System przeszedł próbę techniczną. Logi poprawne, dostawca potwierdził swój zakres, kierownik projektu zamknął zadania. A w niedzielę wieczorem kierownik magazynu mówi, że nocna zmiana nie potrafi obsłużyć przerwanego połączenia bez konsultanta. Dwie odpowiedzi na to samo pytanie o gotowość i obie prawdziwe.

W tym odcinku rozkładam na części zarządzanie zmianą we wdrożeniu WMS i reorganizacji odpowiedzialności. Nie od strony harmonogramu i procentu wykonania, tylko od strony momentu, w którym rozwiązanie działa, a człowiek po pierwszym wyjątku nie wie, co wolno mu zrobić. O czym mówię:

PUNKT ZERO. Zarząd zatwierdza usprawnienie magazynu, a na pierwszym spotkaniu okazuje się, że każdy rozumie to inaczej. Prezes niższy koszt, dyrektor logistyki przepustowość, sprzedaż szybszą obsługę pilnych zamówień. Dostawca dostaje jeden projekt i kilka odpowiedzi na pytanie, po czym firma pozna, że wdrożenie się udało. Pokazuję, jak wygląda arkusz prowadzony przez nocną zmianę i dlaczego usunięcie go z ekranu nie oznacza przejęcia decyzji, którą się przy nim podejmowało.

KTO DECYDUJE. Brak rozstrzygnięcia też jest decyzją, tylko płaci za nią ktoś inny. Właściciel procesu szuka zgody wszystkich stron, a w tym czasie powstają trzy wersje jednego procesu: konfiguracja dostawcy, komunikacja sprzedaży i testy operacji. Każda z innej rozmowy. Konsultacja nie oznacza prawa weta dla każdego działu i pokazuję, jak sponsor to ustawia.

CZAS EKSPERTÓW I OPÓR. Doświadczony kierownik traci prawo do ustawiania planu, ale nadal odpowiada za wynik zespołu i jest oceniany według starej zasady. Jeśli czeka na centralę, wynik spada. Jeśli działa sam, łamie nową zasadę. To nie jest opór przed zmianą, tylko racjonalna reakcja na warunki pracy. Pokazuję, co zrobił HR i właściciel procesu, żeby to rozwiązać. BUDŻET PRZEJŚCIA. Budżet powstał ze sprzętu, konfiguracji i integracji. Nie było w nim zastępstwa dla operatora, który ma zejść z hali na nocną próbę. Operator wrócił do pracy, z planu próby wypadł przypadek zatrzymania przepływu, a problem wrócił po uruchomieniu przy pełnym obciążeniu. W każdym budżecie sprawdzam, kto schodzi z operacji na czas prób.

DANE I STABILIZACJA. Trzy lokalne pliki zamiast jednego źródła i wskazanego właściciela. Nie można wybrać najnowszego, bo każdy opisuje inny moment procesu. Pokazuję, jak lokalny kierownik nauczył się rozpoznawać, czy przyczyna leży w danych, uprawnieniach, przebiegu pracy czy konfiguracji, i przestał wysyłać wszystko do dostawcy.

KOREKTA PLANU. Kiedy plan się rozjeżdża, nie zaczynam od nowej daty. Najpierw pytam, które założenie przestało być prawdziwe, kto podejmie nową decyzję i kto odpowie za jej konsekwencje. Odcinek pokazuje komitet, na którym wszyscy odnoszą się do jednego zamówienia, które wpłynie w pierwszym dniu pracy, i sponsor wybiera przesunięcie startu nie na podstawie liczby otwartych zadań.

Na koniec konkret dla zarządu: zgoda na uruchomienie powinna zależeć od wskazania osoby, która zatrzyma pracę, jeśli pierwszy operator zobaczy inny wynik niż ten zatwierdzony na komitecie. Tę osobę, jej uprawnienia i sposób eskalacji trzeba ustalić przed startem.

Timeline: 
00:00 Wprowadzenie 02:51 Punkt zero i gotowość procesu 08:21 Kto decyduje i kto płaci za zwłokę 12:35 Czas ekspertów i prawdziwe źródła oporu 18:02 Budżet przejścia przez zmianę 22:48 Ryzyka, szanse i stabilizacja 27:33 Korekta planu po rozjeździe

Kontakt i więcej:
https://locura.pl
https://www.linkedin.com/in/piotrsusz/
https://www.linkedin.com/company/locura-consulting

Przeczytaj artykuł do tego odcinka na blogu: https://locura.pl/publikacje/
Newsletter LinkedIn - więcej treści eksperckich: https://www.linkedin.com/in/piotrsusz/recent-activity/newsletter/

Nasze narzędzia: https://locura.tech - ekosystem narzędzi logistycznych https://app.locura.tech - Modeler 3D https://pronostico.locura.tech - Pronostico https://consenso.locura.tech - Consenso Treść opracowana z wykorzystaniem AI i zatwierdzona redakcyjnie.

Pracownik przygotowuje analizę w kilka minut. Potem dokument czeka trzy dni, przechodzi cztery akceptacje i trafia na dwa spotkania. Firma ogłasza sukces sztucznej inteligencji, a klient nadal czeka tyle samo.

W tym odcinku rozbieram pytanie, które słyszę od prezesów coraz częściej: czy to wszystko zaraz się zawali i czy w takim razie warto teraz cokolwiek wdrażać. Odpowiedź jest niewygodna, bo brzmi "i tak, i nie". Sztuczna inteligencja może być jednocześnie rewolucją technologiczną, bańką inwestycyjną i cmentarzem źle zrobionych wdrożeń. Te trzy rzeczy nie wykluczają się wzajemnie.
Omawiam pięć problemów, które psują dzisiejszą dyskusję i psują wdrożenia w firmach.
Pierwszy: pomieszane rachunki. Strata producenta modelu nie dowodzi, że automatyzacja reklamacji nie ma sensu. Rosnące przychody z chmury nie dowodzą, że każda inwestycja się zwróci. Rachunek użytkownika, producenta modelu, właściciela infrastruktury i inwestora to cztery różne biznesy. Nikt w firmie produkcyjnej nie ocenia opłacalności maszyny na podstawie rentowności jej producenta.

Drugi: dobra technologia w złej inwestycji. Gorączka kolejowa z tysiąc osiemset czterdziestego piątego roku pokazała, że można trafnie przewidzieć kierunek gospodarki i jednocześnie źle wybrać projekt, lokalizację i cenę wejścia. Tory zostały, pieniądze części inwestorów nie. Ten sam mechanizm widzę dziś w centrach danych i w magazynach budowanych na życzeniowych prognozach.

Trzeci: nowy silnik w starej fabryce. Wymiana napędu parowego na elektryczny bez zmiany układu maszyn nie dała skoku produktywności. Dokładnie to robią firmy dokładające asystenta do procesu z czterema akceptacjami. Jedna czynność przyspiesza, czas realizacji stoi. Pytanie kontrolne: który etap procesu ZNIKNIE po wdrożeniu, a nie tylko wykona się szybciej.

Czwarty: infrastruktura, która tanieje. Światłowody z końca lat dziewięćdziesiątych pokazały, gdzie ostatecznie ląduje wartość. Nie u właściciela przewodu, a u firm, które zbudowały na nim użyteczne usługi. Dlatego dane, reguły kontroli i historia decyzji powinny zostać po stronie przedsiębiorstwa, a model ma być elementem wymiennym.

Piąty: poszarpana granica kompetencji. Model działa świetnie w jednym zadaniu i myli się w bardzo podobnym, nie sygnalizując tego. Odpowiada tak samo płynnie i pewnie. Poprawna i błędna decyzja wyglądają równie profesjonalnie. Trzeba wiedzieć, gdzie w procesie błąd jest prawdopodobny, wykrywalny i kosztowny.
Na koniec dziewięć braków, które zabijają pilotaże: brak kosztu bazowego, brak zdefiniowanego problemu, brak wartości docelowej, brak właściciela procesu, brak planu przejścia do normalnej pracy, brak kontroli jakości, niepoliczony koszt nadzoru człowieka, niepoliczony koszt błędu i brak integracji z systemem transakcyjnym.

Do tego mój scenariusz bazowy: co realnie może się zawalić, kto zniknie z rynku i dlaczego sukcesem sztucznej inteligencji będzie jej zbanalizowanie. Nikt nie mówi dziś z dumą, że wdraża bazę danych.

Trzy rzeczy do sprawdzenia w poniedziałek: dokładny koszt jednego przypadku procesu, nazwisko właściciela decyzji i koszt jednego błędu. Bez nich rozmawiamy o możliwościach modelu. Z nimi zaczynamy zarządzać inwestycją.

00:00 Wprowadzenie
02:26 Problem pierwszy: pomieszane rachunki
04:56 Kto tu naprawdę jest pod wodą
07:02 Producent modelu i cena inteligencji
09:26 Problem drugi: dobra technologia w złej inwestycji
13:23 Problem trzeci: nowy silnik w starej fabryce
16:46 Co naprawdę znaczy przeprojektować proces
20:15 Problem czwarty: infrastruktura, która tanieje
25:03 Problem piąty: poszarpana granica kompetencji
29:09 Wdrożenie, które nie ma wyniku
31:46 Dziewięć braków, które zabijają pilotaż
36:56 Co może się zawalić i scenariusz bazowy


Kontakt i więcej:

https://locura.pl
https://www.linkedin.com/in/piotrsusz/
https://www.linkedin.com/company/locura-consulting

Przeczytaj artykuł do tego odcinka na blogu:
https://locura.pl/publikacje/

Newsletter LinkedIn - więcej treści eksperckich:
https://www.linkedin.com/in/piotrsusz/recent-activity/newsletter/

Nasze narzędzia:
https://locura.tech - ekosystem narzędzi logistycznych
https://app.locura.tech - Modeler 3D
https://pronostico.locura.tech - Pronostico
https://consenso.locura.tech - Consenso
Treść opracowana z wykorzystaniem AI i zatwierdzona redakcyjnie.


This episode includes AI-generated content.

Sala konferencyjna, slajd z trzema strzałkami i czterema kolorami, konsultant omawia go od dwudziestu minut. A analityk klienta ma już w systemie odpowiedź na pytanie, które właśnie otwiera kolejny warsztat. Ten obrazek świetnie pokazuje, co dzieje się dzisiaj w konsultingu. Zmienił się układ sił, tylko część branży jeszcze tego nie zauważyła.

Przez kilkanaście lat pracowałem w konsultingu operacyjnym i logistycznym. Używałem Excela, notatnika, PowerPointa i warsztatów przy kawie. Excel nie popełnił żadnej zbrodni. Problem zaczyna się wtedy, gdy narzędzie sprzed dwóch dekad staje się elementem tożsamości zawodowej, a każda próba zmiany jest traktowana jak atak na honor konsultanta. W tym odcinku rozbieram ten mechanizm na części, bez owijania w bawełnę.

Nie mówię o ludziach z nazwiska. Nie o wieku. Nie o tym, kto zna najnowszą nazwę modelu. Mówię o modelu pracy, który zarabiał na powolności, ręcznych czynnościach i liczbie dni spędzonych przy stole. Ten model coraz słabiej odpowiada na jedno pytanie klienta: za co właściwie płacę.
Zaczynam od teatru metodyki. To sytuacja, w której forma ma przekonać klienta, że za kolorowymi polami musi kryć się głęboka myśl. Duży okrąg, mniejszy okrąg, strzałka prowadząca do prostokąta z napisem wartość. Wszystko ma cień, jeden element jest zielony, bo zielony oznacza rozwój. Dobra prezentacja porządkuje decyzję, pokazuje dane, założenia, warianty i konsekwencje. Tylko że do tego potrzeba analizy. Sam szablon z elegancką czcionką nie wytwarza wiedzy. A stara szkoła często odwracała kolejność: najpierw powstawała struktura slajdów, później szukano treści, która wypełni pola. Do tego dochodzi anegdota z wdrożenia sprzed dwudziestu lat, opowiadana na każdej konferencji jako świeży przykład. Doświadczenie działa wtedy, gdy pozwala szybciej rozpoznać mechanizm. Nie działa, gdy zastępuje obserwację aktualnej sytuacji.

Drugi wątek to archeologia analityczna. Konsultant przychodzi zbadać nowoczesną operację, a jego sposób pracy przypomina wykopaliska. Notatnik służy do zapisu obserwacji i nadal jest potrzebny, obserwacja procesu na miejscu pokaże to, czego dane nie powiedzą: że operator obchodzi regał, bo przejście zastawiono paletą, że skaner traci zasięg w konkretnej strefie. Ale notatnik nie może być głównym silnikiem analitycznym projektu. Tymczasem nadal spotyka się arkusz z zakładkami wersja nowa, wersja nowa dwa, ostateczna i ostateczna poprawiona. W jednej komórce formuła odwołująca się do pliku, którego nie ma. Ten arkusz zna więcej magazynów niż część zespołu, tylko nie pamięta, które założenia należały do którego klienta. Precyzja zapisu z dwoma miejscami po przecinku nie oznacza poprawności obliczenia. Do tego dochodzą setki godzin warsztatów i wywiadów tam, gdzie dane operacyjne klienta odpowiadają na te same pytania w kilka dni. Rozmowy pokazują, dlaczego coś się dzieje. Dane pokazują, co się dzieje. Błąd polega na tym, żeby zaczynać od wielu godzin rozmów, zanim ktokolwiek sprawdzi dostępne dane.

Trzeci problem to konsulting po terminie ważności. Raport oddawany po trzech miesiącach, nieaktualny w dniu przekazania. W międzyczasie klient zmienia plan sprzedaży, zatrudnienie, dostawcę albo zasady pracy na zmianie. A raport jedzie według planu i w dniu prezentacji opisuje stan, który już nie istnieje. Tempo pracy nie jest ozdobą projektu, w operacjach wpływa na wartość wyniku. Decyzja podjęta za późno może być tak samo zła jak decyzja oparta na błędnych danych. Stara szkoła lubiła utożsamiać czas z głębią: skoro projekt trwał długo, musiał być dokładny, skoro raport był gruby, musiał być wartościowy. To są wskaźniki wysiłku. Klient potrzebuje wskaźników wyniku. Tu mieści się też autentyczność rozumiana jako odmowa korzystania z narzędzi. Klient nie zamawia ceremonii ręcznego wytwarzania dokumentu. Zamawia diagnozę, decyzję, projekt albo poprawę wyniku. Odpowiedzialność za to, co się dostarcza, jest autentycznością. Unikanie narzędzi nią nie jest.

Czwarty wątek to kult stażu. Duma z dwudziestu lat doświadczenia w Excelu połączona z nieumiejętnością zadania własnym danym jednego sensownego pytania. Sprawność w obsłudze arkusza nie zastępuje myślenia analitycznego. Najtrudniejszą częścią analizy jest zadanie pytania, które ma związek z decyzją, a nie wybór formuły. Co powoduje wzrost czasu realizacji. W którym miejscu powstaje zmienność. Które zamówienia generują największy koszt obsługi. Nowe narzędzia obniżają koszt technicznego wykonania analizy, dlatego rośnie znaczenie jakości pytań. Człowiek, który widział wiele operacji, szybciej rozpozna wynik niemożliwy, zauważy, że model nie uwzględnia sezonowości, zapyta o zwroty, braki i awarie. Taki człowiek z nowymi narzędziami jest bardzo trudnym konkurentem.

Piąty i najważniejszy wątek dotyczy pieniędzy. Wycena projektu według liczby przesiedzianych dni, a nie według dostarczonego efektu. W modelu godzinowym szybsza praca jest dla sprzedawcy problemem. Ten sam mechanizm widać w branży informatycznej, gdzie mówi się już o końcu software house'ów w znanej formie, bo sprzedaż godzin programistów przestaje się bronić. Konsulting starej szkoły fakturuje wysiłek. Klient kupuje decyzję i efekt, nie kupuje potu, zmęczenia ani obecności przy stole. To nie znaczy, że każde rozliczenie godzinowe jest złe. Problem pojawia się, gdy model godzinowy służy ukrywaniu braku wydajności. W LOCURA wybraliśmy zwiększenie zakresu, a nie ukrywanie oszczędności czasu. Narzędzia sztucznej inteligencji pracują u nas produkcyjnie, wspierają analizę danych operacyjnych, budowę scenariuszy, symulacje, prognozy i dokumenty projektowe. Cena dla klienta się nie zmieniła. Zmieniło się to, co klient dostaje w tej cenie.

Na końcu tłumaczę, co naprawdę się kończy. Sztuczna inteligencja nie zabije konsultingu. Może zakończyć wygodny okres, w którym ręczna praca była przedstawiana jako ekspertyza, a liczba godzin jako dowód wartości. Dobry konsultant nadal będzie potrzebny, być może bardziej niż wcześniej. Ktoś musi rozumieć organizację, proces, dane i zachowania ludzi. Ktoś musi odróżnić wynik prawdopodobny od elegancko opisanego nonsensu. Zmienia się sposób wykonania tej pracy. W odcinku dostajesz też trzy pytania kontrolne do zadania własnemu doradcy w poniedziałek: za co realnie płacisz, jak wygląda praca z danymi i czy model rozliczenia zachęca dostawcę do szybszego rozwiązania problemu.

Jeśli twój konsultant albo twój software house nadal wycenia projekt w godzinach, zapytaj, za co dokładnie płacisz: za efekt, czy za czas, w którym on nie używa narzędzi.

Kontakt i więcej:

https://locura.pl
https://www.linkedin.com/in/piotrsusz/
https://www.linkedin.com/company/locura-consulting

Przeczytaj artykuł do tego odcinka na blogu:

https://locura.pl/publikacje/
Newsletter LinkedIn - więcej treści eksperckich:
https://www.linkedin.com/in/piotrsusz/recent-activity/newsletter/

Nasze narzędzia:

https://locura.tech - ekosystem narzędzi logistycznych
https://app.locura.tech - Modeler 3D
https://pronostico.locura.tech - Pronostico
https://consenso.locura.tech - Consenso

00:00 Wprowadzenie
04:09 Teatr metodyki
08:16 Archeologia analityczna
13:00 Konsulting po terminie ważności
17:16 Kult stażu
21:21 Wycena wysiłku zamiast efektu
27:41 Co naprawdę się kończy

Treść opracowana z wykorzystaniem AI i zatwierdzona redakcyjnie.


This episode includes AI-generated content.

Jedna linijka cła w koszyku wygląda jak temat dla księgowości. W praktyce może przestawić pracę magazynów, operatorów, przewoźników i firm handlowych, które żyją z taniej drobnicy.
W tym odcinku pokazuję, co dla polskich magazynów oznacza koniec zwolnienia de minimis dla przesyłek spoza Unii i ryczałtowe cło liczone po 3 euro za każdą pozycję w zgłoszeniu celnym. Nie za paczkę. To jest różnica, która może zmienić zachowanie klienta przy kasie i wymusić lokalną realizację zamówień bliżej rynku.

Jeżeli klient kupuje kilka różnych drobiazgów z platform typu Temu, Shein albo AliExpress, koszt w koszyku może nagle przestać wyglądać jak drobny dodatek. W transkrypcji pojawia się prosty przykład: dziesięć różnych produktów za około 200 PLN może oznaczać około 130 PLN samego cła. Taka paczka przestaje być tania jeszcze przed płatnością. Platformy nie będą spokojnie patrzeć, jak dodatkowy koszt psuje konwersję. Będą szukać sposobu, żeby zapas stał bliżej klienta, najlepiej już w Unii, często w Polsce.

I tutaj zaczyna się część, która interesuje logistykę. Lokalna realizacja zamówień to nie tylko więcej paczek do wysłania. To więcej SKU, więcej małych linii zamówień, więcej pobrań, więcej kontroli wariantu, więcej pakowania, więcej zwrotów i więcej presji na okna odbioru przewoźników. Na ekranie klienta zmienia się jedna linijka. Na hali zmienia się rytm pracy.

Najłatwiej pomylić tę zmianę z podatkiem. Księgowość sprawdzi stawki, dział prawny przeczyta przepisy, sprzedaż zmieni komunikat przy kasie. Tylko że koszt bardzo szybko zejdzie do magazynu. Jeżeli towar ma leżeć lokalnie, ktoś musi go przyjąć, opisać, odłożyć, znaleźć, sprawdzić, zapakować, wysłać i przyjąć z powrotem po zwrocie. Przy drobnicy każda z tych czynności jest mała. Razem potrafią zjeść marżę.

W materiale omawiam, dlaczego koszyk zaczyna sterować magazynem. Gdy klient widzi dopłatę przy płatności, platforma próbuje usunąć tarcie. Najprostsza droga to przesunięcie zapasu bliżej rynku. To oznacza, że polski magazyn może dostać więcej lokalnej pracy, ale nie każdy magazyn będzie na nią gotowy. Hala z wolnym regałem nie jest jeszcze halą gotową na drobnicę platformową. Przy małych produktach często brakuje nie miejsca paletowego, tylko powierzchni operacyjnej: stołów, buforów, pojemników, drukarek, skanerów i sensownej drogi paczki do przewoźnika.

Drugi temat to rola importera. Jeżeli ktoś zostaje importerem, bierze na siebie znacznie więcej niż wpis w dokumencie. Musi pilnować danych produktu, kraju pochodzenia, materiału, klasyfikacji, zgodności, etykiet i reklamacji. Magazyn, który przyjmuje towar bez porządnych danych, zaczyna poprawiać cudzą kartotekę własnymi ludźmi. To praca, której często nie ma w cenniku, a później pojawia się jako nadgodziny, korekty, blokady towaru i kolejka zwrotów.

Dlatego przed przyjęciem klienta platformowego nie pytałbym tylko o liczbę paczek dziennie. Poprosiłbym o próbkę indeksów, zdjęcia, wymiary, wagę, jednostkę sprzedaży, jednostkę magazynową, kraj pochodzenia, materiał i zasady zwrotu. Potem wziąłbym kilkanaście produktów i sprawdził, czy pracownik na przyjęciu potrafi połączyć fizyczny towar z rekordem w systemie bez zgadywania. Jeżeli nie potrafi, problem nie zniknie przy większej skali. On po prostu urośnie.
Trzeci wątek to powierzchnia operacyjna. Drobny towar może zajmować mało miejsca na regale i bardzo dużo czasu w procesie. Produkt trzeba dotknąć na przyjęciu, przy odłożeniu, przy kompletacji, przy pakowaniu, przy sortowaniu i przy zwrocie. Jeżeli każda linia zamówienia oznacza osobny spacer, osobny skan i osobną decyzję pakowacza, lokalna realizacja zamówień zaczyna kosztować więcej, niż pokazuje stawka za paczkę.

W odcinku mocno stawiam tezę: przy tej fali nie wygra ten, kto ma tylko metry. Wygra ten, kto rozumie koszt jednej linii zamówienia. To brzmi mniej efektownie niż nowy kontrakt, ale właśnie tam siedzi wynik. Jedna linia to pobranie, kontrola, pakowanie, ryzyko błędu i potencjalny zwrot. Jeśli firma tego nie policzy, będzie miała obrót, ale bez marży.
Czwarty temat to wybór kategorii. Lokalny zapas nie przeniesie się do Polski równomiernie. Platformy będą wybierały produkty, które da się utrzymać blisko klienta bez rozwalenia operacji. Drobna elektronika wymaga kontroli wariantów. Tekstylia wymagają obsługi rozmiarów, kolorów i zwrotów. Dekoracje wymagają ostrożnego pakowania. Akcesoria domowe wymagają dobrych zdjęć i jasnych jednostek sprzedaży. Każda kategoria wygląda podobnie na poziomie paczki. Na hali każda pracuje inaczej.

Piąty temat to przewoźnik. Przy lokalnej realizacji zamówień przewoźnik bardzo szybko pokaże, czy magazyn ma rytm. Jeżeli paczki zamykają się po czasie odbioru, bliskość geograficzna traci wartość. Towar stoi w Polsce, ale klient nadal czeka. WMS powinien wiedzieć, który przewoźnik obsługuje zamówienie, zanim pracownik zacznie pakować. System powinien podpowiedzieć opakowanie, wymusić etykietę i skierować paczkę do właściwego bufora. Jeżeli decyzja zapada dopiero przy stole, pakowacz staje się dyspozytorem transportu. To nie działa dobrze przy większym wolumenie.

Szósty temat to cennik. Prosta stawka za paczkę wygląda wygodnie, ale przy drobnicy potrafi być pułapką. Paczka jest ostatnim śladem pracy. Przed nią jest przyjęcie, identyfikacja wariantu, uzupełnienie danych, odkładanie, kompletacja, kontrola, pakowanie, sortowanie, korekta etykiety i obsługa zwrotu. Standard można wycenić prosto. Wyjątki trzeba nazwać osobno. Brak wymiaru, błędna etykieta, produkt bez zdjęcia, zwrot bez identyfikacji, zmiana opakowania po starcie - to nie są drobiazgi. To praca człowieka.

Jeżeli prowadzisz magazyn, operatora logistycznego albo firmę handlową, zrobiłbym prosty test. Weź trzydzieści ostatnich zamówień drobnicowych i przejdź je linia po linii. Ile razy ktoś dopisał coś ręcznie? Ile razy szukał produktu poza systemem? Ile razy pakowacz musiał sam wybrać opakowanie? Ile razy zwrot czekał na decyzję? Ile razy paczka po zamknięciu była jeszcze przenoszona, sortowana albo poprawiana? To pokaże prawdziwy koszt szybciej niż średnia stawka za paczkę.

Na fali drobnicy zarobią te magazyny, które przygotują bramkę wejścia dla klienta: dane produktu, odpowiedzialność importera, zasady etykiet, obsługę zwrotów, limity przyjęcia, godziny odcięcia i ceny za wyjątki. Reszta może złapać wolumen, a potem odkryć, że każda kolejna paczka dokłada pracy, której nikt nie sprzedał.

Timeline:

00:00 Cło w koszyku i decyzje dla magazynu
02:24 Koszyk zaczyna sterować magazynem
07:57 Kto zostaje importerem, ten bierze na siebie operację
13:45 Powierzchnia operacyjna stanie się droższa niż regał
20:08 Lokalny zapas wybierze kategorie
26:00 Przewoźnik rozliczy twój bałagan
32:01 Cennik musi widzieć wyjątki


Kontakt i więcej:
https://locura.pl
https://www.linkedin.com/in/piotrsusz/
https://www.linkedin.com/company/locura-consulting

Przeczytaj artykuł do tego odcinka na blogu:
https://locura.pl/publikacje/
Newsletter LinkedIn - więcej treści eksperckich:
https://www.linkedin.com/in/piotrsusz/recent-activity/newsletter/

Nasze narzędzia:
https://locura.tech - ekosystem narzędzi logistycznych
https://app.locura.tech - Modeler 3D
https://pronostico.locura.tech - Pronostico
https://consenso.locura.tech - Consenso

Cyfryzacja logistyki nie zaczyna się od zakupu dużego systemu ani od prezentacji dostawcy. Zaczyna się od jednego uczciwego pytania: gdzie w magazynie albo transporcie codziennie uciekają czas, pieniądze i nerwy?

W tym odcinku pokazuję, jak podejść do cyfryzacji praktycznie. Bez wielkiego budżetu na start. Bez kupowania wszystkiego naraz. Bez udawania, że firma musi mieć idealne dane, własny dział informatyki i pełną gotowość organizacji, zanim zrobi pierwszy sensowny krok.

Największy błąd, który widzę w rozmowach o cyfryzacji, polega na tym, że firmy zaczynają od narzędzia. Ktoś widzi system u konkurencji. Ktoś był na konferencji. Ktoś dostał ofertę, która wygląda rozsądnie. I nagle organizacja zaczyna dopasowywać swoje problemy do funkcji systemu, zamiast dobrać narzędzie do konkretnego wąskiego gardła. To prosta droga do przepalenia budżetu.

Dlatego w odcinku wracamy do początku. Najpierw mapa procesu. Potem policzenie strat. Dopiero później decyzja, czy potrzebna jest awizacja dostaw, model magazynu w trzech wymiarach, prognozowanie popytu, system premiowania oparty na danych albo integracja z ERP i WMS.

Kolejność ma znaczenie. Kiedy ją odwrócisz, płacisz za technologię, która może być dobra, ale nie rozwiązuje tego problemu, który naprawdę boli.
Mówimy o bałaganie w danych. To temat, którego firmy często się wstydzą, a zupełnie niepotrzebnie. Dane w arkuszach, nazwy towarów zapisane na kilka sposobów, stany magazynowe różniące się od rzeczywistości, wiedza trzymana w głowie jednej osoby - to nie jest wyjątek. To codzienność w wielu magazynach. Wniosek jest prosty: nie trzeba sprzątać wszystkiego naraz. Trzeba uporządkować ten fragment danych, który jest potrzebny do pierwszego wdrożenia.

Jeżeli problemem jest korek przy rozładunku, nie zaczynasz od historii sprzedaży. Zaczynasz od informacji o dostawach, oknach czasowych, rampach, przewoźnikach i opóźnieniach. Jeżeli problemem jest zamawianie na wyczucie, wtedy potrzebujesz historii sprzedaży, stanów, czasu dostawy, minimów logistycznych i segmentacji asortymentu. Cel decyduje o zakresie porządkowania danych.

Duży fragment odcinka poświęcam awizacji. To jeden z tych tematów, które wyglądają banalnie, dopóki codziennie rano przy rampie nie stoją trzy ciężarówki na tę samą godzinę. Problem zwykle nie leży w tym, że ludzie się nie starają. Problem leży w tym, że informacja o dostawach siedzi w mailach, telefonach i głowie jednej osoby. Kiedy ta osoba znika z procesu, znika też cały plan. Awizacja przenosi planowanie do wspólnego kalendarza, w którym dostawca albo przewoźnik rezerwuje wolne okno, a magazyn widzi cały dzień z góry.

Rozmawiamy też o projektowaniu magazynu. Papierowy rzut hali potrafi wyglądać pięknie, ale magazyn nie działa na papierze. Działa w przestrzeni, z ludźmi, wózkami, regałami, promieniami skrętu, wysokością składowania i trasami przejazdu. Jeżeli układ magazynu zostanie zatwierdzony tylko na płaskim rysunku, błąd może wyjść dopiero po montażu regałów. Wtedy poprawka nie kosztuje kilku kliknięć. Kosztuje ekipę, przestój, nerwy i często bardzo realne pieniądze.
Kolejny temat to zapasy. W firmach handlowych i dystrybucyjnych często widzę ten sam paradoks: półki są pełne, kapitał stoi w towarze, a najważniejszych pozycji i tak brakuje. Przy tysiącach SKU zamawianie na wyczucie przestaje działać. Nie dlatego, że zakupowiec jest słaby. Dlatego, że skala przerasta ludzką pamięć. Trzeba segmentować asortyment, liczyć zapas bezpieczeństwa, punkt ponownego zamówienia, czas dostawy i opłacalną wielkość partii. To jest matematyka, nie intuicja.

W odcinku pojawia się też temat premii w magazynie. To delikatny obszar, bo dotyczy pieniędzy i poczucia sprawiedliwości. Premia uznaniowa zawsze tworzy napięcie, jeśli ludzie nie widzą, z czego wynika. Dlatego rozliczanie pracy powinno opierać się na zdarzeniach operacyjnych: kto co zrobił, w jakim czasie, z jaką jakością i według jakich reguł. Przejrzysty system premiowania zdejmuje presję z brygadzisty i daje pracownikowi możliwość sprawdzenia, skąd wzięła się jego premia.

Odpowiadam też na pytanie, czy cyfryzacja logistyki ma sens w małej firmie. Ma, często nawet większy niż w dużej. Mała firma mocniej czuje każdą straconą godzinę, każdy nietrafiony zakup i każdy przestój. Nie potrzebuje wielkiego systemu. Potrzebuje jednego dobrze wybranego narzędzia, które zdejmie z ludzi najbardziej męczący fragment pracy.

Na końcu mówimy o kosztach, zwrocie, integracji z ERP i WMS oraz o lęku ludzi przed nowym narzędziem. Tu nie ma magii. Pierwsze wdrożenie powinno rozwiązać problem, który zespół naprawdę czuje. Jeżeli narzędzie tylko dokłada pracy i kontroli, ludzie będą się bronić. Jeżeli zdejmuje z nich telefony, przepisywanie danych, ręczne liczenie premii albo chaos przy rampie, zaczynają go bronić sami.

Najważniejszy wniosek z odcinka jest prosty: nie kupuj cyfryzacji pakietem. Zacznij od jednego wąskiego gardła. Policz, ile kosztuje. Dobierz narzędzie. Sprawdź efekt. Dopiero potem idź dalej.

Rozdziały:
00:00 Cyfryzacja logistyki - od pytań do decyzji
02:19 Od czego zacząć, żeby nie wydać pieniędzy w błoto
05:11 Bałagan w danych - czy można zaczynać
07:40 Korek przy rozładunku i awizacja dostaw
10:28 Przeprojektowanie magazynu bez błędu na papierze
13:24 Zamrożony kapitał w zapasach i braki towaru
17:11 Premie w magazynie bez kłótni i uznaniowości
20:08 Cyfryzacja w małej firmie - kiedy ma sens
21:55 Koszt wdrożenia i okres zwrotu
23:42 Studia logistyczne - na czym się skupić
25:40 Integracja z ERP i przyjęcie zmiany przez ludzi
27:29 Czy trzeba kupić wszystko naraz i czy cyfryzacja zabiera pracę


Kontakt i więcej:
https://locura.pl
https://www.linkedin.com/in/piotrsusz/
https://www.linkedin.com/company/locura-consulting

Przeczytaj artykuł do tego odcinka na blogu:
https://locura.pl/publikacje/

Newsletter LinkedIn - więcej treści eksperckich:
https://www.linkedin.com/in/piotrsusz/recent-activity/newsletter/

Nasze narzędzia:
https://locura.tech - ekosystem narzędzi logistycznych
https://app.locura.tech - Modeler 3D do projektowania magazynów
https://pronostico.locura.tech - Pronostico do prognozowania popytu

Prognozowanie popytu nie kończy się na spokojnym slajdzie ze sprzedaży. Kończy się w magazynie, na regale, w zajętej lokalizacji i w gotówce zamrożonej w towarze, którego nikt nie odbierze.
W tym odcinku pokazuję mechanizm, który w firmach FMCG wraca regularnie: sprzedaż deklaruje popyt, planowanie próbuje go uśrednić, produkcja układa serie, zakupy zabezpieczają materiał, a magazyn dostaje fizyczny efekt wszystkich założeń. Jeśli prognoza sprzedaży jest opinią, a nie procesem, ktoś za tę opinię zapłaci. Najczęściej zapłaci magazyn, planowanie produkcji, zakupy i właściciel firmy.

Punktem wyjścia jest prosta scena ze spotkania S&OP. Dyrektor sprzedaży pokazuje prognozę na kolejny kwartał. Linia popytu wygląda spokojnie. Potem kierownik magazynu pokazuje stany. Na regałach leży towar za 2 800 000 PLN, którego nikt nie odbierze, a obok brakuje pozycji, które schodzą natychmiast. To nie jest problem estetyki raportu. To jest problem decyzji, które wcześniej uruchomiły zakup, produkcję, przyjęcie i składowanie.

Najczęstszy błąd polega na tym, że prognoza ma autora, ale nie ma właściciela. Handlowiec wpisuje wolumen, kierownik sprzedaży chce pokazać wzrost, planowanie popytu patrzy na historię, produkcja pyta o serie, zakupy patrzą na minima dostawców, a magazyn ma znaleźć miejsce. Każdy dotyka tej samej liczby, ale nikt nie czuje pełnej odpowiedzialności za jej skutek. Gdy prognoza się nie sprawdza, zaczyna się klasyczna wymiana zdań: klient przesunął zamówienie, promocja nie weszła, rynek się zmienił, produkcja musiała zaokrąglić serię, dostawca miał minimalną wielkość zamówienia. Każde zdanie może być częściowo prawdziwe. Firma dalej ma jednak zapas, którego nie potrzebuje, i braki tam, gdzie popyt był realny.

W odcinku rozkładam prognozowanie popytu na konkretne pytania zarządcze. Kto może zakwestionować prognozę sprzedaży, zanim zamieni się ona w palety? Czy każda większa korekta ma powód, właściciela i datę sprawdzenia? Czy handlowiec widzi koszt przestrzelenia, czy tylko ryzyko braku towaru? Czy sprzedaż bazowa jest oddzielona od promocji, startów produktów, deklaracji klientów i jednorazowych zatowarowań?

Drugi duży temat to miks. W wielu firmach prognoza wygląda dobrze na poziomie sumy, ale magazyn pracuje na poziomie konkretnego SKU. Rodzina produktów może wyglądać poprawnie, a jednocześnie jeden wariant zalega, drugi znika z półki, trzeci czeka na promocję, a czwarty nigdy nie dostał potwierdzonego zamówienia. Magazyn nie składuje średniej kategorii. Magazyn składuje indeks, partię, termin ważności, lokalizację i jednostkę logistyczną. Jeśli firma rozlicza prognozę na poziomie łącznej wartości sprzedaży, a koszt błędu powstaje na poziomie pozycji, to w tej luce leżą pieniądze.

Trzeci temat to promocje. Promocja nie jest stałym popytem. Deklaracja klienta nie jest zamówieniem. Startowe zatowarowanie kanału nie jest jeszcze regularną rotacją. Jeśli firma wrzuca wszystkie te sygnały do jednej prognozy, historia sprzedaży robi się brudna. Potem człowiek albo model prognozowania popytu widzi wzrost i traktuje go jak nową normę. W efekcie produkcja robi serię, zakupy zabezpieczają surowiec, magazyn przyjmuje towar, a po kilku tygodniach wszyscy tłumaczą, że rynek się zmienił.

Czwarty temat to cena błędu prognozy. MAPE jest potrzebnym wskaźnikiem, ale sam procent nie mówi zarządowi, co faktycznie wydarzyło się w operacji. Magazyn nie płaci procentem. Magazyn płaci lokalizacjami, roboczogodzinami, przesunięciami, terminem ważności, utraconą dostępnością i gotówką. Ten sam błąd procentowy może być mało bolesny na jednej pozycji i bardzo drogi na innej. Dlatego błąd prognozy trzeba tłumaczyć na rachunek operacyjny: wartość zapasu, czas zalegania, zajęte MP, ryzyko odpisu, koszt obsługi i wpływ na pozycje rotujące.

Piąty temat to technologia. Modele prognozowania popytu oparte na uczeniu maszynowym są dziś dostępne także dla średnich firm. To dobra wiadomość. Zła wiadomość jest taka, że model nie naprawi brudnego procesu. Jeśli promocje nie są oznaczone, braki wyglądają jak brak popytu, korekty handlowe nie mają powodu, a dane podstawowe SKU są niespójne, narzędzie tylko szybciej policzy konsekwencje bałaganu. Najpierw trzeba ustalić źródła prawdy, odpowiedzialność i zasady korekty. Dopiero potem technologia zaczyna pracować dla firmy.
Odcinek jest dla właścicieli, prezesów, dyrektorów operacyjnych, dyrektorów łańcucha dostaw, kierowników magazynów, planistów popytu, produkcji i sprzedaży. Szczególnie dla firm FMCG, które mają jednocześnie wysoki zapas i braki na pozycjach rotujących. To połączenie nie jest paradoksem. To zwykle efekt prognozy, która trafia w sumę, ale nie trafia w miks, promocje i decyzje operacyjne.

Po obejrzeniu warto zrobić jedno ćwiczenie. Nie zaczynać od wyboru systemu. Zacząć od listy kilku pozycji, które zalegają, blokują lokalizacje, mają ryzyko terminu ważności albo przeszkadzają w kompletacji. Przy każdej z nich zadać pytanie: jaka decyzja sprawiła, że ten zapas tu leży? Jeśli firma nie potrafi odpowiedzieć, problem nie jest w magazynie. Magazyn tylko pokazuje rachunek.

Rozdziały:
00:00 Prognoza sprzedaży - kiedy magazyn płaci za przeczucie
02:13 Prognoza bez właściciela
10:59 Błąd nie tkwi w sumie, tylko w miksie
19:03 Promocja nie jest stałym popytem
26:17 Błąd prognozy musi mieć cenę
33:00 Model nie naprawi brudnego procesu
40:19 Prognoza musi zamknąć pętlę

Kontakt i więcej:

https://locura.pl
https://www.linkedin.com/in/piotrsusz/
https://www.linkedin.com/company/locura-consulting

Przeczytaj artykuł do tego odcinka na blogu:

https://locura.pl/publikacje/
Newsletter LinkedIn - więcej treści eksperckich:
https://www.linkedin.com/in/piotrsusz/recent-activity/newsletter/

Nasze narzędzia:

https://locura.tech - ekosystem narzędzi logistycznych
https://app.locura.tech - Modeler 3D do projektowania magazynów
https://pronostico.locura.tech - Pronostico do prognozowania popytu z wykorzystaniem sztucznej inteligencji

Piątek, czternasta trzydzieści. Operator dyspozycji patrzy na ekran i widzi coś, czego nie zlecił. Dwieście zamówień klienta strategicznego ma nowy priorytet. Trzydzieści osób w sobotę na nadgodzinach - już zaplanowane. Nikt go nie pytał. System zrobił to sam. Ten odcinek jest o tym, dlaczego agentic AI w magazynie to nie jest pytanie technologiczne, tylko organizacyjne - i kto w Twojej firmie pierwszy dowie się, że agent się pomylił.

Klasyczny WMS przez ostatnie dwadzieścia lat działał w jednym schemacie: system proponuje, człowiek klika, decyzja zostaje u człowieka. Agentic AI łamie ten schemat w jednym miejscu - wycina człowieka ze środka. System patrzy na dane, decyduje, wykonuje. Powiadomienie do operatora przychodzi wtedy, kiedy operator może już tylko pogodzić się z faktem albo wszcząć awanturę. Vendorzy nazywają to autonomous orchestration. Ja nazywam to przesunięciem odpowiedzialności bez przesunięcia umowy. Bo formalnie za decyzję operacyjną dalej odpowiada Twoja organizacja - tylko że Twoja organizacja jej nie podjęła.

W tym odcinku rozkładam na czynniki pierwsze trzy obszary, które dziś budzą najwięcej lęku u managerów logistyki, z którymi rozmawiam w projektach doradczych.
Po pierwsze - brak audit trail. Klasyczny WMS zostawia ślad: kto, kiedy, na podstawie czego. Agent zostawia wynik. Sam proces decyzyjny dzieje się wewnątrz modelu, którego nie widzisz. Vendor mówi explainability - sprawdź na demo, co konkretnie pokazuje to wytłumaczenie. W wielu przypadkach to jest jedno zdanie typu priorytet zmieniony ze względu na ryzyko opóźnienia. To nie jest wytłumaczenie. To jest etykieta.

Po drugie - drift. Agent uczy się dalej po wdrożeniu. Jego zachowanie w styczniu i jego zachowanie w lipcu to mogą być dwa różne zachowania. Bez wyraźnego momentu, w którym ktoś zatwierdził zmianę. Klasyczny system zmieniał się w trakcie release'u. Agent zmienia się w trakcie wtorku. Jeśli nie masz mechanizmu monitorowania driftu - po prostu nie wiesz, czym zarządzasz.

Po trzecie - eskalacja, kiedy agent się myli. Kto odpowiada? Zarząd, który podpisał umowę? Manager logistyki, który zatwierdził rollout? Operator, który nie zdążył kliknąć stop? Dostawca, który napisał w umowie best effort? W większości kontraktów ta odpowiedzialność jest rozmyta. A jak przychodzi piątek czternasta trzydzieści - odpowiada ten, kto akurat trzyma telefon w ręku.
W drugiej części odcinka pokazuję, czego konkretnie wymagać od dostawcy: circuit breaker, czyli wyłącznik bezpieczeństwa z określonymi progami wartości decyzji, liczby zamówień, kosztu operacyjnego. Różnicę między prawdziwym kill switchem a soft stopem - bo prawdziwy kill switch cofa decyzję, a soft stop tylko blokuje kolejne. Architekturę trzech progów: twardego, miękkiego i obserwacyjnego. Klauzule odpowiedzialności, które trzeba czytać uważnie, zanim się je podpisze.

W trzeciej części wchodzimy w pytanie najczęściej pomijane: kto jest właścicielem agenta po stronie operacji? Imię i nazwisko. Nie zespół. Nie dział. Nie funkcja. Jedna osoba, która rano otwiera panel i wie, że to jej praca. Pokazuję trzy obowiązki właściciela agenta i wyjaśniam, dlaczego dział IT nie może być właścicielem zachowania agenta w WMS.

W czwartej części dostajesz konkretny plan na najbliższe miesiące: inwentaryzacja decyzji, wyznaczenie właściciela, kontrakt, architektura progów, rytm operacyjny. W tej kolejności. Plus jedno słowo o EU AI Act i o tym, dlaczego decyzja agenta o nadgodzinach dla trzydziestu osób w sobotę to dokładnie ten typ decyzji, którego dotyczy regulacja.

Ten odcinek jest dla zarządów, dyrektorów operacyjnych, managerów logistyki, kierowników magazynów i wszystkich, którzy w najbliższych kwartałach będą podejmować decyzję o module autonomous orchestration w swoim WMS. Albo już go mają i właśnie się zorientowali, że nie do końca wiedzą, jak go zatrzymać.

LINIA CZASOWA
00:20 Wstęp
01:51 Główna część odcinka
02:09 Adopcja agentów AI w magazynach 2026
03:07 Czas decyzji: człowiek kontra agent
04:06 Dokładność kompletacji
05:04 Krzywa adopcji 2022-2028
06:02 Koszt jednego picku
07:00 Przepustowość kompletacji
07:59 Dokładność zapasu
08:57 Anatomia zadań agenta
09:55 Mapa aktywności agenta w magazynie
10:53 ROI w 18 miesiącach
11:52 Macierz strategii wdrożenia
12:50 Harmonogram wdrożenia 12 miesięcy
13:48 Agent vs człowiek vs robot
14:46 Lejek od pilota do skali
15:45 Drzewo eskalacji decyzji
16:43 Zamówienia obsłużone dziennie
17:41 Skład zmiany: ludzie, agenci, roboty
18:39 Cztery KPI po 6 miesiącach
19:37 Ewolucja roli operatora
20:36 Rozkład czasu picku
21:34 Obciążenie godzinowe
22:32 Tryby pracy agenta
23:30 Koszt kontra jakość
24:29 Sygnały czytane w czasie rzeczywistym
25:27 Skalowanie agentów 1 do 12
26:25 Proces od zamówienia do wysyłki
27:23 Dojrzałość AI w logistyce 2026
28:22 Co psuje wdrożenie
29:20 Bezpieczeństwo decyzji agenta
30:18 Następne 24 miesiące

🔗 Kontakt i więcej:

https://locura.pl
https://www.linkedin.com/in/piotrsusz/
https://www.linkedin.com/company/locura-consulting

📖 Przeczytaj artykuł do tego odcinka na blogu:
https://locura.pl/publikacje/

📰 Newsletter LinkedIn - więcej treści eksperckich:
https://www.linkedin.com/in/piotrsusz/recent-activity/newsletter/

🛠 Nasze narzędzia:
https://locura.tech - ekosystem narzędzi logistycznych
https://app.locura.tech - Modeler 3D (projektowanie magazynów)
https://pronostico.locura.tech - Pronostico (prognozowanie popytu AI)

Wchodzę na halę pod Poznaniem. Dyrektor operacyjny pokazuje mi z dumą WMS sprzed dwóch lat. Pytam: kto u was decyduje, gdzie ląduje nowy SKU? Odpowiedź: kierownik zmiany, na oko. W tym momencie wiem, że konkurent obok zjada im obiad. O tym jest ten odcinek - o pieniądzach, których nie widzisz na żadnym panelu, i o decyzji, której większość zarządów nie chce podejmować.

Gdyby wskaźniki w twoim magazynie były naprawdę dobre, drgałyby. Reagowałyby na sezonowość, na promocje, na zmiany w koszyku klienta. A jeżeli linia jest płaska jak stół - to nie jest dowód jakości zarządzania. To dowód na to, że twój system pomiaru nie nadąża za rzeczywistością. AI slotting to nie jest moda technologiczna. To jest odpowiedź na fakt, że rotacje SKU zmieniają się dziś z tygodnia na tydzień, a klasyczne WMS-y planują slotting raz na kwartał, w Excelu, na oko kierownika zmiany.

W tym odcinku rozkładam temat na cztery warstwy:

CZĘŚĆ 1 - GDZIE WYCIEKA PIENIĄDZ, KTÓREGO NIE WIDAĆ

Pokazuję trzy konkretne wycieki w magazynie z klasycznym WMS-em. Ścieżka pickera, która jest budowana na założeniu, że SKU A leży tam, gdzie leżało miesiąc temu - tylko że rotacja A wzrosła i picker chodzi do niego dwa razy częściej. Korelacja koszykowa, czyli pary SKU kompletowane razem, których twój system nie zna, bo plik z korelacjami ktoś zaktualizował pół roku temu. I trzeci wyciek, najmniej oczywisty - ślepa plamka w pomiarach. Twój panel mierzy to, co umie zmierzyć WMS, który masz. A on mierzy to, co projektant systemu uznał za istotne kilka lat temu.
CZĘŚĆ 2 - JAK ZMIERZYĆ WYCIEK U SIEBIE
Cztery konkretne kroki, które możesz wykonać w poniedziałek rano, zanim w ogóle zadzwonisz do dostawcy. Raport rotacji per SKU za 90 dni z podziałem tydzień po tygodniu. Korelacja koszykowa wyciągnięta z bazy zamówień. Ścieżki pickerów - jeżeli twój WMS ich nie loguje, masz pierwszy konkretny argument do rozmowy z dostawcą. I rozbicie czasu kompletacji na strefy - bo jeżeli zdecydowana większość czasu to dojście i powrót, masz problem topologiczny, nie algorytmiczny.

CZĘŚĆ 3 - CO NAPRAWDĘ KUPUJESZ, KIEDY KUPUJESZ MODUŁ UCZĄCY SIĘ

Wbrew temu, co pokazuje prezentacja dostawcy, nie kupujesz algorytmu. Algorytmy slottingu są opisane w literaturze branżowej od lat. Kupujesz integrację (która zjada większą część budżetu i kalendarza), proces decyzyjny (kto akceptuje rekomendacje systemu i co się dzieje, kiedy magazyn jest fizycznie pełny) oraz zmianę roli kierownika zmiany. Ten ostatni punkt jest najtrudniejszy, bo dotyczy ludzi, nie technologii.

CZĘŚĆ 4 - DECYZJA, KTÓREJ NIKT NIE CHCE PODEJMOWAĆ

Wymieniamy WMS w całości, czy dokładamy moduł do tego, co mamy? Trzy pytania, które porządkują tę decyzję: ile lat ma twój WMS i jak głęboko jest scustomizowany, jaki jest twój horyzont planistyczny, jaka jest dojrzałość twojego zespołu IT po stronie magazynowej. I dlaczego zanim w ogóle zaczniesz rozmawiać o module uczącym się, powinieneś przez kwartał zbudować proces decyzyjny ręcznie, na arkuszu, na cotygodniowym spotkaniu.

DLA KOGO TEN ODCINEK

Dla dyrektorów operacyjnych, którzy podejrzewają, że gdzieś coś przecieka, ale nie wiedzą gdzie. Dla członków zarządu, którzy stoją przed decyzją inwestycyjną w obszarze WMS. Dla kierowników magazynów, którzy słyszą o AI slottingu z każdej strony i chcą zrozumieć, co stoi za marketingowymi obietnicami. Dla wszystkich, którzy intuicyjnie czują, że stabilność wskaźników w czasach niestabilnego rynku to podejrzana stabilność.
KONKRETNE ZADANIA NA PONIEDZIAŁEK RANO
Po tym odcinku masz dwa zadania. Pierwsze: wyciągnij listę 20 najczęściej kompletowanych indeksów z ostatnich 30 dni i porównaj z listą sprzed pół roku. Drugie: ustal, kto u ciebie w piątek po południu patrzy na dane rotacji i decyduje, co przesunąć w weekend. Jeżeli takiej osoby nie ma - żadna technologia tego nie naprawi.

🔗 Kontakt i więcej:
https://locura.pl
https://www.linkedin.com/in/piotrsusz/
https://www.linkedin.com/company/locura-consulting

📖 Przeczytaj artykuł do tego odcinka na blogu:https://locura.pl/publikacje/

📰 Newsletter LinkedIn - więcej treści eksperckich:
https://www.linkedin.com/in/piotrsusz/recent-activity/newsletter/

🛠 Nasze narzędzia:
https://locura.tech - ekosystem narzędzi logistycznych
https://app.locura.tech - Modeler 3D (projektowanie magazynów)
https://pronostico.locura.tech - Pronostico (prognozowanie popytu AI)

Zainwestowałeś miliony w automatyzację magazynu, a zamówienia wciąż wychodzą z opóźnieniem? Kompletacja kuleje, ludzie na hali są sfrustrowani, a zwrot z inwestycji nie nadchodzi? W tym odcinku pokazuję cztery konkretne miejsca, w których nowoczesne, zautomatyzowane magazyny się wykładają - i żadne z nich nie dotyczy samej technologii.
Problem niemal nigdy nie leży w maszynie. Maszyna robi dokładnie to, do czego została zaprogramowana. Problem leży w tym, co dzieje się dookoła niej - w procesach, danych, ludziach i integracji systemów. Te cztery fundamenty decydują o tym, czy miliony wydane na system shuttle, przenośniki czy sortery kiedykolwiek się zwrócą.

W pierwszej części odcinka rozbijam mit, że wystarczy kupić technologię i podłączyć ją do istniejących operacji. Pokazuję, dlaczego firma, która zautomatyzowała proces bez wcześniejszego zmapowania go w szczegółach, dostaje zautomatyzowany chaos - tyle że szybszy i droższy niż chaos manualny. Główny przepływ towarowy obsługujący 70-80% wolumenu zazwyczaj działa. Sęk w pozostałych 20-30% - wyjątkach, zwrotach, niestandardowych zamówieniach - które przed automatyzacją obsługiwali ludzie w sposób nieformalny, a po wdrożeniu generują kaskadę problemów blokujących cały system.

W drugiej części wchodzę w temat jakości danych - masterowych, stanów magazynowych i informacji, które WMS przekazuje automatyce jako instrukcje operacyjne. W środowisku manualnym operator kompensuje błędy w danych instynktownie - idzie po towar, nie znajduje go, rozgląda się i ogarnia. W środowisku zautomatyzowanym ten sam błąd generuje kaskadę zdarzeń: pusty pojemnik na stacji kompletacji, zgłoszenie rozbieżności, oczekiwanie na kolejny pojemnik, rosnąca kolejka zadań. Pomnóż to przez kilkadziesiąt sytuacji dziennie i zobaczysz, jak teoretyczna przepustowość systemu rozmywa się w praktyce. Omawiam trzy główne źródła rozbieżności i daję konkretne pytania diagnostyczne do sprawdzenia inventory accuracy.
Trzecia część dotyczy ludzi - operatorów, kierowników zmian i liderów zespołów, którzy każdego dnia pracują ramię w ramię z maszynami. Automatyzacja fundamentalnie zmienia rolę człowieka w procesie: z osoby sterującej procesem na osobę reagującą na polecenia systemu. To ogromna zmiana psychologiczna, którą większość firm kompletnie ignoruje. Efekt? Spadek zaangażowania, obchodzenie systemu i rotacja - razem z którą odchodzi wiedza operacyjna, której brak był problemem numer jeden.
Czwarta część to temat, o którym w branży mówi się najrzadziej - integracja systemów. WMS, WCS, ERP, TMS - każdy system ma swojego dostawcę, swoją logikę i swój format danych. To, co dzieje się na styku między nimi, to ziemia niczyja, na której rosną najpoważniejsze problemy operacyjne. Mikroopóźnienia w komunikacji między systemami, problemy z wersjonowaniem, brak właściciela integracji - te kwestie potrafią zjadać godziny przepustowości dziennie w sposób niewidoczny w standardowych raportach.
Dla każdego z czterech obszarów dostajesz konkretne pytania diagnostyczne i rekomendacje, które możesz wdrożyć bez dodatkowego budżetu. Potrzebujesz kartki papieru, wygodnych butów i gotowości, żeby zobaczyć swój magazyn takim, jakim naprawdę jest.

Timeline:

00:00 Intro
01:33 Proces, którego nikt nie narysował
07:05 Dane, które kłamią w żywe oczy
13:35 Ludzie, których nikt nie przygotował
20:26 Integracja, o której nikt nie chce rozmawiać
26:15 Outro

🔗 Kontakt i więcej:
https://locura.pl
https://www.linkedin.com/in/piotrsusz/
https://www.linkedin.com/company/locura-consulting
📖 Przeczytaj artykuł do tego odcinka na blogu:
https://locura.pl/publikacje/
📰 Newsletter LinkedIn - więcej treści eksperckich:
https://www.linkedin.com/in/piotrsusz/recent-activity/newsletter/
🛠 Nasze narzędzia:
https://locura.tech - ekosystem narzędzi logistycznych
https://app.locura.tech - Modeler 3D (projektowanie magazynów)
https://pronostico.locura.tech - Pronostico (prognozowanie popytu AI)

Zarządzanie zapasami to obszar, w którym firmy tracą najwięcej pieniędzy, często w ogóle o tym nie wiedząc. Złe decyzje zakupowe, przestoje na produkcji czy rotacja pracowników to ułamek kosztów w porównaniu do kapitału zamrożonego w nadmiernych stanach magazynowych lub utraconej sprzedaży z powodu braków towaru.

W tym odcinku nie znajdziesz teoretycznych rozważań. Przechodzimy przez konkretne mechanizmy, wzory matematyczne i narzędzia, które możesz wdrożyć w swojej firmie od razu. Omawiamy pełną analitykę, która pozwala zamienić przeczucia zakupowców na twarde dane.

Zaczynamy od skali problemu. Globalnie słabe zarządzanie zapasami kosztuje firmy około 1,1 biliona dolarów rocznie. Na poziomie pojedynczej firmy to średnio 11% rocznych przychodów. Koszt utrzymania zapasów to nie tylko czynsz za halę, to 20 do 30% wartości magazynu rocznie obejmujące zamrożony kapitał, ubezpieczenie, obsługę i ubytki.

Kluczowym elementem naprawy sytuacji jest wielowymiarowa klasyfikacja produktów. Sama analiza ABC to zdecydowanie za mało. Omawiam, jak połączyć analizę ABC w trzech wymiarach (po przychodzie, po wolumenie i po częstotliwości pobrań) z klasyfikacją XYZ, która mierzy stabilność popytu za pomocą współczynnika zmienności. Połączenie tych danych daje macierz, która pozwala przypisać odpowiedni poziom obsługi klienta (service level) do konkretnej grupy indeksów. Nie możesz trzymać 99% dostępności na wszystkim, bo zbankrutujesz.

Kolejny krok to prognozowanie popytu. Wyjaśniam, dlaczego metody klasyczne, takie jak Holt-Winters, świetnie sprawdzają się dla produktów o stabilnym popycie, wyłapując poziom bazowy, trend i sezonowość. Dla produktów o nieregularnym popycie (klasa Z) konieczne jest zastosowanie metod specjalistycznych, takich jak metoda Crostona. Tłumaczę również, jak mierzyć błąd prognozy za pomocą wskaźnika MAPE oraz dlaczego forecast bias (systematyczne odchylenie) jest równie niebezpieczny co sam błąd prognozy.

Przechodzimy również przez precyzyjne wyliczanie zapasu bezpieczeństwa (safety stock). Koniec z dodawaniem 20% buforu na oko. Zapas bezpieczeństwa = Z-score razy odchylenie standardowe popytu razy pierwiastek z sumy lead time i review period. Pokazuję na konkretnym przykładzie liczbowym, jak wyliczyć punkt ponownego zamówienia (reorder point) i dlaczego skracanie czasu realizacji zamówienia (lead time) to najpotężniejsze narzędzie redukcji zapasów. Omawiam także klasyczny wzór na ekonomiczną wielkość zamówienia (EOQ) oraz pułapki związane z minimalnymi wielkościami zamówienia (MOQ).

Zarządzanie zapasami to także walka z efektem byczego bicza (bullwhip effect), gdzie małe wahania popytu u klienta końcowego generują gigantyczne zamówienia w górę łańcucha dostaw. Tłumaczę, jak zjawisko popytu widmo (phantom demand) prowadzi do budowania nadmiernych zapasów i jak się przed tym bronić poprzez współdzielenie danych i krótsze cykle zamawiania.
Na koniec dostajesz zestaw konkretnych wskaźników do monitorowania: wskaźnik rotacji zapasów (Inventory Turnover Ratio), wskaźnik pokrycia (Days of Supply) oraz procent martwych zapasów (Dead Stock). Omawiam 7 najczęstszych błędów w zarządzaniu zapasami i podaję 5-etapowy plan działania, który pozwoli Ci uporządkować sytuację w ciągu jednego kwartału.

00:00 Wstęp i dlaczego zarządzanie zapasami to nie poboczny temat
01:45 Skala problemu: biliony dolarów strat i ubytki magazynowe
03:20 Klasyfikacja ABC i dlaczego jeden wymiar to za mało
04:50 Macierz ABC/XYZ w praktyce i uwalnianie zamrożonego kapitału
06:30 Prognozowanie popytu: MAPE, Holt-Winters i metody Crostona
08:15 Zapas bezpieczeństwa (Safety Stock) - konkretne wzory i obliczenia
10:45 EOQ i pułapki minimalnych wielkości zamówień (MOQ)
11:30 Efekt byczego bicza (Bullwhip Effect) i popyt widmo
13:20 Kluczowe wskaźniki: Rotacja zapasów i Days of Supply
14:50 7 najczęstszych błędów w zarządzaniu zapasami
16:10 5 kroków do wdrożenia zmian od zaraz

🔗 Kontakt i więcej:

https://locura.pl
https://www.linkedin.com/in/piotrsusz/
https://www.linkedin.com/company/locura-consulting

📖 Przeczytaj artykuł do tego odcinka na blogu:
https://locura.pl/publikacje/

📰 Newsletter LinkedIn - więcej treści eksperckich:
https://www.linkedin.com/in/piotrsusz/recent-activity/newsletter/

🛠 Nasze narzędzia:
https://locura.tech - ekosystem narzędzi logistycznych
https://app.locura.tech - Modeler 3D (projektowanie magazynów)
https://pronostico.locura.tech - Pronostico (prognozowanie popytu AI)