AI-basierte Materialflussanalyse

AI-basierte Materialflussanalyse

Wie ONE LOGIC die Analyse heterogener Datenbestände optimiert und End-to-End-Prozesse visualisiert.

In großen Unternehmen sind Daten in der Regel über viele verschiedene, heterogene Systeme verteilt. Die zentrale Stammdatenverwaltung stellt jedoch einen wichtigen Baustein für übergreifende Reportings dar. Für fundierte, systemübergreifende Analysen und Prognosen muss daher eine gemeinsame Datenbasis geschaffen werden, die beispielsweise Informationen zum Materialfluss und transaktionale Daten vereint.

Im Falle des Kunden, der zahlreiche ERP-Systeme betreibt, führten die verstreuten Daten unter anderem zu Problemen im Materialfluss, der nicht transparent genug war. So besaß die gleiche Materialart in den Systemen und über die einzelnen Produktionsschritte hinweg unterschiedliche IDs, obwohl sie technisch identisch war. Die Intransparenz des Materialflusses führte zu unnötig hohen Lagerbeständen, niedriger Liefergeschwindigkeit und einer starken Bindung des Working Capital. Um den Materialfluss mit Hilfe von passenden Algorithmen und Künstlicher Intelligenz zu verbessern und in einem End-to-End-Datenprodukt zu visualisieren, wandte sich der Kunde an ONE LOGIC.

AI-basierte Materialflussanalyse

Lösung

Um den Materialfluss mit schwieriger Rohdatenbasis über verschiedene Standorte, Anlagen und Produktionsstufen hinweg analysieren und visualisieren zu können, ist das Mapping und Matching – die Zuordnung und Verknüpfung von Stamm- und Bewegungsdaten aus unterschiedlichen Quellen – von entscheidender Bedeutung. Der Kunde hatte bereits mit einem manuellen Mapping begonnen. ONE LOGIC gelang es, diesen Prozess mittels Machine Learning zu automatisieren und hochkomplexes Datenmanagement zu ermöglichen.
Dafür wurde mit Hilfe der Data-Product-Plattform ONE DATA ein Proof of Concept erstellt. Die Daten wurden per maschinenbasierter Musteranalyse nach gleichen Entitäten wie Menge, Gewicht, Häufigkeit, Lagerdauer etc. miteinander abgeglichen, harmonisiert, analysiert und zum Teil neu klassifiziert. So konnte ONE DATA beispielsweise prognostizieren, dass Material A und B identisch sind und für einen Auftrag verwendet werden können. Anschließend konnte der Materialfluss durch Visualisierung in ONE DATA sogar über verschiedene Standorte und Produktionsschritte hinweg erstmals verfolgt und nachvollziehbar gemacht werden.
Ein zusätzlich erstelltes Cockpit ermöglichte weitere Prozessoptimierungen. Mit Hilfe von Pattern Matching Algorithmen, Entscheidungsbäumen und Sequence Mining wurden beispielsweise Lieferverzögerungen und mögliche Einflussfaktoren ermittelt und visualisiert. Darüber hinaus kann während des gesamten Prozesses die Datenqualität durch neu entwickelte Algorithmen in ONE DATA sichergestellt werden.

Ergebnis

Durch den Einsatz der End-2-End-Lösung ONE DATA können selbst komplexe Materialflüsse analysiert und sichtbar gemacht werden. Die Datenintegration und -verknüpfung läuft deutlich schneller und mit höherer Genauigkeit ab, wodurch die Lagerbestände reduziert und Liefergeschwindigkeiten erhöht werden können. Die zentrale Data-Product-Plattform ONE DATA lässt sich auch für weitere Anwendungsfälle verwenden, beispielsweise für eine AI-basierte Analyse des Customer Relations Managements.


AI-basierte Materialflussanalyse

‚AI-basierte Materialflussanalyse‘ zum kostenlosen Download

Die Verteilung von Daten über viele verschiedene, heterogene Systeme erschwert die zentrale Stammdatenverwaltung in Unternehmen. Mit dem Einsatz der Data-Product-Platform ONE DATA gelingt es, Transparenz und Sichtbarkeit in den Materialflüssen und entsprechenden Lagerbeständen zu schaffen und somit Rohdaten zu analysieren und visualisieren.

  • Mittels automatisierem Mapping und Matching wird ein hochkomplexes Datenmanagement ermöglicht
  • Durch den Einsatz von ONE DATA läuft die Datenintegration und-verknüpfung schneller und mit höherer Genauigkeit ab