Auftragsforecast für Ersatzteilbestellungen

Auftragsforecast für Ersatzteilbestellungen

Mithilfe von Machine Learning-Verfahren wurde ein Proof of Concept für die Erstellung der Auftragsprognosen für Volumen- und Expressbestellungen mehrerer Lagerbereiche durchgeführt​.

Herausforderung

Für ein Logistikunternehmen ist es von Interesse die Ersatzteilbestellungen für Volumen- und Expressbestellungen in naher Zukunft für eine bessere Steuerung vorhersagen zu können.​

Durch einen detaillierten Auftragsforecast soll unter anderem der Personalbedarf abgeleitet werden

Lösung

Datenauswahl, -exploration und -aufbereitung 7 verschiedener Datenquellen​. Erstellung von sinnvollen Einflussgrößen (Features) zur Vorhersage der Ersatzteilbestellungen​. Berechnung einer GBM für jeden Lagerbereich für Expressbestellungen und einer GBM für Volumenbestellungen​

Erstellung der Vorhersagen auf Tagesbasis für 20 Tage sowie auf Zeitpunkten für 2 Tage im Voraus

Ergebnis

Ausweitung der Prognosen im Hinblick auf Qualität und Granularität​. Berücksichtigung wichtiger Einflussgrößen (z.B. Feiertage)​. Ableitung von Personalbedarf anhand der Vorhersagen möglich​

top