Forecasting short-term order picking workforce demand in e-commerce: A case study

Thumbnail Image

URL

Journal Title

Journal ISSN

Volume Title

Perustieteiden korkeakoulu | Master's thesis

Authors

Date

2021-08-25

Department

Major/Subject

Strategy and Venturing

Mcode

SCI3050

Degree programme

Master’s Programme in Industrial Engineering and Management

Language

en

Pages

69+25

Series

Abstract

Competition in e-commerce landscape has increased considerably in recent years. While large part of the business operations is taking place online, physical delivery of the goods is often the factor that defines the success of an e-commerce company. Good logistics service quality is linked to increased customer satisfaction and retention. Prices play an important role when competing on the loyalty of online customers. To be able to offer competitive prices to customers while remaining profitable, operational costs must be kept low. In traditional warehouse using picker-to-parts order picking system, order picking and packing labor is the main cost driver, therefore, it is essential to sustain high workforce utilization rate. Volatile demand and short order throughput time windows complicate workforce level planning which directly affects the utilization rate. Overcapacity and low utilization rate cause unnecessary costs whereas insufficient workforce leads to delayed orders. The purpose of this study is to help the case company’s 3PL warehouse partner to decrease their order picking labor costs by increasing the utilization rate of the workforce while enabling them to maintain excellent service level and meet tight order picking time windows. This thesis contributes to e-commerce logistics literature by introducing a way to forecast short-term order picking demand which helps workforce level planning and consequently increases workforce utilization rate without additional costs. A research process is developed that finds an optimal short-term forecasting model for a forecasting problem and provides a way to simulate cost savings from improved forecasting accuracy using step-ahead walk-forward cross validation results together with a residual cost function. The process can be used in other demand forecasting problems as well if costs incurred by forecasting errors can be modelled and quantified.

Kilpailu verkkokaupassa on lisääntynyt viime vuosina huomattavasti. Vaikka iso osa verkkokauppaliiketoiminnan operaatioista tapahtuu verkossa, fyysisten tuotteiden toimitus on usein avaintekijä, joka määrittelee verkkokauppayrityksen menestyksen. Toimiva logistiikkapalvelu on yhteydessä parempaan asiakastyytyväisyyteen sekä asiakaspysyvyyteen. Hinnat ovat tärkeässä asemassa, kun asiakkaista kilpaillaan verkossa. Jotta yritys voi tarjota kilpailukykyisiä hintoja asiakkaille kannattavasti, operatiiviset kustannukset on pidettävä kurissa. Perinteisessä varastossa, jossa keräilijät keräävät tuotteet varastopaikoilta tilaukselle, keräilijöiden ja pakkaajien henkilöstökustannukset ovat merkittävin kulu varastotoiminnassa. Tämän vuoksi henkilöstön käyttöaste on pidettävä korkeana. Vaihteleva kysyntä ja lyhyet aikaikkunat tilauksen läpimenossa vaikeuttaa henkilöstötarpeen arviointia, joka vaikuttaa suoraan henkilöstön käyttöasteeseen. Ylikapasiteetti ja matala käyttöaste johtaa tarpeettoman suuriin kustannuksiin, kun taas vajaamiehitys johtaa myöhästyneisiin toimituksiin. Tämän tutkimuksen päämäärä on auttaa case yrityksen 3PL varastokumppania vähentämään heidän keräily- ja pakkauskulujansa kasvattamalla henkilöstön käyttöastetta logistiikan laadusta tai toimitusajoista tinkimättä. Tämä opinnäytetyö edistää verkkokaupan logistiikan kirjallisuutta esittelemällä tavan ennustaa lyhyen aikavälin keräily ja pakkaushenkilöstön tarvetta, joka auttaa henkilöstömäärän mitoituksessa ja sen seurauksena kasvattaa henkilöstön käyttöastetta ilman lisäkustannuksia. Työssä kehitetään tutkimusprosessi, jolla etsitään optimaalinen lyhyen aikavälin ennustusmalli ja esitellään tapa simuloida parantuneen ennustustarkkuuden kustannusvaikutuksia käyttäen ristiin validoinnin tuloksia ja residuaalikustannusfunktiota. Prosessia voidaan käyttää myös muissa kysynnän ennustamisongelmissa, mikäli ennustusvirheen kustannus voidaan määrittää ja mallintaa.

Description

Supervisor

Saarinen, Lauri

Thesis advisor

Lindroos, Richard

Keywords

E-commerce, logistics, order picking, time-series forecasting

Other note

Citation

Permanent link to this item

https://urn.fi/URN:NBN:fi:aalto-202108298497

Collections

[dipl] Perustieteiden korkeakoulu / SCI