Ez a feladat valójában két egészen különböző tevékenységből áll, amelyeket gyakran egy lélegzetvétellel említenek. Az egyik oldalon áll a fizikai munka: termékek csomagolása, címkézése és a raktár megfelelő helyén történő elhelyezése. A másik oldalon áll az adminisztratív munka: a szállítási dokumentumok elkészítése, mint például a szállítólevelek, fuvarokmányok és – adott esetben – vámpapírok. Ez a két rész egészen más választ igényel, és pontosan ezért nem sorolható ez a feladat egyetlen kategóriába.
A fizikai tengely itt alacsony pontszámot kap, és ez a lényeg. Egy doboz megpakolása, egy címke megfelelő helyre ragasztása, egy raklap megrakása: ez olyan kézi munka, amelyhez gripper vagy robotkar szükséges, nem nyelvi vagy következtető modell. A szoftver meg tudja határozni, melyik terméknek hova kell kerülnie, de maga a cselekvés – a termék felvétele, becsomagolása, elhelyezése – emberi munka marad addig, amíg nincs fizikai automatizálás, például egy pick-robot vagy egy automatizált szortírozósor. Ez egészen más befektetés, mint egy AI-előfizetés, és ez a választás független attól, amit ebben az elemzésben vizsgálunk.
Ezzel a feladat a második kategóriába kerül: részben, ahol emberek végzik a fizikai munkát, a rendszerek pedig előkészítik vagy elvégzik az adminisztratív részt.
Ezzel a fizikai korláttal szemben áll a nagy volumen. Azok a vállalatok, amelyek naponta több száz vagy több ezer rendelést tesznek szállításra késszé, visszatérő mintákkal dolgoznak: ugyanolyan típusú címkék, ugyanolyan dokumentumszerkezet, ugyanazok az ellenőrzési lépések. Ez pontosan az a fajta ismétlődés, amelyre a régi, megbízható technológiákra – mint az RPA (robotic process automation) – épülő automatizálás már évek óta jól működik. Az RPA kiolvassa a rendelési adatokat a WMS-ből vagy ERP-ből, és ezek alapján automatikusan elkészíti a szállítólevelet, fuvarokmányt vagy számla-referenciát, anélkül hogy egy munkatársnak kézzel kellene ezt átgépelnie.
A strukturáltság magas pontszámot kap, mert a szállítási dokumentumokhoz szükséges adatok már a rendszerben megvannak: rendelésszám, cím, súly, csomagok száma, fuvarozó. Kevés értelmezésre van szükség – elsősorban arról van szó, hogy a megfelelő mezők a megfelelő helyre kerüljenek a megfelelő dokumentumban. Ez az oka annak, hogy az automatizált dokumentumgenerálás már ma bevethető, míg maga a csomagolás nem az.
Tegyük fel, hogy egy webáruház naponta 800 csomagot küld ki. A WMS rendelésenként kijelöli a raktárban a megfelelő helyet, egy munkatárs felveszi a terméket, becsomagolja, ráragasztja a címkét, és előkészíti a fuvarozónak. Eközben a rendszer automatikusan legenerálja a szállítólevelet és a szállítási címke adatait, és továbbítja a nyomkövetési adatokat a fuvarozónak és az ügyfélnek. A fizikai rész – felvétel, csomagolás, előkészítés – a raktári munkatársnál marad. Az adminisztratív rész – dokumentumok elkészítése, adatok továbbítása – nagyrészt szoftverrel elvégezhető, egy munkatárssal, aki a kivételeket (hibás cím, hiányzó súly) elbírálja és jóváhagyja vagy elutasítja.
Ez az eredmény nem egyetemes. Egy olyan vállalatnál, amely automatizált szortírozósorral és pick-robotokkal rendelkezik, a fizikai tengely eltolódik, és a folyamat nagyobb része mehet végbe emberi kéz nélkül – bár a kivételek felügyelete továbbra is szükséges. Egy olyan vállalatnál, ahol sok az egyedi csomagolás, törékeny termék vagy vevőnként eltérő csomagolási követelmény, a fizikai rész éppen nagyobb marad, és a mérlegelési tér is magasabb, mint amit itt értékeltünk. Határon átnyúló szállítmányoknál, vámformalitásokkal, a megfelelőségi tengely is emelkedik, és bizonyos dokumentumok elkészítéséhez esetleg olyan szakismeretre van szükség, amely nem illik bele egyszerűen egy sablonba. Ezek a különbségek pontosan azért fontosak, mert egy „szállítási adminisztráció” néven futó feladat az egyik vállalatnál más választ ad, mint a másiknál – ezért néz egy szkennelés vállalatonként és feladatonként, ahelyett hogy funkciónév alapján általánosítana.
A raktári munkatársra és a logisztikai munkatársra továbbra is szükség van a fizikai munkához és a kivételek ellenőrzéséhez: sérült címke, eltérő súly, nem egyértelmű célállomás. A WMS és az ERP szolgáltatja az alapadatokat, és RPA-hoz kapcsolva a dokumentumfolyamat nagyrészt automatikusan futhat. Ez egy együttműködési modell, nem az egyik fél helyettesítése a másikkal.
Ez a feladat nem áll elszigetelve a tágabb láncolattól. Hasonló mérlegelések a fizikai munka és az adminisztratív automatizálás között jelentkeznek mit vehet át az AI a közlekedési ágazatban és mit vehet át az AI a nagykereskedelemben témákban is, ahol a rendelésfeldolgozás és a dokumentumáramlás hasonló megosztást mutat a fizikai és az adminisztratív rész között.
Ez nem személyzeti tanács, és nem alapja egy létszám- vagy alkalmazási döntésnek. Arról van szó, hogy megbecsüljük, a feladat mely része támogatható ma szoftverrel, és mely része marad fizikai munka. A személyzeti döntéseknek saját jogi követelményeik vannak, és nem szabad ezen oldal alapján meghozni őket.
Ha szeretné megtudni, hogyan néz ki ez a megosztás az Ön saját szállítási folyamatában, az az Ön csomagolási összetettségétől, rendelési volumenétől és attól függ, hogy a WMS és az ERP rendszerei már mennyire vannak összekapcsolva. Az ftetoai ingyenes gyorstesztje tizenkét kérdésben, fiók nélkül ad egy első jelzést arról, hogy az Ön profiljában az órák mely része vehető át ma az AI által. A teljes munkateszt, amely egyedi feladatokba mélyebben belemegy, még fejlesztés alatt áll – ezt tehát még nem kínáljuk itt, de a gyorsteszt már most is tisztességes kiindulópontot ad.
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.