Case Study
Lagerbewirtschaft mit Machine Learning
Lagerbeständen, Bestellhäufigkeit und Stockouts optimieren
AUSGANGSLAGE
Die Bossard Holding AG ist auf Verbindungstechnik spezialisiert und verfügt als Logistikunternehmen über ein internationales Beschaffungs- sowie Vertriebsnetz. Das Unternehmen bietet eine riesige Menge an B- und C-Teilen an, was die Lagerverwaltung zu einem zentralen Thema und einer komplexen Herausforderung macht. Der Verbrauch von Produkten ändert ständig und macht Anpassungen bei der Bestellmenge und -häufigkeit nötig. Ziel des Projekts war es, über digitale Datenerhebung und -analyse die Lagerbewirtschaftung grosser Produktmengen zuverlässiger und effizienter zu machen.
KUNDENWERT
-
Die Verfügbarkeit der B- und C-Teile wird trotz tieferer Bestände und weniger Bestellungen massiv erhöht.
ERKENNTNIS
-
Durch Machine Learning werden Lagerbestand und Bestellhäufigkeit so optimiert, dass keine Stockouts entstehen.
-
Unregelmässigkeiten in den Lagerbestandverläufen werden erfasst und berücksichtigt.
INFORMATION
-
Über die Erhebung von Gewichtsdaten lässt sich der Verbrauch und Lagerbestandverläufe bestimmen.
-
Wegen versehentlichen Manipulationen, wenn beispielsweise zu viel Material bezogen und wieder zurückgebracht wird, müssen die tatsächlichen Lagerbestandverläufe bereinigt werden.
DATEN
-
Gewichtssensoren an Behältern zeichnen den Lagerbestand genau auf und bilden Verbrauchsdaten sowie Lagerbestandverläufe präzise ab.
UMSETZUNG
In der Vergangenheit mussten Bestellmengen manuell angepasst werden. Durch die Datenanalyse über eine gewisse Zeit konnte ein Algorithmus entwickelt und in mehreren Iterationen optimiert werden. Erst als er bei allen Faktoren - Lagerbestand, Bestellhäufigkeit und Stockout den Menschen schlug, wurde er eingesetzt.
LESSONS LEARNED
Einem Algorithmus beizubringen, welche Situationen er berücksichtigen muss und welche nicht, weil sie eine Ausnahme darstellen, ist eine besondere Herausforderung. Gesunden Menschenverstand haben Maschinen nicht.
Eine Case Study der Bossard Holding AG
