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​.

Erfolgreicher Proof of Concept und Grundstein für weitere Analysen innerhalb von 8 Wochen​

Aufbereitung von 7 verschiedenen Datenquellen ​

Berechnung von über 20 einzelnen Modellen​

Z

Prognosegenauigkeiten bis zu 91%

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​.

Haben Sie Interesse an eigenen Use Cases?

Data Science Use Cases

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.