиваемым ручным трудом. Технологии же, которые могут в корне изменить и сам рабочий процесс, и отдачу от него, уже сегодня доступны каждой компании.

Способ увеличить производительность — «быстрее бегать»

На рынок складской автоматизации и системной интеграции мы вышли в 2004 году, в самый разгар освоения российского рынка зарубежными вендорами. Каждый второй из них был «ведущим европейским», стоимость решений превышала $200 тысяч, а функциональность была настолько ограниченной, что при общении с ними на ум невольно приходили ассоциации про индейцев и бусы.

Приходилось даже слышать предложения «забыть о разработке и заниматься продажей хорошего европейского программного обеспечения». Чтобы иметь возможность конкурировать с компаниями, чьи обороты в тот момент в сотни, а то и в тысячи раз были больше наших, мы решили сделать ставку на инновационный подход.

Понимая, что пул возможностей для автоматизации складов простыми средствами уже исчерпан, мы искали что-то абсолютно новое — то, что позволит «бегать быстрее», казалось бы, не имея для этого возможностей.

И оно пришло само собой — многие сотрудники в нашей компании занимаются спортом и не понаслышке знают о физических нагрузках и том, как важно грамотно подходить к тренировке, а значит и любому физическому труду. Мы поняли, что менять надо сам подход, культуру труда, идти от человека, от его потенциала и возможностей.

К 2006 году у нас была наработана объёмная теоретическая база, а мощности оборудования вполне позволяли использовать технологии на базе эмуляторов нейронных сетей.

Рынок был абсолютно не готов даже к использованию термина в данном контексте, на отраслевых конференциях на нас смотрели, как на чернокнижников, продающих волшебные порошки, а однажды по завершении доклада произошел громкий и длинный спор с криками и потрясанием кулаками. Только один человек в первом ряду спокойно прослушал все аргументы, читая газету, затем сложил её и веско заметил: «Японцы об этом ещё 10 лет назад говорили».

Мы предложили одному из своих клиентов запустить пилотный проект анализа качества отгрузок, который позволял бы формировать состав бригад сотрудников по признакам качества и скорости работы, а также выявлять потенциально виноватых в возникновении проблем. И нам поверили. Забегая вперед, это стоило того — точность прогноза составила более 80%.

Сложность клиента была в высокой ротации персонала, но при этом сотрудники часто возвращались на склад «заработать денег». То есть, собрав данные во время работы сотрудника, можно было использовать их впоследствии, когда работник вернется на заработки.

Другой проблемой были ярко выраженные личные отношения между сотрудниками, когда в одну бригаду было буквально невозможно поставить определённых людей вместе — это было чревато конфликтом, либо, наоборот, длительными задушевными беседами, что всегда выливалось в низкое качество отгрузок. Задачей был анализ возможности замены всеведущего бригадира информационной системой (если не полностью, то хотя бы частично).

Площадь склада заказчика составила около 7 тысяч квадратных метров, работало в смене 30 сотрудников. Срок внедрения составил 4 месяца, замеры параметров проводились ежемесячно.

Полученные в результате этой работы данные мы проанализировали, скомпоновали, и представили на отраслевой конференции в октябре 2006 года. Сегодня мы с улыбкой вспоминаем то время, ведь указанные задачи гораздо более эффективно можно решить совсем другими и куда более простыми методами, но подчас использование потенциала нейронной сети требуется не столько для решения задачи, сколько для поиска методов решений. Мы поняли, что инструмент рабочий, и его можно использовать.

В 2009–2010 годах мы использовали функциональность нейронных сетей для того, чтобы выявить факторы, которые необходимо учитывать при расчете параметров товаропотоков. Результаты мы смогли использовать для разработки собственной методологии технологического проектирования.

В тот момент мы совершили одну из главных своих ошибок — это был наш маркетинговый провал. Фактически имея на руках готовый продукт и затратив на его разработку около 7 миллионов рублей, мы уделяли внимание его функциональности и алгоритмам, но не продвижению на рынке. Как следствие, закончив с увлеченным разрешением технических вопросов, мы обнаружили сплошные убытки и полное отсутствие желающих использовать наши разработки из-за отсутствия вменяемых use-cases.

Блага кризиса

До 2014 года внутренний рынок работал в парадигме G2M («товар к человеку») то есть стремление к абсолютно роботизированному складу. Зарубежные производители активно демонстрировали на выставках разнообразные манипуляторы, автоматические системы размещения и изъятия грузов (AS/RS), конвейеры и другое оборудование автоматизации товародвижения, которое начинало активно применяться в складском хозяйстве. Однако резкий скачок курса доллара и евро внес свои коррективы, и рынок вернулся к технологии M2G — «человек к товару», — переключив свое внимание на людей как на основной ресурс повышения производительности.

К этому времени у нас уже был проведён аудит более чем на 50 предприятиях клиентов, мы пришли к выводам, что даже на тех складах, где внедрена система управления (WMS), назвать использованием человеческого ресурса рациональным, не получается.

К примеру, на многих складах нет распределения нагрузки: даже на уровне проектирования учитывается лишь предельная нагрузка на сотрудника в виде объёма или веса, а порядок выполнения операций нигде не фигурирует. Таким образом, получается абсолютно неравноценное разделение труда: кому-то могут доставаться задания на работу с тяжелыми грузами, что требует восстановления после выполнения нескольких операций, а кто-то будет работает с «мелкоштучкой», имея низкие трудозатраты на выполнение операций, но высокие — на прохождение по маршруту («пробеги»).

И мы опять вспомнили о своей аналогии со спортзалом. Только к этому моменту уже стали доступны новые гаджеты — фитнес-браслеты.

Мы объединили свои наработки с возможностями браслетов и опять обратились к нашим клиентам с предложением протестировать технологию на их мощностях. Речь шла о складе площадью около 8 тысяч квадратных метров, на котором работало 19 сотрудников, и втором — более 10 тысяч квадратных метров на 25 сотрудников.

Первые тесты показали, что замер пульса у разных людей даёт разные результаты. Пульс может быть разным в состоянии покоя, а кроме того, люди по-разному привыкают к нагрузкам, и то, что неделю назад казалось подвигом, завтра становится частью ежедневной работы.

Для интерпретации данных мы подключили к анализу результатов нейронную сеть и получили возможность создавать для каждого сотрудника собственный «физический профиль», позволяющий интерпретировать результаты и принимать решения о чередовании задач для увеличения производительности труда, не допуская «перегрузки» сотрудников.

Со своими результатами мы обратились к профессиональным врачам и к медицинским консультантам — получалось, что при грамотном подходе и контроле состояния здоровья сотрудника, перемежая нагрузки, мы без труда можем увеличить производительность труда на 8−10%.

О будущем проекта

Сегодня мы используем браслеты, с которых можем получить информацию о количестве пройденных шагов и о частоте пульса работника, но ждём новые гаджеты, которые смогут передавать данные о давлении, насыщенности крови кислородом и других параметрах, а это поможет повысить показатель производительности уже на 30–40%.

Достигнуть таких показателей возможно, но надо понимать, что ни одна технология не заменит культуры труда. Годами мы наблюдаем разницу в подходе к организации складов российских и зарубежных заказчиков. Кто-то выбирает для себя путь удешевления и типовых продуктов, кто-то делает ставку на физически крепких сотрудников — «качков», кто-то видит выход в технологиях.

В Европе и США уже давно склад не ассоциируется с низкой квалификацией и плохой зарплатой, это та работа, на которой сотрудники держатся годами, проходя профессиональную переподготовку, в том числе тренировки по грамотным физическим нагрузкам. Для российского бизнеса это пока не традиция, и именно те технологии, которые не только изменят подход к процессу, но и серьёзно отразятся в бухгалтерских ведомостях, могут стать катализатором изменений.

Как сэкономить миллион

Допустим, зарплата сотрудника склада составляет 30 тысяч рублей (на сегодня это не самый высокий показатель), для самой компании эта сумма, конечно, выше — округлим до 40 тысяч в месяц.

Опять же допустим, что на складе работает 20 человек. На внедрение технологии необходимо в районе трёх месяцев (это сбор данных, аналитика, настройка и так далее). Если даже заложить вполне достижимый результат в 10% роста производительности, получим в среднем 4 тысячи рублей в месяц экономии издержек на одном сотруднике, и около 80 тысяч в месяц на весь коллектив.

За год при показателях в 10% это около миллиона рублей. Чем больше сотрудников или чем выше их оклад, тем больше числа. За год технология окупается полностью даже на небольших предприятиях — будь это склад, производство, аграрный сектор или ритейл.

Присылайте собственные кейсы, в результате которых вам удалось заметно улучшить (или, наоборот, ухудшить) показатели проекта, на cases@vc.ru. Интересные эксперименты обязательно попадут на страницы рубрики «Кейсы».

Теги

молодцы. удачи!

отдельное спасибо за фразу:
"ни одна технология не заменит культуры труда"
многое изменится, когда у нас в стране начнут это понимать

С одной стороны, круто! А с другой, AI занят тем как бы заставить этих ничтожных человечков трудиться побольше.
Больше! Ещё больше, я сказал.

Вот уж точно "Кейс из России" - вместо покупки современной погрузочной техники, позволяющей человеку обрабатывать любые товарные потоки, независимо от своей физической подготовки, разработчики предагают измерять пульс и давление складских сотрудников) Дальше - больше: "...на тех складах, где внедрена система управления (WMS)....даже на уровне проектирования учитывается лишь предельная нагрузка на сотрудника в виде объёма или веса, а порядок выполнения операций нигде не фигурирует..."
Это что за WMS такие, в которых нет порядка выпонения складских операций??? Чем тогда управляет складская система - складской бухгалтерией? Так это не WMS...
На складе 10000 кв. метров 25 сотрудников - возможно. Но то, что по такому складу эти люди бегают на своих двоих - не верю, либо это какой-то очень древний склад)
Парни, не жадничайте, снабдите людей нормальной техникой, поставьте вменяемую WMS, проводите процессные тренинги и не забывайте платить стандартную зарплату и тогда вашим складским рабочим не понадобятся ни браслеты, ни ошейники...

Добрый день, Александр!

Технологий, позволяющих совсем не зависеть от физической формы сотрудника, на данный момент практически нет. Если Вы рассмотрите работу многономенклатурных зарубежных распределительных центров, то и у них есть такое понятие, как «ассортимент» - десятки тысяч позиций, которые не являются ни популярными, ни неликвидными, находясь в коридоре стабильных «середнячков». И там чаще всего тоже работают люди, которые могут за день «набегать» с десяток километров - технику там использовать просто невыгодно с точки зрения эргономики (небольшой запас в зоне пикинга обеспечивается обычными полочными стеллажами, и терять место между ними на проезд техники накладно). Теперь представьте, что помимо пробегов, которые можно компенсировать как раз за счет функционала системы управления складом, есть еще и неравномерность по весу каждой отбираемой единицы.

При проектировании технологии грузопереработки, есть понятие общей мощности ресурса, но - опять же - крайне редко (практически никогда) можно встретить расчет распределения нагрузки на сотрудника, а ведь «8 тонн в день» могут быть очень разными именно по весу единиц отбора. Речь, собственно, именно о том, чтобы на участках, где работа идет по технологии M2G, дать возможность той же системе управления чередовать задания. Ничего зазорного в том, чтобы выдать уставшему сотруднику задания полегче, и дождаться его восстановления, нет. Наоборот - такой подход позволяет более полно использовать человеческий ресурс. Опять же - можно использовать алгоритм распределения нагрузки «вслепую», просто обеспечивая заданное чередование операций с тяжелыми и легкими грузами, но когда мы имеем обратную связь от конечного исполнителя с объективными данными - это дает возможность предельно эффективно использовать ресурс каждого отдельного сотрудника склада. Более того - сберегая и его здоровье в том числе.

Если есть желание пообщаться на тему функционала WMS, можем сделать это на любом ближайшем мероприятии (например, Международный логистический форум 2017).

Дмитрий, мне нет нужды рассматривать опыт зарубежных коллег - у меня есть свои РЦ, с аналогичным номенклатурным наполнением)
Прямо сейчас делаю фото из офиса управления складом - смотрите, комплектовщик перемещается на механической платформе, никуда не бежит, не устает, расстояния между стеллажами минимальны... Ну зачем мне знать, какой у него пульс?)

0

Вам действительно не нужно следить за пульсом наборщиков. Это делают соответствующие приложения, которые измеряют его именно в моменты, когда сотрудник выполняет физические операции. Когда он едет на самоходной тележке - это перерыв между операциями. Смысл технологии как раз в том, что оценивая текущее состояние сотрудника, мы можем выдать ему такой пакет заданий, который позволит ему равномерно расходовать свои силы.

Отдельно упомяну, что среди наших проектов по автоматизации есть комплексы на 20000 квадратных метров с более, чем сотней одновременно работающих наборщиков, где не используются самоходные тележки. Не потому, что "жалко", а потому, что концентрация заданий на сотрудника такова, что целый поддон в 50 строк набирается в среднем за проход 2-х аллей, расположенных на расстоянии не более 3-х аллей друг от друга. Как следствие, смысл в "самоходке" отпадает.

Если Вы размышляете о применимости обозначенной технологии к разным складам, то она мало применима в ситуациях, когда:
1) Время перехода между ячейками при отборе или размещении грузов позволяет сотруднику отдохнуть
2) Все ТМЦ имеют примерно одинаковую плотность и количество в строках отбора
3) Сформированный в процессе набора грузовой пакет не подвергается дополнительной обработке, а сразу идет на отгрузку

Пример по пункту 3: допустим, мы набираем пиво (стекло, жесть, ПЭТ) и чипсы сразу под весь рейс, при условии небольшого объема грузов каждого типа, по принципу комплексного отбора (сначала система рассчитала, как и на какое количество поддонов будут уложены упаковки, а потом выдала задания на каждый поддон отдельному исполнителю). Логично, что мы не сможем эффективно чередовать задания по отбираемому весу, и здесь указанная технология бессмысленна. Иной пример: мы набираем запчасти на большом складе, состоящем из зоны фронтальных стеллажей, узкопроходного блока с высотными комиссионерами (низколиквидный ассортимент), а также мезонина с полочными стеллажами. Логично, что набрать грузы так, чтобы получить готовый грузовой пакет, не получится ввиду фрагментированности заказов - их нужно будет объединять после набора. Вот в этом случае, мы можем чередовать задания в нужном нам порядке: сначала сотрудник набрал тормозные колодки, потом взял пластиковые детали, затем масло, и так далее. При высокой концентрации заданий на единицу площади, у него не будет времени на отдых, и мы его обеспечим либо выдачей более легкого задания, либо обеспечением этого отдыха прохождением к далекой ячейке. Вариантов много, и именно последовательность (чередование) нагрузки и ее вида позволяет увеличить производительность каждого конкретного сотрудника. Вот только тренера Вы к каждому не приставите, чтобы учесть особенности организма, а информационная система это сделать может.

Дмитрий, спасибо за развернутые ответ. Мое мнение - разработка интересна, как эксперимент, но мало применима в современных реалиях отрасли. Поясняю почему:
- современные WMS и так определяют временной норматив выполнения задания на комплектацию заказа с учетом характеристик подбираемого товара. Если сотрудник склада хронически не справляется с нормой, то скорее всего, его придется заменить.
- на сегодняшний день на рынке труда нет дефицита складских рабочих, в связи с чем собственникам нет острой нужды проводить допинвестиции в технологии, аналогичные предложенной - проще найти другого, более расторопного сотрудника.
- увеличить производительность труда можно за счет разумного сокращения нормативов комплектации заказов и за счет совершенствования алгоритмов выдачи заданий на комплектацию - это более понятные действия, нежели постоянный анализ физического состояния складских работников.

0

Александр, в отношении функционального наполнения WMS Вы правы. Однако, системе нужна обратная связь. И здесь наша технология дополняет имеющийся функционал WMS. Уровень управления операциями и контроля исполнения подразумевает обработку большого объема информации, и наличие дополнительного связующего звена, позволяющего выяснить реальный "пробег" сотрудника и его физическое состояние при выполнении операций, а также дать дополнительные вводные к последующему планированию - это весьма полезная возможность. Теоретически, можно и на неавтоматизированном складе методом "естественного отбора" подобрать грамотных сотрудников, которые будут давать отличный результат, но тогда появится зависимость от исполнителей, что приведет к существенным рискам для бизнеса. Когда-то было достаточно распечатать пик-лист с адресами ячеек для набора заказов - это уже давало серьезный прирост производительности, теперь же мы просто выходим на новый уровень контроля и разумных рекомендаций. Предложение по общению на ММЛФ-2017 в силе - приезжайте )

0

Мне больше понравилась конкурирующая технология где решили автоматизировать действия сотрудников, когда WMS командует что откуда взять и что куда положить через наушник с микрофоном, и работнику не нужно ничего анализировать и держать в уме, он тупо выполняет команды системы, а с учетом возможности командовать таджиками на их родном языке снимается вопрос не понимания команд и резко сокращает время на комплектацию.

0

Роман, Вы говорите о pick-by-voice, интеграция с которой доступна в большинстве современных WMS. Среди видео на нашем канале есть демонстрация такого решения. Структура решения такова: есть WMS - система управления складом, которая анализирует, планирует и контролирует исполнение задач. Задачи планируются очень подробно (до элементарных составляющих), ставятся сотрудникам через индивидуальные мобильные устройства, и поступают в виде пошаговых указаний о том, куда пойти, что и в каком количестве взять, и куда принести. На классическом радиотерминале со сканером ШК или RF-меток, Вы получите текст - например: "Подойдите к ячейке X03-04-01", - а на голосовом терминале - аналогичное указание голосом. В некоторых случаях, голосовые терминалы снабжают тем же сканером ШК или RF-метки, чтобы обеспечить дополнительный контроль исполнения команды (сотрудник не просто подошел к целевому месту и продиктовал контрольные разряды, написанные на этикетке, а обеспечил сканирование уникального кода). Как следствие, наша технология оценки физического состояния никак не конкурирует, а вполне гармонично дополняет работу с индивидуальными терминалами, так как только от терминала мы можем получить информацию о том, что сейчас сотрудник идет, а через минуту уже "перекидывает" коробки из ячейки на комплектовочный поддон.

Что касается разных технологий постановки задач и контроля исполнения, то на одних складах хорошо себя покажет голос, а на других - набор по бумаге с регистрацией исполнения через информационные киоски. Подчас используется сразу несколько разных технологий, чтобы получить наилучший результат. Родной язык исполнителя можно использовать в любой технологии.

Прямой эфир
Компания отказалась от email
в пользу общения при помощи мемов
Подписаться на push-уведомления