Startseite » Anzeige »

Aachener Softwareentwickler INFORM: Machine Learning für höhere Termintreue und niedrige Bestände

Advertorial

Beschaffung
Machine Learning für höhere Termintreue und niedrige Bestände

Machine Learning für höhere Termintreue und niedrige Bestände
INFORM bietet Lösungen an, die Machine Learning nutzen.
Bild: pressmaster/stock.adobe. com

Neue Machine-Learning (ML)-Algorithmen geben Produktionsplanern die Möglichkeit an die Hand, Maschinen besser auszulasten und die Fertigung flexibler zu planen. Dies gelingt durch um durchschnittlich bis zu 70 Prozent genauere Prognosen von Liefer- und Wiederbeschaffungszeiten benötigter Bauteile.

Im Maschinen- und Anlagenbau sowie in vielen weiteren Branchen ist die Diskrepanz zwischen dem vom Lieferanten zugesicherten und dem tatsächlichen Anlieferungstermin außerordentlich groß. „Die Datenhistorie vieler Unternehmen, mit denen wir zusammenarbeiten, hat gezeigt, dass die von Lieferanten angegebenen Termine in zwei Drittel der Fälle nicht eingehalten wurden“, berichtet Stipo Nad, Leiter Business Development Produktion beim Aachener Softwareentwickler INFORM.

Die in den ERP-Systemen hinterlegten Planungsdaten sind in der Praxis oft falsch, woraus eine insgesamt unpräzise Planung resultiert. Starke Abweichungen führen aber zu einer niedrigen Maschinenauslastung, weil zum erwarteten Termin häufig Material fehlt. Ergeben sich daraus Verzögerungen im Produktionsprozess, leidet auch die Termintreue gegenüber den Kunden, weswegen den produzierenden Unternehmen oft nichts anderes übrigbleibt, als jährlich hohe Summen in eilige Zukäufe zu investieren. All das lässt sich mithilfe spezieller ML-Algorithmen verhindern. Diese schließen an ein beliebiges ERP-System an, beziehen aus diesem relevante Plandaten und prognostizieren dann, wie lange die Lieferung eines benötigten Bauteils tatsächlich dauern wird.

Resilienter durch die Prognose von Wiederbeschaffungszeiten

Je ungenauer die Datenlage, umso größer ist der Mehrwert verbesserter Prognosen. Auch für unbestätigte Liefertermine kann eine Prognose berechnet werden. Mit dem Ergebnis stabilisiert sich der gesamte Warenfluss. Dafür greift der ML-Algorithmus auf Daten vergangener Bestellungen und Liefertermine zurück. Die Wunschverfügbarkeit, eingegangene Terminbestätigungen oder Informationen über offene Bestellwerte, Mengen und Preise verbessern das Ergebnis zusätzlich. In ersten Studien konnte der Algorithmus die Abweichung des Liefertermins von 25 Tagen auf 12 Tage reduzieren. Dadurch sinken Unsicherheit und Risiko so stark, dass deutlich weniger Kurzfristbestellungen notwendig sind.

Hier können Sie das Whitepaper herunterladen. Grafik: INFORM
Hier können Sie das Whitepaper herunterladen. Grafik: INFORM

Die ersten Pilotprojekte von INFORM haben weitere interessante Ergebnisse hervorgebracht: Für einen einzukaufenden Artikel, der regelmäßig eine Woche früher oder später ankommt als vom Lieferanten angegeben und geplant, mussten Unternehmen einen 5,5 mal größeren Sicherheitsbestand vorhalten als für einen Artikel, dessen Wiederbeschaffungszeit sicher bekannt ist. Doch da es unmöglich ist, alle möglichen Gründe für eine Verspätung in der globalen Lieferkette manuell zu überblicken, ließen sich effektive Ergebnisse nur mittels maschinellen Lernens erzielen.

Praxisbeispiel Liebherr-Aerospace Lindenberg

Zu den Pilotanwendern des neuen Verfahrens zählt das zur Firmengruppe Liebherr gehörende Unternehmen Liebherr-Aerospace Lindenberg GmbH. Dieses entwickelt, fertigt und betreut Flugsteuerungs- und Betätigungssysteme, Fahrwerke sowie Getriebe und Elektronik. Mit dem neuen Verfahren prognostiziert das Unternehmen Wiederbeschaffungszeiten von Bauteilen viel genauer, verringert Lieferverzögerungen und senkt unnötige Bestände. Um die Effektivität des neuen ML-Moduls sicherzustellen, nahm Liebherr-Aerospace eine Datenvalidierung vor. Das mittels ML errechnete Prognosedatum zeigte eine Abweichung zwischen dem Planwert und dem Ist-Wert für das Lieferdatum von nur einem Tag. Anschließend erfolgte eine vierwöchige Datenvalidierung in einem umfassenden Testbetrieb. Ausgewählt wurden Lieferanten, die große Mengen an Bauteilen regelmäßig liefern. Insgesamt erwiesen sich die mit ML verbesserten Prognosen der Wiederbeschaffungszeiten als viel genauer als die aus dem Artikelstamm.

Schnell gute Entscheidungen treffen mit intelligenter Software. Grafik: INFORM
Schnell gute Entscheidungen treffen mit intelligenter Software. Grafik: INFORM

„Abweichungen zwischen kalkulierten und realen Zeiten führen zu einer niedrigen Maschinenauslastung, wenn die Materialien zu spät eintreffen“, erläutert Sebastian Ullmann, Leiter Organisation Produktionsplanung bei der Liebherr-Aerospace in Lindenberg. „In unserer langen Zusammenarbeit mit INFORM haben wir Vertrauen aufbauen können, insbesondere auch hinsichtlich des Grunddatenverständnisses. Deshalb waren wir sicher, so ein innovatives Thema wie Machine Learning mit INFORM in eine Lösung überführen zu können, die sich für uns wirklich auszahlt.“ Genutzt wird die ML-Funktion nun im Einkauf. Im Fall von Liebherr-Aerospace Lindenberg ist die Lösung zur ganzheitlichen Produktionsoptimierung voll in das bestehende APS-System FELIOS integriert, kann grundsätzlich aber auch als eigenständiges Modul in SAP oder einem anderen ERP-System zum Einsatz kommen.

Mehr Details lesen Sie im kostenfreien Whitepaper „Unsicherheit als Kostentreiber in der Bedarfsdeckung“.

Industrieanzeiger
Titelbild Industrieanzeiger 4
Ausgabe
4.2024
LESEN
ABO
Newsletter

Jetzt unseren Newsletter abonnieren

Tipps der Redaktion

Unsere Technik-Empfehlungen für Sie

Webinare & Webcasts

Technisches Wissen aus erster Hand

Whitepaper

Aktuelle Whitepaper aus der Industrie

Unsere Partner

Starke Zeitschrift – starke Partner


Industrie.de Infoservice
Vielen Dank für Ihre Bestellung!
Sie erhalten in Kürze eine Bestätigung per E-Mail.
Von Ihnen ausgesucht:
Weitere Informationen gewünscht?
Einfach neue Dokumente auswählen
und zuletzt Adresse eingeben.
Wie funktioniert der Industrie.de Infoservice?
Zur Hilfeseite »
Ihre Adresse:














Die Konradin Verlag Robert Kohlhammer GmbH erhebt, verarbeitet und nutzt die Daten, die der Nutzer bei der Registrierung zum Industrie.de Infoservice freiwillig zur Verfügung stellt, zum Zwecke der Erfüllung dieses Nutzungsverhältnisses. Der Nutzer erhält damit Zugang zu den Dokumenten des Industrie.de Infoservice.
AGB
datenschutz-online@konradin.de