Teilbedarfsprognose

Teilbedarfsprognose

Mit Hilfe von Big Data und Predictive Analytics können Lagerbestände optimiert und Bedarfe vorhergesagt werden.

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.

 

Erfahren Sie mehr über Teilebedarfsprognosen.

Kontaktanfrage

top