Die Struktur der Kundenaufträge, die aus dem Lager bedient werden sollen, ist entscheidend für die Auswahl der richtigen Lager- und Kommissionierprinzipien und der zugehörgen Technologie.
Wesentliche Kennzahlen aus der Analyse der Auftragsstruktur sind z.B.
- Anzahl aktiver SKUs pro Zeiteinheit
- Anzahl von Picks pro Auftragszeile
- Anzahl unterschiedlicher Auftragszeilen pro Auftrag
und dies alles bezogen auf bestimmte Temperaturzonen, Kundengruppen, etc.
Wie auch bei anderen Analysen ist es bei der Analyse der Auftragsstruktur stets empfehlenswert, sich die tatsächliche Datenverteilung anzusehen und sich nicht auf eindimensionale statistische Werte wie arithmetische Mittel und Varianzen zu verlassen.
Die obenstehende Darstellung zeigt die Verteilung der Auftragszeilen pro Auftrag in einem eGrocery Fulfillment Center. Zwar liegt der Median bei knapp über 25, jedoch gibt es damit auch eine Vielzahl deutlich größerer Aufträge. Diese stellen z.B. besonders hohe Anforderungen an die Sequenzierfähigkeit einer automatischen Anlage, da u.a. die Produktempfindlichkeit in der Packreihenfolge beachtet werden muss und ein Auftrag mit einer großen Anzahl von Orderlines mehrere Auftragsbehälter füllen wird.
Auch die Verteilung der Menge pro Auftragszeile hat wichtige Implikationen für das Logistik-System. Unter anderem gibt sie Hinweise auf die zu erwartende Kommissioniereffizienz in einem manuellen System sowie auf die Anzahl der Behälterwechsel in Goods-to-Person-Kommissionierstationen.
Die Auftragsstruktur hat also Einfluss auf die Kommissioniermethode (Single-order Picking, Multi-order Picking, Batch Picking), auf die Gestaltung von Goods-to-Person-Anlagen und der Auswahl der zugehörigen Lagertechnologie, auf die erwartbare Leistung von Kommissionierern, auf die Leistungsanforderungen an automatische Lagersysteme und auf die Gestaltung von Kommissionierstationen. Die Analyse der Auftragsstruktur gehört damit zu den Analysen, die zur Lageranalyse, -optimierung und -planung unbedingt durchgeführt werden müssen. Und auch hier ist es unbedingt notwendig, dass der Analyst das Kundengeschäft versteht und bei der Analyse berücksichtigt. In den oben gezeigten Beispielen sind z.B. zwei Kundengruppen mit sehr unterschiedlichem Bestellverhalten enthalten: Geschäftskunden und Privatkunden. Ein getrennte Analyse liefert deutlich homogenere Ergebnisse; eine Zusammenfassung in gemeinsame Kennzahlen für Auftragszeilen pro Auftrag und Mengen pro Auftragszeile verzerrt das Bild und nimmt Möglichlkeiten der Systemoptimierung.
