SNP i LPP Polski lider branży odzieżowej usprawnia zarządzanie kapitałem ludzkim dzięki najnowszym rozwiązaniom SAP

Firma LPP, jedna z najdynamiczniej rozwijających się firm odzieżowych w Europie Środkowo-Wschodniej, właściciel marek Reserved, Cropp, House, Mohito i Sinsay, uruchomiła wraz z SNP Poland innowacyjną platformę zarządzania procesami HR. Składają się na nią narzędzia SAP SuccessFactors, system SAP HR oraz aplikacje SNP, m.in. SNP E-Time, która skraca czas przygotowania miesięcznych grafików pracy w salonie do zaledwie kilku minut.

Przedsięwzięcie informatyczne było odpowiedzią na konieczność usprawnienia procesów personalnych w sieci sprzedaży w Polsce liczącej prawie 1000 salonów. Celem zmian było wdrożenie narzędzia HR, pozwalającego na efektywne i szybkie realizowanie wszystkich zdarzeń personalnych w rozproszonej strukturze zatrudnienia, ze szczególnym uwzględnieniem modułu do zarządzania czasem pracy. W rezultacie, pracownicy i menedżerowie otrzymali portal samoobsługi, zaś centralny dział HR – narzędzie do monitorowania i zdalnego zarządzania procesami kadrowymi.

Nowymi rozwiązaniami HR zostało objętych ponad 10 tys. pracowników salonów sieci Reserved i pozostałych marek LPP w Polsce.

Istotnym elementem nowej platformy jest rozwiązanie SuccessFactors Employee Central. Aplikacja, dostępna w modelu chmurowym (SaaS – Software as a Service) przez przeglądarkę www, udostępnia szeroki zakres funkcji samoobsługi pracowniczej. Z kolei, naliczanie płac jest realizowane w systemie SAP HR, który został zintegrowany przez specjalistów SNP z rozwiązaniem SuccessFactors.

Kluczową innowacją jest aplikacja SNP E-Time, służąca kierownikom sklepów do elastycznego planowania czasu pracy zespołów. Aplikacja automatycznie uwzględnia uwarunkowania prawne oraz specyficzne potrzeby dla każdego zatrudnionego (np. praca tylko w wybrane dni tygodnia, w określonych godzinach).

Tworzenie grafików pracy w salonach to krytyczny dla nas proces, gdyż od niego zależy dostępność naszych pracowników dla klientów i możliwość dopasowania odpowiedniej ilości obsady do harmonogramu zadań na salonie. Z jednej strony grafik musi być optymalny z punktu widzenia efektywności pracy kilkudziesięcioosobowego zespołu, z drugiej zaś – w pełni zgodny z prawem pracy i dostępnością konkretnych pracowników. Dotychczas stworzenie takiego planu zajmowało kierownikowi co miesiąc nawet dwa do trzech dni pracy. Teraz, dzięki SNP E-Time, menedżerowie korzystający z funkcji automatycznego obsadzania zmian przygotowują grafik miesięczny w zaledwie kilka minut. W skali setek salonów daje to olbrzymie oszczędności” – komentuje Danka Krzysiak, Head of HR Administration and Payroll w LPP SA.

Platformę HR uzupełniają inne rozwiązania, m.in. aplikacja do wyświetlania elektronicznych pasków płacowych SNP E-Payslips, aplikacja wysyłająca powiadomienia do pracowników i kierowników poprzez wiadomości email lub SMS. Wszystkie rozwiązania są przygotowane przez SNP w nowatorskiej technologii SAP UI5 na SAP Cloud Platform, pozwalającej na elastyczny rozwój rozwiązań w przyszłości.

LPP SA jest jedną z najdynamiczniej rozwijających się firm odzieżowych w regionie Europy Środkowo-Wschodniej. Firma od ponad 25 lat konsekwentnie prowadzi działalność w Polsce i za granicą, odnosząc sukcesy na wymagającym rynku odzieżowym. LPP SA zarządza 5 markami modowymi: Reserved, Cropp, House, Mohito i Sinsay. Firma posiada sieć ponad 1700 salonów oraz sklepy on-line wszystkich swoich marek i tworzy miejsca pracy dla ok. 25 tys. osób w biurach i strukturach sprzedaży w Polsce, krajach Europy, Azji i Afryki. Więcej informacji: www.lppsa.com

Sztuczna inteligencja zmienia zasady gry w branży logistycznej.

W ostatnich latach techniki zaawansowanej analizy danych i sztucznej inteligencji wkraczają w kolejne obszary zastosowań
systemów IT. O ile w dalszym ciągu są one najpowszechniejsze w rozwiązaniach finansowych, ubezpieczeniowych i
telekomunikacyjnych, to prognozy przewidują ich rozwój w praktycznie wszystkich gałęziach współczesnej informatyki.

Krzysztof Zabawa,

Software Developer,

Consafe Logistics

Możliwości wykorzystania metod sztucznej inteligencji istnieją także w branży logistycznej, gdzie przetwarzane są bardzo
duże ilości danych, które niejednokrotnie trudno przeanalizować w tradycyjny sposób. Rozwiązywanie problemów, takich
jak optymalizacja przestrzeni ładunkowej czy minimalizacja czasu kompletacji zamówień, do tej pory było czasochłonne
i kosztowne. SI zmienia jednak zasady gry i umożliwia dalece idącą optymalizację, którą można osiągnąć szybko i bez
ponoszenia znaczących kosztów.

Jedną z najbardziej czasochłonnych i pracochłonnych operacji w logistyce magazynowej jest kompletacja zamówień. W pierwszej
kolejności to właśnie tam wkracza sztuczna inteligencja, która zastępuje algorytmy o dużej złożoności obliczeniowej
bądź rozwiązuje zadania niebędące klasycznymi problemami optymalizacyjnymi. SI zajmuje się wyznaczaniem najkrótszych
tras kompletacyjnych, a także optymalizacją rozmieszczenia towaru w strefach kompletacji.

Możemy spodziewać się, że w najbliższej przyszłości sztuczna inteligencja zostanie wykorzystana do optymalizowania nie tylko
poszczególnych procesów w logistyce magazynowej, jak to ma miejsce teraz, ale do usprawniania funkcjonowania magazynu
jako całości. Consafe Logistics prowadzi pilotażowe projekty badania fizycznego ruchu wózków w magazynach z wykorzystaniem
tagów Bluetooth – beaconów. Zebrane dane stanowią materiał do nauki dla SI, która jest w stanie przeanalizować jak
poszczególne artykuły powinny być rozmieszczone względem siebie, a także w jakich strefach w magazynie powinny się
znajdować, by rundy kompletacyjne były możliwie najbardziej efektywne.

W ramach systemu Astro WMS® oferowanego przez Consafe Logistics funkcjonują tzw. adaptacyjne multi-cykle. Umożliwiają one
wykonywanie serii zadań różnych typów takich jak kompletacja, zasilenia obszaru kompletacji, przesunięcia towaru
czy wydania, bazując na priorytetach zadań poszczególnego rodzaju. To właśnie tutaj wkracza SI – znając rzeczywiste,
historyczne czasy wykonywania poszczególnych zadań przez wózki Astro WMS® ustala kolejność następnych zadań, które
otrzyma do wykonania operator, a także optymalizuje lokalizacje, z których będą pobierane towary tak, by łączny czas
wykonywania operacji był możliwie najkrótszy.

IFRS okiem eksperta.

Warto przypomnieć, że sprawozdawczość reguluje Krajowy Standard Rachunkowości wynikający z Ustawy o rachunkowości. W przypadku braku odpowiedniego standardu krajowego, jednostki mogą stosować MSR i wynikające z tego standardy MSSF (ang. IFRS). Dotyczy to głównie grup kapitałowych i dużych spółek, których papiery wartościowe znajdują się w obrocie giełdowym. MSSF nie definiuje wymogów względem formalnego układu danych sprawozdawczych, czy konieczności zastosowania zindywidualizowanych opisów. Z tego względu nie wymusza wprowadzania zmian w systemach ERP generujących sprawozdania finansowe, oczywiście o ile systemy te posiadają tak jak SIMPLE.ERP elastyczne mechanizmy edycji tych sprawozdań, np. uwzględniające możliwość wprowadzenia opisu zamierzeń jednostki.

Sztuczna inteligencja pomoże efektywnie planować produkcję.

Z systemami klasy ERP najczęściej kojarzone jest pojęcie uczenia maszynowego (Machine Learning), głównie ze względu na pokaźne ilości danych jakie gromadzą takie systemy. Dane te z reguły opisują spodziewane wyniki – do jakich dążymy lub jakich chcemy uniknąć, dlatego mogą zostać wykorzystane jako dane treningowe dla algorytmu uczenia maszynowego.
Obecnie prowadzimy rozwojowy projekt modułu produkcyjnego SIMPLE.ERP, gdzie jednym z istotniejszych elementów jest wykorzystanie elementów sztucznej inteligencji do wsparcia przedsiębiorstw MŚP w efektywniejszym planowaniu i realizowaniu procesu produkcyjnego.

System będzie realizował analizę wykonalności produkcji na podstawie samouczącego się algorytmu, uwzględniającego odchylenia normatywów od rzeczywistego przebiegu produkcji oraz procesu zaopatrzenia w przeszłości. Koleją ciekawą funkcjonalnością, która pojawi się w naszym systemie po zakończeniu projektu, jest automatyzacja przygotowywania kalkulacji i wycen, związanych z zapytaniami od klientów. Wykorzystanie samouczącego się algorytmu umożliwi ogromne oszczędności i redukcję czasu potrzebnego dotąd na czasochłonne kalkulacje kosztów, analizy możliwości produkcyjnych, terminów i dostępności materiałów. System na podstawie analizy i statystyki danych z podobnych zleceń oraz tego co się działo w przeszłości – przygotuje za nas pełną kalkulację. A mechanizm samouczący umożliwi odbiorcy wyciąganie wniosków i podpowie w jaki sposób coraz lepiej odpowiadać na tego typu zapytania.
Algorytmy takie, w stosunku do tradycyjnych, pozwalają na bardzo szybkie znalezienie wstępnego suboptymalnego rozwiązania i szybkie reagowanie na zdarzenia pojawiające się w procesie produkcyjnym.

 

Zbigniew Strojnowski
Ekspert SIMPLE oraz Product Manager obszaru Zarządzanie Produkcją w SIMPLE S.A.