Vastine Osto&Logistiikka -lehdelle 6.2017
Osto&Logistiikka 6.2017 –lehdessä käsiteltiin Big Dataa, lohkoketjuja ja tekoälyä erittäin monessa artikkelissa. Itse artikkelit kertoivat ansiokkaasti, mitä uudet teknologiat teknisesti mahdollistavat. On oikein hyvä, että isoa kuvaa ja tulevaisuutta maalaillaan. Ajatus tähän blogiin syntyi, kun mietin miten hype-artikkelit auttavat logistiikan kehittäjiä työssään nyt. Veikkaukseni on, ettei mitenkään. Ennen kuin tekoäly ohjaa logistiikkaasi, pitää laittaa paljon perusasioita kuntoon. Big Dataa ei synny ilman kunnossa olevaa perusdataa. Veikkaan, että Big Datan sijaan kuntoon laitettu Master Data mullistaa monta varastoa ennen kuin Big Data pääsee vauhtiin.
Leanwaren kokemus suomalaisesta teollisuudesta ja logistiikasta kattaa yli 200 yritystä. Osaa olemme konsultoineet ja osa on järjestelmäasiakkaita. Suurinta osaa yhdistää heikko ja puutteellinen Master Data. Alla on esitetty datapuutteita ja niiden vaikutuksia varaston operointiin. Toivottavasti kuvaamani ongelmat eivät tunnu sinusta tutuilta.
Tuotetiedot (pakkaushierarkiat, fyysiset mitat, painot, värit, koot, VAK-tiedot, etc…) ovat usein pahasti pielessä. Osto ei osaa ostaa ja myynti ei osaa myydä fiksuja pakkauskokoja, vaan aina rikotaan pakkaus ja kerätään yksittäisiä tuotteita. Tuotteen tunnistamiseen vaaditaan paljon selittävää tekstiä. Varastoinnissa ja lähetyksessä luotetaan yksilön VAK-osaamiseen, koska VAK-tiedot eivät ole kunnossa. Huonoilla tuotetiedoilla sotketaan logistiikkaa paljon.
Myynti päästetään monessa paikassa suhaamaan ihan miten sattuu. Tällöin myyntitilaus vaatii paljon ihmisen tekemää tulkintaa. Koodillisia nimikkeitä myydään kaatokoodeilla, kun myyjä just ei ehtinyt tarkistamaan oikeaa tuotekoodia. Kuljetusajat ja tavat ovat usein vapaata tekstiä, jota koneen on vaikea selvittää.
Hauska tarina on useiden tehtaiden tuoterakenteet. Mitä osia koneeseen meni, selviää vasta, kun ne ovat kiinnitetty ja kone on valmis. Linjavarastoilla peitetään tämä ongelma ja samalla myös estetään tuoterakenteiden korjaaminen. Keinoälyn on vaikea arvata, mitä osia pitäisi tehtaalle tilata.
Monissa varastoissa datan puutetta korvataan korvamerkkaamalla tilauksia tai asiakkuuksia tietyille henkilöille. Vain tietty henkilö osaa tulkita asiakkaan tilauksen ja muistaa, miten tavarat pitää pakata, ja mitä kuljetusyhtiötä pitää käyttää. Ratkaisu ei ole kestävä. Tästä tilanteesta lohkoketjutilaus on hyvin kaukana.
Big Data ja keinoäly tuovat aivan varmasti mullistavia asioita logistiikkaan ja varsin nopeasti. Jotta pääset nauttimaan keinoälyn optimoivasta ostosta ja logistiikasta, pitää perusasiat olla tikissä.
Ps. Lue blogini ”Sisälogistiikan tarkastuslista – Ovatko prosessit hallussa?” //leanware.fi/fi/749-2/ sieltä saat lisävinkkejä matkalle kohti Big Dataa. Perusasiat kuntoon, niin matka voi alkaa.
