記録からリアルタイムへ：デジタル倉庫脳

現在の多くの倉庫に入ると、不思議なものがあることがわかります：ロボティクス、センサー、コンベアシステムなどの数百万ドル相当の機器があり、バックオフィスには、iPhoneが存在する前に設計されたソフトウェアがあります。

米国の倉庫・保管業界は、過去10年間で50%以上成長し、電子商取引と消費者期待の高まりによって推進されています。倉庫はより速く、密度が高く、複雑になりました。しかし、倉庫を運営するシステムは、追いついていません。

倉庫管理システム（WMS）は、トランザクションを記録するためのカスタマイズされたデータベースです。入庫、出庫、在庫位置などが記録されます。これは、データ入力が主な仕事だったときには妥当な設計でした。しかし、現在の仕事では、データ入力だけでは不十分です。今日の課題は、データをリアルタイムで収集することではなく、リアルタイムで意思決定を行うことです。

画面と床の間のギャップ

従来のWMSプラットフォームは、記録するために設計され、応答するために設計されていません。静的なダッシュボードは、床の状況と管理者の見える状況の間に遅延を生み出します。SKU数は爆発的に増加し、運用の複雑さを大幅に増やしています。一方、倉庫での労働者の離職率は年間40%を超えることがあります。タスクごとに数秒の遅延は、ハイボリュームの運用では年間数百万ドルに相当します。ただし、ほとんどの施設は、リアルタイムで非効率性を検知または対応できないシステムで運営されています。

結果として、チームはすでに古い情報で意思決定を行っています。

私はオペレーターと話すときに、単純なテストを使用します。「あなたのソフトウェアは、起こったことを教えてくれるのか、次に何をするべきか教えてくれるのか？」ほとんどの場合、答えは「起こったこと」です。これが全ての問題です。

倉庫が必要とするのは、空港の管制塔のようなものです。全てをリアルタイムで見ることができ、次に何が起こるかを予測し、緊急事態になる前に意思決定を提示するシステム。これがデジタル倉庫脳のようすです。シグナルを継続的に取得し、状況を理解し、リアルタイムで作業を調整するシステム。問い合わせるのを待つのではなく、オーケストレーションプラットフォームは労働者、在庫、設備、スペースをアクティブに調整します。

技術は今準備できている

数年前、このようなプラットフォームは、運用コストが高く、生産環境で信頼できるものではなかったでしょう。しかし、状況は変わりました。

コンピュータビジョンは、AIシステムに倉庫の「目」を与えます。RFIDの信号やスキャンイベントだけでなく、ゾーンで何が起こっているかを実際に理解することができます。空間インテリジェンスは、混雑が発生する前に交通量と混雑をマッピングできます。デジタルツインを使用して、決定を下す前にシミュレーションを実行できます。機械学習による予測は、スタッフのギャップやインバウンドサージが発生する前に予測することができます。

クラウドインフラストラクチャとエッジコンピューティングの進歩により、リアルタイムで大規模にデータを処理して対応することが可能になり、運用コストも最終的に運営者にとって妥当なレベルになりました。

インフラストラクチャは整っています。モデルは整っています。ほとんどの倉庫がこの機能に到達することを妨げているのは、まだ数年先にあるという仮定だけです。

AIはオペレーターを置き換えるのではなく、仕事の内容を変える

物流におけるコンピュータビジョンの採用は、過去5年間でコストが大幅に低下したため、急速に進展しています。さらに、70%以上のサプライチェーンリーダーが、AIと自動化に投資している、または2030年までに投資する予定です。

これらのシステムで勝っているオペレーターは、ベンダーに鍵を渡して去った人ではなく、運用をループに留めて、パターン認識にAIを使用し、判断は人間に任せる人です。

システムは、ゾーン4が混雑していることをフラグし、ルート変更を提案できます。ただし、混雑が発生しているのは、2人のアソシエイトが明らかな対立をしているためであることを人間が気づくことができます。その違いは重要です。

ピッカーのタスクは、リアルタイムの優先度と在庫レベルに基づいて動的に変更され、床の記憶や監督者の再配置を待つ必要はありません。監督者は、次の注文にどれくらい時間がかかるか、ボトルネックが形成される前に労働力を再配分する場所を正確に把握できます。システムは、問題が発生する前に問題を理解しています。

インターフェースは変化しなければならない

レガシーのWMSインターフェースは、データベース管理者向けに設計されていました。行、列、フィルタ、フォームなどが使われていました。データ入力が仕事だったときには、このモデルは妥当でした。しかし、現代の倉庫の運用方法とは全く異なります。

同時に、倉庫への圧力は以前になく高まっています。同日配送や翌日配送の期待が標準になってきており、納品ウィンドウは数日から数時間に圧縮されています。以前は計画問題だったものが、リアルタイムの実行問題になりました。遅延を含むシステムは、現実と根本的に相容れません。

正しいインターフェースは、倉庫そのものです。床のライブビジュアルモデルで、在庫の位置、労働者の位置、混雑の発生位置がリアルタイムで更新され、問い合わせることなく洞察を提供します。何かが間違っていることを知るためにクエリを実行する必要はありません。

オーケストレーションプラットフォームが促進するすべての意思決定がエンコードされます。プラットフォームは、施設、SKUパターン、労働者のリズム、季節的な急増を学習します。時間の経過とともに、誰でも、いつでも、アクセス可能な、蓄積する機関の記憶になります。

知識は、人の頭の中にではなく、システムに埋め込まれるようになります。これにより、チームが変わるたびにリセットされるのではなく、時間の経過とともに改善される、運用の知性の永続的なレイヤーが作成されます。

権限は、システムを監督し、人間の判断が必要な状況に介入するオペレーターに残ります。しかし、知識はプラットフォームにあり、必要な誰でもがいつでもアクセスできます。

記録システムからリアルタイムのオーケストレーションへの移行は、すぐには起こりません。しかし、方向は明確です。複雑さが増すにつれて、リアルタイムの知性なしで運営するコストはさらに増加するだけです。

最初に動く組織、または視認性、オーケストレーション、AI駆動の意思決定を採用する組織が、倉庫運営の次の標準を定義します。

過去を記録するシステムから、未来を形作るシステムへと移行しています。初めて、倉庫のための真のデジタル脳を構築するツールが手に入りました。