Det svageste led
Det endelige mål med implementering af RFID er øget forretningsværdi. For at nå dette mål skal teknologien klargøres, opstilles og udnyttes. Derefter skal data fra teknologien behandles og lagres. Ifølge Hardgrave er det her de største udfordringer ligger. Derfor viderebringer vidensbanken i denne artikel en gennemgang af de største problemer og mulige løsninger. Bl.a. vises forskellene på et ideelt og et reelt datasæt for et produkt.
|
Som forklaret i den indledende artikel i serien, er data-analysen det afgørende led imellem teknologi og forretningsværdi. Det er dog ofte et overset punkt.
Ofte er planer for implementering af RFID meget detaljerede i teknologivalg og opstilling, og forholdsvis klare i hvad det forventede udbytte skal være. Hvordan man opnår udbyttet er dog mindre klart.
Da data-behandlingen samtidig kan være meget problematisk, står man med et problem.
"Databehandlingsdelen af systemet er det svageste led i kæden netop nu. Ikke teknologien. Teknologien bevæger sig fremad med stor hastighed, langt hurtigere end jeg havde troet for blot få år siden," siger Hardgrave, og slår dermed fast hvor indsatsområdet bør lægges;
"Udfordringen er hvad vi skal gøre med de mange data fra teknologien. Og hvordan får vi det til at fungere med allerede eksisterende ERP-systemer? Hvordan får vi brugt det til noget fornuftigt, uden at overbelaste systemerne med ubrugelig information?"
Kilden til data
Inden vi ser på hvordan et data-sæt kan se ud, gennemgår vi kort en typisk opsætning af et RFID-system i et distributionscenter og en butik. For et disstributionscenter vil der typisk være tre vigtige registreringspunkter: Dørene hvor varerne kommer ind, transportbånd hvor varerne flyttes, og dørene hvor varerne afsendes igen.
|
Bill Hardgrave, en af verdens førende RFID forskere, gæstede for nyligt Danmark og holdt i den forbindelse et foredrag omkring hans erfaringer med RFID. Vi var selvfølgelig til stede, og viderebringer i denne artikelserie Hardgraves bud på hvordan RFID kan tilføre en virksomhed værdi.
Denne artikel fokuserer på dataanalyse. Den sidste artikel vil behandle området Forretningsværdi. |
Dørene til afsendelse og modtagelse kan i nogle tilfælde være de samme hvilket stiller endnu større krav til databehandlingen, da systemet dermed skal finde ud af om en vare modtages eller afsendes. En mulig løsning på det problem er retningsbestemmelse. |
For butikker vil løsningen se lidt anderledes ud. Der vil typisk være læsere ved modtagelsesdørene, og muligvis læsere på lageret. Derudover er der læsere ved udgangen til selve butikken. Her er der igen problemet med at registrere om en vare har bevæget sig fra lageret til butikken, eller fra butikken til lageret.
Når varen har været i butikken og kassen med tagget er tømt, fortsætter kassen til pap-presseren, hvor taggen aflæses for sidste gang. Det er altså et meget vigtigt læsepunkt, da det signalerer at varen er brugt.
|
Skitser af en typisk opsætning af RFID i WalMarts distributionscentre og butikker. De røde cirkler viser placeringen af RFID-læsere. |
Tagget knuses altså sammen med kassen, da det for passive tags vil være for dyrt at forsøge genbrug. Aktive tags skal selvfølgelig ikke knuses.
Hvad får man ud af det?
Når en tagget vare bevæger sig igennem et system som dette, genereres et data-sæt, der beskriver hvor og hvornår varen er blevet registreret. I en ideel verden vil et data-sæt se ud som på nedenstående tabel, hvor hvert målepunkt er registreret en gang og i den rigtige rækkefølge.
I virkeligheden vil man dog sjældent se så pæne data, da der vil forekomme fejllæsninger, manglende læsninger og nogle gange mange læsninger af same punkt.
WalMart bruger et system kaldet RetailLink til indsamling og behandling af data, hvilket samtidig kan bruges af leverandører til at søge information om præcist deres produkter. Data herfra vil dog ofte være mere besværligt at overskue, da de vil være fyldt med fejl. Hardgrave kommer med et eksempel på et data-sæt fra en WalMart butik:
1. flyttes fra lager til butik
2. kommer tilbage fra butikken
3. går igennem modtagelsesdørene
4. smides i pap-presser
5. smides i pap-presser
6. smides i pap-presser
7. går igennem modtagelsesdørene
8. smides i pap-presser
9. går igennem modtagelsesdørene
|
Varen har altså været ude i butikken og igennem modtagelsesdørene. Herefter er den blevet smidt i pap-presseren 3 gange, været igennem modtagelsesdørene, smidt i pap-presseren og endelig igennem modtagelsesdørene en gang til.
"Det må være en magisk kasse!" udbryder Hardgrave.
Der er dog en logisk forklaring på de mærkelige registreringer. For det første filtreres der efter nye hændelser. Dvs. at hvis et tag registreres af en læser, forsvinder, og derefter registreres igen, vil der komme 2 hændelser i data-sættet. Samtidig er læseren ved pap-presseren i WalMart-butikker ofte placeret over presseren, vinklet nedad. Da presseren er af metal, betyder det at radiosignalerne spredes, og tags registreres mange gange.
Ud over dette problem, er pap-presseren ofte placeret ved siden af modtagelses-dørene. Det betyder at tagget kan registreres af læseren i døren, inden den kommer til presseren. Og når presseren tømmes, kan manøvrering af pappet på en palleløfter resultere i skiftevis registrering af tagget ved døren og presseren. Dette kan ske, da et tag ikke altid ødelægge i presseren.
"Det er altså helt sikkert muligt at få fantastisk data ud af teknologien. Alle de nødvendige og brugbare oplysninger er til stede. Det store problem er bare at få skilt dem fra støjen. Det er det der skal arbejdes på!" mener Hardgrave.
En delvis teknisk løsning kunne være at afgrænse læsefelterne – fx ved at indbygge læserne i box-crusher. Det er dog ikke en komplet løsning, og kan ikke gøres alle steder – bl.a. pga. sikkerhedsregler for maskiner. Det er altså nødvendigt at løse problemerne ved at behandle data hensigtsmæssigt, ud fra de mål man gerne vil opnå.
|
Tabellen viser hvordan et ideelt data-sæt vil se ud for en vares vej igennem et distributionscenter og en butik. Virkelig data er langt fra så pæn, men med udvikling af databehandlingsteknikker vil virkeligheden nærme sig det viste. |
Hvad er vigtigt?
Når data-sættene kan være så støjfyldte, og metoderne til databehandling ikke er helt klar endnu, hvad skal man så fokusere på ved en beslutning om implementering af RFID? Der er især to områder der tales meget om: læsbarheden samt mængden og kvaliteten af data. Kan problemer indenfor disse områder løses ved korrekt databehandling? Mange af dem kan:
100%
Er det nødvendigt at have 100% læsbarhed af alle kasser ved alle læsere? Ikke ifølge Hardgrave;
"Der er heller ikke 100% læsbarhed ved brug af stregkoder. Det handler også om hvad man gerne vil med sine data. Ved en læsbarhed på 90%, hvilket er konservativt, og 4 læsepunkter i en butik, vil chancen for at registerere et produkt et sted i butikken være 99,99%. Det er ikke 100, men det er meget tæt på."
Hardgrave tror ikke på at vi nogensinde vil nå op på 100% læsbarhed; "Jeg kan nævne et eksempel, hvor en testbutik gik fra 95% læsbarhed til 40%, fra den ene dag til den anden. Dette var ved brug læser-porte. Ved en nærmere undersøgelse kom det frem, at lagermedarbejderne havde fundet ud af, at læser-portene var gode at læne sig op ad, imens kollegaerne kørte varerne igennem. Dermed blokerede de for signalerne."
Det er dog ikke nødvendigvis et problem, da data kan konstrueres ud fra andre læsepunkter. Hvis det er et krav at have 100% læsbarhed, er det nødvendigt med redundante læsepunkter, aktive tags eller lignende. Det er dog en strategisk beslutning, snarere end det er begrænset af teknologien.
Hvor meget og hvor godt?
"Der er blevet sagt og skrevet meget om mængden af data der vil komme ud af et komplet RFID-system. Nogle modstandere mente at et system som WalMarts ville genere 7,7 billlioner terabytes om dagen! Det er vildt overdrevet. I løbet af 20 år har WalMart indsamlet data der svarer til 300 terabytes. RFID vil nok øge det med max 1 gigabyte om dagen. Det er dog ikke den nødvendige lagerkapacitet der er problemet. Det er de 7 millioner registrerede hændelser om dagen der er problemet. Hvordan analyserer man så meget information?" spørger Hardgrave.
Udfordringen er altså at bevare kvaliteten af de indsamlede data, og være i stand til at analysere og strukturere dem på en sådan måde at de bliver brugbare. Der er ikke et endegyldigt svar på hvordan man opnår dette, men der arbejdes med dette problem på alle de test-projekter der udføres hos bl.a. WalMart og Metro.
Ud over denne udfordring kommer der nye til. Som du kan læse i de foregående artikler byder fremtiden på muligheder med fx mobile læsere, omgivelsessensorer og item-level tagging. Alle disse vil blot give mere data. "Man skal dog huske på, at alle disse ting ikke skal implementeres fordi det er spændende eller for teknologiens skyld. Det skal implementeres fordi det kan føre til øget forretningsværdi," udtaler Hardgrave.
Du kan glæde dig til at læse mere om hvordan det skal opnås i sidste og afsluttende del af artikelserien, der kommer snart på vidensbanken.
_______________________________
Jonas Rungholm - juni 2007 |
|
|
