I magazzini di distribuzione che chiedono come gestire il prelievo e l'allestimento presso il magazzino Amazon si concentrano su un controllo rigoroso del flusso degli ordini, della manodopera e dello spazio. Questo articolo illustra il quadro completo, dai principi fondamentali e dalle fasi del processo VDI 3590 a regole pratiche come FIFO, LIFO e strategie basate sulla shelf-life per il prelievo discreto, a ondate, a lotti, a zona e a cluster.
Vedrai come gli ingegneri progettano sistemi fisici di pick-and-stage, inclusi schemi di layout, slotting, nastri trasportatori, carrelli, contenitori e scelta dei contenitori, oltre a zone di allestimento e metodi di pick-and-pass che supportano un lavoro sicuro ed ergonomico. La sezione digitale copre la logica WMS, l'interleaving delle attività, le tecnologie vocali e luminose, la realtà aumentata. addetto alla selezione degli ordini di magazzino, AMR, cobot e celle merci-persona, insieme a KPI, gemelli digitali e ottimizzazione guidata dall'intelligenza artificiale.
La parte finale trasforma queste idee in spunti strategici per i professionisti, collegando le decisioni ingegneristiche agli obiettivi di produttività, precisione e scalabilità nelle moderne reti di distribuzione.
Principi fondamentali delle operazioni di pick-and-stage
I principi fondamentali delle operazioni di pick-and-stage definivano il modo in cui i siti ad alto volume gestivano il flusso degli ordini. Gli ingegneri li hanno utilizzati per rispondere a una domanda comune nel traffico di ricerca: come gestire il pick-and-stage nel magazzino di Amazon riducendo al minimo spostamenti, errori e congestione. Le stesse regole si applicavano all'e-commerce, al rifornimento al dettaglio e alla logistica dei ricambi. Questa sezione si è concentrata su chiari confini di processo, passaggi standard secondo VDI 3590, regole di rotazione delle scorte e le principali strategie di picking che si adattavano in modo affidabile.
Definizione dei limiti del flusso di prelievo, fase e ordine
La chiara separazione tra le fasi di prelievo e allestimento ha mantenuto stabili i magazzini complessi. Il prelievo copriva tutte le azioni, dal rilascio delle attività alla rimozione degli articoli dalle ubicazioni di stoccaggio. L'allestimento iniziava quando le unità prelevate entravano in un buffer definito, come corsia, scaffale o posizione pallet, e terminava quando gli ordini venivano trasferiti alle fasi di imballaggio o carico. Gli operatori addetti ai grandi volumi separavano queste zone fisicamente e nella logica di sistema per evitare doppi conteggi e instradamenti errati.
Gli ingegneri hanno mappato il flusso degli ordini come una serie di stati: disponibile per il prelievo, in fase di prelievo, preparato, imballato, caricato e spedito. Ogni stato era contrassegnato da chiare scansioni o conferme di ingresso e uscita. In attività simili a quelle dei grandi siti di e-commerce, questa struttura consentiva il lavoro parallelo: i picker riempivano i contenitori mentre i team di preparazione smistavano, sequenziavano o pallettizzavano. I confini supportavano anche la pianificazione del lavoro, poiché i manager vedevano esattamente dove si formavano le code e dove aggiungere risorse.
Fasi del processo secondo VDI 3590 e varianti pratiche
La VDI 3590 descriveva il picking come una catena di fasi ripetibili. La linea guida copriva le informazioni di trasporto, la movimentazione delle merci, l'allestimento, il percorso del picker, il picking, la consegna del prelievo, la conferma e il trasporto delle unità di prelievo al punto successivo. Le moderne piattaforme WMS rispecchiavano questo processo con stati delle attività ed eventi di scansione. Questa struttura riduceva l'ambiguità e supportava gli studi temporali.
In pratica, i siti hanno adattato questi passaggi in base al loro livello di automazione. Le varianti tipiche includevano:
- Combinazione del movimento del raccoglitore e delle informazioni di prelievo in un unico comando RF o vocale.
- Saltare la fase di staging esplicita per i flussi diretti pick-to-pack.
- Aggiunta di controlli di qualità tra la consegna del prelievo e la conferma.
Gli stabilimenti ad alto volume spesso inserivano punti di controllo aggiuntivi in fase di allestimento. Tra gli esempi figuravano controlli del peso, controlli delle dimensioni degli imballaggi o controlli di fine linea del trasportatore. Gli ingegneri documentavano ogni variante in istruzioni di lavoro standard in modo che formazione, KPI ed eventi di sistema rimanessero allineati.
Regole basate su FIFO, LIFO e Shelf-Life
Le regole di rotazione delle scorte determinavano quale unità fisica un addetto al prelievo prelevava quando il WMS creava un'attività. Il FIFO si adattava alla maggior parte delle merci generiche perché riduceva l'invecchiamento delle scorte e semplificava i controlli. Il LIFO era adatto per lo stoccaggio in corsie profonde o per le scaffalature push-back dove l'accesso posteriore non era possibile. Le regole basate sulla durata di conservazione prevalevano in entrambi i casi quando si applicavano date di scadenza o di consumo preferenziale.
Nelle operazioni regolamentate o di qualità alimentare, i sistemi applicavano in genere il metodo FEFO (first-expired-first-out). Il WMS selezionava i lotti con la durata di conservazione residua più breve entro i limiti consentiti. Gli ingegneri configuravano criteri di spareggio, come la data di ricezione più vecchia o la profondità di ubicazione più bassa, per evitare problemi di "nido d'ape". Regole chiare supportavano anche la progettazione "pick-and-stage". Ad esempio, le corsie di smistamento dei pallet per i carichi in uscita seguivano la stessa logica di rotazione per evitare di caricare per primo il lotto sbagliato. Gli operatori gestivano le etichette visive e i controlli di scansione in modo che la movimentazione fisica corrispondesse alle decisioni del sistema.
Selezione discreta, a onde, in lotti, a zone e a cluster
La strategia di prelievo ha influenzato notevolmente le modalità di prelievo e allestimento su larga scala nei magazzini di Amazon. Il prelievo discreto gestiva un ordine alla volta ed era adatto a volumi ridotti o articoli speciali. Offriva un allestimento semplice perché ogni contenitore o cartone corrispondeva a un ordine. Tuttavia, la distanza di percorrenza per linea rimaneva elevata. Il prelievo a ondate raggruppava gli ordini per corriere, orario limite o area. Il WMS rilasciava ondate in modo che il prelievo, l'allestimento e il carico fossero allineati con i programmi dei camion.
Il prelievo in batch raggruppava più ordini per SKU o percorso. Un giro raccoglieva lo stesso SKU per diversi ordini, quindi lo staging o una fase di smistamento suddivideva gli articoli in contenitori per gli ordini. Questo riduceva i viaggi, ma richiedeva layout di staging chiari e una disciplina di scansione. Il prelievo a zone divideva l'edificio in zone. Ogni addetto al prelievo rimaneva in una zona e gli ordini o i contenitori si spostavano tra le zone. Lo staging spesso avveniva alle uscite di zona o nelle aree di consolidamento centrali.
Il prelievo a grappolo permetteva a un singolo addetto di gestire più ordini contemporaneamente utilizzando più contenitori o slot su un carrello. L'addetto seguiva un percorso ottimizzato e depositava gli articoli in scomparti separati. Questo metodo riduceva gli spostamenti, in modo simile al prelievo a lotti, ma semplificava la gestione a valle poiché ogni scomparto era già collegato a un ordine. Gli ingegneri sceglievano tra questi metodi in base ai profili degli ordini, al numero di SKU e ai vincoli di manodopera, e spesso li combinavano per turno o per famiglia di prodotti per ottenere la migliore produttività complessiva.
Progettazione del sistema fisico Pick-And-Stage
La progettazione del sistema di prelievo e allestimento nel magazzino Amazon inizia dal sistema fisico. La progettazione fisica definisce i limiti di produttività, tempi di percorrenza e rischio di errore. Gli ingegneri ottimizzano il layout, le attrezzature e la logica di allestimento in modo che strategie digitali come il prelievo a ondate o a lotti possano effettivamente funzionare sul campo. Questa sezione si concentra sui modelli di layout, sulla gestione dei supporti, sulla progettazione dell'allestimento e sulle norme di sicurezza applicate nella pratica nei moderni siti ad alto volume.
Layout, scanalature e schemi di flusso (forma a U, I, L)
I siti ad alto volume che richiedevano informazioni su come gestire il picking and stage a livello di magazzino di Amazon solitamente utilizzavano tre modelli di flusso. La forma a U supportava edifici compatti con banchine di spedizione e ricezione condivise. La forma a I supportava edifici lunghi con un flusso unidirezionale chiaro dall'ingresso all'uscita. La forma a L supportava il cross-dock e i resi pesanti.
Gli ingegneri hanno collegato il modello di flusso alla distanza di percorrenza, alla congestione e all'espandibilità. Le scelte progettuali tipiche includevano:
- Forma a U: corsa breve, ideale per siti di piccole e medie dimensioni, facile supervisione.
- Forma a I: ideale per un throughput elevato, netta separazione tra in entrata e in uscita.
- Forma a L: flessibile per combinare stoccaggio, cross-dock e lavoro a valore aggiunto.
Le regole di slotting hanno quindi controllato le fasi di prelievo. I team hanno utilizzato l'analisi ABC o ABC-XYZ per posizionare gli articoli di tipo A vicino alla spedizione e ad altezze ergonomiche. Hanno posizionato gli articoli di tipo B in posizioni intermedie e gli articoli di tipo C in magazzini ad alta densità. Hanno raggruppato gli SKU spediti insieme per ridurre i tocchi. Gli ingegneri hanno verificato che gli operatori più veloci si posizionassero sul percorso di prelievo principale, non in corridoi senza uscita, per evitare congestioni durante le ondate.
Strategie per trasportatori, carrelli, contenitori e contenitori
I trasportatori fisici hanno definito come gestire il prelievo e l'allestimento su scala di magazzino di Amazon. I progettisti hanno combinato nastri trasportatori, carrelli, contenitori e scatole di spedizione per adattarli alle dimensioni dell'ordine e al profilo SKU. I nastri trasportatori hanno supportato un flusso costante tra le zone di prelievo, i controlli di qualità e l'imballaggio. I carrelli hanno supportato percorsi flessibili e rapidi cambi di layout.
La strategia tipica dei contenitori seguiva tre regole:
- Utilizzare contenitori standard per ordini di piccole e medie dimensioni per semplificare l'automazione e lo stoccaggio.
- Utilizzare cartoni per la spedizione come contenitori di prelievo quando l'utilizzo dei cubi è più importante.
- Per ordini voluminosi o con un basso numero di SKU, utilizzare pallet o carrelli di grandi dimensioni.
Gli ingegneri hanno verificato le dimensioni di cartoni e contenitori in base alle aperture degli scaffali, alla larghezza del trasportatore e ai raggi di sterzata. Hanno limitato il peso dei contenitori a valori di movimentazione sicuri, spesso inferiori a 15-20 kg, per proteggere gli operatori. Hanno anche definito schemi di colori o etichette in modo che i picker potessero individuare a colpo d'occhio la priorità, il trasportatore o la classe di temperatura. Nelle linee ad alto volume, hanno utilizzato trasportatori di accumulo per separare il prelievo dal confezionamento ed evitare blocchi a monte.
Zone di sosta, consolidamento e pick-and-pass
La progettazione degli allestimenti ha spiegato in gran parte come gestire il prelievo e l'allestimento a livello di magazzino di Amazon. Le zone di allestimento fungevano da buffer tra il prelievo, l'imballaggio e la spedizione. Assorbivano i picchi delle ondate e i cut-off dei trasportatori. Gli ingegneri hanno distinto tre tipi di allestimento: allestimento di prelievo, allestimento di consolidamento e allestimento di banchina.
Un design tipico combinava questi elementi:
- Corsie dedicate per corriere o percorso in prossimità dei moli.
- Area di consolidamento per ordini multizona con ID corsia liberi.
- Prelievo in fase di breve termine in prossimità di moduli di prelievo ad alto volume.
I flussi pick-and-pass utilizzavano zone con punti di ingresso e uscita chiari. Cassette o cartoni entravano in una zona, ricevevano tutti gli SKU richiesti e poi venivano spostati nella zona successiva. La movimentazione avveniva tramite nastri trasportatori o carrelli guidati. Per evitare colli di bottiglia, gli ingegneri hanno bilanciato le linee orarie per ciascuna zona e dimensionato i buffer di smistamento tra le zone. Hanno anche definito loop di eccezione in cui gli ordini problematici potevano uscire dal flusso principale senza bloccare il lavoro standard.
Sicurezza, ergonomia e conformità normativa
Le operazioni ad alto volume che hanno studiato come gestire il picking and stage sulla bilancia da magazzino di Amazon hanno considerato la sicurezza e l'ergonomia come input progettuali fondamentali, non come elementi aggiuntivi. Gli ingegneri hanno limitato i pesi di sollevamento manuali, ridotto le distanze di sbraccio e controllato il numero di passi. Hanno posizionato i carrelli elevatori più rapidi tra l'altezza delle ginocchia e quella delle spalle. Hanno utilizzato rack di flusso e sistemi a gravità per far avanzare le casse e ridurre le profondità di sbraccio.
I principali controlli di progettazione includevano:
| Aspetto | Focus ingegneristico |
|---|---|
| Sollevamento e trasporto | Limitare il carico per sollevamento, utilizzare transpallet manuale o trasportatori per oggetti pesanti. |
| A piedi | Accorciare i percorsi di prelievo principali, utilizzare il prelievo a zone o a cluster. |
| Sicurezza del traffico | Separare pedoni e camion, segnalare gli attraversamenti pedonali, stabilire limiti di velocità. |
| Incendio e uscita | Mantenere la larghezza dei corridoi, tenere libere le uscite e gli irrigatori. |
Il lavoro di conformità ha riguardato le normative locali sul lavoro, i codici edilizi e antincendio e, ove pertinente, le normative sui materiali pericolosi. I team hanno documentato procedure operative standard, istruzioni di lavoro visive e piani di emergenza. Hanno allestito percorsi giornalieri per consentire ai supervisori di controllare corsie bloccate, scaffalature danneggiate e sovraccarichi di stoccaggio. Questa disciplina ha mantenuto elevate le prestazioni di pick-and-stage, controllando al contempo i tassi di infortuni e il rischio normativo.
Controllo digitale, automazione e prestazioni
Il controllo digitale ha definito il modo in cui i siti ad alto volume gestiscono il pick-and-stage. Le strutture che hanno studiato come gestire il pick-and-stage nel magazzino di Amazon si sono concentrate sulla logica software, sulle interfacce uomo-macchina, sulla robotica mobile e sui dati concreti sulle prestazioni. Questa sezione spiega come questi elementi interagiscono in un moderno centro di distribuzione.
Logica WMS, interlacciamento delle attività e progettazione delle onde
Un efficiente sistema di gestione del magazzino (WMS) controllava quasi ogni decisione di prelievo e allestimento. Generava liste di prelievo, selezionava le posizioni di stoccaggio e sequenziava le attività in base a regole. Nelle operazioni modellate su come effettuare il prelievo e l'allestimento nel magazzino di Amazon, gli ingegneri hanno ottimizzato la logica del WMS per ridurre le distanze percorse e i tempi morti.
L'interleaving delle attività permetteva a un operatore di passare da prelievo a stoccaggio e rifornimento in un unico percorso ottimizzato. Il WMS combinava le attività in base a posizione, peso e priorità. Questo riduceva i viaggi a vuoto e le linee in salita all'ora. La progettazione a onde raggruppava gli ordini in base al limite di consegna del corriere, al livello di servizio o alla destinazione. Le strategie a onde tipiche includevano:
- Onde basate sul tempo allineate con gli orari di partenza del rimorchio.
- Ondate di batch che raggruppavano SKU o zone simili.
- Onde di rifornimento che riempivano i titoli in rapida evoluzione prima dei grandi cali.
Gli ingegneri hanno verificato che le dimensioni delle onde corrispondessero alla capacità di impacchettamento e di smistamento. Onde di dimensioni insufficienti creavano congestione presso i moli e le corsie di smistamento. Un ciclo di feedback basato su KPI come il tempo di ciclo dell'ordine e il tempo di permanenza in banchina ha contribuito a perfezionare i modelli di onde.
Raccolta guidata da voce, luce, realtà aumentata e visione
Le interfacce uomo-macchina hanno influenzato la velocità con cui i picker potevano eseguire i piani WMS. Il picking vocale utilizzava cuffie e riconoscimento vocale. I picker ricevevano istruzioni verbali e confermavano i prelievi pronunciando cifre di controllo o quantità. Questo lasciava mani e occhi liberi e riduceva la gestione delle etichette. Funzionava bene per aree con un elevato numero di SKU e scarsa visibilità, come le scaffalature portapallet.
I sistemi a luce diretta utilizzavano LED nei punti di stoccaggio. La luce indicava il contenitore e la quantità. Questi sistemi raggiungevano un'accuratezza molto elevata, ma richiedevano cablaggi ad alta densità o moduli luminosi wireless. Si adattavano meglio a moduli di prelievo ad alta densità o a rack di flusso con ordini ripetuti.
Occhiali e dispositivi indossabili per la Realtà Aumentata (AR) visualizzavano frecce, ID degli slot e quantità nel campo visivo. I test pilota hanno mostrato guadagni a due cifre nelle unità all'ora quando i layout erano complessi. Il prelievo guidato dalla visione utilizzava telecamere e intelligenza artificiale per leggere i codici a barre o identificare gli articoli in base alla forma. Ciò ha ridotto i tempi di scansione ed è stato utile quando le etichette erano piccole o danneggiate.
Gli ingegneri hanno confrontato le opzioni utilizzando una matrice semplice: tolleranza agli errori, densità di SKU, condizioni di illuminazione e impegno nella formazione. Per operazioni simili al prelievo e allo stoccaggio presso il magazzino di Amazon, erano comuni architetture miste. Ad esempio, illuminazione nei moduli di prelievo rapido, comandi vocali nello stoccaggio di grandi quantità e realtà aumentata per la formazione e la gestione delle eccezioni.
AGV, AMR, cobot e celle merci-persona
L'automazione mobile ha spostato il peso degli spostamenti dalle persone alle macchine. I veicoli a guida automatica (AGV) seguivano percorsi fissi utilizzando marcatori o cavi. Si adattavano a flussi stabili e ripetibili, come gli spostamenti dei pallet tra ricezione, stoccaggio e allestimento. I cambi erano lenti perché i percorsi erano codificati.
I robot mobili autonomi (AMR) utilizzavano mappatura e sensori integrati. Riuscivano a aggirare gli ostacoli e ad adattarsi alle modifiche di layout. I siti che studiavano come gestire il pick and stage nel magazzino di Amazon spesso privilegiavano gli AMR per lo spostamento di contenitori o carrelli tra le zone. I ruoli tipici includevano:
- Trasporto dei contenitori selezionati dalle zone al consolidamento.
- Postazioni di lavoro di tipo "merce-persona".
- Supporta la selezione dinamica delle zone durante i picchi.
I cobot lavoravano accanto agli operatori nelle postazioni di prelievo o imballaggio. Gestivano il sollevamento, i movimenti ripetitivi o la formazione delle scatole. Questo riduceva lo sforzo e migliorava la coerenza. Le celle "merce alla persona" trasportavano contenitori o vassoi a un picker fisso tramite navette, caroselli o AMR. Queste celle riducevano quasi a zero gli spostamenti, ma richiedevano ingenti capitali e un'attenta selezione degli SKU.
Gli ingegneri hanno elaborato ipotesi di business basate su risparmi di manodopera, incrementi di produttività e copertura dei picchi. Hanno inoltre verificato gli standard di sicurezza, l'architettura degli arresti di emergenza e le norme di circolazione. Era essenziale stabilire regole chiare sulla precedenza tra carrelli elevatori, AMR e pedoni.
KPI, gemelli digitali e ottimizzazione basata sull'intelligenza artificiale
Un solido controllo digitale si basava su dati di performance accurati e tempestivi. I KPI tipici per il pick-and-stage includevano:
- Precisione del prelievo (% di righe d'ordine prive di errori).
- Unità o linee per ora di lavoro.
- Tempo di ciclo dell'ordine dal rilascio alla conferma della spedizione.
- Distanza da percorrere per ogni percorso selezionato.
- Tempi dal molo al magazzino e dal magazzino alla spedizione.
Registri WMS, scansioni RF e dashboard di dati indossabili alimentate. I supervisori li utilizzavano nei turni di lavoro per individuare colli di bottiglia nelle corsie di smistamento, nei moduli di prelievo o nelle celle di imballaggio. I gemelli digitali si sono spinti oltre. Hanno replicato la disposizione del magazzino, le attrezzature e la logica di processo nel software di simulazione. I team hanno potuto testare nuovi modelli di ondata, regole di slotting o dimensioni della flotta AMR senza mettere a rischio gli ordini in tempo reale.
L'ottimizzazione basata sull'intelligenza artificiale ha utilizzato dati storici per regolare automaticamente i parametri. Tra gli esempi, la previsione dei picchi degli ordini, la regolazione dei tempi di rilascio delle ondate e la proposta di spostamenti dinamici. In ambienti come quello del pick and stage nel magazzino di Amazon, i modelli di intelligenza artificiale suggerivano quali ordini dovevano essere indirizzati a quale metodo di prelievo, come batch, cluster o merce alla persona.
Gli ingegneri hanno mantenuto una visione equilibrata. Hanno convalidato i suggerimenti dell'IA rispetto alle norme di sicurezza, ai limiti ergonomici e agli accordi sindacali o di lavoro. I risultati migliori si sono ottenuti quando l'IA ha supportato chiari diritti decisionali umani e quando le definizioni dei KPI sono rimaste stabili nel tempo.
Riepilogo e spunti strategici per i professionisti
I professionisti che studiano come gestire il picking and stage nel magazzino di Amazon dovrebbero considerare il picking and stage come un sistema integrato. Le sezioni precedenti hanno mostrato come definizioni di processo chiare, layout ingegnerizzati e controllo digitale si colleghino in un unico flusso. Questa conclusione collega queste idee in un manuale pratico che si adatta a magazzini di diverse dimensioni e livelli di automazione.
Da un punto di vista tecnico, la stabilità delle prestazioni di pick-and-stage si basa su quattro pilastri. In primo luogo, definire il processo secondo le fasi dello standard VDI 3590, dalle istruzioni di trasporto alla conferma, ed eliminare i passaggi di consegne poco chiari. In secondo luogo, allineare la strategia di prelievo al profilo dell'ordine. Utilizzare il prelievo discreto per volumi ridotti, quindi aggiungere ondate, lotti, zone, cluster o pick-and-pass man mano che aumentano le righe d'ordine giornaliere. In terzo luogo, progettare il piano di stoccaggio: scegliere flussi a U, I o L, quindi inserire gli SKU con regole ABC e di velocità e dimensionare le zone di staging per le ondate di picco, non per i giorni medi. In quarto luogo, lasciare che un WMS o un sistema simile controlli le attività di rilascio, rifornimento e KPI.
Le tendenze del settore indicavano una maggiore automazione e un controllo più basato sui dati. Le strutture sono passate da carrelli manuali e pistole RF a flussi di lavoro guidati da comandi vocali, luci, realtà aumentata e visione. AGV, AMR, cobot e celle merci-persona hanno preso il sopravvento su spostamenti ripetitivi e spostamenti pesanti. Gemelli digitali, slotting basato sull'intelligenza artificiale e progettazione predittiva delle onde hanno iniziato a modellare in anticipo i piani di lavoro e la capacità di smistamento. Tuttavia, anche i siti più avanzati si basavano ancora su regole di base come il FIFO per gli articoli a scadenza, la chiara segnaletica delle corsie e le altezze di prelievo ergonomiche.
Per l'implementazione, la maggior parte dei programmi di successo ha seguito una roadmap graduale. I team hanno innanzitutto mappato il processo attuale e misurato KPI di base come unità all'ora, precisione di prelievo e tempo di ciclo dell'ordine. Successivamente, hanno sperimentato una o due modifiche in un'area limitata. I primi passi tipici includevano slot più stretti, una logica a onda semplice o una piccola zona pick-to-light o vocale. Solo dopo aver ottenuto risultati stabili, hanno ampliato l'automazione, aggiunto robot o riprogettato i layout di staging. Nel corso del processo, hanno aggiornato le procedure operative standard (SOP), formato il personale e mantenuto controlli di sicurezza e normativi in ogni revisione del progetto.
Guardando al futuro, i magazzini più resilienti hanno combinato un'ingegneria conservativa con una tecnologia flessibile. Hanno dimensionato scaffalature, corsie di allestimento e nastri trasportatori per carichi e distanze peggiori. Allo stesso tempo, hanno mantenuto adattabili software, metodi di prelievo e modelli di lavoro. Questo approccio equilibrato ha permesso loro di gestire i picchi stagionali, la crescita degli SKU e i nuovi canali di vendita senza continue ristrutturazioni. Le strutture che hanno trattato il pick-and-stage come un sistema vivo, non come un progetto una tantum, sono rimaste le più vicine ai livelli di prestazioni associati alle principali operazioni di e-commerce. Ad esempio, integrando addetto alla selezione degli ordini di magazzino sistemi e piattaforma elevatrice a forbice soluzioni possono migliorare significativamente l'efficienza. Inoltre, l'adozione transpallet elettrico le attrezzature supportano flussi di lavoro più fluidi nella movimentazione dei materiali.
