הייפ לוגיסטי? מדוע אוטומציה יקרה נכשלת לעתים קרובות בגלל יסודות פשוטים – 8 כשלים מעשיים מלוגיסטיקה בעולם האמיתי – תמונה: Xpert.Digital
לוגיסטיקה מעבר להייפ: האמת הלא נוחה על טרנדים כושלים ומתכונים בסיסיים להצלחה
מדוע החזית הנוצצת מתפוררת, בעוד המציאות נראית אחרת
תעשיית הלוגיסטיקה נסחפת באופן קבוע על ידי גלים של טרנדים חדשים, שכל אחד מהם מבטיח דברים גדולים. אוטומציה, ניתוח חיזוי ופתרונות תוכנה מורכבים ביותר אמורים לחולל מהפכה בתעשייה. אך בעוד שחברות מחקרי שוק וספקים מציגים את ההתפתחויות הללו כעתיד בלתי נמנע, המציאות מתנגשת לעתים קרובות בציפיות אלו בצורה כואבת. ברוב המקרים, הצלחת היישום בפועל רחוקה בהרבה מההייפ השיווקי. פער זה אינו מקרי, וגם לא ניתן לייחסו פשוט לעלות המעבר. במקום זאת, הוא מצביע על אי הבנה בסיסית, הרווחת בחלק ניכר מהתעשייה, בנוגע לאופן שבו לוגיסטיקה פועלת בפועל.
מתאים לכך:
מיתוס האוטומציה ומלכודת העלויות
אוטומציה מלאה של מחסנים ותהליכי תחבורה הוצגה במשך שנים כעתיד בלתי נמנע. יצרני טכנולוגיה וחברות הייעוץ הנלוות אליהם מציירים תמונה של מערכות תחבורה ללא נהג הניווטות באופן אוטונומי דרך מחסנים, גריסים אוטונומיים שאוספים סחורות בדיוק רב, ומערכות בקרה חכמות המנהלות את כל התהליכים. אבל המציאות מציירת תמונה שונה.
ההשקעה הראשונית בפתרונות אוטומטיים עולה בהרבה על זו של פעולות ידניות או חצי אוטומטיות. עם זאת, זו אינה הבעיה העיקרית. חמורה הרבה יותר היא המורכבות הטמונה במערכות כאלה. מערכות מחסן אוטומטיות דורשות כוח אדם מיומן ביותר לתחזוקה ותפעול, דבר בעייתי בשוק הסובל ממחסור בעובדים מיומנים. הפער בין תיאוריה למעשה מתבטא כאן במיוחד. חברות רבות שהשקיעו בפרויקטים גדולים של אוטומציה מדווחות על בעיות בלתי צפויות: מעברים מבלבלים בתוך מחסנים מובילים לעומס וחוסר יעילות, מערכות הובלה ללא נהג מיצרנים שונים אינן פועלות בצורה חלקה יחד, וחוסר האינטגרציה בין טכנולוגיות שונות מייצר את ההפך ממה שתוכנן במקור.
תפיסה מוטעית גדולה טמונה בציפייה שאוטומציה תפעל ללא אופטימיזציה בסיסית של תהליכים. אם תהליכים ידניים כבר כאוטיים ולא סטנדרטיים, אוטומציה לא תפתור את הבעיות הללו, אלא רק תעביר אותן לרמת מורכבות גבוהה יותר. המציאות מפוכחת: רובוטים ניידים נכשלים לעתים קרובות לא בגלל הטכנולוגיה עצמה, אלא בגלל שלחברות יש ציפיות לא מציאותיות והן חסרות את התנאים המוקדמים הדרושים. מומחים בתעשייה מדווחים שאנחנו עדיין בשלבים המוקדמים מאוד של מערכות תחבורה ניידות. למרות כל התחזיות האופטימיות, מערכות תחבורה ללא נהג נותרות פתרון נישה בשימוש נרחב. מבט על מחסנים שנבחרו באופן אקראי מגלה שמלגזות ומסועים הם עדיין הנורמה, לא רובוטים.
ההטרוגניות של המערכות אינה מוערכת כראוי. כאשר חברה משתמשת ברובוטים מיצרנים שונים, מתעוררות במהירות בעיות אינטגרציה, אשר בתורן מובילות לעלויות נוספות גבוהות. עלויות אלו לרוב אינן מתוכננות וגורמות לחריגות תקציביות המסכנות באופן מהותי את החזר ההשקעה של הפרויקט.
אנליטיקה חיזויה: אשליית הנתונים
מגמה מרכזית נוספת היא המעבר בקבלת החלטות לכיוון תחזיות מבוססות נתונים. תחת השם Predictive Analytics, חברות פתרונות תוכנה וייעוץ מבטיחות שבינה מלאכותית ולמידת מכונה יכולות לחזות ולמנוע שיבושים בשרשרת האספקה. הרעיון מפתה: אם פשוט נאסוף וננתח מספיק נתונים, נוכל לחזות את העתיד ולפעול באופן פרואקטיבי במקום באופן ריאקטיבי.
המציאות שונה למדי. מחקרים מראים שכ-81 אחוזים מאנשי המקצוע בתחום הבינה המלאכותית מזהים את איכות הנתונים כבעיה הגדולה ביותר שלהם. ליתר דיוק, 90 אחוזים מהדירקטורים והמנהלים בתחום הנתונים מאמינים שההנהלה הבכירה אינה מקדישה תשומת לב מספקת להגנה על נתונים ולאיכות הנתונים. הסיבה לפרדוקס זה היא מה שנקרא אפקט "זבל נכנס, זבל יוצא". אם נתוני הקלט גרועים, אפילו האלגוריתמים הטובים ביותר יבצעו תחזיות גרועות. השטן טמון בפרטים.
שגיאות נתונים אופייניות בשרשראות אספקה כוללות: נקודות נתונים חסרות, חיישנים פגומים או מכוילים בצורה גרועה, מיפויי נתונים לא שלמים ומערכות לא תואמות שאינן מתקשרות זו עם זו. בעיות אלו אינן נובעות מחוסר טכנולוגיה, אלא מתהליכים ארגוניים לא מספקים. מערכות מדור קודם הפועלות לצד טכנולוגיות חדשות מפצלות את המידע הזמין. מפצל נתונים בין מחלקות מחמיר את הבעיה.
מספר מחקרים מראים שחברות בדרך כלל לוכדות רק 56 אחוז מהנתונים הפוטנציאליים שלהן. מתוך הנתונים שנלכדו, 77 אחוז הם מיותרים, מיושנים, לא רלוונטיים או לא מסווגים לחלוטין. משמעות הדבר היא שבסופו של דבר רק 23 אחוז מהנתונים זמינים לתהליכים מבוססי למידת מכונה ובינה מלאכותית. בתנאים אלה, יישום של אנליטיקה ניבויית נידון ליצור טעויות.
בעיה נוספת טמונה ברלוונטיות הזמנית: אם נתונים היסטוריים מושחתים על ידי אירועים חריגים, לא ניתן לאמן מודלים חיזויים כראוי. חברות, על פי 47 אחוזים מאנשי המקצוע בתחום הבינה המלאכותית, השקיעו יותר מדי כסף במודלים של בינה מלאכותית שאינם עובדים. המצב מחמיר עוד יותר כאשר לוקחים בחשבון שפתרונות אנליטיקה חיזויים שאינם מתפקדים כראוי מובילים לייצור יתר, עודף מלאי, עלויות אחסון גבוהות יותר ובסופו של דבר, אובדן הכנסות.
התפיסה המוטעית המרכזית טמונה ברעיון ששימוש בטכנולוגיה פותר בעיות כשלעצמן. במציאות, יש לשפר תחילה את איכות הנתונים והניהול שלהם לפני שהטכנולוגיה תניב יתרונות כלשהם. חברות שמתעלמות מרצף זה משקיעות מיליונים מבלי לראות תוצאות.
מלכודת המורכבות: כאשר כלים יוצרים יותר בעיות מאשר הם פותרים
הקטגוריה השלישית העיקרית של מגמות כושלות כוללת את הכנסתן של מערכות תוכנה מורכבות ביותר, ובמיוחד מערכות תכנון משאבי ארגון ומערכות ניהול מחסנים, המבטיחות לשלב את כל הנוף התפעולי.
הסטטיסטיקה מרשימה. 73 אחוזים מיישומי ה-ERP בייצור בדיד אינם עומדים ביעדים שלהם. בממוצע, חריגות התקציב מסתכמות ב-215 אחוזים. הארכות לוחות הזמנים עומדות בממוצע על 30 אחוזים. רק 27 אחוזים משיגים את יעדיהם המקוריים. נתונים אלה אינם מקובלים ומצביעים על בעיה מבנית.
הסיבות העיקריות לכשלים אלה ידועות וניתנות למניעה: ניהול שינויים לקוי הוא הגורם ל-42 אחוזים מכלל הכשלים. העברת נתונים לקויה גורמת ל-38 אחוזים, וצוותי יישום חסרי ניסיון אחראים ל-35 אחוזים. שלושת הגורמים הללו לבדם מסבירים למעלה מ-75 אחוזים מכלל הכשלים. משמעות הדבר היא שהטעויות אינן טכניות מטבען, אלא טמונות בממדים הארגוניים והאנושיים.
אחד האסונות המפורסמים ביותר הוא זה של הרשי. החברה השקיעה 112 מיליון דולר ביישום מערכת ERP, אך קיצרה את שלב הבדיקות כדי לעמוד בלוח זמנים אגרסיבי. כאשר המערכת עלתה לאוויר, העסקאות לא זרמו כראוי בין CRM, ERP וניהול שרשרת האספקה. התוצאה הייתה הרסנית: הרשי לא הצליחה לעבד הזמנות בשווי 100 מיליון דולר במהלך ליל כל הקדושים, העונה העמוסה ביותר שלה. הרווחיות ירדה ב-19 אחוזים באותו רבעון, ומחיר המניה ירד ב-8 אחוזים.
בעיה גדולה אף יותר מהאסונות הגדולים היא הכשלים הזוחלים. חברות רבות מיישמות מערכות ERP שבסופו של דבר לא באמת עובדות. עובדים חוזרים לשיטות ידניות ישנות, תופעה המכונה IT צללים. המערכת נמצאת בשימוש רשמית, אך במציאות, העובדים עובדים סביבה מכיוון שהיא מסובכת מדי, לא אינטואיטיבית או לא מותאמת לזרימות העבודה בפועל שלהם.
שורש הבעיה טמון לעתים קרובות בבחירת הפתרון. חברות רבות בוחרות במערכות ERP גנריות המסוגלות להרבה דברים אך חסרות התמחות. כאשר החברה צריכה לבצע התאמות משמעותיות, העלויות והמורכבות מתרבות. ההתאמה האישית הופכת כה נרחבת עד שבסופו של דבר המערכת הופכת פחות גמישה ממה שהיא נועדה להחליף.
טעות קריטית שנייה טמונה בהערכת חסר של איכות הנתונים. בעת מעבר למערכת חדשה, מועברים נתונים ישנים. עם זאת, נתונים אלה לרוב מיושנים, פגומים, בפורמט שגוי, או אינם משקפים את דרך העבודה החדשה שהוצגה על ידי המערכת החדשה. כתוצאה מכך, המערכת החדשה פועלת על בסיס פגום מלכתחילה. הפתגם הישן "זבל נכנס, זבל יוצא" תקף כאן בצורה מושלמת.
היעדר מנהל פרויקטים מוגדר בבירור מוביל לבעיות נוספות. מנהל הפרויקטים חייב להיות אדם מכובד בכל החברה ובעל הבנה מעמיקה של התהליכים שלה. לעתים קרובות, תפקיד קריטי זה מוקצה לאדם חסר הסמכות או ההבנה הנדרשים, וכתוצאה מכך תוצאות גרועות. התוצאה היא חוסר אחריות ופרויקט שמאבד שליטה.
פתרונות LTW
LTW Intralogistics – מהנדסי זרימה - תמונה: LTW Intralogistics GmbH
LTW מציעה ללקוחותיה לא רכיבים בודדים, אלא פתרונות מקיפים משולבים. ייעוץ, תכנון, רכיבים מכניים ואלקטרוטכניים, טכנולוגיית בקרה ואוטומציה, כמו גם תוכנה ושירות - הכל מחובר לרשת ומתואם במדויק.
ייצור פנימי של רכיבים מרכזיים הוא יתרון במיוחד. זה מאפשר שליטה אופטימלית באיכות, בשרשראות אספקה ובממשקים.
LTW מייצג אמינות, שקיפות ושותפות שיתופית. נאמנות וכנות מעוגנים היטב בפילוסופיה של החברה - לחיצת יד עדיין משמעותית כאן.
מתאים לכך:
לוגיסטיקה נטולת טרנדים: כיצד תהליכים נקיים מנצחים כל הייפ ומבטיחים יתרונות תחרותיים
שמונה כשלים מעשיים מעולם הלוגיסטיקה האמיתי
מלבד המגמות העיקריות, ישנן דוגמאות מעשיות נוספות כיצד חברות מבזבזות מיליארדים על ידי מעקב עיוור אחר מגמות מבלי להתחשב ביסודות.
הטעות הראשונה היא הכנסת מערכות ניהול מחסן דיגיטליות לחלוטין ללא אופטימיזציה של תהליכים.
חברות רבות רוכשות מערכת ניהול תהליכים מתקדמת ומצפות שהיא תפתור את כל בעיותיהן. אולם, במציאות, המערכת רק הופכת את בעיות התהליכים הקיימות לדיגיטציה. מחסן לא מאורגן נשאר לא מאורגן; ההבדל היחיד הוא שחוסר הארגון מתועד כעת דיגיטלית. יישום טכנולוגיה ללא שיפור תהליכים בסיסי הוא כמו חיבור בלי חיסור תחילה.
הטעות המעשית השנייה היא האמונה בתחזיות ביקוש אוטומטיות.
חברות רבות מיישמות מערכות חיזוי מבוססות בינה מלאכותית כדי לייעל את המלאי שלהן. מערכות אלו מבטיחות לחזות תנודות בביקוש ולקבוע רמות מלאי אופטימליות. עם זאת, המציאות מראה שמערכות כאלה הן בעלות תועלת מועטה בשרשרת אספקה תנודתית ומורכבת. אם נתוני הקלט שגויים או אם מתרחשים זעזועים חיצוניים כמו משברים גיאופוליטיים או מגפות, התחזיות הופכות לחסרות ערך. חברות שמסתמכות בעיוורון על מערכות כאלה בסופו של דבר מייצרות עודף ייצור גדול יותר, לא פחות.
הטעות המעשית השלישית טמונה באימוץ "בדיוק בזמן" כאסטרטגיה אוניברסלית.
JIT היה נפלא בתנאים יציבים, אך בשנים האחרונות הוא הפך לגורם סיכון. חברות שאוכפות בקפדנות JIT ומיישמות רכישה יחידה פגיעות יותר לשיבושים בשרשרת האספקה. אם ספק נכשל או גבול נחסם, אין חיץ. אסטרטגיה אמיתית דורשת גמישות וחיץ, לא רק מזעור עלויות.
מתאים לכך:
הטעות המעשית הרביעית היא חוסר אחריות ברורה.
ארגוני לוגיסטיקה רבים פועלים בממגורות. רכש, אחסנה, מכירות ותחבורה אינם פועלים יחד. כאשר מתעוררת בעיה, כולם יכולים להוכיח שהם עשו את חלקם בצורה נכונה, אך המערכת כולה נכשלת. המפתח אינו טכנולוגיה, אלא בעלות ברורה על התהליך ואינטגרציה.
הטעות המעשית החמישית היא להסתמך על חומרה במקום על אנשים.
מחסן אוטומטי בעל מפרצים גבוהים הוא מרשים, אך אם המפעילים אינם מאומנים כראוי או אינם מבינים כיצד הוא פועל, נוצר כאוס. חברות לעיתים קרובות מתעלמות מהגורם האנושי. טכנולוגיה היא רק כלי, ובלי האנשים הנכונים והתרבות הנכונה, אפילו הכלי הטוב ביותר לא יעבוד.
הטעות המעשית השישית היא חוסר סטנדרטיזציה.
בלי תהליכים סטנדרטיים, כל אחד יכול לעשות דברים אחרת. זה מוביל לחוסר עקביות, טעויות וחוסר יעילות. לפני שחברה מיישמת אוטומציה, עליה קודם כל לתקנן. סטנדרטיזציה לא צריכה לחכות לטכנולוגיה.
הטעות המעשית השביעית היא הזנחת איכות הנתונים.
חברות רוצות כלי אנליטיקה ו-BI, אבל אין להן נתונים נקיים. לאחר מכן הן משקיעות 40 עד 60 אחוז מזמנן בניקוי נתונים במקום להשתמש בהם. זה בזבוז טהור. ההשקעה צריכה להיות קודם כל באיכות הנתונים, לא בכלי BI מפוארים.
הטעות המעשית השמינית היא חוסר בשיפור מתמיד.
חברות רבות לוקחות על עצמן פרויקט גדול, מצפות שהוא יפתור את בעיותיהן לנצח, ואז עוברות לפרויקט הבא. אבל לוגיסטיקה היא אורגניזם חי שחייב להתפתח כל הזמן. חברות שלא משתפרות באופן מתמיד נכבשות במהירות על ידי המציאות.
הדרך להצלחה אמיתית: עקרונות יסוד במקום הייפ
מה באמת עובד? המפתח אינו טמון בטכנולוגיה חדשה, אלא בעקרונות יסוד הידועים כבר עשרות שנים. עקרונות אלה חוקרניים, לא סקסיים, ולא יוצרים כותרות. אבל הם עובדים.
העיקרון הראשון והחשוב ביותר הוא סדר.
שיטת 5S היפנית, שפותחה ביפן בשנת 1955, מורכבת מחמישה שלבים: בחירה, סדר, נצנוץ, סטנדרטיזציה ותחזוקה. חברות המאמצות שיטה זו רואות שיפורים דרמטיים. סדר מפחית את זמני החיפוש, ממזער שגיאות ויוצר בסיס לשיפורים נוספים. חברה שמיישמת באמת את שיטת 5S יכולה לשפר את פעילותה ב-20 עד 30 אחוזים מבלי להשתמש בטכנולוגיה נוספת.
העיקרון השני הוא שקיפות ואחריות ברורה על התהליך.
כל אחד צריך לדעת את תפקידו, את מדדי הביצועים המרכזיים (KPI) והאם הוא עומד בהם. רוב החברות נכשלות משום שהן חסרות קווי אחריות ברורים. כאשר רכש, אחסנה ומכירות לא משתפים פעולה, נוצרים סילואים. הפתרון אינו טכנולוגיה, אלא ארגון מחדש ותקשורת ברורה.
העיקרון השלישי הוא שיפור מתמיד, הנקרא קאיזן ביפנית.
משמעות הדבר היא שעובדים מבצעים שיפורים קטנים בכל יום. היתרון הגדול בקייזן הוא שהרעיונות הטובים ביותר מגיעים לעתים קרובות מהאדם שעושה את העבודה מדי יום. חברה שמיישמת קייזן בצורה נכונה רואה שיפורים מתמשכים ללא השקעות גדולות.
העיקרון הרביעי הוא מדרגיות בצעדים, לא בקפיצות.
רוב היישומים בקנה מידה גדול נכשלים משום שהם מנסים לעשות יותר מדי מהר מדי. אסטרטגיה טובה יותר היא להתחיל פרויקטים פיילוט קטנים, למדוד הצלחה, ללמוד ואז להתרחב. חברה שמתחילה בקטן, ומתנסה ברובוטים ניידים במרחב מוגבל, יכולה להעביר את הלמידה לתחומים אחרים. זה פחות מסוכן וזול יותר.
העיקרון החמישי הוא אמון בכשירות מקצועית.
לא כל מומחי הלוגיסטיקה עובדים במחלקת ה-IT. חידושים רבים צריכים להגיע מהאנשים שעושים את העבודה מדי יום. חברה טובה מקשיבה לעובדיה ומשלבת את הידע שלהם בהחלטותיה. זה לא עולה כסף ולעתים קרובות שווה יותר מייעוץ יקר.
העיקרון השישי הוא איכות נתונים אמיתית במקום אשליית ביג דאטה.
עדיף שיהיו 100 נקודות נתונים נקיות מאשר מיליון נקודות פגומות. חברה צריכה קודם כל לבנות את איכות הנתונים שלה לפני שהיא משקיעה בכלי אנליטיקה. אם איכות הנתונים ירודה, כל הניתוחים חסרי ערך.
העיקרון השביעי הוא ההתמקדות במה שניתן למדוד.
לא כל מה שחשוב ניתן למדידה. אבל עדיף להתמקד בכמה מדדי ביצועים מרכזיים (KPI) ברורים מאשר במאה מדדים מורכבים. מערכת KPI ברורה עוזרת לכולם לחתור באותו כיוון. רוב החברות מודדות יותר מדי ומבינות מעט מדי.
העיקרון השמיני הוא גמישות במקום נוקשות.
מערכת אופטימלית יתר על המידה אינה יכולה להגיב במהירות לשינויים. לוגיסטיקה היא מערכת דינמית. חוסן חשוב יותר משלמות. מערכת המציעה יעילות של 85 אחוז עם גמישות טובה יותר ממערכת המציעה יעילות של 95 אחוז אך ללא גמישות.
אסון ניהול השינויים
היבט של טרנספורמציות לוגיסטיות שלעתים קרובות לא מוערך כראוי הוא ניהול שינויים. חברות רבות מציגות מערכות טכניות מבלי לערב את עובדיהן. התוצאה היא התנגדות עצומה. העובדים חוששים למשרותיהם, אינם מבינים את המערכות החדשות, ועובדים סביבן.
הטמעה מוצלחת מתחילה בתקשורת. עובדים צריכים להבין מדוע השינוי נחוץ, כיצד הוא ישפיע על חיי העבודה שלהם, ושקולם נשמע. שיתוף האנשים הנכונים בשלב מוקדם, למידה מניסיונם ופיתוח מערכות העונות על צרכיהם מגדילים באופן דרמטי את שיעור הקבלה.
טעות קריטית נוספת היא ההנחה שהכשרה לבדה מספיקה. סדנה בת שלושה ימים לפני העלייה לאוויר אינה מספיקה. אנשים זקוקים ללמידה מתמשכת, תמיכה, לולאות משוב וזמן להסתגל לשינויים. חברות שמשקיעות בתוכניות תמיכה אמיתיות רואות תוצאות טובות יותר באופן דרמטי.
המציאות הכלכלית
כשמסכמים את המספרים, מתברר שהשקעות במגמות שיווקיות לרוב אינן ממוקמות כראוי. הטמעת ERP ממוצעת עולה כמה מיליונים ויש לה שיעור כישלון של 73 אחוזים. תוכנית לשיפור מתמיד עולה חלק קטן מכך ויש לה שיעור הצלחה גבוה בהרבה.
הכלכלה של הלוגיסטיקה פשוטה: פחות שגיאות, זמני אספקה מהירים יותר, עלויות נמוכות יותר ושיפור שביעות רצון הלקוחות. מטרות אלו אינן מושגות באמצעות טכנולוגיה יקרה בלבד, אלא באמצעות משמעת, ארגון ושיפור מתמיד. לחברות השולטות ביסודות אלו יש יתרון תחרותי שאין שני לו.
האירוניה היא שרבים מהעקרונות הללו הם בחינם. יוזמת 5S כמעט ולא עולה דבר מלבד זמן ומשמעת. קייזן אינו דורש תוכנה חדשה. אחריות ברורה דורשת רק בהירות, לא טכנולוגיה. ובכל זאת, עקרונות יסוד אלה מתעלמים כל הזמן בעוד חברות מבזבזות מיליונים על טרנדים משודרגים.
מתאים לכך:
הטרנד הטוב ביותר הוא לא ליצור טרנד.
האמת האמיתית לא נוחה: לוגיסטיקה לא מנצחת בזכות הייפ, אלא בזכות תהליכים נקיים, אחריות ברורה ומומחיות אמיתית. חברות ששולטות ביסודות שלהן עדיפות בהרבה על אלו שרודפות אחר הטרנד האחרון.
חברת לוגיסטיקה מצליחה מגרמניה ניסחה זאת כך: "אנחנו רוצים להימנע ממורכבות טכנית משום שהיא מובילה לסיכון גבוה יותר לטעויות. כעסק משפחתי שאינו ממומן על ידי הון סיכון, אנחנו נאלצים להציע פתרונות שעובדים בצורה אמינה. זה לא זוהר, אבל זו האמת."
המגמה הטובה ביותר בלוגיסטיקה היא לא ללכת בעקבות טרנדים. במקום זאת, חברות צריכות לסדר את היסודות שלהן, להכשיר את עובדיהן במשמעת, ולבצע שיפורים קטנים באופן רציף. זה עבד במשך עשרות שנים וימשיך לעבוד הרבה אחרי שמחזור ההייפ הבא יסתיים.
אופטימיזציה של xpert.plus מחסן - מחסן גבוה -בירי כמו ייעוץ ותכנון של מחסן משטחים
אנחנו שם בשבילך - ייעוץ - תכנון - יישום - ניהול פרויקטים
☑️ השפה העסקית שלנו היא אנגלית או גרמנית
☑️ חדש: התכתבויות בשפה הלאומית שלך!
Konrad Wolfenstein
אני שמח להיות זמין לך ולצוות שלי כיועץ אישי.
אתה יכול ליצור איתי קשר על ידי מילוי טופס יצירת הקשר או פשוט להתקשר אליי בטלפון +49 89 674 804 (מינכן) . כתובת הדוא"ל שלי היא: וולפנשטיין ∂ xpert.digital
אני מצפה לפרויקט המשותף שלנו.
