Retail
Voorraadnauwkeurigheid boven de norm bij 2,1 miljard colli
De voorraadnauwkeurigheid van de Albert Heijn-voorraad bij Kuehne+Nagel steeg van 98,27% begin 2025 naar 99,41% in september. Daarmee werd de KPI van 99,40% gehaald in een operatie die in 2024 2,1 miljard colli verwerkte.
1. De klant en het vraagstuk
Kuehne+Nagel verzorgt de ontvangst, handling, opslag en uitvoer van Albert Heijn-voorraad. Met 2,1 miljard verwerkte colli in 2024 en een opgegeven totale statiegeldwaarde van €5 miljard vraagt deze operatie om een nauwkeurige registratie en beheersing van de goederenstromen. Begin 2025 lag de stock accuracy op 98,27%, onder de afgesproken KPI van 99,40%. Als projectleider kregen we de opdracht om de voorraadnauwkeurigheid naar het gewenste niveau te brengen en de verbeterde werkwijze in de dagelijkse operatie te verankeren.
Kernpijn
Hoe houdt u de fysieke voorraad en de administratie op elkaar aangesloten bij miljarden goederenbewegingen? Wanneer de voorraadnauwkeurigheid onder de norm blijft, neemt de behoefte aan controles en correcties toe en ontbreekt een betrouwbare basis voor de dagelijkse operatie.
2. Onze aanpak
We combineerden projectleiding met een Lean-aanpak gericht op eenvoudiger werken, minder fouten en betere procesbeheersing. Werkinstructies werden vereenvoudigd en tellingen ingericht volgens het vierogenprincipe. Tegelijk voegden we automatisering toe om invoer en verwerking te vergemakkelijken en maakten we de opslag per distributiecentrum overzichtelijker. Door daarnaast de doorstroming te verbeteren, pakten we niet alleen de voorraadregistratie aan, maar ook de dagelijkse uitvoering die de betrouwbaarheid daarvan bepaalt.
3. De diagnose
De stock accuracy van 98,27% maakte duidelijk dat de aansluiting tussen de fysieke voorraad en de registratie nog onvoldoende was om de KPI van 99,40% te halen. De verbeteropgave lag op meerdere plekken in het proces: de navolgbaarheid van instructies, de controle op tellingen, de invoer en verwerking van gegevens en de overzichtelijkheid van de opslag. Ook de doorlooptijd was relevant, omdat een snellere doorstroming de gemiddelde voorraad kan verlagen. De aanpak moest daarom verder gaan dan verschillen achteraf corrigeren: fouten voorkomen en de hele goederenstroom beter beheersen.
4. Van inzicht naar uitvoering
We vertaalden de verbeterpunten naar aanpassingen in ontvangst, handling, opslag en uitvoer. Eenvoudiger werkinstructies maakten de gewenste uitvoering duidelijker en beter navolgbaar. Bij tellingen zorgde het vierogenprincipe voor een extra controle, terwijl geïmplementeerde automatiseringslagen de invoer en verwerking ondersteunden. De voorraad werd per distributiecentrum overzichtelijker opgeslagen. Doorlooptijden zijn verkort, waardoor de gemiddelde voorraad afnam. Zo kwamen procesafspraken, controles en ondersteuning door systemen samen in één verbeterde werkwijze.
5. Het resultaat
De voorraadnauwkeurigheid steeg van 98,27% begin 2025 naar 99,41% in september 2025. Daarmee kwam de operatie boven de afgesproken KPI van 99,40%. De verbetering bedroeg 1,14 procentpunt en werd ondersteund door eenvoudiger werkinstructies, extra controle op tellingen, automatisering en een overzichtelijkere opslag. Kortere doorlooptijden leidden daarnaast tot een gemiddeld lagere voorraad. Voor die voorraadverlaging en de financiële impact zijn geen afzonderlijke meetwaarden aangeleverd; daarom zijn daaraan geen besparingspercentages of eurobedragen verbonden.
99,41%
Stock accuracy in september 2025 · begin 2025: 98,27%
99,40%
Afgesproken KPI · in september 2025 overtroffen
2,1 mld
Verwerkte colli in 2024
De volumes hebben betrekking op 2024; de startmeting en het behaalde nauwkeurigheidsniveau op 2025. De stijging van 98,27% naar 99,41% is een verbetering van 1,14 procentpunt. De opgegeven €5 miljard betreft de totale statiegeldwaarde en is geen gerealiseerde besparing. Een verdere stijging naar bijvoorbeeld 99,9% is een mogelijke ambitie, geen bewezen uitkomst van de hieronder genoemde technologieën.
6. Volgende stap
De volgende stap is de bereikte nauwkeurigheid borgen en onderzoeken welke technologie verdere verbetering kan ondersteunen. AI-gestuurde vraagvoorspelling kan helpen om voorraadniveaus op seizoenen, promoties en trends af te stemmen. RFID en IoT kunnen, waar technisch en economisch passend, de zichtbaarheid van pallets en lastdragers vergroten en handmatige scans en tellingen verminderen. Computer vision bij in- en uitgaande stromen kan aantallen controleren en afwijkingen signaleren als aanvulling op het vierogenprincipe. Met een digitale kopie van de magazijnoperatie kunnen wijzigingen in lay-out en proces vooraf worden getest op doorlooptijd en nauwkeurigheid. Data-analyse met AI kan terugkerende patronen in voorraadverschillen opsporen, waarna de werkelijke oorzaken op de vloer worden onderzocht. Dit zijn mogelijke vervolgstappen, geen al gerealiseerde resultaten: per toepassing moeten datakwaliteit, haalbaarheid, investering en opbrengst eerst worden onderbouwd en in een proef worden getoetst.