Skladiště vychystávání je v distribučním centru nejnáročnější operací, která představuje 55–65 % celkových provozních nákladů skladu. Výběr správného vychystávacího systému – ať už manuálního, poloautomatického nebo plně automatizovaného – určuje rychlost vaší propustnosti, přesnost objednávky, závislost na pracovní síle a dlouhodobou škálovatelnost. Pro většinu středně velkých až velkých operací zpracovávajících více než 500 objednávek denně poskytuje určitá úroveň automatizace měřitelnou návratnost investic do 2–4 let. Menší provozy často získávají lepší výnosy z optimalizovaných manuálních systémů podporovaných technologií pick-to-light nebo hlasového směru.
Systémy vychystávání se dělí do tří širokých úrovní na základě stupně lidského zapojení a technologické integrace:
Pracovníci se pohybují po podlaze skladu pomocí seznamů pro výběr papíru nebo ručních skenerů, ručně vyhledávají a vybírají položky. To zahrnuje diskrétní vychystávání (po jedné objednávce), dávkové vychystávání (více objednávek současně), zónové vychystávání (pracovníci přidělení do pevných oblastí) a vlnové vychystávání (plánované uvolňování skupin objednávek). Manuální systémy mají nízké počáteční náklady, ale silně závisí na počtu zaměstnanců – typický sběrač chodí 8–12 mil za směnu ve velkém zařízení.
Tyto systémy využívají technologii k tomu, aby vedly nebo pomáhaly lidským sběračům, aniž by je odstranily z procesu. Příklady zahrnují systémy pick-to-light, hlasově řízené vychystávání a dopravníky zboží k osobě (GTP), kde jsou zásoby přepravovány stacionárnímu pracovníkovi. Poloautomatizace obvykle snižuje chyby při výběru 25–40 % a zlepšuje propustnost o 20–35 % ve srovnání s papírovými metodami.
Tyto systémy téměř úplně nahrazují lidské sběrače pro úkoly vyhledávání. Patří mezi ně autonomní mobilní roboty (AMR), automatizované skladovací a vyhledávací systémy (AS/RS), robotická ramena pro sběr kusů a systémy založené na raketoplánu. Robotický systém Amazon Kiva , nyní pod značkou Amazon Robotics, snížila své průměrné náklady na zpracovanou položku zhruba o 20 % a snížila požadavky na podlahovou plochu až o 50 % v nasazených zařízeních.
| Typ systému | Jak to funguje | Nejlepší pro | Typické cenové rozpětí | Míra přesnosti |
|---|---|---|---|---|
| AMR (autonomní mobilní roboty) | Roboti navigují k regálům, přinášejí pody do stacionárních sběračů | E-commerce, vysoký počet SKU | 1 milion $ – 5 milionů $ | 99,5–99,9 % |
| AS/RS (Automated Storage & Retrieval) | Jeřáby nebo raketoplány vytahují přepravky/palety z hustých regálů | Skladování s vysokou hustotou, chladící řetězec | 2 až 15 milionů dolarů | 99,7–99,99 % |
| Pick-to-Light | Indikátory LED se rozsvítí na správných místech pro sběrače | Rychle se pohybující SKU, hromadné vychystávání | 50 000 $ – 500 000 $ | 99,5–99,8 % |
| Hlasem řízený výběr | Průvodce zvukovými pokyny pro výběr handsfree prostřednictvím náhlavní soupravy | Všeobecné skladování, chladírenské sklady | 30 tisíc – 200 tisíc dolarů | 99,5–99,9 % |
| Robotická ramena pro sběr kusů | AI naváděná ramena vybírají jednotlivé položky ze zásobníků nebo dopravníků | Velkoobjemové opakující se SKU | 500 000 $ – 3 miliony $ | 95–99 % |
| Dopravníkové systémy zboží k osobě | Dopravníková síť dodává přepravky přímo do vychystávacích stanic | Distribuční centra, maloobchodní plnění | 300 000 – 5 milionů USD | 99,3–99,8 % |
Investice do automatizace jsou značné, ale provozní zlepšení jsou dobře zdokumentována napříč odvětvími. Zde jsou klíčové srovnávací hodnoty výkonu, které ilustrují dopad:
Žádný systém není optimální pro každý sklad. Správné přizpůsobení závisí na objemu objednávky, složitosti SKU, dostupném kapitálu a trajektorii růstu. K zúžení možností použijte následující rámec:
Operace zpracovávající méně než 300 objednávek denně mají obvykle lepší návratnost z optimalizovaných manuálních procesů s hlasovým nebo skenovacím naváděním než z kapitálově náročné robotiky. Více než 1000 objednávek denně , systémy přepravy zboží a AMR se stávají silně oprávněnými. Při 5 000 objednávkách za den jsou nákladově optimálním řešením plné AS/RS nebo vícevrstvé kyvadlové systémy.
Robotická ramena pro sběr kusů v současnosti fungují nejlépe s omezeným rozsahem pravidelně tvarovaných, konzistentních SKU. Operace s desítkami tisíc nepravidelných nebo nepředvídatelných SKU – běžných v běžném zboží nebo oděvech – mohou zjistit, že lidský sběr s pomocí AMR nabízí lepší flexibilitu než plně robotická vychystávací ramena, která bojují s nepravidelnými tvary a variacemi balení.
Chladírenské sklady provozované při 34–40 °F nebo zmrzlé prostředí pod 0 °F mají obzvláště silný argument pro automatizaci. Fluktuace pracovníků v zařízeních chladicího řetězce je 3–5krát vyšší než v okolních skladech , díky čemuž se automatizace stává strategií produktivity i udržení pracovní síly. Systémy AS/RS a raketoplánu fungují spolehlivě v podmínkách pod nulou, kde je lidská odolnost omezená.
Ne všechny investice do automatizace musí být provedeny najednou. Mnoho operátorů začíná s hlasově řízeným vychystáváním nebo vyzvednutím na světlo (nižší vstupní náklady) a s rostoucím objemem přechází na AMR nebo AS/RS. Někteří prodejci AMR nyní nabízejí robotika jako služba (RaaS) cenové modely – kde jsou roboti pronajímáni za cenu za výběr, spíše než kupováni – výrazně snižují počáteční bariéru. Locus Robotics a 6 River Systems například nabízejí ceny RaaS od přibližně 0,10 do 0,25 USD za výběr.
Automatizované vychystávací systémy poskytují vysokou návratnost, ale implementace běžně čelí podceňovaným výzvám:
Trh s technologií automatického vychystávání od roku 2015 výrazně dozrál, přičemž řada prodejců pokrývá různé cenové body a případy použití:
Při hodnocení dodavatelů upřednostňujte ty, kteří mají zdokumentované nasazení ve vašem odvětví, transparentní záruky SLA pro dobu provozuschopnosti systému a jasné plány pro aktualizace softwaru a hardwarovou podporu v horizontu 7–10 let.
Pokud hodnotíte upgrade vychystávacího systému, projděte si tyto kroky, než se pustíte do technologického směru:
Nejnákladnější chybou v automatizaci skladů je přehnané inženýrství pro současný objem nebo poddimenzování pro budoucí růst. Postupný přístup – počínaje poloautomatizací a budováním směrem k plnému robotickému vychystávání, jak to objem ospravedlňuje – je cesta, která je nejdůsledněji spojena s úspěšnými dlouhodobými výsledky v celém odvětví.