Kostenreduzierung in der Ersatzteilplanung durch KI-basierte Prognosen
Leo Müller ist Planer im Zentrallager eines großen Automobilherstellers. In den letzten Jahren kam es immer wieder zu hohen Inventarüberschüssen im Ersatzteilbereich. Oft lagern am Ende des Lebenszyklus eines Teils noch hohe Bestände im Zentrallager. Diese Bestände haben über Jahre Lagerplatz eingenommen und müssen dann verschrottet werden. Eine große Verschwendung von Ressourcen, Kapital und Lagerplatz. Aber wieso muss es dazu kommen?
 IBM hat für die Ersatzteilvorhersage in verschiedenen Lebenszyklusphasen eine Lösung zur Vorhersage der zukünftigen Ersatzteilverbräuche über den gesamten Ersatzteillebenszyklus entwickelt.
IBM hat für die Ersatzteilvorhersage in verschiedenen Lebenszyklusphasen eine Lösung zur Vorhersage der zukünftigen Ersatzteilverbräuche über den gesamten Ersatzteillebenszyklus entwickelt.Bild: IBM Deutschland GmbH

Automobilhersteller in Deutschland haben den Anspruch ihren Kunden auch nach Auslauf eines Modellbauzyklus für mindestens 10 Jahre Originalersatzteile zur Verfügung zu stellen. Ein normaler Bauzyklus dauert ca. sieben Jahre. Während dieser Zeit ist die Versorgung mit Ersatzteilen problemlos zu gewährleisten, da die Zulieferer regelmäßig Teile für die Produktion liefern. Von diesem Teilefluss lassen sich die Ersatzteilbedarfe abzweigen und es besteht eine hohe Verfügbarkeit bei Werkstätten und Endkunden.

Ersatzteilbedarfe in der Automobil-Branche

Schwieriger wird es für Leo Müller, nach dem Ende des Autoproduktionszyklus den Ersatzteilbedarf seiner Kunden weiterhin zu erfüllen. Für schnelldrehende Teile, das heißt Bauteile, die verglichen mit anderen Bauteilen schnell abgenutzt sind und in hoher Frequenz nachgefragt werden, zum Beispiel Schrauben, kann er eine dauerhafte Belieferung mit dem Lieferanten vereinbaren. Kompliziert wird es hingegen bei Ersatzteilen, welche nur unregelmäßig benötigt werden, zum Beispiel den lilafarbenen Kotflügel. Die Kosten pro Stück können sehr hoch sein, da der Lieferant jederzeit eine Produktionsstraße für das Ersatzteil zurückhalten muss, diese aber oft nicht auslasten kann.

Eine weitere Strategie ist es, in regelmäßigen Abständen den Bedarf für ein vorher definiertes zeitliches Intervall zu bestellen. Hier entstehen Zusatzkosten für die Lagerung und die Umrüstung der Produktion beim Lieferanten.

 Übersicht der Ersatzteilbedarfe in der Automobil-Branche.
Übersicht der Ersatzteilbedarfe in der Automobil-Branche.Bild: IBM Deutschland GmbH

Schließlich gibt es die Strategie des sogenannten Last Time Buy. Hier muss Leo Müller die wahrscheinliche Nachfrage nach dem Ersatzteil für den gesamten restlichen Lebenszyklus auf einmal bestellen. Diese Bestellung muss bis zu 30 Jahre in die Zukunft reichen. Dadurch kann sich Leo günstige Herstellungskosten pro Stück sichern. Allerdings entstehen höhere Lagerhaltungskosten und ein höheres Risiko am Ende des Ersatzteillebenszyklus hohe Endbestände zu haben. Es besteht auch das Risiko eines Stock outs. Dieser tritt ein, wenn die bestellte Menge zu schnell abverkauft ist. Dann muss in Verhandlungen mit dem Lieferanten getreten werden, um nachbestellen zu können. Der Lieferant hat in diesem Fall eine sehr gute Verhandlungsposition und kann wahrscheinlich hohe Stückpreise erzielen.

Statistische Modellierung zur Ersatzteilvorhersage in verschiedenen Lebenszyklusphasen

IBM hat für diese Herausforderung eine Lösung zur Vorhersage der zukünftigen Ersatzteilverbräuche über den gesamten Ersatzteillebenszyklus entwickelt. Die Lösung basiert auf verschiedenen Vorhersagemethoden, unter anderem ähnlichkeitsbasierte Methoden der Künstlichen Intelligenz wie beispielsweise Neuronale Netzwerke und Regressionsmodelle. Außerdem hat IBM kausalbasierte Vorhersagemodelle entwickelt. Es wurden insgesamt sechs unterschiedliche statistische Modelle zur Absatzvorhersage für verschiedene Lebenszyklusphasen erstellt.

Auf der einen Seite gibt es sogenannte ähnlichkeitsbasierte Modelle. Diese lernen anhand der Absatzdaten älterer Ersatzteile, wie Ersatzteilkurven aussehen können. Zur Erlernung der Kurven werden Smoothing Splines (Funktionsschätzungen) genutzt. Dieses Wissen wird für die Absatzvorhersage jüngerer Ersatzteile genutzt. Es gibt aber auch Neuronale Netzwerke, die zum Beispiel für die Bedarfsvorhersage von Ersatzteilen mit sporadischer Nachfrage genutzt werden. Darüber hinaus hat IBM kausalbasierte Modelle erarbeitet, die die Anzahl an Fahrzeugen im Markt, ihre Schwundrate und die Fehlerrate der Ersatzteile zur Basis für ihre Vorhersage nehmen.

Diese Prognose hilft Leo Müller bei den schwierigen Entscheidungen, welches Ersatzteil wann und in welchem Umfang eingelagert werden soll. Seitdem die Lösung produktiv ist, wurden jährliche Einsparungen in Millionenhöhe realisiert, hauptsächlich durch die Reduktion zu hoch geplanter Ersatzteilnachfrage.

Die Lösung kann nicht nur in der Automobilindustrie eingesetzt werden, sondern in jeder Branche, die mit hohen Ersatzteilbedarfen arbeitet. Zu nennen sind hier die Luftfahrtbranche, Kraftwerksausrüster, Maschinenproduzenten oder Rüstungsunternehmen. Sie alle haben langlebige Produkte im Sortiment, für die sie Ersatzteile mit hohem Verfügungsgrad für lange Zeit vorhalten müssen.

Teil einer umfassenden Lösung

Die Mittel- und Langfrist Ersatzteilprognose ist Teil eines IBM Services Offerings im Supply Chain Bereich. Unter anderem gibt es Assets und Projektansätze zur Inventar- und Safety Stock Optimierung, automatische Bestellbearbeitung, kurzfristige Demand Forecasts oder Supply Chain Risiko Evaluation.

www.ibm.de

IBM Deutschland GmbH
http://www.ibm.de

Das könnte Sie auch Interessieren

Bild: PSI Logistics GmbH
Bild: PSI Logistics GmbH
KI für den vernetzten Mehrwert

KI für den vernetzten Mehrwert

Unter dem Aspekt Industrieller Intelligenz erschließen moderne Softwaresysteme vielfältige Optionen für vorausschauende Analysen, belastbare Handlungsempfehlungen, optimierte Lagerhaltung und Reaktionsfähigkeit in Echtzeit. Der besondere Mehrwert wird dabei durch maximale Flexibilität bei der Einbindung modernster Technologien in eine vernetzte, vollumfängliche IT-Infrastruktur erzielt.

Bild: igus GmbH
Bild: igus GmbH
Kontaktlose Überwachung verhindert teure Anlagenstillstände

Kontaktlose Überwachung verhindert teure Anlagenstillstände

Die smarte Überwachung von Bus- und Datenleitungen von igus geht in die nächste Runde: In der aktuellen Generation prüfen i.Sense CF.D Überwachungssensoren den elektrischen Zustand von chainflex Leitungen in e-kettensystemen – kontaktlos und ohne Eingriff in die bestehende Konfektionierung. Dadurch kommt das Echtzeit-Monitoring ohne Opferadern aus und gestattet in Kombination mit dem neuen Auswertmodul i.Cee:plus II eine noch effizientere vorausschauende Wartung zum Schutz vor kostenintensiven Anlagenausfällen.

Bild: Siemens AG
Bild: Siemens AG
Anlagenverfügbarkeit ist planbar

Anlagenverfügbarkeit ist planbar

Mit bewährten Methoden wie Redundanz, Selektivität und präventiver Wartung lässt sich in der elektrischen Energieverteilung ein hoher Grad an Anlagenverfügbarkeit gewährleisten. Kosten und Aufwand sind dabei allerdings hoch. Die Digitalisierung eröffnet effiziente Alternativen, um Stillstände und dadurch bedingte Ausfallkosten zu vermeiden: Ein systematisches Condition Monitoring schafft die Voraussetzung – und sollte deshalb bereits Teil der Planung sein.

Bild: ArtiMinds Robotics GmbH
Bild: ArtiMinds Robotics GmbH
Strukturierte
Echtzeitanalyse

Strukturierte Echtzeitanalyse

Laut der Gesellschaft für Informatik sind digitale Zwillinge mehr als reine Daten. Sie bestehen aus Modellen der Objekte oder Prozesse, die sie repräsentieren. Darüber hinaus können sie aber auch Simulationen, Algorithmen und Services enthalten, die Eigenschaften oder Verhalten des jeweiligen Objekts oder Prozesses beschreiben und beeinflussen. Oft bieten sie auch ergänzende Dienste an. Der digitale Zwilling ist damit meist deutlich klüger als die Anlage oder der Prozess, den er abbildet.

Bild: ABB Motion Deutschland
Bild: ABB Motion Deutschland
Vorzeigeprojekt für Energieeffizienz

Vorzeigeprojekt für Energieeffizienz

Die Model-Gruppe, ein Verpackungshersteller mit Hauptsitz in der Schweiz, hat bei der Modernisierung einer zentralen Papiermaschine energieeffiziente Motoren und moderne Frequenzumrichter eingesetzt. Im Ergebnis sind nicht nur Produktivität und Zuverlässigkeit gestiegen. Auch der jährliche Energieverbrauch konnte um eine Größenordnung reduziert werden, die dem Verbrauch von 200 Schweizer Vierpersonen-Haushalten entspricht. Die erwartete Amortisationszeit liegt bei weniger als fünf Jahren.

Bedrohungen gegen industrielle Kontrollsysteme

Die Cybersecurity-Spezialisten von Kaspersky haben im ersten Halbjahr 2021 einen Anstieg der Angriffe auf industrielle Kontrollsysteme beobachtet. Weltweit war etwa jeder dritte Industrie-Computer betroffen. In Deutschland sank die Zahl solcher Angriffe hingegen leicht.

Robuste Zustandssensoren

Die Erfassung von Maschinenbetriebszuständen, wie Schwingungen und Drücke, sowie die Auswertung dieser Messdaten, ermöglichen die Erkennung von Unregelmäßigkeiten und entstehenden Schäden.

MainDays in Berlin

Zur 22. MainDays-Jahrestagung treffen sich am 23. und 24. November Verantwortliche aus Instandhaltung und technischem Service in Berlin.

BGHM verleiht Gütesiegel ‚Sicher mit System‘ an Cleantaxx

Eine hohe Wertstellung des Arbeitsschutzes, eine ganzheitliche systematische Betrachtungsweise sowie ein auf konsequente Umsetzung ausgerichteter Führungsstil: Das Langenhagener Unternehmen Cleantaxx erhält für sein Arbeitsschutzmanagementsystem das Gütesiegel ‚Sicher mit System‘ der Berufsgenossenschaft Holz und Metall (BGHM).

Wenn die Maschinen stillstehen

Eine Senseye-Umfrage unter großen Industrieunternehmen hat ergeben, dass große Werke 27 Stunden pro Monat aufgrund von Machinenausfällen verlieren und jede Stunde ungeplanten Stillstandes rund 532.000US$ (ca. 450.000€) kostet. Der Verlust wird auf 3,3 Millionen Produktionsstunden geschätzt. Das entspricht 864Mrd.US$ (ca. 730Mrd.€) pro Jahr bei den Fortune Global 500 Industrieunternehmen.