Support

Lorem ipsum dolor sit amet:

24h / 365days

We offer support for our customers

Mon - Fri 8:00am - 5:00pm (GMT +1)

Get in touch

Cybersteel Inc.
376-293 City Road, Suite 600
San Francisco, CA 94102

Have any questions?
+44 1234 567 890

Drop us a line
info@yourdomain.com

About us

Lorem ipsum dolor sit amet, consectetuer adipiscing elit.

Aenean commodo ligula eget dolor. Aenean massa. Cum sociis natoque penatibus et magnis dis parturient montes, nascetur ridiculus mus. Donec quam felis, ultricies nec.

Have any Questions? +01 123 444 555
DE

Wieder­her­stellung eines optimalen Bestands­manage­ments nach Eng­pässen in den Liefer­ketten mittels Künst­licher Intelligenz für ein pro­duzierendes Unter­nehmen in der Auto­mobil­zuliefer­industrie

Ausgangssituation

  • Mittelständisches, produzierendes Unternehmen in der Automobilzulieferindustrie, mit mehreren Produktionsstandorten europaweit.
  • Engpässe in den Lieferketten führen zu erschwerten Bestandsprognosen.
  • Stark schwankende Bedarfe führen zu Fehleinschätzungen in der Beschaffungsplanung und letztlich einerseits zu hohen Beständen und anderseits zu vielen Fehlteilen.
  • Um Lieferfähigkeit zu sichern, wurden die Bestände stark aufgebaut. Dies führt zu hohem gebundenem Kapital und reduzierter Liquidität sowie Flexibilität für notwendige Investitionen.

Zielsetzung

  • Aussagekraft der Bedarfsprognosen maximieren, um Bestandsmanagement zu verbessern.
  • Verbesserte Bestell- und Bestandsparameter ermitteln.
  • Im Bestand gebundenes Kapital reduzieren.
  • Transparenz für das Bestandsmanagement wiederherstellen.
  • Optimierungs- sowie Automatisierungspotenziale für den Lagerbestand ermitteln, Ursachen für Ineffizienzen identifizieren, damit die Lieferfähigkeit langfristig sichergestellt werden kann.

Vorgehensweise

  • Relevante Datensätze für die Bedarfs-, Bestands-, und Beschaffungsplanung identifizieren, (z.B. Bestandsverlaufsdaten, Wiederbeschaffungszeiten, Losgrößen, Fertigungsdaten, Kundendaten etc.).
  • Konsolidieren und Aufbereitung der Daten aus unterschiedlichen internen und externen Datenquellen und Systemen. Dabei werden Datenquellen über die verschiedenen Produktionsstandorte hinweg berücksichtigt.
  • Einsatz von KI-Algorithmen auf Basis der bereitgestellten Daten zur Prognose der zukünftigen Bedarfe und somit notwendigen Bestände.
  • Optimierung der Bedarfsprognose durch selbständige Anpassung der KI-Algorithmen sowie Feedback der verantwortlichen Nutzer.
  • Ableitung von Handlungsempfehlungen für die Bedarfsplanung, Beschaffungsplanung, Produktionsplanung, Finanzplanung etc. zur maximalen Ausschöpfung der Potenziale.

Ergebnisse

  • Bestellmengen und Bestellzeitpunkte werden aus den erhobenen Daten erfasst, um frühzeitige Warnungen vor Fehlbeständen zu erhalten. So konnte die Liefertreue um bis zu 15% gesteigert werden.
  • Durch KI-Methoden können laufend optimierte Sicherheitsbestände ermittelt und aufgebaut werden.
  • Deutliche Verbesserung der Verfügbarkeit des Sortiments, durch verbesserte und aussagekräftigere Prognosen der Bedarfsplanung.
  • Schaffung eines Gleichgewichts zwischen ausreichend hohen Sicherheitsbeständen und möglichst geringem gebundenem Kapital. Bestandsreduzierungen um 20-30%

Weitere Use Cases

© Copyright Candidus GmbH 2022
Einstellungen gespeichert
Datenschutzeinstellungen

Diese Webseite verwendet Cookies
Wir verwenden Cookies, um Inhalte und Anzeigen zu personalisieren, Funktionen für soziale Medien anbieten zu können und die Zugriffe auf unsere Website zu analysieren. Außerdem geben wir Informationen zu Ihrer Verwendung unserer Website an unsere Partner für soziale Medien, Werbung und Analysen weiter. Unsere Partner führen diese Informationen möglicherweise mit weiteren Daten zusammen, die Sie ihnen bereitgestellt haben oder die sie im Rahmen Ihrer Nutzung der Dienste gesammelt haben.

You are using an outdated browser. The website may not be displayed correctly. Close