Bagian 3: Teknologi di dalam Pusat Distribusi

Adopsi teknologi pusat distribusi didorong oleh kebutuhan untuk memotong biaya tenaga kerja,
meningkatkan produktivitas, mengoptimalkan aliran produk, dan mendapatkan tingkat
pemanfaatan tertinggi di dalam pusat distribusi. Secara historis, laju inovasi teknologi di pusat
distribusi sangat lambat. Alasan utamanya adalah pengembangan dan penerapan teknologi
didorong oleh keputusan investasi jangka panjang dan prioritas perusahaan lainnya. Seringkali,
pergudangan dan investasi rantai pasokan merupakan renungan selama proses penganggaran
perusahaan. Pertimbangkan, misalnya, teknologi barang-ke-orang dan antarjemput. Dalam kedua
kasus tersebut, siklus pengembangan dan penerapan teknologi di industri membutuhkan waktu
10 hingga 15 tahun dari pengenalan hingga kedewasaan di sebagian besar negara industri.
Namun, proses inovasi teknologi di pusat distribusi siap untuk berubah secara signifikan selama
beberapa tahun ke depan. Di masa lalu, proses ini ditentukan oleh investasi awal yang besar dan
hanya terjadi secara sporadis. Dalam banyak kasus, pengembalian investasi untuk proyek inovasi
ini seringkali dapat dipulihkan dalam 10 tahun atau lebih. Selain itu, perkembangan teknologi ini
secara historis mengalami keterbatasan dalam skalabilitas karena, dalam banyak kasus, sebagian
besar biayanya telah diperbaiki. Inovasi masa depan yang sukses perlu membatasi persyaratan
investasi di muka, dapat diskalakan, dan membuat biaya variabel lebih relevan dalam cara
pengadaan dan pengoperasian teknologi ini.
Teknologi pusat distribusi juga secara historis mengkhususkan diri dalam memenuhi kebutuhan
akan efisiensi yang lebih besar atau waktu siklus yang lebih pendek di dalam empat dinding.
Jarang mereka berfokus pada peningkatan efisiensi dan waktu siklus. Asumsi sebagian besar
perusahaan adalah bahwa pusat distribusi umumnya beroperasi di lingkungan di mana
pengurangan biaya operasional merupakan prioritas utama dengan mengorbankan waktu siklus
operasional dan pengiriman. Dan dalam kasus di mana mengurangi waktu siklus adalah prioritas,
perusahaan perlu meningkatkan efisiensi dengan membagi pesanan di beberapa zona
pengambilan dan mengadaptasi pemrosesan paralel untuk memungkinkan pemenuhan pesanan
yang lebih sempit jendela. Di masa mendatang, kami melihat kecenderungan untuk semakin
mengembangkan dan menerapkan teknologi yang menjawab kebutuhan untuk meningkatkan
efisiensi dan waktu siklus di dalam pusat distribusi. Metode lean, seperti Continuous
Improvement dan Kaizen telah diadopsi di banyak pusat distribusi karena teknik yang
dikembangkan untuk manufaktur ini telah diterapkan di gudang. Mereka memberikan
peningkatan produktivitas yang luar biasa serta pengurangan biaya. Penerapan disiplin teknik ini,
ditambah dengan perangkat lunak pengoptimalan yang sangat canggih (WMS, WES, Manajemen
Tenaga Kerja), telah meningkatkan kinerja pusat distribusi secara dramatis.
Perubahan masa depan dalam inovasi teknologi di pusat distribusi kemungkinan akan mendapat
manfaat dari masuknya modal barubaru ini ke dalam layanan teknologi rantai pasokan.
Perusahaan baru-baru ini melakukan investasi penting karena beberapa alasan. Pertama, adanya
antisipasi meningkatnya permintaan akan distribusi yang lebih kompleks. Dan kedua, karena
tuntutan untuk menanggapi permintaan e-niaga yang lebih besar dan jendela pengiriman yang
lebih pendek, banyak perusahaan harus mengkonfigurasi ulang jaringan distribusi mereka dan
meningkatkan jumlah dan kecanggihan pusat distribusi mereka.
Contoh dari investasi baru ini adalah kasus Honeywell dan akuisisinya atas Intelijen sebesar $1,5
miliar pada Juli 2016. Intelijen memproduksi dan memasang solusi penanganan material,
termasuk sistem konveyor dan penyortiran. Selain itu, perusahaan modal ventura berinvestasi di
perusahaan rintisan teknologi pusat distribusi seperti Fetch Robotics dan Locus Robotics yang
mengembangkan solusi robotik yang serupa dengan yang dikembangkan oleh Kiva, yang
diakuisisi oleh Amazon beberapa tahun lalu. Masingmasing perusahaan ini mengumpulkan lebih
dari $30 juta selama dua tahun terakhir. Jenis investasi ini tidak hanya menarik pendanaan dalam
jumlah besar tetapi juga talenta operasi dari disiplin ilmu seperti Fisika dan Ilmu Data yang dapat
memacu pengembangan teknologi baru dan meningkatkan laju inovasi ke tingkat yang belum
pernah dialami industri sebelumnya. Misalnya, Walmart Labs, yang berisi bagian e-niaga dari
Walmart, telah mempekerjakan banyak pakar dengan gelar lanjutan untuk membantu mereka
mengatasi tantangan lingkungan pusat distribusi baru.
Otomatisasi gudang
Sementara banyak jenis otomatisasi gudang telah ada sejak lama, masih relatif dini untuk solusi
robot baru yang canggih seperti yang dijelaskan sebelumnya dalam laporan ini. Ada kebutuhan
untuk menyelesaikan banyak masalah yang dihadapi perusahaan yang mencoba mengotomatisasi
fasilitas penyimpanan. Sebagian besar otomatisasi yang telah dipasang selama 50 tahun terakhir
mahal dan tidak fleksibel. Mahal dan tidak fleksibel bukanlah kombinasi yang baik. Perusahaan
perlu menganalisis aliran proses dan otomatisasi struktur mereka yang bisa fleksibel dalam
jangka panjang. Beberapa teknologi yang ada seperti AS/RS atau stacker crane dianggap terlalu
tidak fleksibel. Kendaraan berpemandu otomatis memiliki masalah serupa. Beberapa perusahaan
telah melakukan kesalahan dengan hanya memikirkan kebutuhan saat ini dan tidak
mempertimbangkan bagaimana bisnis dan lingkungan akan berkembang. Salah satu perusahaan
yang kami wawancarai mengatakan bahwa "penyedia otomasi ingin perusahaan menyerahkan
CAPEX mereka dan kemudian selesai." Itu bukan solusi yang realistis dan cenderung
menghasilkan solusi yang tidak bertahan lama.
Alasan penting mengapa perusahaan harus memeriksa ulang otomatisasi di gudang adalah
kesulitan staf pusat distribusi. Sebagai contoh, ketika perusahaan memulai sebuah fasilitas besar
yang berisi sekitar $50 juta peralatan rak dan otomasi, mereka membutuhkan sekitar 200 orang
untuk menjalankan gedung tersebut. Namun, pada musim liburan, mereka membutuhkan 2.500.
Dan, sulit menemukan cukup banyak orang untuk mendukung operasi itu.
Di area di mana banyak pusat distribusi berada seperti area Memphis atau Pennsylvania Timur,
menjadi sulit untuk mempekerjakan staf ketika di area terdekat Anda, mungkin, ada 12 bangunan
lain seluas satu juta kaki persegi dan perlu menampung 200-400 orang. menjadi 3.000 hingga
4.000 orang semuanya di kuartal keempat. Menemukan karyawan jangka pendek untuk
mengoperasikan fasilitas tersebut bisa jadi sulit. Kebijakan perusahaan memerlukan pengujian
obat-obatan dan pemeriksaan latar belakang yang dapat membuat masalah perekrutan yang sulit
menjadi tidak terkendali.
Perusahaan yang beroperasi di daerah di mana pasokan tenaga kerja terbatas meningkatkan
pengembalian sistem otomatisasi periode di gudang. Secara tradisional, perusahaan mencari
pengembalian 12 hingga 18 bulan untuk otomatisasi gudang, periode pengembalian tersebut
mulai meningkat di Amerika Utara. Dalam banyak kasus, sekarang mendekati dua sampai tiga
tahun, dan di Eropa perusahaan sering mencari ROI lima sampai tujuh tahun untuk sistem
otomasi. Ini berarti jumlah modal yang bersedia diinvestasikan perusahaan dalam otomatisasi
gudang cenderung meningkat. Seorang pakar mengatakan kepada tim peneliti bahwa baru-baru
ini mereka telah melihat lebih banyak otomatisasi senilai $40 juta-$60 juta dipasang di pusat
distribusi daripada sebelumnya.
Otomatisasi pergudangan telah terbukti sangat mahal karena kebutuhan peningkatan,
pemeliharaan, dan manajemen hariannya yang konstan. Selain itu, sistem penyimpanan dan
pergudangan membutuhkan pendekatan dan pola pikir yang berbeda dari sebelumnya. Ini karena
banyak pasar secara historis mengalami banyak kondisi penyimpanan berlebih.

Otomatisasi ritel
Bagi banyak perusahaan, skenario yang mungkin terjadi adalah mereka akan menggabungkan
jaringan pusat distribusi hybrid yang mencakup otomatisasi, semi otomatisasi, dan proses
manual. Menurut beberapa peserta penelitian kami, pusat distribusi hybrid akan dilengkapi
dengan pusat pemenuhan khusus dan pergudangan sesuai permintaan. Alasannya adalah
pengecer online biasanya mengelola banyak Stock Keeping Unit (SKU) yang berbeda
dibandingkan dengan pengecer tradisional. Bukan hal yang aneh bagi pengecer seperti Amazon
untuk menangani SKU dalam jumlah besar. Seorang pengecer memberi tahu kami bahwa mereka
berharap dapat menangani 2 hingga 3 juta SKU. Jenis bermacam-macam ini sulit dipertahankan
dalam satu fasilitas, sehingga jaringan gudang perlu terdiri dari berbagai jenis fasilitas di mana
beberapa pusat distribusi tersebut dekat dengan pelanggan.
Salah satu perusahaan permainan murni e-niaga terkemuka yang termasuk dalam penelitian kami
percaya bahwa jejak toko ritel AS kemungkinan besar akan menyusut secara substansial.
Diperkirakan dari 1.100 pusat perbelanjaan berdiri di AS, sekitar 700 atau 800 akan layak lima
tahun dari sekarang.4Toko yang lebih kecil, atau rantai toko serba ada seperti 7-11 atau Circle K
cenderung lebih sukses karena tidak tertahan oleh komitmen biaya yang signifikan terkait dengan
kepemilikan ritel besar.
Eksekutif senior perusahaan permainan murni e-niaga lainnya juga percaya bahwa lebih sedikit
pusat pemenuhan akan dibutuhkan. Dia memberi tahu tim peneliti bahwa pelanggan akan
membuat pilihan dalam kecepatan versus. biaya, dan perusahaan perlu mengusahakan
optimalitas dalam pendekatan yang dipilih konsumen. Salah satu opsinya adalah “klik dan
kumpulkan” karena lebih murah karena menghilangkan biaya pengiriman last mile. Ini mungkin
salah satu alasan mengapa Amazon baru-baru ini memilih untuk membeli Whole Foods,
pengecer grosir batu bata dan mortir. Ini akan memungkinkan Amazon untuk dengan cepat
mengembangkan jaringan "klik dan kumpulkan" untuk makanan dan barang kemasan konsumen
yang dapat sangat meningkatkan kecepatan pengiriman dan, mungkin, mengurangi biaya dari
opsi pengiriman mereka saat ini.
Jika kita memproyeksikan permintaan di masa depan dan memeriksanya dari sudut pandang
perilaku konsumen, kita dapat melihat seperti apa jaringan distribusi di masa depan. Alih-alih
pusat distribusi yang hanya menangani palet atau kotak, pengecer harus memiliki simpul
distribusi yang lebih fleksibel dan gesit yang mampu melakukan banyak fungsi. Mereka akan
mengisi peti, palet, atau masing-masing dan perlu beralih di antara berbagai jenis pengiriman
tersebut dengan lancar.
Beberapa peserta penelitian kami percaya bahwa, di masa depan, toko ritel batu bata dan mortir
akan tetap penting. Pengecer yang memiliki toko batu bata dan mortir sudah mulai menggunakan
toko ini sebagai bagian dari jaringan distribusi mereka. Seiring berkembangnya ritel omni-
channel, kita mungkin menyaksikan pengaburan total semua saluran ini dan fasilitas yang
mendukungnya akan menjadi bagian dari satu model pemenuhan. Di masa mendatang, perangkat
lunak pengoptimalan akan diperlukan untuk berada di atas jaringan distribusi yang akan
mengidentifikasi di mana inventaris berada terlepas dari apakah inventaris tersebut dimiliki oleh
perusahaan, grosir, atau pengecer, atau apakah inventaris tersebut berada di hulu. fasilitas
pemasok. Berdasarkan parameter biaya dan janji pemenuhan yang diberikan kepada konsumen,
analitik akan merencanakan cara menerapkan inventaris tersebut. Menggunakan analitik
prediktif, jaringan masa depan akan memungkinkan pengguna untuk menerapkan inventaris
sebelum pelanggan memberi sinyal bahwa mereka menginginkannya. Inventaris akan
ditempatkan secara strategis di seluruh rantai pasokan dengan cara yang dapat diprediksi.
Jaringan masa depan akan terdiri dari beberapa jenis node berbeda yang akan membutuhkan
perangkat lunak yang fleksibel dan gesit yang dapat beroperasi di tepi Internet. Perangkat lunak
ini akan diaktifkan melalui analitik prediktif yang hampir tidak ada saat ini.
Sebagian besar pengecer tidak pernah mencapai tingkat layanan ini. Ini berarti bahwa perusahaan
harus mengatasi kompleksitas yang meningkat di mana alih-alih pengiriman mingguan standar
ke satu lokasi, pengirim harus mengetahui bagaimana mereka mengoptimalkan rantai pasokan
mereka baik di hulu maupun hilir dari pusat distribusi. Mereka harus mencari tahu di jaringan
mana untuk menjatuhkan pesanan ke fasilitas lokal yang dekat dengan konsumen karena biaya,
efisiensi, dan tingkat penyampaian layanan. Kemampuan seputar pengiriman unit individual dan
bukan palet merupakan hal yang rumit bagi pengirim, terutama jika inventaris berada di hulu
dalam rantai pasokan. Biasanya, perusahaan yang memilih unit individu akan memasang
otomatisasi. Otomatisasi ini dapat mencakup peralatan penyortiran tetapi juga dapat mencakup
pick-to-light, put walls, dan pengambilan suara sehingga karyawan gudang dapat menggunakan
pengambilan bebas genggam. Mendapatkan otomatisasi semacam itu di tempat unit dikemas,
disajikan dengan benar dalam paket dengan produksi label yang sesuai, lalu dikirim keluar pintu
bisa sangat menantang. Kemampuan yang kaya yang mencakup layanan nilai tambah yang rumit
membutuhkan fleksibilitas. Jenis otomatisasi kompleks ini sulit didukung di masa lalu untuk
beberapa vendor WMS ERP atau yang lebih kecil (Tingkat 2)
Faktor kompleksitas lainnya adalah lingkungan regional. Misalnya, orang di Inggris berpikir
berbeda tentang berbelanja daripada orang di AS. Rumah khas di Inggris Raya memiliki ruang
penyimpanan yang lebih kecil daripada di AS. Jadi, jumlah pembelian biasanya jauh lebih kecil
di Inggris daripada di AS meskipun biaya logistik yang terkait dengan bundel produk yang lebih
besar mungkin lebih rendah di AS karena skala ekonomi. Rumah tangga di Inggris biasanya
berbelanja setiap hari. Ini berarti bahwa penambahan persediaan di toko dan gudang di Inggris
akan berbeda dari yang ada di AS. Ketika perusahaan telah mengglobal, mereka melihat
segudang lingkungan pasar dan budaya yang juga mendorong bentuk dan biaya rantai pasokan
mereka. Sebagian besar organisasi multinasional menyadari bahwa tidak akan ada satu strategi
yang dapat mereka terapkan dengan mudah secara global. Gagasan untuk mendefinisikan proses
global dan kaku yang keluar dari ERP standar dengan cepat menjadi usang. Kami beralih ke
proses bisnis yang jauh lebih cerdas, tertanam, mudah beradaptasi, gesit, dan tangguh.

Otomatisasi Generasi Berikutnya

Bagian selanjutnya akan menjelaskan aplikasi teknologi yang akan mengatasi banyak
kekurangan pengembangan teknologi yang dialami di industri dan disorot di atas. Aplikasi ini
dibangun berdasarkan kebutuhan untuk membatasi persyaratan investasi, mengurangi batasan
dalam skalabilitas, dan membuat biaya variabel lebih relevan dalam cara penerapan dan
pengoperasian teknologi. Mereka juga menjawab kebutuhan untuk meningkatkan efisiensi dan
waktu siklus di dalam pusat distribusi sebagai lawan dari memajukan efisiensi dengan
mengorbankan waktu siklus atau sebaliknya. Selain itu, mereka telah menambahkan kemampuan
baru untuk membantu memecahkan masalah kompleks yang diketahui di industri. Meskipun
aplikasi sedikit berbeda dalam kesiapannya.
1. Kendaraan Berpanduan Otomatis / Autonomously Guided Vehicles (AGV)

Secara historis, AGV mengacu pada Kendaraan Berpanduan Otomatis. Tapi AGV baru
bermunculan. AGV ini adalah Kendaraan yang Dipandu Secara Otonom, yang berbeda dan jauh
lebih fleksibel daripada AGV lama. AGV menggunakan radar, pemindaian kamera, dan sensor
ultrasonik dan infra merah untuk merutekan dirinya sendiri tanpa jalur yang telah ditentukan.
AGV membuat peta dalam database mereka sendiri dan terus memperbaruinya karena mereka
sadar akan perubahan lingkungan mereka. Mereka mirip dengan mobil dan truk self-driving yang
sudah mulai bermunculan di jalan raya. AGV dapat muncul sesuai permintaan, beradaptasi
dengan perubahan arah, dan beradaptasi dengan penghalang atau rintangan yang masuk dan
keluar dari rutenya. Hal ini memungkinkan fleksibilitas dan penerapan cepat tanpa perlu
perubahan infrastruktur yang signifikan di dalam pusat distribusi. Ini juga menawarkan
kesempatan untuk menggunakan solusi sesuai permintaan di dalam pusat distribusi untuk periode
jangka pendek atau selama musim puncak.
AGV mengatasi batasan utama dari sistem sebelumnya, seperti robot Kiva, yang menggunakan
jalur tetap yang mahal untuk diubah setelah dipasang. Mereka juga meningkatkan solusi yang
lebih mendasar yang dibatasi oleh perutean sederhana dan kemampuan pengambilan keputusan
tingkat rendah. Solusi dasar ini digunakan untuk menyertakan elemen, seperti lift yang dipasang
di kawat, reflektor yang dipasang secara permanen, suar, kode batang di lantai, atau pita
magnetik untuk "AGV lama". Ini semua diperbaiki dan menggunakan perutean dan pelacakan
berurutan yang cukup tidak fleksibel dan mahal.
Ada dua bentuk aplikasi utama dari “AGV”. Yang pertama berfokus pada pengambilan karton
penuh dari rak penyimpanan. Yang kedua berfokus pada pengambilan unit. Solusi ini
menggunakan AGV yang dapat merencanakan dan bereaksi secara dinamis berdasarkan
perubahan di lingkungannya serta dari umpan balik yang diterima dari AGV lain dalam sistem.
Tiga perusahaan yang memimpin pengembangan solusi ini adalah Symbiotic, untuk pengambilan
kasus penuh, dan Clearpath Robotics dan Karis Pro, untuk pengambilan satu unit.
2. Vertical, Aplikasi Pengambilan Casing Penuh
Shuttle System telah mendominasi ruang teknologi untuk aplikasi pengambilan kotak penuh
secara vertikal selama lebih dari sepuluh tahun. Sistem ini berevolusi dari teknologi sistem
penyimpanan dan pengambilan otomatis (AS/RS) yang diperkenalkan pada 1960-an. Mereka
menggunakan lift yang melintasi berbagai tingkat antar-jemput dan infrastruktur konveyor
(terkadang disebut sebagai "loop") yang memasangkan penyimpanan dan modul pick antar level.
Masalah dengan lift vertikal dan loop adalah bahwa mereka sering membuat hambatan dalam
aliran Shuttle System. Beberapa perusahaan sedang mengembangkan aplikasi teknologi yang
mengatasi kendala ini. Beberapa dari mereka sedang mengerjakan perwujudan teknologi pesawat
ulang-alik yang tidak memiliki loop konveyor. Setiap antar-jemput memiliki liftnya sendiri,
stasiun kerja ditempatkan di sekeliling penyimpanan, dan antar-jemput tidak lagi terikat pada
jalur tetap, ke lift, ke loop konveyor, dan kemudian ke stasiun kerja. Gerakan tidak independen
untuk setiap kok, dan shuttle memiliki tiga dimensi perjalanan yang tersedia untuknya.
Beberapa perusahaan mengembangkan solusi yang meniadakan kebutuhan forklif tradisional
dalam lingkungan pengambilan peti penuh secara vertikal. Solusi ini menggantikan fork lift
untuk unit kecil yang dipandu secara otonom yang dipasang langsung ke rak palet. Unit-unit ini
dapat bergerak secara vertikal dan menyamping di rak dan memiliki lengan yang dapat
diperpanjang yang memungkinkan mereka mengambil kotak dari rak di tempat yang tinggi. Di
luar pengurangan biaya tenaga kerja, keuntungan utama yang diberikan solusi ini adalah mudah
diterapkan di semua jenis lingkungan pergudangan, termasuk yang memiliki gang sempit, rak di
ketinggian, dan rak yang tidak sejajar.
 3. Aplikasi Pengambilan Robot

Ada pertemuan yang terjadi antara tenaga kerja dan teknologi pengambilan robot. Tugas
pengambilan biasanya menyumbang 55 hingga 65 persen dari total biaya tenaga kerja operasi
pergudangan7. Biaya ini diperkirakan akan meningkat selama beberapa tahun ke depan.
Sejumlah negara bagian di seluruh negeri telah menaikkan upah minimum menjadi $12 dan $15
per jam. Selain itu, akses ke tenaga kerja menjadi semakin sulit di daerah-daerah di mana pusat-
pusat distribusi beroperasi, khususnya pusat-pusat perkotaan. Menurut artikel Fortune baru-baru
ini, 1,4 juta pekerja akan dibutuhkan di pusat distribusi dan area rantai pasokan lainnya pada
tahun depan8. Satu masalah adalah bahwa industri distribusi, yang biasanya merupakan
pekerjaan berupah rendah, tidak begitu terlihat atau menarik bagi banyak pencari kerja. Selain
itu, bahkan jika pencari kerja mengetahui industri ini, mereka cenderung memiliki citra usang
tentang forklift yang berisik yang melewati gudang yang kotor. Tantangan tenaga kerja ini sangat
kontras dengan penurunan biaya teknologi robot yang cepat. Ini tidak hanya terbatas pada
Amerika Utara dan Eropa. Di tempat-tempat seperti Cina, kenaikan upah, kesulitan
mempekerjakan dan mempertahankan pekerja, dan perubahan budaya diperkirakan akan
meningkatkan permintaan robot secara dramatis.
Peningkatan popularitas aplikasi robotik sebagian merupakan hasil dari peningkatan akses ke
pembelajaran mesin dan komputasi kognitif, pembuatan data di pusat distribusi oleh Internet of
Things (IoT) dan jaringan penginderaan, serta peningkatan kesadaran melalui pengambilan
keputusan. pembuat ketersediaan data tersebut. Perusahaan mempertimbangkan aplikasi robot
untuk pengambilan produk dari rak-rak. Selama proses mengambil item dari rak, otak membuat
banyak keputusan. Ini termasuk menetapkan produk mana yang dapat dijangkau, mengevaluasi
atribut produk, dan menetapkan produk spesifik mana yang akan dipilih. Ini adalah keputusan
yang dapat dibantu oleh pembelajaran mesin dan komputasi kognitif, terutama di lingkungan di
mana hanya segelintir produk yang dapat menimbulkan banyak kerumitan. Kesulitannya bukan
terletak pada persyaratan yang diperlukan untuk memprogram robot. Kompleksitasnya terletak
langsung pada produk itu sendiri. Produk bisa rapuh atau reflektif. Itu juga bisa memiliki bentuk
yang tidak beraturan atau tidak konsisten secara geometris. Semua faktor ini berjumlah
variabilitas tak terbatas, derajat kebebasan, dan kesulitan dalam pengembangan dan
implementasi.
Masalah-masalah ini sekarang sedang dipecahkan dengan rangkaian kasus yang terus
berkembang seputar pemilihan produk, penurunan biaya penglihatan dan teknologi penginderaan
3D (tiga dimensi), dan memajukan perangkat lunak. RightHand Labs telah merancang dan
menguji coba solusi lengan robotik, yang disebut ReFlex, untuk pengambilan "setiap" yang
bertujuan untuk berhasil memenuhi permintaan pengambilan di dunia nyata di ruang
pergudangan yang sempit, seperti yang ditempati oleh unit rak di pusat pemenuhan Amazon.
Solusi yang dievaluasi dalam area aplikasi ini berbeda dalam desain mekanisnya10. Mulai dari
lengan robot tunggal yang besar dan statis hingga robot dua lengan bergerak. Jenis desain yang
terakhir menawarkan solusi yang lebih terukur dan dapat menjalankan kedua lengan secara
paralel untuk mencapai pengambilan yang lebih cepat saat melibatkan pesanan multi produk atau
di lingkungan di mana produk yang perlu diambil terhalang oleh produk lain di rak. Solusinya
juga berbeda dalam desain kemampuan mencengkeramnya. Beberapa solusi menggunakan
desain gesekan (pegangan jari) sementara yang lain menggunakan desain hisap. Sementara
desain hisap tidak dapat dengan mudah memutar atau memanipulasi produk di rak yang padat,
mereka lebih fleksibel daripada desain gesekan karena mereka dapat mengakomodasi variasi
bentuk dan ukuran produk yang lebih luas.
Sebagian besar aplikasi di ruang ini menggunakan solusi persepsi visual berdasarkan cahaya
terstruktur untuk persepsi 3D. Solusi ini memberi robot kemampuan untuk memproses
permukaan objek 3D melalui penggunaan metode pengkodean berbasis cahaya11. Mereka juga
membangun alat sumber terbuka seperti Point Cloud Library (PCL) dan Open Source Computer
Vision (OpenCV) untuk memenuhi kebutuhan penginderaan dasar. PCL dan Open CV berisi
algoritma pembelajaran mesin yang memfasilitasi pemfilteran, estimasi fitur, rekonstruksi
permukaan, registrasi, pemasangan model, dan segmentasi citra 3D12. Namun, karena kerapatan
produk di rak rak meningkat, sistem penginderaan memerlukan perangkat lunak penglihatan
yang lebih canggih untuk dapat membedakan produk. Desain perencanaan dan kontrol untuk
solusi ini sangat terspesialisasi untuk lingkungan yang berbeda. Salah satu tujuannya adalah
untuk memaksimalkan produktivitas pengambilan dengan meminimalkan lintasan dan dengan
mempertimbangkan pemesanan produk di unit rak yang berbeda. Tingkat pengambilan di
Amazon rata-rata lima detik per item, menurut Cornell et al. (2016). Menyesuaikan kecepatan itu
dengan solusi pengambilan robot akan membuat kasus bisnis untuk solusi ini lebih menarik.
Tujuan lainnya adalah untuk menawarkan keandalan pemetikan tingkat tinggi, setidaknya
sebanding dengan manusia. Ini melibatkan pengurangan kesalahan, seperti yang melibatkan
produk yang salah klasifikasi atau item yang dijatuhkan.
Dua perusahaan lain yang telah mengembangkan dan mengujicobakan aplikasi teknologi
terdepan dalam pengambilan pesanan adalah Locus Robotics dan Fetch Robotics (Gambar 3.2.).
Aplikasi kedua perusahaan didasarkan pada kendaraan yang dipandu secara otonom dengan
tugas pengambilan pesanan. Pendekatan pengambilan pesanan ini meningkatkan efisiensi karena
memungkinkan pesanan dibawa ke pemetik, secara signifikan mengurangi waktu berjalan. Tapi,
ini bukan satusatunya keuntungan. Dengan peningkatan volume dan tuntutan produktivitas yang
terus-menerus membentuk solusi pengambilan pesanan, aplikasi ini mudah diskalakan, dan dapat
mengarahkan pengambilan pesanan melalui beberapa zona tanpa menambah waktu siklus. Ini
karena mereka tidak terikat dengan infrastruktur konveyor atau proses serial. Selain itu, dalam
kasus Fetch Robotics, dimungkinkan untuk melakukan setiap pengambilan langsung ke tas
jinjing yang ditangani oleh robot otonom. Keunggulan lainnya adalah aplikasi Fetch Robotics
dapat meningkatkan konten pekerjaan untuk meningkatkan produktivitas pengambilan
menggunakan fitur rak statis yang dapat ditambahkan di atas robot untuk meningkatkan jumlah
pesanan yang dapat diambil robot pada waktu tertentu.
4. Aplikasi Pengambilan Multimoda1
Pengambilan multimodal menambah pengambilan suara dengan pengambilan visi. Yang terakhir
mungkin didasarkan pada tampilan headup yang dapat disematkan pada perangkat yang dapat
dikenakan, seperti visor atau kacamata, dan memberi pengguna data yang dihasilkan komputer
yang ditampilkan di bagian bidang pandang pengguna. Perangkat yang dapat dikenakan ini mulai
menyusup ke pusat distribusi. Google Glass adalah contoh dari teknologi ini. Hasil awal
umumnya positif. Dengan menggunakan teknologi ini, pekerja yang berjalan melalui zona
pengambilan dapat melihat pengambilan berikutnya dalam tampilan tambahannya dan dipandu
pada jalur pengambilan yang efisien.
DHL telah banyak berinvestasi dalam pengembangan teknologi ini selama dua tahun terakhir dan
mulai menerapkannya untuk digunakan dalam operasi distribusinya. Saat ini, DHL meluncurkan
pengambilan multimoda di beberapa pusat distribusi yang berjalan pada berbagai sistem
manajemen gudang (WMS). Pengambilan multimodal telah menggantikan pengambilan
berdasarkan perangkat frekuensi radio di situs ini. Gambar di bawah ini memberikan
perbandingan antara proses pengambilan berdasarkan frekuensi radio dan teknologi multimodal.
DHL melaporkan beberapa manfaat dari tampilan head up dan tugas gudang yang diarahkan
suara. Pertama, navigasi visual yang mengarahkan proses pengambilan di garis pandang pemetik
memungkinkan lebih banyak gerakan tanpa gangguan. Kedua, konfirmasi visual mengurangi
waktu pemindaian dan kesalahan. Ketiga, pengguna dapat melakukan proses pengambilan
dengan lebih bebas dan dengan tekanan yang kurang ergonomis. Keempat, kombinasi antarmuka
visual dan suara secara drastis mengurangi waktu pelatihan bagi pekerja musiman dan temporer.
Kelima, pengambilan multimodal tidak bergantung pada bahasa karena memungkinkan
pengguna untuk mengatur profil dan memilih bahasa yang disukai dari berbagai opsi. Terakhir,
karena aplikasi ini tidak memerlukan investasi dalam infrastruktur pick to light, aplikasi ini
sangat dapat diskalakan dan penerapannya jauh lebih hemat modal.
Implikasi masa depan
Sejauh ini, jalan untuk mengotomatisasi pusat distribusi telah dikotori dengan hambatan seperti
biaya tinggi, tidak fleksibel, dan non-skalabilitas yang membuat adopsi teknologi untuk tugas-
tugas yang tampaknya sederhana, seperti memilih, menjadi sulit. Hal ini tercermin dari tarif yang
rendah otomatisasi di pusat distribusi dalam industri seperti ritel bahan makanan, di mana hanya
8 persen gudang milik peritel terbesar yang diotomatisasi
Pertanyaan kuncinya adalah apakah penerapan teknologi yang dibahas dalam laporan ini akan
mengubah kenyataan tersebut. Untuk mengatasi beberapa tantangan perkembangan teknologi
yang melanda industri ini. Pertama, mereka harus membatasi persyaratan investasi di muka yang
dapat dengan mudah mencapai puluhan juta dolar per gudang. Kedua, mereka harus mengurangi
keterbatasan dalam skalabilitas dan membuat biaya variabel lebih relevan dalam bagaimana
teknologi dioperasikan. Ketiga, mereka harus mengatasi kebutuhan untuk meningkatkan efisiensi
dan waktu siklus di dalam pusat distribusi sebagai lawan dari memajukan efisiensi dengan
mengorbankan waktu siklus atau sebaliknya.
Ketertarikan pada otomatisasi pergudangan didorong oleh peningkatan permintaan tenaga kerja
dan biaya baru-baru ini. Diperkirakan bahwa saat ini terdapat hampir 900.000 karyawan yang
bekerja dalam tugas-tugas terkait pergudangan di AS. Jumlah ini meningkat cukup dramatis
selama sebagian besar dekade terakhir, menurut Biro Tenaga Kerja dan Statistik (gambar di
bawah)15. Selain itu, lebih dari separuh kumpulan karyawan saat ini di industri pergudangan
bekerja secara langsung dalam aktivitas padat karya yang melibatkan penyimpanan,
pengambilan, dan perakitan pesanan.16dan jumlah pekerja di bidang pekerjaan ini diperkirakan
akan terus meningkat sebesar lima persen selama sepuluh tahun ke depan
Masih harus dilihat apakah solusi otomasi generasi baru ini akan menyebabkan penurunan
kebutuhan tenaga kerja di pusat-pusat distribusi. Permintaan tenaga kerja pergudangan terus
meningkat karena output ekonomi meningkat. Tapi tren ini tidak akan berlanjut di masa depan.
Adopsi teknologi harus mempertimbangkan hal ini.
Alih-alih mengganti pekerja seluruhnya, fokusnya harus pada penggunaan teknologi untuk
membuat pekerja lebih produktif dan pekerjaan mereka lebih mudah dan aman. Amazon,
misalnya, mengklaim bahwa robot Kiva memungkinkan mereka mengurangi satu jam waktu
siklus pesanan rata-rata di pusat pemenuhan mereka18. Locus Robotics telah mengindikasikan
bahwa solusi mereka dapat meningkatkan pencapaian ini karena mereka 75 persen lebih cepat
daripada Kivas Amazon19. Fetch Robotics juga mengklaim bahwa solusi mereka dirancang
untuk memungkinkan pemetik gudang bertahan di pekerjaannya lebih lama dengan mengurangi
tuntutan fisik yang dimiliki tugas pengambilan di tubuh mereka.20. Hal ini dapat menyebabkan
penurunan tingkat perputaran tenaga kerja, penghematan biaya pelatihan, dan pengurangan
kerugian produktivitas saat mempekerjakan karyawan baru. Otomasi juga dapat berkontribusi
untuk mengurangi bahaya di tempat kerja. Ini adalah masalah yang sangat relevan dalam industri
pergudangan, di mana 5 dari 100 karyawan menderita cedera terkait pekerjaan yang melibatkan
cuti kerja, pembatasan pekerjaan, atau pemindahan setiap tahun
Kesimpulan
Terlalu awal untuk memikirkan otomatisasi sebagai sarana untuk menggantikan pekerja.
Sebaliknya, kemungkinan besar dalam waktu dekat otomatisasi akan berfungsi untuk
memperluas kemampuan pekerja, memperkaya pekerjaan mereka dan membuat mereka lebih
aman, serta berkontribusi untuk mempertahankan produktivitas mereka untuk jangka waktu yang
lebih lama. Namun, pusat distribusi berada di bawah tekanan untuk memangkas biaya tenaga
kerja, meningkatkan produktivitas, mengoptimalkan aliran produk, dan mendapatkan tingkat
pemanfaatan tertinggi, yang menjadi pendorong teknologi baru ini di dalam gudang.