Kegagalan lebih cepat melalui otomatisasi? Jebakan biaya tersembunyi dari otomatisasi gudang

Konrad Wolfenstein

3 bulan yang lalu

Kegagalan lebih cepat melalui otomatisasi? Jebakan biaya tersembunyi dari otomatisasi gudang – Gambar: Xpert.Digital

Kebenaran yang tidak menyenangkan: Mengapa robot saja tidak dapat menyelesaikan kekacauan di gudang

Teknologi bisa dibeli, proses harus diperoleh: Mengapa Anda perlu membersihkan terlebih dahulu dan kemudian melakukan otomatisasi

Ledakan e-commerce, janji pengiriman cepat, dan kekurangan tenaga kerja terampil yang meluas mendorong industri logistik secara besar-besaran menuju otomatisasi. Miliaran dolar mengalir di seluruh dunia ke robot logistik canggih, sistem transportasi tanpa pengemudi, dan gudang suku cadang kecil otomatis – selalu dengan harapan efisiensi maksimum, pengurangan tingkat kesalahan, dan pengembalian yang cepat. Tetapi di balik fasad gemerlap euforia teknologi ini terdapat kebenaran yang tidak menyenangkan yang terlalu jarang dibicarakan di industri ini: Hingga 50 persen dari semua proyek otomatisasi gudang secara dramatis gagal mencapai targetnya atau bahkan menghabiskan jutaan dolar.

Alasan di balik hal ini hampir tidak pernah terletak pada teknologi itu sendiri, tetapi pada kesalahpahaman berbahaya dari pihak manajemen. Otomatisasi tidak memperbaiki proses yang buruk – melainkan hanya mempercepatnya. Sekadar mendigitalisasi data master yang kacau, penempatan barang yang tidak terstruktur, dan penerimaan barang yang salah tidak menciptakan gudang yang ideal, melainkan memperbanyak kekacauan dalam skala industri. Artikel ini menyoroti jebakan biaya tersembunyi dalam intralogistik dan menunjukkan mengapa langkah penting menuju kesuksesan terjadi jauh sebelum robot pertama bergerak.

Teknologi bisa dibeli. Proses harus diperoleh melalui usaha.

Otomatisasi merupakan tema investasi dominan dalam logistik saat ini. Pasar global untuk otomatisasi gudang diproyeksikan mencapai hampir US$30 miliar pada tahun 2026 dan diperkirakan akan tumbuh menjadi lebih dari US$119 miliar pada tahun 2034—tingkat pertumbuhan tahunan sekitar 16 persen. Hampir lima juta robot gudang telah beroperasi di seluruh dunia di lebih dari 50.000 gudang, dan lebih dari 450.000 robot logistik baru diperkirakan akan terjual pada tahun 2025 saja—lebih dari enam kali lipat jumlah yang terjual pada tahun 2019. Pendorong perkembangan ini sudah diketahui: meningkatnya volume pesanan karena booming e-commerce, kekurangan struktural tenaga kerja terampil, dan tekanan yang meningkat untuk waktu pengiriman yang semakin cepat. Namun, di balik euforia pertumbuhan ini terdapat kebenaran yang tidak menyenangkan yang terlalu jarang dibahas secara terbuka di dalam industri.

Hingga 50 persen dari semua proyek otomatisasi gudang gagal mencapai tujuan yang telah ditetapkan. Analisis lain oleh Ernst & Young menyimpulkan bahwa 30 hingga 50 persen dari semua proyek robotika dan otomatisasi di seluruh dunia gagal. Di lingkungan FMCG, ritel, dan e-commerce, diperkirakan 20 hingga 40 persen proyek menghasilkan ROI yang jauh lebih rendah daripada perkiraan bisnis—atau bahkan menghasilkan pengembalian investasi negatif hingga puluhan juta dolar. Masalahnya jarang terletak pada teknologi itu sendiri. Masalahnya terletak pada apa yang seharusnya dilakukan sebelum robot pertama dikerahkan.

Mengapa teknologi tidak menyembuhkan proses yang buruk, tetapi malah memperburuknya

Kesalahpahaman yang paling umum dalam otomatisasi gudang adalah: Jika kita membeli mesin yang tepat, proses kita akan menjadi lebih efisien. Logika ini menggoda karena memang benar—tetapi hanya dengan satu syarat penting: bahwa proses yang mendasarinya sudah bersih, konsisten, dan terstruktur secara logis.

Otomatisasi mempercepat dan meningkatkan skala apa pun yang dihadapinya. Ia mereplikasi proses dengan kecepatan tinggi dan hasil yang tinggi. Jika proses-proses ini dirancang dengan baik, peningkatan efisiensi yang terukur dapat dicapai: Menurut studi praktis, sistem pengambilan semi-otomatis meningkatkan efisiensi hingga 97 persen, dan sistem yang sepenuhnya otomatis hingga 140 persen dibandingkan dengan proses manual. Namun, jika proses yang mendasarinya tidak berfungsi dengan baik, otomatisasi menciptakan apa yang oleh para ahli digambarkan sebagai "kegagalan yang lebih cepat": Proses yang salah tidak diperbaiki; melainkan diperbanyak berkali-kali.

Hal ini menghasilkan konsekuensi paradoks. Sebuah perusahaan yang menginvestasikan jutaan euro dalam teknologi konveyor, gudang suku cadang kecil otomatis (AS/RS), atau robot bergerak otonom (AMR) dapat berakhir dengan kondisi operasional yang lebih buruk daripada sebelumnya—jika kualitas data buruk, penempatan barang tidak dioptimalkan, dan proses penerimaan barang tidak stabil. Dalam hal ini, teknologi tersebut bukanlah peningkat efisiensi, melainkan justru memperparah kerusakan, dan dalam skala industri.

Hambatan tak terlihat: Apa yang terjadi sebelum robot bergerak?

Industri ini sering membahas otomatisasi sebagai masalah memilih teknologi yang tepat. Namun, hambatan utama di banyak gudang bukanlah pada robot itu sendiri, melainkan pada langkah-langkah yang terjadi dalam hal waktu dan proses sebelum pengambilan pesanan yang sebenarnya.

Penerimaan barang adalah salah satu proses paling penting, namun paling diabaikan, di gudang. Jika pengiriman yang masuk tidak dicatat dengan benar, salah dialokasikan, atau dicatat dengan data master yang salah, maka akan tercipta basis data yang tidak dapat diandalkan oleh sistem otomatisasi mana pun. Pabrik Bosch di Homburg secara mengesankan menunjukkan hubungan ini: Setelah proses penerimaan barang didigitalisasi dari empat hingga 95 persen, durasi proses berkurang hingga dua pertiga—dan baru kemudian potensi optimasi lebih lanjut di seluruh gudang menjadi jelas. Langkah sebelum robot masuk jauh lebih penting daripada robot itu sendiri.

Faktor penting kedua adalah kualitas data master. Otomatisasi bergantung pada data yang terstruktur dan akurat. Namun, dalam praktiknya, data master produk seringkali tidak lengkap, usang, atau tidak konsisten di berbagai sistem. Studi menunjukkan bahwa akurasi inventaris di gudang rata-rata terkadang hanya sekitar 66 persen—situasi di mana solusi otomatisasi apa pun akan secara sistematis membuat keputusan yang salah. Analisis PwC menunjukkan bahwa perusahaan telah mampu mengurangi tingkat kesalahan inventaris mereka hingga 40 persen melalui penggunaan solusi manajemen data yang didukung AI secara tepat sasaran—tetapi ini membutuhkan konsolidasi data terlebih dahulu.

Elemen ketiga yang sering diabaikan adalah penempatan barang—keputusan yang matang tentang barang mana yang akan disimpan di lokasi mana. Penempatan barang yang tidak terstruktur, di mana barang hanya disimpan di mana pun ada ruang, menyebabkan jarak yang terlalu jauh, peningkatan waktu pengambilan, dan kerentanan yang lebih tinggi terhadap kesalahan. Barang yang bergerak cepat sebaiknya ditempatkan di zona yang ergonomis dan nyaman secara spasial di dekat area pengiriman, barang berat di rak lantai, dan produk pelengkap berdekatan satu sama lain. Sistem penyimpanan otomatis yang beroperasi berdasarkan penempatan barang yang kacau hanya mengoptimalkan strategi penyimpanan yang salah—lebih cepat, tetapi tidak lebih baik.

Solusi Intralogistik LTW

LTW Intralogistics – Insinyur Alur - Gambar: LTW Intralogistics GmbH

LTW menawarkan kepada pelanggannya bukan komponen individual, melainkan solusi lengkap yang terintegrasi. Konsultasi, perencanaan, komponen mekanik dan elektroteknik, teknologi kontrol dan otomatisasi, serta perangkat lunak dan layanan – semuanya terhubung dan terkoordinasi dengan tepat.

Produksi komponen kunci secara internal sangatlah menguntungkan. Hal ini memungkinkan pengendalian kualitas, rantai pasokan, dan antarmuka yang optimal.

LTW merupakan singkatan dari keandalan, transparansi, dan kemitraan kolaboratif. Loyalitas dan kejujuran tertanam kuat dalam filosofi perusahaan – jabat tangan masih memiliki makna di sini.

Berkaitan dengan ini:

Solusi LTW

Kesalahpahaman ini merugikan perusahaan logistik jutaan dolar dalam hal otomatisasi

Apa yang membedakan proyek sukses dari pelajaran yang mahal dan tidak bermanfaat?

Analisis industri dan studi kasus sangat konsisten pada satu hal: Proyek otomatisasi yang sukses tidak dimulai dengan pertanyaan tentang teknologi apa yang akan dibeli. Proyek tersebut dimulai dengan penilaian jujur terhadap status quo.

Langkah pertama selalu berupa analisis menyeluruh terhadap proses gudang saat ini—pencatatan terstruktur dari semua prosedur mulai dari penerimaan barang hingga pengiriman, dengan tujuan eksplisit untuk mengidentifikasi kelemahan, redundansi, dan inefisiensi sistemik. Hanya setelah gambaran ini lengkap, keputusan yang bermakna dapat dibuat mengenai di mana teknologi benar-benar memberikan nilai tambah—dan di mana optimasi proses dan pemeliharaan data harus diprioritaskan. Penyedia seperti AutoStore secara eksplisit menyatakan prinsip ini: Sebelum menerapkan otomatisasi, optimasi proses maksimal harus diupayakan, karena otomatisasi hanya membuat proses yang suboptimal berjalan dalam skala yang jauh lebih besar dan dengan kecepatan yang lebih cepat.

Faktor kunci lain untuk keberhasilan proyek adalah integrasi sistem. Banyak solusi otomatisasi diimplementasikan secara terpisah—sistem pengambilan otomatis di sini, robot pengangkut di sana—tanpa koneksi yang mulus ke WMS, ERP, dan sistem tingkat yang lebih tinggi. Hasilnya adalah silo data, solusi manual, dan kehilangan throughput yang sulit dijelaskan. Proyek yang menetapkan integrasi ujung-ke-ujung sebagai prasyarat sejak awal menghindari kesalahan klasik ini.

Kemudian ada pertanyaan tentang waktu pelaksanaannya. Otomatisasi tidak selalu hemat biaya. Aturan umum yang berlaku adalah: investasi biasanya baru menguntungkan jika volume pengambilan barang mencapai sekitar 1.000 pengambilan per hari atau jumlah SKU melebihi 2.000. Untuk volume yang lebih rendah atau pengambilan barang yang terkonsentrasi hanya pada beberapa item, sistem rak manual yang terorganisir dengan baik seringkali tetap menjadi solusi yang lebih ekonomis. Periode pengembalian investasi yang ditargetkan untuk proyek otomatisasi yang menguntungkan adalah antara dua hingga lima tahun—jika jangka waktu ini jauh meleset selama fase perencanaan, itu merupakan indikator yang dapat diandalkan dari masalah yang berkaitan dengan proses atau konsep.

Kondisi industri Jerman: Antara ambisi dan realitas

Industri Jerman, sebagai negara logistik terkemuka di Eropa, berada dalam dilema yang unik. Di satu sisi, tekanan untuk melakukan otomatisasi sangat tinggi: kekurangan tenaga kerja terampil, kenaikan upah, dan peningkatan volatilitas volume secara signifikan memperintensifkan tekanan tersebut. Di sisi lain, sebuah studi terbaru oleh TMG Consultants yang berbasis di Stuttgart menggambarkan gambaran yang suram: 63 persen perusahaan Jerman yang disurvei belum mengotomatisasi intralogistik mereka sama sekali atau hanya sampai batas tertentu. Hanya sebelas persen yang memiliki proses terintegrasi dan sangat otomatis, dan hanya empat persen yang telah mencapai tingkat intralogistik yang benar-benar otonom.

Yang sangat penting adalah temuan bahwa banyak perusahaan secara sistematis melebih-lebihkan tingkat kematangan intralogistik mereka sendiri. Pelebihan perkiraan ini berbahaya karena menyebabkan investasi teknologi yang prematur tanpa membangun fondasi proses yang diperlukan. Mereka yang tidak mengetahui seberapa baik atau buruk proses mereka saat ini sebenarnya tidak dapat membuat keputusan yang tepat tentang teknologi mana yang akan diterapkan, kapan, dan di mana.

Pada saat yang sama, bongkar muat truk otomatis di area penerimaan barang tetap menjadi tantangan yang belum terselesaikan bagi banyak perusahaan—tepatnya area yang, seperti yang telah dijelaskan, menentukan kualitas semua proses selanjutnya. Jika Anda tidak dapat mengendalikan awal aliran material, Anda dapat mengotomatiskan bagian akhirnya sekompleks apa pun—inefisiensi sistemik akan tetap ada.

Teknologi sebagai penguat, bukan sebagai pengganti pemikiran sistem

Inti dari seluruh perdebatan ini adalah: teknologi adalah penguat—bukan pengubah. Teknologi memperkuat apa yang sudah ada. Proses yang baik menjadi lebih baik dan lebih cepat. Proses yang buruk menjadi lebih buruk dan lebih cepat. Asimetri ini secara sistematis diremehkan dalam praktiknya karena argumen investasi umumnya berfokus pada keadaan potensial—pada apa yang mungkin terjadi ketika semuanya berjalan dengan benar.

Yang seringkali kurang dalam perdebatan ini adalah penerapan yang konsisten dari sebuah eksperimen pemikiran sederhana namun efektif: Seperti apa gudang kita jika kita membangunnya dari awal hari ini? Pertanyaan ini memaksa kita untuk menghadapi kondisi ideal—dan dengan demikian, pertanyaan ini langsung mengungkapkan seberapa jauh status quo dari kondisi ideal tersebut. Perbedaan inilah yang menentukan apakah investasi dalam otomatisasi membuka potensi atau justru melanggengkan masalah.

Pengambilan pesanan saja seringkali menyumbang lebih dari 55 persen dari total biaya operasional gudang di gudang manual. Pengambilan yang salah menghasilkan biaya tindak lanjut rata-rata hampir €20 per pengambilan yang salah. Otomatisasi dapat secara signifikan mengurangi blok biaya ini—tetapi hanya jika arsitektur logistik yang menjadi dasarnya stabil dan konsisten. Siapa pun yang bertujuan untuk mencapai penghematan biaya tenaga kerja 25 hingga 30 persen melalui otomatisasi harus siap untuk terlebih dahulu berinvestasi pada hal-hal yang tidak menghasilkan robot yang mengkilap atau video demonstrasi yang mengesankan: data yang bersih, penempatan yang terstruktur, penerimaan barang yang andal, dan rencana desain sistem yang jelas.

Kenyataan yang kurang menyenangkan adalah ini: mereka yang membeli teknologi terlebih dahulu dan kemudian mencoba memahami prosesnya, sebenarnya menjalankan kebijakan logistik pada level abad ke-20 — hanya saja dengan perangkat keras yang jauh lebih mahal.

Konsultasi - Perencanaan - Implementasi