В X5 Group реализовали проект оптимизации складских процессов с помощью технологий Process Mining и Task Mining. За счет этого удалось повысить эффективность операций в среднем на 20% при довольно небольших затратах на исследование процессов. О ходе проекта и его значении для бизнеса рассказывает Александра Кирик, директор департамента развития аналитики цепочек поставок и поддерживающих функций X5 Tech, и номинант на премию Data Award.

- В чем заключалась проблема?

Ретейлеры не могут перекладывать обоснованный рост отпускных цен на плечи своих покупателей, что приводит к необходимости поиска новых путей сокращения затрат на экземпляр процесса, то есть на «коробку». Для решения таких задач мы сконцентрировались на росте производительности сотрудников распределительных центров торговой сети «Пятёрочка»: как комплектовщиков, так и сотрудников документооборота, специалистов группы управления товарными запасами, диспетчеров, планеров маршрутизации.

- Насколько проблема оптимизации важна для X5?

Стратегия компании предполагает органический рост объектов торговли без увеличения ресурсов, затрачиваемых на их открытие. Если конкретнее, то планируется теми же ресурсами сделать в два раза больше. Требуется серьезная оптимизация процессов.

- Какой подход был выбран?

Мы применили технологии Process Mining и Task Mining: первую для комплектовщиков, вторую – для остальных сотрудников. Их основное преимущество состоит в том, что можно анализировать столько операций и процессов, сколько требуется, без каких-либо ограничений. Они позволяют исследовать элементарные действия в рамках каждого этапа рабочего дня, восстанавливать их последовательность и оценивать результативность. Для этого не требуется сидеть рядом с секундомером и тетрадкой, а ограничений по количеству онлайн-операций нет.

Объектом нашего детального анализа стал сквозной логистический процесс на складе: начиная от перемещения комплектовщиков по складу и заканчивая сотрудниками, которые занимаются управлением товарными запасами и оформлением документов. Мы исследовали цифровые следы сотрудников при выполнении операций в специализированном ПО – складских и транспортных системах. Для анализа переменного персонала применялась методология Task Mining от Proceset с привлечением консалтинга от GlowByte.

Для исследования по линейному персоналу использовали Process Mining, реализованный на Python. Кроме того, в анализе дорожек пробега транспорта использовались цифровые следы комплектовщиков, оставляемые в момент подхода к ячейке на голосовой гарнитуре. Далее с помощью Data Science мы разложили простои и перепробеги на факторы их возникновения.

Нас интересовало несколько направлений для улучшений: повышение эффективности процессов за счет роста производительности, оценка приживаемости внедренных инструментов, выявление недоавтоматизированных рутинных задач, ликвидация «потерь» в процессах, а также частичное расширение ролей в процессах.

В ходе работ была проанализирована эффективность операций около 15 тыс. сотрудников, выполняющих операции на 39 распределительных центрах торговой сети «Пятёрочка».

- Что было сложнее всего в ходе проекта? Где возникали основные проблемы?

Сложнее всего было формировать доверие к результату исследования, поэтому на первых этапах работы мы уделяем особое внимание проверке накапливаемых данных. Мы убираем первый и последний день записи, не учитываем дни с минимальными записями, исключаем дни отпусков, больничных, командировок и т.д. Дополнительно мы проводим интервью с сотрудником, работу которого анализируем, после чего проверяем, что все действия были корректно залогированы.

- Наблюдалось ли сопротивление сотрудников, которых «оптимизировали», заставляли работать по-новому? Как с ним боролись?

Чтобы не доводить до сопротивления, мы на начальном этапе привлекли анализируемых сотрудников в качестве экспертов. Мы уведомили их о старте работ, о методике исследования, об ожидаемых результатах. Особый фокус мы уделили тому, что целью анализа является сокращение рутинных операций и высвобождение их времени для участия в проектах развития. Сформированное доверие к данным дополнительно усилило их вовлеченность в достижение результата и помогло нам в формировании более глубинных гипотез.

- Какие результаты стали проявляться в ходе проекта?

Первым этапом стало использование Task Mining для переменного персонала. Здесь мы нашли более 20% различных неэффективностей в процессах. Например, многие сотрудники выполняли рутинные операции, такие как пересчет данных или выгрузка отчетов, вручную, хотя эти задачи вполне можно было автоматизировать. В качестве решения мы внедрили программных роботов (RPA), которые взяли на себя рутинные операции и позволили сотрудникам сосредоточиться на более важных задачах.

Более того, анализ эффективности операций диспетчеров подсветил, что большое количество времени затрачивается на обновление одного и того же отчета с целью выявить аномалии и отклонения от процесса. В данном случае мы доработали систему «Мобильное рабочее место сотрудника склада» и дополнили ее уведомлениями, которые привлекают внимание только тогда, когда требуется корректирующее действие.

Следующим этапом оптимизации был анализ работы комплектовщиков. Провести хронометраж на всех распределительных центрах – дорого и долго. Тем более на каждом складе, которых 39, в среднем работают по 250-350 комплектовщиков, а это около 13 тыс. сотрудников – за всеми не побегаешь.

Так как параллельно в одной из смежных служб проводили исследование с помощью Task Mining, то нам в голову пришла идея, что комплектовщиков также можно проанализировать с помощью цифровых следов, оставляемых в момент подхода к ячейке отбора товара. За счет этого мы идентифицировали 22% перепробегов и простоев от общего времени комплектации товара.

Основной причиной проблем была пустая ячейка отбора. Мы проанализировали, с чем это связано, и выявили, что всему виной быстро оборачиваемый товар – операторы просто не успевают пополнять ячейки. Решили, что необходимо увеличивать количество ячеек отбора. Для этого сейчас разрабатываем предиктивную модель, которая заранее сообщит специалисту группы управления товарными запасами о том, что необходимо организовать большее количество ячеек, а какие-то уже можно сократить.

Более того, мы обнаружили, что у операторов электроштабелеров отсутствует приоритизация задач на пополнение ячеек отбора. Поэтому решили дополнить алгоритм складской системы выдачи задач приоритизацией по факту «вымывания» товара из ячеек.

Все эти меры позволят нам снизить количество простоев и повысить производительность комплектовщиков примерно на 10%.

- А было ли обнаружено что-то неожиданное?

Мы в целом исходили из понимания, что процессы в компании достаточно сильно автоматизированы. Именно поэтому для нас стало большой неожиданностью обнаружить существенные затраты времени (около 40%) среди диспетчеров, которые сводились к тому, что люди нажимали кнопку обновления одного и того же отчета для мониторинга текущей обстановки на складе.

- В чем «фишка» проекта?

Уникальность нашего проекта заключается в том, что традиционный подход по изменению процессов был применен на цифровом двойнике процесса, собранном на фактических данных. Это позволило решить несколько задач: убедиться, что выявлены 100% потерь, включая все «узкие горлышки» и ограничения; достоверно оценить ожидаемый эффект от их устранения; минимизировать работу с возражениями из-за полной прозрачности полученных результатов. Кроме того, за счет этого удалось проанализировать абсолютно все операции с минимальными усилиями и приоритизировать меры по улучшениям, опираясь на масштаб эффекта.

Итоговые затраты на проект составили 0,3% от полученного эффекта – а это повышение эффективности процессов в среднем на 20%. Проведение работ потребовало 2 месяца на анализ данных и 3 месяца на разработку рекомендательной системы.

- Как выражаются полученные эффекты с финансовой точки зрения?

Благодаря анализу и произведенным изменениям в процессах мы смогли снизить стоимость обработки короба на 3%.

- Насколько ваш опыт может быть полезен для отрасли?

Наш опыт может быть переиспользован как другими ретейлерами, так и компаниями в сфере электронной коммерции, FMCG, HoReCa и логистического секторов.