master Assignment
BBI Process Mining: Predict the remaining processing time of a pallet for an automated refrigerated warehouse
Type: Master CS/BIT
Student: Unassigned
Duration: TBD
If you are interested please contact:
Introduction BBI:
Bolk Business Improvement (BBI), subsidiary of Bolk Transport, was founded in 2021 to make logistics processes smarter and more efficient. We combine knowledge of the logistics sector with innovative technologies and data-driven insights. Through our practical experience and focus on automation, we provide structural improvements in the logistics and warehouse sector. Our team, consisting of 15 young enthusiastic employees with a technical background, performs detailed analyses and draws up concrete improvement plans to optimize processes. We go beyond advice: we take control and realize the proposed solutions.
Background:
In today's distribution chains, there is great demand on the efficiency of warehouse processes. In this way, the growth of the distribution chain and increasingly more stringent customer requirements. Customer requirements are particularly relevant for refrigerated warehouses, where temperature control plays a crucial role in maintaining product quality and safety. At a new state of the art refrigerated warehouse, barrels of food products are stored in a so-called cube. Upon arrival at the docks, these barrels are transferred to new pallets and placed on a bin. From the bin, the pallets are moved to the cube with an AGV. On the other hand pallets with barrels arrive on a roller conveyor. This roller conveyor automatically calls the AGV to pick up the pallet come to pick up and move it to the cube.
Problem statement:
For this automated and refrigerated warehouse, we have insight into the data of the processing time that is achieved for a pallet. The processing time is seen as the time it takes to place the pallet in the cube. However, this is only based on historical data. We are interested in the possibility to predict the remaining processing time for a pallet as soon as it arrives and during the time it is in the handling process. This way, we can be proactive, should a pallet not being processed within a customer's time requirements. To accomplish this, we can use live data from an event log from a Warehouse Management System (WMS). What is missing is a model that predicts how long it will take before a pallet is processed in the cooler, based on this event log.
Purpose of research:
By predicting how long it will take to process a pallet, preventive intervene in the operation. As a result, customer requirements can be better met and the warehouse can provide better service. In addition, we want to investigate which factors influence the (predicted) remaining processing time, in order to manage the operation more efficiently.
Your assignment will consist of:
- Creating an accurate model to predict the remaining processing time
- Analyzing which factors affect the remaining processing time
- How can the factors be influenced to reduce processing time
DUTCH VERSION
BBI Process mining: Resterende verwerkingstijd van een pallet voorspellen voor een geautomatiseerd gekoeld magazijn
Introductie BBI:
Bolk Business Improvement (BBI), dochteronderneming van Bolk Transport, is in 2021 opgericht om logistieke processen slimmer en efficiënter te maken. Wij combineren kennis van de logistieke sector met innovatieve technologieën en datagedreven inzichten. Door onze praktische ervaring en focus op automatisering zorgen wij voor structurele verbeteringen in de logistieke en warehouse sector. Ons team, bestaande uit 15 jonge enthousiaste medewerkers met een technische achtergrond, voert gedetailleerde analyses uit en stelt concrete verbeterplannen op om processen te optimaliseren. Wij gaan verder dan advies: we nemen de regie en realiseren de voorgestelde oplossingen.
Introductie:
In hedendaagse distributieketens wordt er een groot beroep gedaan op de efficiëntie van magazijnprocessen. Op deze manier kan er worden voldaan aan de groei van de distributieketen en steeds strengere klanteisen. Klanteisen zijn in het bijzonder relevant voor gekoelde magazijnen, waar temperatuurbeheersing een cruciale rol speelt in het behoud van de kwaliteit en veiligheid van producten. Bij een nieuw state of the art gekoeld magazijn worden vaten met voedingsproducten opgeslagen in een zogenaamde cube. Bij aankomst op de docks worden deze vaten overgestapeld op nieuwe pallets en op een bin geplaatst. Vanaf de bin worden de pallets met een AGV naar de cube verplaatst. Anderzijds komen pallets met vaten binnen op een rollerbaan. Deze rollerbaan roept automatisch de AGV aan om de pallet op te komen halen en te verplaatsen naar de cube.
Probleem statement:
Voor dit geautomatiseerde en gekoelde magazijn hebben we inzicht in de data van de verwerkingstijd die gehaald wordt voor een pallet. De verwerkingstijd wordt gezien als de tijd die nodig is om de pallet in de cube te plaatsen. Dit is echter alleen gebaseerd op historische data. We zijn geïnteresseerd in de mogelijkheid om de resterende verwerkingstijd voor een pallet te voorspellen, zodra deze binnenkomt en gedurende de tijd dat deze in het verwerkingsproces is. Op deze manier kunnen we proactief handelen, mocht een pallet niet binnen de tijdseisen van een klant worden verwerkt. Om dit te realiseren kunnen we gebruikmaken van live data uit een event log van een Warehouse Management Systeem (WMS). Wat ontbreekt, is een model dat voorspelt hoe lang het nog duurt voordat een pallet verwerkt is in de koeling, op basis van deze event log.
Doel van het onderzoek:
Door te voorspellen hoe lang het nog duurt voordat een pallet verwerkt is, kan er preventief worden ingegrepen in de operatie. Hierdoor kan er beter voldaan worden aan de gestelde eisen van de klant en kan het magazijn een betere service leveren. Daarnaast willen we onderzoeken welke factoren van invloed zijn op de (voorspelde) resterende verwerkingstijd, om zo de operatie efficiënter aan te sturen. Je opdracht zal bestaan uit:
• Het opstellen van een accuraat model om de resterende verwerkingstijd te voorspellen
• Analyseren welke factoren van invloed zijn op de resterende verwerkingstijd
• Hoe kunnen de factoren beïnvloed worden om de verwerkingstijd te beperken