Ved modtagelse af varer bliver en levering kontrolleret mod følgesedlen og bestillingen, og modtagelsen bliver behandlet i ERP eller WMS. Spørgsmålet er om AI kan overtage den proces. Svaret er delvist, og den del der resterer, er ikke tilfældigt den del hvor nogen fysisk skal stå ved varerne.
Bogføringen selv er en struktureret opgave: der er en bestilling, der er en følgeseddel, og systemet forventer et match mellem det der er bestilt, og det der kommer ind. Den sammenligning er præcis den type arbejde som softwaresystemer er gode til. Aksen strukturerethed scorer derfor højt, og genkendelse af data på en følgeseddel eller faktura via billede er en opgave AI allerede kan klare i dag. Volumen spiller også ind her: et lager der behandler hundrede linjer om dagen, har mere at vinde ved automatisk genkendelse end en lokation der modtager to leveringer om ugen.
Også compliance taler for automatisering: hvis en levering skal registreres efter en fast protokol, med tidsstempel, mængde og referencenummer, er det noget et system er mere konsekvent til end en manuel indtastning i slutningen af en lang vagt. Den der allerede lader selve bestillingen blive placeret automatisk, kan se at koblingen mellem indkøbsordrer der automatisk placeres hos leverandører og modtagelsen af den samme ordre er et logisk næste skridt: systemet ved allerede hvad der skal komme, og kan holde de indkommende data direkte op imod det.
De tre akser der her er afgørende, er fysisk, fejlomkostninger og strukturerethed, og de to første bremser det som den tredje muliggør. Fysisk scorer lavt fordi der er brug for nogen til at åbne kasser, tælle antal, se beskadigelser og lugte om noget er fordærvet. En palle med firs kasser hvoraf tre har en flænget emballage, bliver ikke bemærket af et kamera, medmindre det kamera er specifikt indrettet og trænet til det, og selv da forbliver vurderingen af hvad der er en acceptabel beskadigelse, ofte menneskearbejde.
Fejlomkostninger scorer lavt af en anden grund: en forkert bogført modtagelse fører til et lager der ikke stemmer, hvilket uger senere kan slå igennem i et forkert leveringstilsagn til en kunde eller et produktionsstop. De omkostninger er ikke altid straks synlige, hvilket netop gør risikoen større i stedet for mindre. Derfor forbliver der her et skønsrum på 3: et system kan signalere en afvigelse, men om den afvigelse er acceptabel, hvad leverandøren skal gøre ved det, og om varerne alligevel bliver accepteret, forbliver en beslutning med en begrundelse.
Et distributionscenter modtager en ladning elektronik. Følgesedlen angiver 200 stykker, bestillingen også 200. Et system kan sammenligne de to dokumenter og bogføre modtagelsen automatisk, så snart antallene stemmer. Men den kasse der åbnes, og hvori en ødelagt skærm er synlig, kræver en fysisk kontrol og en beslutning: acceptere, returnere eller sætte til side til vurdering. Den beslutning falder under tilsyn der godkender eller afviser med begrundelse, ikke under fuldstændig overtagelse.
Hos en virksomhed der modtager løse dele i små mængder, med høj risiko for beskadigelse eller fordærv, forbliver den fysiske andel større, og der er lidt at vinde ved automatisering af bogføringen alene. Hos en virksomhed der modtager store, ensartede partier fra faste leverandører, med stabile emballager og få afvigelser, forholder det sig anderledes: dér er bogføringen ofte allerede for størstedelens vedkommende systemarbejde, og den resterende opgave forskydes til stikprøvekontrol i stedet for fuld inspektion. Forskellen ligger ikke i branchen, men i hvor forudsigelig ladningen er, og hvor høje omkostningerne ved en fejl viser sig at være.
Det der allerede virker i dag, er billedgenkendelse: et foto eller scan af følgesedlen, koblet til systemet, der automatisk opretter en modtagelseslinje. Det der kræves til det, er scannerudstyr på gulvet og en kobling mellem det scanningsøjeblik og ERP'et eller WMS'et. Uden den kobling forbliver indtastningen et manuelt trin, selv om selve kontrollen er blevet smartere. Den fysiske kontrol af skade og korrekthed forbliver i de fleste tilfælde hos et menneske, ligesom kvalitetskontrol på produkter i høj grad forbliver menneskearbejde, så længe vurderingen kræver sanselig iagttagelse.
Den forskydning der foregår her, ligger ikke i at erstatte lagermedarbejderen, men i at forskyde vedkommendes tid: mindre tid brugt på at taste antal ind, mere tid brugt på at vurdere afvigelser. Det mønster er bredere end blot varemodtagelse. Også ved adgangsstyring til terræn og bygning ser man, at registrering i stigende grad foregår automatisk, mens vurderingen af undtagelser forbliver hos et menneske. Berører denne forskydning bemandingen på gulvet, gælder der egne lovmæssige krav for det; det er ikke en konklusion der følger af en opgaveanalyse.
Om modtagelsesprocessen i Deres egen virksomhed for størstedelens vedkommende er systemarbejde eller for størstedelens vedkommende fysisk kontrol, afhænger af typen af varer, leverandørerne og fejlfølsomheden i Deres lager. Den gratis hurtigscanning med tolv spørgsmål, uden konto, giver en indikation af hvilken del af timerne i denne type arbejdsprofiler der i dag kan overtages af AI. Den fulde arbejdsscanning, der kortlægger arbejdet i en hel virksomhed opgave for opgave, er stadig under udvikling.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.