.png?width=300&name=BOM_Self_Service_Header%20(1).png)
Es klingt verlockend und passiert oft, dass sich Menschen allerlei futuristische KI-Anwendungen in der Produktion vorstellen. Leider werden viele dieser Anwendungen keinen nennenswerten Erfolg haben – ganz davon zu schweigen, ob sie überhaupt realisierbar sind.
Um das Beste aus dieser fortschrittlichen Technologie herauszuholen, sollten Sie sie zur Unterstützung der täglichen Aufgaben Ihrer Wartungs-, Reparatur- und Betriebsteams (MRO) einsetzen. Dies bringt kleine Vorteile, die sich summieren, um die Effizienz Ihrer Fabrik zu steigern, Ihre Investitionsausgaben zu reduzieren, Ihren Wettbewerbsvorteil zu verbessern und eine greifbare Kapitalrendite zu erzielen.
In diesem Blog befassen wir uns mit einer Möglichkeit, wie KI Ihre Instandhaltung und Beschaffung unterstützen kann: die Optimierung von Ersatzteilausgaben.
In diesem Beitrag:
- Was versteht man unter Ausgaben im MRO-Bereich
- Die einzigartigen Herausforderungen im Bereich der Ersatzteilkosten
- Wie KI zur Kostenoptimierung beitragen kann
- Künftige KI-Anwendungen für Kostenoptimierung
Was sind MRO-Ausgaben?
Allgemein ausgedrückt sind Ausgaben die Gesamtkosten, die eine Organisation für den Betrieb ihres Unternehmens aufwendet. Dazu gehören die Investitionsausgaben (CapEx), d. h. die langfristigen Ausgaben für den Erwerb oder Bau neuer Vermögenswerte wie Gebäude, Anlagen und Maschinen. Sie umfassen auch betriebliche Ausgaben (OpEx), die die laufenden Ausgaben eines Unternehmens abdecken, wie z. B. Gehaltszahlungen, Versorgungsleistungen und u.a. auch Ersatzteile und Ersatzteilmanagement.
Innerhalb des MRO-Bereichs sind die Ausgaben auf zwei Hauptsäulen verteilt: Ersatzteilbestand und Instandhaltungsprozesse.
Die Herausforderungen bei der Bestandsoptimierung
Die Art von Ausgaben ist aufgrund einer Reihe von Problemen bei der Lagerhaltung besonders schwer zu kontrollieren, geschweige denn zu optimieren.
Eines der ersten Probleme ist eine mangelnde Datenqualität von Ersatzteildaten. Wie wir in unserem Blogbeitrag über die Verbesserung der Datenqualität von Ersatzteildaten durch KI beschrieben haben, haben Instandhalter derzeit oft keinen Zugang zu korrekten, vollständigen und umfassenden Daten über ihren Ersatzteilbestand. Dadurch wissen sie oft nicht genau, welche Ersatzteile tatsächlich auf Lager sind, was eine effiziente Verwaltung erheblich erschwert.
Um auf der sicheren Seite zu sein, beschaffen viele Instandhalter ihre Ersatzteile nach dem Prinzip „für den Fall der Fälle", was zu erheblichen, oft unnötigen Beschaffungskosten führt. Dies führt auch dazu, dass zusätzliche Ausgaben für die Erweiterung und Aufrechterhaltung einer größeren Lagerfläche im Werk erforderlich sind, was sowohl die Investitions- als auch die Betriebskosten erhöht.
Außerdem führt diese Überbevorratung dazu, dass fast 50 % der Ersatzteile verschwendet werden. Viele werden als Vorsichtsmaßnahme gekauft und nie benutzt. Sobald die Maschine ersetzt wird und die Teile veraltet sind, werden sie entsorgt.
Das bedeutet Ausgaben, die an einer anderen Stelle im Unternehmen effektiver hätten eingesetzt werden können.
Die Herausforderungen bei den Ausgaben im Ersatzteilmangement
Die Ausgaben im Ersatzteilmanagement werden oft zu einer Herausforderung, weil der Einkauf die Ersatzteile oft nicht zu einem fairen Preis beschaffen kann. Dafür gibt es zwei Gründe.
Der erste Grund ist, dass ein Werk sehr unterschiedliche Teile benötigt: Die für eine Reparatur benötigten Ersatzteile können sich je nach Maschine erheblich unterscheiden. Daher müssen Instandhalter viele verschiedene Teile auf Lager haben, um eine reibungslose Produktion aufrechtzuerhalten.
Der zweite Grund ist, dass es mehrere Anbieter dieser Teile gibt und es wenig Transparenz darüber besteht, welcher Anbieter welche Teile zu welchem Preis vertreibt.
Diese zwei Probleme führen zu einer Situation, in der die zuständigen Teams eine Vielzahl von Teilen einkaufen müssen, aber nicht über die nötigen Daten verfügen, um zu entscheiden, wo sie was kaufen sollen.
Martin Weber, CEO von SPARETECH, sagt, dass die Anlagenbauer diese Unsicherheit nutzen, um Gewinne zu erzielen:
„Wenn Sie eine große Produktionslinie bauen, arbeiten Sie mit Anlagenbauern zusammen, welche vom Verkauf von Ersatzteilen profitieren. Das ist ein bekanntes Phänomen: Sie erzielen nur geringe Einnahmen aus dem Verkauf der Maschine, aber sie können Ersatzteile mit einer erheblichen Gewinnspanne verkaufen. Sie kaufen ein Standardteil, versehen es mit einem neuen Etikett und verkaufen es für das Dreifache des ursprünglichen Preises."
Einfach ausgedrückt: Wenn die Beschaffungsteams gezwungen sind, Teile zu einem höheren Preis zu kaufen, als der Lieferant anbietet, steigen die Beschaffungsausgaben erheblich an, was unter dem Strich weniger Geld einbringt.
Wie kann Künstliche Intelligenz helfen?
KI kann den Zuständigen in den Werken dabei helfen, die oben beschriebenen Herausforderungen in den Bereichen Bestand und Beschaffung zu bewältigen.
Wie wir in unserem Blog über die Verbesserung der Qualität von Ersatzteildaten durch KI gezeigt haben, kann KI dabei helfen, die Ersatzteildaten zu verbessern und sicherzustellen, dass für jedes Ersatzteil im Bestand ein Datensatz vorhanden ist. Sobald diese Daten sauber, vollständig und korrekt sind, kann die Instandhaltung ihren Bestand effektiv minimieren oder maximieren. Auf diese Weise können sie auch ihre Lagerbestände optimieren.
Ein optimierter Bestand optimiert auch die Ausgaben. Er begrenzt Überbestände und Verschrottungen, ermöglicht es den Werken, einen kleineren CO2-Fußabdruck zu behalten und sicherzustellen, dass jeder Cent, den das Unternehmen ausgibt, am nützlichsten eingesetzt ist.
KI kann Produktionen auch dabei helfen, die Transparenz in der Lieferkette zu verbessern, indem sie geprüfte Ersatzteildatenbanken mit OEM-Informationen zusammenstellen, und die Zuständigen im Einkauf wissen, wo sie welches Teil zu welchem Preis kaufen können.
„Heutzutage werden Ersatzteile über viele verschiedene Kanäle beschafft, sei es über automatische Nachbestellungen, Kataloge oder Freitextbestellungen von Händlern, Anlagenbauern oder dem Originalhersteller. KI kann dazu beitragen, die Beschaffungswege zu verschlanken und damit die Kosten zu senken."
erklärt Felix Benak, Account Executive bei SPARETECH.
Mit diesen Informationen können sie bessere Entscheidungen darüber treffen, wann und wo sie die Ersatzteile kaufen, und ihre Ausgaben weiter optimieren. Wie Martin Weber erklärt,
„KI wird Menschen unterstützen, aber die Entscheidung liegt bei uns: Kaufe ich ein Teil? Zwei? Zehn? Das ist eine wichtige Entscheidung für das Unternehmen und setzt die Person, die diese Entscheidung trifft, unter Druck.
Mit den richtigen Daten können die Instandhalter und Einkäufer entscheiden, ob sie zwei Wochen länger warten, ein Teil aus Europa statt aus den USA kaufen oder alle Teile von einem Lieferanten beziehen wollen, je nachdem, was ihren Prioritäten am besten entspricht.”
Wo kann KI noch unterstützen?
Wenn die Unternehmen ihre KI-Modelle langfristig mit ihren eigenen Daten anreichern, können sie die KI sogar so trainieren, dass sie Auswertungen und Zukunftsprognosen liefert.
Dies kann den Zuständigen helfen, über die statische Min/Max-Optimierung hinauszugehen und eine dynamische Bestandsoptimierung durchzuführen, die es ihnen ermöglicht, noch intelligentere Kostenoptimierung zu betreiben.
"KI ermöglicht es dem Unternehmen, mehr Daten zu sammeln", sagt Weber. "Je mehr Daten man hat, desto mehr kann die KI zur Entscheidungsfindung beitragen. Sie kann Prognosen auf der Grundlage Ihrer Prioritäten erstellen - sei es der Preis, die Lieferzeit, das Risikoprofil oder anderes."
Mit dieser KI-unterstützten Analyse, so Weber, können Fachleute fundiertere Entscheidungen treffen. Das Ergebnis? Optimales Kostenmanagement, geringere Ausgaben und echte Einsparungen, die sich direkt auf das Endergebnis des Unternehmens auswirken.
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 Sie KI nutzen können: