Herausforderung
Maschinen- und Anlagenbauer kennen diese Problematik: Die sehr komplexe Planung von Zukaufteilen und Eigenproduktion einer variantenreichen Fertigung ist schon ohne ungenaue Planungswerte eine schwierige Herausforderung. Und die Daten stimmen häufig nicht mit der Realität überein, die Produktionsplanung wird dann zum Beispiel mit 10 anstatt 20 Tagen kalkuliert. Das Ergebnis sind sehr ungenaue Liefertermine und häufige Terminverschiebungen. Die fertigende Industrie hat den Vorteil, dass viele Daten bereits in etlichen Systemen zur Verfügung stehen. Der Nachteil: Die gesammelten Daten sind meist weit entfernt von realistischen Werten. Die Konsequenz sind sehr ungenaue Planungen, die es erschweren, Kunden genaue Liefertermine zu nennen.
Lösung
Der Einsatz von Machine Learning hilft, starke Verbesserungen zu erzielen, beispielsweise um Wiederbeschaffungszeiten zuverlässiger und präziser zu bestimmen. Ungenaue Daten können durch eine Datenbereinigung mittels Machine Learning behoben und die Stammdatenqualität langfristig gesteigert werden. Historische SAP-Daten wie beispielsweise Lieferant, Materialien oder Bestellungen helfen, Wiederbeschaffungszeiten um bis zu 42 Prozent zu verbessern.
Die präzisen Planungswerte können dann unter anderem in ein mobiles, dynamisches Shopfloor Management, bei dem Produktivitätskennzahlen an jeder Maschine via Dashboard direkt in der Fertigung einsehbar sind, integriert werden. So kann auch die Produktion digital und papierlos gestaltet werden.
Mehrwert
Highlights
