Analiza ABC pentru Sloturi

Analiza ABC este o modalitate de a clasifica stocul după importanță, astfel încât un depozit să poată decide unde merită să stea fiecare SKU. Împrumută principiul Pareto — o mică parte din SKU-uri reprezintă de regulă majoritatea activității de picking — și transformă această observație într-o strategie concretă de slotting, care ține cele mai solicitate produse cel mai la îndemână.

Într-o operațiune de distribuție tipică, aproximativ 20% din SKU-uri (produsele „A”) generează în jur de 80% din volumul de picking, alte 30% (produsele „B”) generează în jur de 15%, iar restul de 50% (produsele „C”) reprezintă doar aproximativ 5%. Aceste cifre exacte variază de la o afacere la alta, dar tiparul — un nucleu mic de produse cu mișcare rapidă care conduce cea mai mare parte a activității, cu o coadă lungă de produse cu mișcare lentă — apare suficient de consecvent încât analiza ABC a devenit un prim pas standard în deciziile de slotting în aproape orice tip de depozit.

• Produse A: plasate în cele mai accesibile locații de front de picking, cele mai aproape de ambalare și expediere, minimizând distanța de deplasare pentru picking-urile care se întâmplă cel mai des
• Produse B: plasate în locații moderat accesibile — acces suficient de bun, fără a ocupa zonele premium de care produsele A au mai multă nevoie
• Produse C: plasate în stocare mai puțin accesibilă sau mai înaltă/de rezervă, pentru că costul de timp de deplasare per picking contează mult mai puțin când picking-urile sunt rare

Logica este simplă: pentru că timpul de deplasare domină costul de picking (vezi articolul despre optimizarea traseului de picking), cel mai mare câștig de eficiență vine din minimizarea deplasării pentru produsele culese cel mai des, chiar dacă asta înseamnă că produsele C sunt stocate mai puțin comod. Mutarea unui produs rar cules puțin mai departe costă aproape nimic la nivel agregat; mutarea unui produs des cules puțin mai aproape economisește aceeași cantitate mică de mii de ori.

Analiza ABC pură, bazată pe frecvența de picking, funcționează bine ca punct de plecare, dar un slotting mai sofisticat adaugă alte criterii: contribuția la venit (un produs cu volum mic dar valoare mare ar putea merita securitate suplimentară sau un proces de manipulare diferit), caracteristici fizice (un produs cu mișcare rapidă care este și voluminos poate avea nevoie de un tip diferit de front de picking față de un produs mic cu mișcare rapidă) și afinitatea liniilor de comandă (produsele comandate frecvent împreună beneficiază de a fi aproape unele de altele, indiferent de viteza individuală, pentru a scurta traseele de picking cu mai multe articole). Unele operațiuni rulează clasificări ABC separate pentru viteză, valoare și volum, apoi le combină într-un singur scor de prioritate pentru slotting.

Clasificarea ABC nu este un exercițiu unic — tiparele de cerere se schimbă odată cu sezonalitatea, promoțiile și ciclul de viață al produsului, deci clasa unui SKU se poate schimba și chiar se schimbă în timp. Majoritatea operațiunilor recalculează clasificarea ABC pe un ritm regulat (lunar sau trimestrial este comun), folosind istoricul recent de picking din WMS, apoi generează sarcini de re-slotting pentru SKU-urile a căror clasă s-a schimbat suficient încât să merite mutarea. A sări peste această actualizare este una dintre cele mai comune modalități prin care o schemă inițială de slotting bine concepută se degradează discret: un produs cu mișcare rapidă de anul trecut ar putea fi acum un produs C care ocupă un spațiu premium de front de picking de care un produs nou, cu adevărat rapid, are nevoie în schimb.

Nimic din toate acestea nu funcționează fără date fiabile de frecvență de picking, iar acele date provin direct din scanările de coduri de bare înregistrate la fiecare tranzacție de picking. Un WMS care înregistrează ce SKU a fost cules, din ce locație, la ce oră, construiește exact setul de date de care are nevoie analiza ABC — fără vreun studiu separat sau eșantionare manuală. Acesta este unul dintre cele mai clare exemple despre cum o operațiune de depozit disciplinată, complet scanată, se plătește singură: aceeași scanare care confirmă un picking corect alimentează și datele care mențin tot depozitul organizat optim.