Della complessità del picking ne abbiamo già parlato.
Il picking può sembrare un’attività semplice: prendere un oggetto, una scatola o un contenitore da uno scaffale e portarlo ad una baia di carico, a una postazione di lavoro o in un’area di palletizzazione.
Si tratta, però, di un’operazione complessa poiché richiede sia un riconoscimento immediato degli articoli, sia una capacità di prelievo e manipolazione molto accurata.
Sono numerosi i fattori che contribuiscono ad aumentare la complessità del picking, tra cui:
- Aumento del numero di codici da gestire in magazzino, sia dovuto ad un livello sempre più alto di customizzazione del prodotto, sia per un aumento della velocità di obsolescenza dei prodotti.
- Variazione del profilo delle liste di prelievo: mentre aumenta il numero di referenze da gestire, al contempo le dimensioni degli articoli sono in costante diminuzione.
- Necessità di servire il mercato attraverso molteplici canali distributivi – ciascuno con le proprie necessità peculiari.
- Riduzione del lead time medio degli ordini atteso dal cliente.
- Aumento delle consegne urgenti ed intensificazione della volatilità del numero di ordini giornalieri, dovuti a picchi elevati e promozioni di vendita.
- Aumento delle informazioni associate ai prodotti da tracciare in fase di evasione degli ordini (lotti, scadenze, etc.) e da comunicare ai clienti con flussi di interscambio dati.
Il picking rappresenta un processo critico nelle operazioni di magazzino, ed in questo articolo vedremo alcune strategie che possono aiutare a ridurne la complessità.
Scenario rivoluzionato
La crescita esponenziale del settore e-commerce sta rivoluzionando le operazioni di picking di magazzino, in quanto richiede molta più rapidità ed accuratezza di prelievo per qualsiasi tipo di articolo, anche per l’oggetto più piccolo.
DHL, ha stimato che, nel mondo, l’80% dei magazzini non adotta nessun tipo di automazione e solo il 5% utilizza sistemi automatici innovativi.
Tra le organizzazioni più all’avanguardia troviamo le grandi logistiche e le aziende leader del mercato e-commerce, che hanno risorse ed interessi economici per investire nell’automazione.
Amazon, solo nel 2020, aveva installato oltre 200 mila AMR, ed attualmente sta sviluppando insieme a NVIDIA una nuova generazione di sistemi autonomi, dove il riconoscimento degli oggetti è aiutato dall’Intelligenza Artificiale.
In particolare, l’utilizzo dell’intelligenza artificiale, può accelerare significativamente l’automazione dei processi di picking, migliorando l’efficienza, la precisione e la velocità.
L’IA viene utilizzata per riconoscere oggetti, etichette, codici a barre o i classici QR code necessari per guidare i robot per il prelievo degli articoli.
Inoltre, viene impiegata per elaborare degli algoritmi avanzati, in grado di pianificare ed ottimizzare i percorsi dei sistemi AMR nel magazzino, riducendo il tempo e la distanza necessari per il picking degli articoli.
Infine, l’intelligenza artificiale consente ai robot di navigare in modo sicuro all’interno del magazzino, evitando ostacoli e interagendo con l’ambiente circostante.
Come gli AMR possono ridurre la complessità del picking
I robot AMR (Autonomous Mobile Robots) sono sistemi in grado di ridurre la complessità del picking, in diverse modalità:
- Picking assistito dai robot AMR: I robot AMR possono lavorare in collaborazione con gli operatori per semplificare il processo di picking. Possono trasportare carrelli o scaffali contenenti gli articoli necessari direttamente agli operatori. In questo modo, gli operatori non devono più spostarsi fisicamente tra i diversi punti di prelievo, riducendo la distanza di percorrenza e il tempo impiegato per il picking.
- Picking totalmente automatizzato: I robot AMR possono anche essere utilizzati per eseguire il picking in modo completamente autonomo. Attraverso algoritmi di navigazione avanzati, i robot possono individuare, prelevare e trasferire gli articoli verso le destinazioni desiderate. Questo riduce la necessità di intervento da parte dell’operatore nel processo di picking, semplificando la gestione complessiva.
- Ottimizzazione dei percorsi: I robot AMR possono essere programmati per ottimizzare i percorsi di picking. Utilizzando algoritmi di pianificazione dei percorsi, i robot possono determinare il percorso più efficiente per prelevare gli articoli nel magazzino. Questo contribuisce a ridurre la distanza percorsa dai robot e accelera il tempo di prelievo complessivo.
- Integrazione con il sistema di gestione del magazzino (WMS): L’integrazione dei robot AMR con un sistema di gestione del magazzino (WMS) migliora l’efficienza del picking. Il WMS può inviare istruzioni ai robot per indicare quali articoli prelevare e dove consegnarli. I robot AMR, a loro volta, comunicano con il WMS per aggiornare lo stato del prelievo e richiedere nuovi compiti. Questa integrazione permette un flusso di lavoro più fluido e una gestione ottimizzata delle attività di prelievo.
- Monitoraggio e analisi dei dati: I robot AMR possono raccogliere dati sulle prestazioni del processo di picking, come il tempo impiegato, la produttività e la percentuale di errori. Questi dati possono essere utilizzati per monitorare le prestazioni complessive e identificare aree di miglioramento. Attraverso l’analisi dei dati, è possibile apportare modifiche e ottimizzazioni per ridurre ulteriormente la complessità del picking.
Conclusioni
Tra le attività più critiche all’interno del magazzino ritroviamo sicuramente il picking, in quanto richiede gran parte delle risorse, sia tecnologiche che umane, e soprattutto, condiziona fortemente la customer satisfaction, per quanto riguarda l’accuratezza e la tempestività nella ricezione degli articoli.
La direzione delle politiche aziendali, orientate verso un contenimento dei costi ed un miglioramento del servizio di evasione degli ordini, ha complicato ulteriormente le attività di prelievo, generando un considerevole aumento delle consegne, delle richieste urgenti e delle personalizzazioni.
Per questo motivo, oggi, le aziende si stanno concentrando sullo sviluppo di soluzioni e tecnologie modulari per migliorare la velocità e la precisione dei processi di picking.
Sistemi flessibili, scalabili ed accessibili che semplificano la gestione complessiva, interagiscono e lavorano fianco a fianco agli operatori, in grado di ottimizzare l’efficienza operativa complessiva del magazzino.
Fonti
- I sistemi avanzati di picking: quali sono e quando utilizzarli – Logistica Efficiente
- L’insospettabile complessità del picking. Claudio Corbetta. “Logistica, organizzazione, sistemi e metodi per la Supply Chain”. Anno LIII – maggio 2023, pag. 63.