.png?width=300&name=BOM_Self_Service_Header%20(1).png)
Wenn Sie an künstliche Intelligenz (KI) denken, stellen Sie sich vielleicht ein Tool für Social-Media-Beiträge oder schnelle Recherchen vor. Das ist nicht falsch, aber KI bietet auch entscheidende „Gamechanger“-Anwendungen für Ihr Werk.
In unserem Blogbeitrag über KI für eine bessere Datenqualität bei Wartung, Reparatur und Betrieb (MRO) haben wir aufgezeigt, wie KI bereits eingesetzt wird, um die Qualität von industriellen Ersatzteil-Daten zu verbessern, doch ihr Potenzial für Unternehmen geht weit darüber hinaus.
Die Optimierung der Daten ist erst der Anfang einer Reihe fortschrittlicher KI-Anwendungen in der Fabrik – Anwendungen, die die Effizienz steigern, den Kapitalaufwand senken und Ihnen einen entscheidenden Wettbewerbsvorteil verschaffen.
In diesem Blog werden wir eine dieser fortschrittlichen Anwendungen für KI in der Fabrik untersuchen: die Optimierung des industriellen-Ersatzteilbestands.
Wir schauen uns folgendes an:
Das Problem des Ersatzteilbestandes
Inventarisierung ist ein besonders komplexes Thema in den Bereichen Wartung, Reparatur und Betrieb (engl. MRO für Maintenance, Repair and Operations). Wie Sie vielleicht wissen, liegen oft Wochen oder Monate zwischen Bestellung und Erhalt von Ersatzteilen. Die Branche greift oft auf die einfachste Lösung zurück, um dieses Problem zu lösen: die Vorratshaltung.
Dieser Ansatz stellt sicher, dass keine Fabrik auf Teile warten muss, wenn eine Maschine ausfällt. Allerdings ergibt sich daraus ein neues Problem: Die Instandhalter oder Bestandsmanager müssen nun herausfinden, welche die richtige Menge von jedem Ersatzteil ist, die sie auf Lager halten müssen.
Dieses Problem ist sehr heikel. Wenn die Zahlen falsch eingeschätzt werden, kann dies erhebliche Folgen für die Instandhaltungen und das gesamte Unternehmen haben.
Wenn Werke ein „schlankes" Inventar mit weniger Teilen unterhalten,, können sie zwar die Kosten senken, aber es erhöht auch das Risiko, dass bei einem Maschinenausfall nicht die erforderlichen Teile zur Verfügung stehen. Dies führt zu Ausfallzeiten, Produktivitätsverlusten und erheblichen Umsatzeinbußen für das Unternehmen.
Das Ergebnis ist, Fachleute halten oft mehr Ersatzteile auf Lager, als sie glauben, dass die Fabrik benötigt - nur um auf der sicheren Seite zu sein. Leider bindet dies Kapital in Lagerbeständen, die ungenutzt im Regal liegen und verhindern, dass die Fabrik diese Mittel für Anwendungen mit höherem ROI einsetzt. Außerdem wird mehr Lagerfläche benötigt, was den Platzbedarf erhöht und zu Kapital- und Materialverschwendung führt.
„Die Fabriken kaufen Ersatzteillager, weil sie glauben, dass sie diese brauchen und dann werden sie nicht genutzt. Es ist üblich, dass 50 % der Teile in jeder Fabrik nie bewegt werden. Was passiert also, wenn sie eine neue Maschine kaufen? Sie brauchen das Teil nicht mehr, also verschrotten sie es. Das ist eine Kapital- und Umweltkatastrophe."
sagt SPARETECH-Geschäftsführer Martin Weber.
Wie Werke heute ihren Ersatzteilbestand optimieren
Ein unausgewogener Bestand kann zu Problemen führen: Ist er zu niedrig, drohen Engpässe; ist er zu hoch, bindet er unnötige Ressourcen und verursacht zusätzliche Kosten. Laut Jack Reinke, SPARETECH Senior Account Executive, liegt die Lösung in der Bestandsoptimierung.
„Sie streben ein Gleichgewicht an: So wenig Bestand wie möglich vorhalten, aber nicht so wenig, dass es Ihre Arbeit beeinträchtigt. Sie wollen genau das haben, was Sie brauchen – nicht mehr und nicht weniger. Das wäre ein optimaler Bestand in einer perfekten Welt."
Die beste und gebräuchlichste Methode, die es derzeit gibt, ist die Festlegung einer Mindest- und Höchstzahl für jedes Ersatzteil im Bestand, die auch als Min/Max bezeichnet wird.
Setzen Sie Mindestmengen an eine Anforderungsstelle oder Meldebestand.
Nehmen wir zum Beispiel an, ein Motor brennt in drei Monaten durch, aber es dauert sechs Monate, bis Sie Ersatz erhalten. Sie könnten Ihren Meldebestand so einstellen, dass eine Warnung ausgelöst wird, wenn Sie noch zwei Motoren übrig haben. Damit haben Sie drei Monate Zeit, bis der verwendete Motor ausbrennt, und weitere sechs Monate, bis die Ersatzmotoren im Lager aufgebraucht sind. Damit haben Sie einen Puffer von neun Monaten - sechs Monate länger als die erforderliche Lieferzeit.
Höchstzahlen festlegen nach Maßgabe des Budgets. Mit anderen Worten: Kaufen Sie nicht mehr Teile, als Sie im Budget haben.
Warum Min/Max nicht funktioniert
In der Theorie ist diese Art von Min/Max-Verfahren einfach. In der realen Welt der Instandhaltungs- und Ersatzteil-Prozesse funktioniert sie aus mehreren Gründen nicht.
Erstens, verfügen die meisten Ersatzteil-Fachleute nicht über genaue und zuverlässige Daten über die Ersatzteile in ihrem Bestand.
Wenn sie ein ERP-System öffnen - falls ihre Fabrik überhaupt eines verwendet - werden sie oft ungenaue, schlecht formatierte und schwer verständliche Aufzeichnungen vorfinden. Wenn sie beschließen, das Inventar persönlich zu inspizieren, werden sie wahrscheinlich übereinander gestapelte Ersatzteile vorfinden, ohne Barcodes oder Vermerke im System.
Das bedeutet, dass Mitarbeitende in der Instandhaltung nicht sicher sein können, was sich in ihrem Bestand befindet. Sie können auch nicht nachvollziehen, wann sie die minimale oder maximale Anzahl von Teilen erreicht haben, was eine effektive Min/Max-Optimierung unmöglich macht.
Selbst wenn dieses Problem gelöst wäre, fehlt es den zuständigen Teams immer noch an Daten darüber, wie lange die einzelnen Teile normalerweise halten, bevor sie kaputt gehen. Wie Sie sich vielleicht erinnern, haben wir diesen Datenpunkt weiter oben in diesem Blog verwendet, um die absolute Mindestanzahl von Ersatzteilen zu berechnen, die im Bestand gehalten werden sollten. Ohne diesen Datenpunkt ist eine Min/Max-Optimierung immer noch unmöglich.
„Wie kann man einen Mindest- oder Höchstwert für Teile festlegen, die sich noch nicht einmal im System befinden? Oder wenn man nicht weiß, wie oft Teile kaputt gehen?", fragt Reinke.
„Deshalb ist die Optimierung nicht so einfach wie die Festlegung eines Minimums und eines Maximums. Wenn die MRO-Teams nicht über die Daten verfügen, wie können sie dann mit der Optimierung beginnen?"
Wie KI helfen kann
Zum Glück kann KI helfen, sodass diese Probleme der Vergangenheit angehören.
Unser Blogbeitrag über KI zur Verbesserung der MRO-Datenqualität zeigt, wie KI helfen kann, bessere Ersatzteildaten zu erhalten. Der Prozess ist einfach: KI bereinigt und bereichert bestehende Bestandsdatensätze, indem sie verifizierte Informationen aus einem Ersatzteilkatalog abruft. Das Ergebnis sind genaue, leicht lesbare Datensätze, die vollständig mit den relevanten Standards und Governance-Regeln konform sind.
Wir haben auch gezeigt, wie KI es den zuständigen Teams ermöglichen wird, schnell und einfach neue Datensätze für alle eingehenden Bestände zu erfassen und so die Daten auf dem neuesten Stand zu halten. KI wird auch Bild- und Texterkennung nutzen, um Teile im Inventar einer Fabrik zu identifizieren, für die es keine Aufzeichnungen gibt.
Kurz und knapp, der Blogbeitrag zeigt, wie KI dafür sorgen wird, dass Instandhaltungs- und Beschaffungsteams endlich hochwertige Daten über ihren Ersatzteilbestand haben. Dies wiederum schafft die Grundlage für echte wirksame Bestandsoptimierung.
Mit vollständigen Aufzeichnungen können die zuständigen Teams ihre Ersatzteildaten analysieren, um Erkenntnisse zu gewinnen. Sie können verfolgen, wie oft jedes Teil nachbestellt wird, und die Daten verwenden, um die durchschnittliche Lebensdauer des Teils zu berechnen. Sie können die tatsächlichen Lieferzeiten verfolgen, um eine durchschnittliche Versandgeschwindigkeit zu ermitteln.
KI wird es ermöglichen, ein Minimum und ein Maximum für jedes Teil zu bestimmen, so dass sie ihren Bestand effektiv optimieren können. Dadurch werden unnötige Bestände und Abfälle reduziert, während gleichzeitig das Risiko begrenzt und die Betriebszeit priorisiert wird.
„In der Vergangenheit war die Ersatzteilbeschaffung ein Sicherheitsnetz gegen Maschinenstillstände, was zu überfüllten Lagern führte. Mit Hilfe von KI können Bestände verfolgt und vernetzt werden, so dass Beschaffungsteams nur das kaufen, was wirklich benötigt wird, basierend auf dem tatsächlichen Bedarf.”
sagt Felix Dosch, Senior Account Executive bei SPARETECH.
Es ist eine Win-Win-Situation für Instandhaltung, Beschaffung und das Werk insgesamt.
Wie KI die Optimierung des Ersatzteilbestands auf die nächste Stufe heben kann
Doch damit sind die Möglichkeiten der KI zur Optimierung des Ersatzteilbestands noch nicht erschöpft. MRO-Teams sammeln mehr Daten über ihre Bestand und die Fabrik im Laufe der Zeit, sie bauen einen robusten historischen Datensatz. Durch Einspeisung dieser Daten, können sie das KI-Modell trainieren, um genaue Vorhersagen über den Ersatzteilbestand in den kommenden Monaten und Jahren zu prognostizieren.
Mit diesem Blick in die Zukunft können Mitarbeitende in der Instandhaltung ihre Lagerbestände noch effektiver optimieren.
„Stellen Sie sich vor: KI könnte auf Lieferzeiten von Lieferanten trainiert werden und lernen, vorherzusagen, wie lange die Lieferung für jedes Teil derzeit dauern wird. Die KI könnte auch auf historische Nutzungsdaten trainiert werden, um MRO-Teams zu warnen, wann das Teil in Ihrer Maschine voraussichtlich ausfällt." sagt Jack Reinke.
Ein KI-Modell kann genau vorhersagen, wann Teile kaputt gehen und wie lange es dauern wird, sie zu liefern. Auf der Grundlage der aktuellsten Fabrikdaten kann es den optimalen Zeitpunkt für die Bestellung neuer Teile empfehlen. Diese Empfehlungen sind dynamisch und ändern sich in Echtzeit, so dass sie wesentlich leistungsfähiger sind als eine einfache Min/Max-Optimierung.
Martin Weber sagt, dass KI den unternehmenszugehörigen Werken auch dabei helfen kann, ihre Lagerbestände weiter zu optimieren, indem Teile zusammengelegt werden.
Ein Unternehmen würde dies tun, indem es mit der KI „Was-wäre-wenn“-Szenarien durchspielt und sie bittet, verschiedene Möglichkeiten zur Verteilung des Bestands auf mehrere Fabriken zu simulieren. Die KI könnte Bestands-Szenarien basierend auf den historischen Daten durchführen, die jede Fabrik zum Trainieren verwendet hat, und man könnte das Szenario auswählen, das am besten zu den eigenen Prioritäten passt.
Die KI könnte vorschlagen alle Ersatzteile in ein zentrales Inventar zu legen, oder sie auf die Fabriken aufzuteilen, mit Teil x hier, y dort usw.
„Im Einzelhandel wird die Bestandsanalyse Tag für Tag durchgeführt. Mit KI können wir dies auch in den MRO-Bereich übertragen. So müssen Sie die Teile nicht einmal vorrätig haben, sondern können sie genau dann erhalten, wenn Sie sie benötigen. Es spielt keine Rolle, woher sie kommen – ob aus einer Fabrik innerhalb Ihres Unternehmens oder von einem Lieferanten." sagt Martin Weber.
Das Ergebnis? MRO-Teams können die Anzahl der unbekannten Faktoren bei Bestandsentscheidungen verringern, wodurch die Produktivität gesteigert und gleichzeitig die Kosten gesenkt werden.
Wo kann KI noch unterstützen?
So futuristisch dies auch klingen mag, es ist nicht der einzige fortschrittliche Einsatz von künstlicher Intelligenz in der MRO. Lesen Sie unsere anderen Blogs, um zu erfahren, wie die Fabrik der Zukunft KI einsetzt: