Welke logistieke problemen ontstaan door onjuiste artikeldata in je magazijn?

Merk je dat transportkosten regelmatig hoger uitvallen dan verwacht? Moeten medewerkers steeds gegevens controleren of corrigeren? Of gebeurt het steeds vaker dat producten niet blijken te passen op de opslaglocatie die vooraf was bedacht?

Dan lijkt het misschien alsof je te maken hebt met verschillende logistieke problemen. Toch kunnen ze dezelfde oorzaak hebben: onjuiste artikeldata die steeds opnieuw wordt gebruikt voor beslissingen in je magazijn.

Bij Logitrade helpt Robbert Mäkel, specialist intralogistieke oplossingen, organisaties bij het verbeteren en automatiseren van magazijnprocessen. In de praktijk ziet hij dat bedrijven zelden aankloppen met de vraag of hun artikeldata wel klopt. Ze willen bijvoorbeeld hun opslag efficiënter inrichten, het verpakkingsproces verbeteren of meer uit hun WMS en automatisering halen. Tijdens het analyseren van die processen blijkt regelmatig dat onbetrouwbare artikeldata een onderliggende oorzaak van problemen is.

Na het lezen van dit artikel weet je:

• Welke logistieke processen afhankelijk zijn van betrouwbare artikeldata;
• Welke vijf problemen verkeerde afmetingen en gewichten kunnen veroorzaken;
• Hoe je herkent wanneer onjuiste artikeldata ook in jouw magazijn een risico vormt.

Wat is artikeldata en welke artikeldata heb je nodig in je magazijn?

Artikeldata, ook wel artikelstamdata genoemd, omvat de vaste kenmerken van een artikel. Denk aan de artikelomschrijving, barcode, verpakkingsinformatie, afmetingen, gewicht en andere eigenschappen die tijdens logistieke processen worden gebruikt. In veel organisaties worden deze gegevens beheerd in een ERP-systeem of een Product Information Management-systeem (PIM).

Binnen de logistieke projecten van Logitrade vormen vier fysieke kenmerken meestal de basis:

• Lengte;
• Breedte;
• Hoogte;
• Gewicht.

Deze gegevens zijn belangrijk voor verschillende logistieke beslissingen, bijvoorbeeld bij opslag, verpakken en verzending. Afhankelijk van het proces kunnen daarnaast andere artikelgegevens nodig zijn.

Als die informatie nog niet beschikbaar is in de systemen van de klant, kan worden bekeken welke aanvullende gegevens moeten worden vastgelegd. Robbert legt uit:

“Lengte, breedte, hoogte en gewicht vormen voor ons de basis. Als voor het logistieke proces aanvullende artikelgegevens nodig zijn die nog niet in de systemen van de klant staan, kunnen we die waar nodig toevoegen.”

Waarom onjuiste artikeldata in het magazijn vaak onopgemerkt blijft

Opvallend genoeg merken veel organisaties niet direct dat hun artikeldata onjuist is. Dat komt doordat medewerkers afwijkingen onderweg corrigeren.

Een magazijnmedewerker ziet bijvoorbeeld dat een doos groter is dan in het systeem staat en kiest handmatig een andere verpakking. Een orderpicker merkt dat een product niet op de geplande locatie past en legt het ergens anders neer. Bij goederenontvangst wordt een gewicht aangepast omdat het zichtbaar niet klopt.

Daardoor blijft de operatie draaien. De gevolgen lijken beperkt, terwijl achter de schermen steeds meer extra handelingen ontstaan.

Volgens Robbert lossen veel organisaties problemen dagelijks handmatig op zonder zich af te vragen waarom die correcties eigenlijk nodig zijn. Daardoor blijven de werkelijke kosten van onjuiste artikeldata grotendeels verborgen.

Dat maakt artikeldata anders dan veel andere logistieke problemen. Een defecte scanner of een storing valt direct op. Verkeerde artikeldata verspreidt zich juist ongemerkt door de hele logistieke keten.

Welke logistieke processen worden beïnvloed door onjuiste artikeldata?

Verkeerde artikeldata heeft vaak invloed op meerdere processen tegelijk. Wanneer de lengte, breedte, hoogte of het gewicht niet klopt, kan dat gevolgen hebben voor onder andere:

• De keuze van een opslaglocatie.
• De berekening van de juiste verzendverpakking.
• De benutting van magazijnruimte.
• Het bepalen van de juiste pickmethode
• Transportcontroles.
• Voorraadbeheer.
• De inrichting van ERP-, WMS- en andere logistieke systemen.

Daardoor ontstaat een sneeuwbaleffect. De oorspronkelijke fout wordt steeds opnieuw gebruikt in verschillende systemen en processen. Naarmate een organisatie verder automatiseert, neemt die afhankelijkheid alleen maar toe.

Software rekent immers met de gegevens die beschikbaar zijn. Wanneer de invoer niet klopt, kunnen ook de uitkomsten niet betrouwbaar zijn.

Zoals Robbert tijdens het interview aangeeft: een meet- en weegsysteem levert alleen de gegevens aan. De systemen die daarna beslissingen nemen, gaan ervan uit dat deze gegevens juist zijn.

Probleem 1: onjuiste artikelafmetingen zorgen voor inefficiënt ruimtegebruik in het magazijn

Een van de eerste processen waarin betrouwbare artikeldata een belangrijke rol speelt, is de opslag van artikelen. Om magazijnruimte efficiënt in te delen, moet je weten hoeveel ruimte verschillende producten daadwerkelijk innemen.

Daarvoor zijn vooral de afmetingen van een artikel belangrijk. Als lengte, breedte en hoogte betrouwbaar zijn vastgelegd, kun je berekenen hoeveel opslagruimte een product nodig heeft. Ontbreken deze gegevens of kloppen ze niet, dan moet je veel meer op inschattingen vertrouwen.

Robbert legt uit:

“Als je beschikt over betrouwbare afmetingen, kun je berekenen hoeveel opslagruimte een product daadwerkelijk nodig heeft. Zonder die gegevens blijft dat uiteindelijk een inschatting.”

Onjuiste artikeldata kan er daardoor voor zorgen dat beschikbare magazijnruimte minder efficiënt wordt benut. Je reserveert bijvoorbeeld meer ruimte voor een artikel dan werkelijk nodig is, terwijl een ander artikel juist meer ruimte blijkt in te nemen dan vooraf berekend.

Naarmate het assortiment groeit, wordt het steeds lastiger om zulke afwijkingen handmatig op te vangen. Met betrouwbare afmetingen kun je de beschikbare opslagruimte gerichter indelen en beter berekenen hoeveel ruimte verschillende producten nodig hebben.

Probleem 2: verkeerde artikelafmetingen leiden tot inefficiënt verpakken

Ook het verpakkingsproces is sterk afhankelijk van betrouwbare artikeldata. Om automatisch de juiste verzenddoos te kunnen kiezen, moet een systeem weten hoe groot een artikel werkelijk is.

In organisaties waar deze gegevens ontbreken of niet betrouwbaar zijn, wordt die keuze vaak aan de medewerker overgelaten. Die bekijkt de producten op de paktafel en schat in welke doos het beste past. Dat zorgt voor extra handelingen en kan ertoe leiden dat een te grote of juist te kleine verpakking wordt gekozen.

Robbert ziet dat regelmatig in de praktijk:

“Medewerkers moeten vaak zelf inschatten welke doos het beste past. Blijkt die inschatting niet te kloppen, dan moet de bestelling opnieuw worden ingepakt.”

Met betrouwbare afmetingen kan software deze keuze grotendeels automatiseren. Daardoor hoeft een medewerker niet steeds opnieuw dezelfde afweging te maken en kan een verpakking worden gekozen die beter aansluit op de producten in de order.

Dat wordt de komende jaren ook vanuit wetgeving relevanter. De Europese Packaging and Packaging Waste Regulation (PPWR) stelt nieuwe eisen aan overtollige verpakkingen. Voor onder andere verzend- en e-commerceverpakkingen geldt uiterlijk vanaf 1 januari 2030, of later als de bijbehorende uitvoeringsregels later ingaan, een maximum van 50% lege ruimte.

Ook ruimte die is gevuld met bijvoorbeeld papier, luchtkussens of noppenfolie telt daarbij als lege ruimte. Betrouwbare artikelafmetingen helpen om verpakkingen beter af te stemmen op de producten die erin moeten en onnodige lege ruimte te beperken.

Probleem 3: onjuist artikelgewicht maakt transport- en gewichtscontroles minder betrouwbaar

Veel organisaties denken bij artikeldata vooral aan opslag of verpakking. Het gewicht speelt echter ook een belangrijke rol tijdens verzending.

Vervoerders controleren regelmatig of het opgegeven gewicht overeenkomt met het werkelijke pakketgewicht. Daarnaast gebruiken veel organisaties gewichtscontroles om te controleren of een order compleet is voordat deze wordt verzonden.

Kloppen de artikelgewichten niet, dan wordt zo’n controle minder betrouwbaar. Een pakket kan ten onrechte worden goedgekeurd of juist onnodig worden afgekeurd.

Daarnaast kunnen juiste gewichten ook belangrijk zijn voor de interne veiligheid. Wanneer bekend is welke artikelen zwaar zijn, kan daar rekening mee worden gehouden bij de inrichting van stellingen en opslaglocaties.

“Als je weet dat het zware artikelen zijn omdat je dat hebt vastgelegd, dan weet je ook dat je er misschien niet heel veel op één plank moet leggen.”

Probleem 4: onjuiste artikeldata zorgt voor meer handmatige controles en correcties

Een veelvoorkomend gevolg van onjuiste of ontbrekende artikeldata is dat medewerkers extra handelingen moeten uitvoeren om gegevens te controleren en corrigeren. Ze meten producten opnieuw op, kiezen een andere verpakking of voeren ontbrekende informatie handmatig in. Iedere extra handeling kost tijd en vergroot bovendien de kans op nieuwe fouten.

Die foutkans ontstaat bijvoorbeeld wanneer afmetingen eerst handmatig worden gemeten en daarna in een systeem worden ingevoerd. Daarbij werken organisaties niet altijd met dezelfde meeteenheid. Waar de ene organisatie afmetingen in centimeters vastlegt, gebruikt een andere millimeters.

Worden die eenheden tijdens het meten of invoeren door elkaar gehaald, dan kan een kleine invoerfout een groot verschil in de geregistreerde afmetingen veroorzaken. Robbert ziet bij zulke handmatige stappen het risico toenemen:

“Bij de ene organisatie worden afmetingen in centimeters vastgelegd en bij de andere in millimeters. Als die eenheden door elkaar worden gehaald, staan de afmetingen al snel verkeerd in het systeem.”

Hoe meer gegevens handmatig moeten worden gemeten, overgenomen en ingevoerd, hoe meer momenten er ontstaan waarop een fout kan worden gemaakt.

Daardoor kosten correcties niet alleen extra tijd, maar kunnen ze ook nieuwe onjuiste artikeldata veroorzaken die later in het logistieke proces opnieuw voor problemen zorgt.

Probleem 5: onbetrouwbare artikeldata beperkt magazijnautomatisering en WMS-functionaliteit

Naarmate organisaties verder automatiseren, wordt de kwaliteit van artikeldata steeds belangrijker.

Een WMS, ERP-systeem of andere logistieke software voert zelf geen controles uit op de juistheid van de gegevens. Het systeem rekent met de informatie die beschikbaar is.

Dat betekent dat slimme functionaliteiten alleen goed kunnen werken wanneer de onderliggende data betrouwbaar is.

Robbert ziet dat regelmatig wanneer organisaties een nieuw WMS implementeren of processen verder willen automatiseren.

“Met data kan je dat soort programma’s veel slimmer inrichten. Zonder data kan je heel veel slimmigheid niet gebruiken, want dan kan je er niet van op aan.”

Dat zie je bijvoorbeeld terug bij:

• Het automatisch bepalen van opslaglocaties;
• Het berekenen van de juiste verzendverpakking;
• Capaciteitsberekeningen;
• Routing binnen het magazijn;
• Automatische processturing.

Hoe verder een organisatie automatiseert, hoe groter de impact van onjuiste artikeldata wordt. Waar een medewerker eerst nog handmatig kon corrigeren, voert software beslissingen automatisch uit op basis van de beschikbare gegevens.

Wanneer wordt onjuiste artikeldata een logistiek risico voor je magazijn?

Een verkeerde afmeting of een fout gewicht hoeft niet direct grote gevolgen te hebben. In een klein magazijn met een beperkt assortiment kunnen medewerkers veel afwijkingen nog handmatig opvangen. Zij kennen de producten, corrigeren fouten onderweg en houden de operatie draaiende.

Dat verandert zodra het assortiment groeit, meer nieuwe artikelen worden toegevoegd of processen verder worden geautomatiseerd. Dan neemt het aantal handmatige controles toe en wordt het steeds moeilijker om afwijkingen op te merken voordat ze gevolgen hebben voor de rest van het proces.

Groei veroorzaakt het probleem daarbij niet. Groei maakt zichtbaar dat de kwaliteit van de artikeldata niet meer aansluit op de complexiteit van de operatie.

Juist daarom loont het om niet alleen te kijken naar de zichtbare logistieke problemen, maar ook naar de gegevens waarop die processen zijn gebaseerd. Wanneer de basis niet betrouwbaar is, blijven organisaties dezelfde symptomen bestrijden zonder de onderliggende oorzaak weg te nemen.

Zoals we ook bij andere logistieke vraagstukken benadrukken, bestaat er zelden één universeel omslagpunt waarop een investering automatisch noodzakelijk wordt. De juiste keuze hangt af van de complexiteit van je processen, de omvang van je assortiment en de groeiverwachting van je organisatie.

Hoe voorkom je dat onjuiste artikeldata logistieke problemen blijft veroorzaken?

Onjuiste artikeldata lijkt misschien een klein administratief probleem, maar kan gevolgen hebben voor verschillende processen in je magazijn. Verkeerde afmetingen en gewichten kunnen leiden tot inefficiënt ruimtegebruik, verkeerde verpakkingskeuzes, onbetrouwbare gewichtscontroles, extra handmatige correcties en automatisering die minder goed werkt dan verwacht.

Juist omdat die gevolgen op verschillende plekken zichtbaar worden, is de onderliggende oorzaak niet altijd eenvoudig te herkennen. Medewerkers lossen afwijkingen onderweg op en houden het proces daarmee draaiende. Maar wanneer je assortiment groeit of processen verder worden geautomatiseerd, wordt het steeds moeilijker om onbetrouwbare artikeldata handmatig op te vangen.

Herken je meerdere van deze problemen in je magazijn? Controleer dan eerst of de artikeldata waarop je processen vertrouwen daadwerkelijk klopt. Neem bijvoorbeeld een representatieve groep artikelen en vergelijk de geregistreerde lengte, breedte, hoogte en het gewicht met de werkelijke waarden. Zo krijg je inzicht in de kwaliteit van je artikeldata voordat je afzonderlijke processen of systemen probeert te verbeteren.

Logitrade helpt organisaties bij het analyseren en verbeteren van magazijnprocessen. Daarbij kijken we niet alleen naar het probleem dat zichtbaar is, maar ook naar de processen en gegevens die eraan ten grondslag liggen. Zo kan worden bepaald of onjuiste artikeldata daadwerkelijk een rol speelt en welke vervolgstap past bij jouw magazijn.