Prognose und Optimierung von Lagerbeständen

Mithilfe von Big Data und Predictive Analytics können Lagerbestände optimiert und Bedarfe vorhergesagt werden

Durch die Kombination von Data Science und Big Data können Bedarfsprognosen wesentlich effizienter erstellt werden.

 

Lagerbestände können optimiert werden.

Die Ergebnisse liefern Potenzial zur Reduzierung von Entsorgungskosten.

Herausforderung

Langfristiger Teilebedarf für fahrrelevante Teile ist äußerst komplex, da die Ersatzteile bis zu 15 Jahre vorrätig sein müssen. Daher werden oft zu viele Teile bestellt, die nach der 15-jährigen Lagerdauer verschrottet werden müssen. Zur Errechnung von Bestellmengen werden die Produkte nur innerhalb ihrer Produktfamilien betrachtet. Es existieren keine Informationen über Zusammenhänge über Produktfamilien hinaus wie beispielsweise Bremsen und Elektrik.

Lösung

Auf Basis des aktuellen Prozesses, heutiger Methoden und bestehender Technologien wird ein neues Konzept für einen optimierten Bestellprozess entwickelt.
Berechnung von Korrelationen zwischen den auf Vorrat bestellten Mengen verschiedener Materialnummern aus unterschiedlichen Produktfamilien.
Die Zusammenhänge der Bestellmengen werden in einer QlikView-App visualisiert um die Ergebnisse zu verifizieren.

Ergebnis

Durch die Kombination von Data Science und Big Data können Bedarfsprognosen wesentlich effizienter erstellt werden. Es werden über eine Milliarde verschiedener Kombinationsmöglichkeiten als Sparansatzpunkte identifiziert (aus 900 Milliarden). Die Ergebnisse liefern Potenzial zur Optimierung der Lagerbestände und zur Reduzierung von Entsorgungskosten.

Haben Sie Interesse an eigenen Use Cases?

Herausforderung

Ein Automobilunternehmen möchte verschiedene marktspezifische Daten visualisieren, um eine Wettbewerbsanalyse für den US-Markt zu ermöglichen.

Lösung

Es wird eine interaktive und flexible Anwendung, einschließlich verschiedener Karten mit zwei verschiedenen Ansichten implementiert.

Ergebnis

Relevante Märkte werden identifiziert, analysiert und visualisiert. Der Händler oder der jeweilige Vertrieb haben die Möglichkeit den direkten Wettbewerb mit dem eigenen Produkt zu vergleichen und die relevanten Daten zu visualisieren.

Unsere Case Studies

- Erhalten Sie noch detailliertere Einblicke in unsere Kundenprojekte -

Smart Kochen mit Thermomix

Smart Kochen mit dem Thermomix

Download
Case Studie KI bei Munich Re

Data Operations bei der Munich Re

Download

Data & AI Wissen

Gemeinsam Mehrwerte aus Data & AI schaffen

Blog

Entdecken Sie Fachartikel rund um Data & AI sowie aktuelle Branchenmeldungen.

Webinare

Tauchen Sie ein in unsere Best Practices und Industry Exchanges. Entdecken Sie neue Termine und Aufzeichnungen vergangener Webinare.

Whitepaper

Mit unseren Whitepapern, Case Studies und Studien erfahren Sie mehr über den Einsatz von Data & AI in Ihrer Branche.