Anwenderbericht emz Hanauer GmbH & Co. KGaA
Die emz Hanauer GmbH & Co. KGaA ist ein weltweit agierendes deutsches Unternehmen mit Sitz in Nabburg/Oberpfalz. Mit weltweit über 1.600 Mitarbeiter*innen entwickelt und produziert emz Hanauer Bauteile und Systeme für Geschirrspüler, Waschmaschinen, Trockner und Kühlschränke. Bei Verriegelungen und Sensoren ist das Unternehmen Weltmarktführer.
Highlights:
- Echtzeit-Auswertung von Proalpha Daten
- Korrekturvorschläge für planungsrelevante Lager- und Einkaufs-Stammdaten
- AI-basierte Vorschläge für Bestelldatum und Bestellmengen
Herausforderungen in der Bestandsoptimierung
Jahrelange Schwankungen und Engpässe in den Lieferketten haben sich im Planungsverhalten der Einkaufs- und Beschaffungsabteilungen der Unternehmen niedergeschlagen. In Reaktion auf die pandemiebedingten Unsicherheiten wurden bei emz Hanauer, wie bei vielen anderen Unternehmen, die Lagerbestände aufgestockt. Nach der Corona-Pandemie stellte sich wieder eine Normalisierung der Lieferketten ein, doch die hohen Lagerbestände blieben.
Rasch kamen bei emz-Hanauer folgende Fragen auf:
- Wie können die Lagerbestände auf ein „normales“ und „sinnvolles“ Maß zurückgeführt werden, um die Kapitalbindung zu reduzieren?
- Was sind denn überhaupt die „neuen“ optimalen bzw. korrekten Lagerbestände für einzelne Teile?
- Wieviel muss wann beschafft werden, ohne dass Überbestand teuer „gehamstert“ wird?
- Lässt sich ein Verbrauch möglichst treffsicher für die nächsten Monate prognostizieren?
Das Unternehmen stand vor der Aufgabe, die Bestände effektiv zu reduzieren und gleichzeitig die Lieferfähigkeit und Ressourcennutzung zu optimieren. Um diese Aufgabe zu meistern, kam die neue Proalpha AI-Plattform NEMO zum Einsatz. Folgende Schritte wurden umgesetzt:
- Analyse der Bestandssituation:
Mit NEMO wurden die Wiederbeschaffungszeiten und Dispositionsparameter überprüft, um die Beschaffungsplanung zu verbessern. - Transparenz in der Lagerhaltung:
Durch die Analyse der Bestandswerte und Reichweiten konnten klare Einblicke in die aktuelle Lagersituation gewonnen werden. - Präzise Verbrauchsprognose:
Mit NEMO‘s AI-Algorithmen wurden historische Beschaffungsvorgänge und Wareneingänge analysiert, um genaue Prognosen für zukünftige Verbrauchsmengen zu erstellen und die Bestellung zur richtigen Zeit in der richtigen Menge zu optimieren.
Analyse der Bestandssituation
Die in Proalpha hinterlegten Wiederbeschaffungszeiten (WBZ) stimmten nicht mehr mit der aktuellen Liefersituationen am Markt überein und waren oft veraltet. Das musste sich ändern, denn Wiederbeschaffungszeiten haben innerhalb eines ERP-Systems weitreichende Auswirkungen wie z.B. für die Terminberechtigungen. Mit Hilfe der AI-Algorithmen von NEMO wurde, auf Basis der historischen Beschaffungsvorgänge und der verbuchten Wareneingänge, die gepflegten Wiederbeschaffungszeiten je Teil überprüft und eine neue, optimierte Wiederbeschaffungszeit errechnet. Dabei werden die folgenden Faktoren ermittelt und berücksichtigt:
- Wie lange dauert der gesamte Beschaffungsvorgang (Anlage, Bestellung bis Wareneingang)?
- Wie weit im Voraus liegt der Wunschtermin bei der Bestellung?
- Wie hoch ist die Abweichung des Liefertermins des Lieferanten vom Wunschtermin?
- Ist die aktuell gepflegte Wiederbeschaffungszeit für das Teil zu hoch oder zu niedrig?
Es wurden ca. 2.500 Kaufteile geprüft und zum Teil wurden erhebliche Abweichungen zwischen den Wiederbeschaffungszeiten aus Proalpha und den aus NEMO ermittelten Werten festgestellt. Mit NEMO wurden Korrekturlisten erzeugt, die zunächst stichprobenartig vom Projektteam überprüft wurden und mit den Erfahrungswerten der Einkäufer verifiziert wurden. Im nächsten Schritt wurde die Korrektur der Proalpha Stammdaten eingeplant.
Transparenz im Lagerbestand
Um die Transparenz im Lagerbestand zu erhöhen, wurden mit NEMO im nächsten Step umfassende Analysen der Bestandsmenge und -werte für alle Teile durchgeführt. Dabei wurden etwa 1.000 Kaufteile detailliert ausgewertet, um die Lagerreichweiter zu ermitteln. Besonderes Augenmerk lag auf Teilen, die auffällige Reichweitern von über sechs bzw. über zwölf Monaten aufwiesen, was auf mögliche Ineffizienzen in der Lagerhaltung hindeutete. In mehreren Iterationen wurden die „Schläfer“ überprüft und die Vorauswahl angepasst. Für zusätzliche Transparenz sorgte die Berechnung von klassischen Lagerkennzahlen wie Liegezeit, Bestandswert und Reichweite.
Präzise Verbrauchsprognosen - mit AI zurück in die Zukunft
Im letzten Schritt ging es um die Ermittlung präziser Verbrauchsprognosen, was wohl die Königsdisziplin der Bestandsoptimierung ist. Hierzu wurde das NEMOAI-Modell mit den Verbrauchsdaten der letzten 24 Monate trainiert. D.h. EMZ lieferte zunächst die Datenbasis der letzten zwei Jahre im Hinblick auf Beschaffungsvorgänge aus dem Einkauf sowie Verbräuche und Bestandsdaten aus dem ERP-System Proalpha.
Gemeinsam mit dem emz-Projektteam wurde ein Set an Teilestämmen definiert und für diese Teile wurde eine Prognose durchgeführt. Der Trick dabei: Die prognostizierten Monate lagen in der Vergangenheit, sodass umgehend ein Abgleich mit den tatsächlichen Verbrauchsdaten aus diesen Monaten möglich war. Die von NEMO ermittelten Verbräuche wurden in mehreren Iterationen mit den Echtverbräuchen verglichen und die Prognosequalität stetig weiter verbessert. Dann kam der Punkt an dem klar war: Jetzt ist die Prognose der Maschine besser und natürlich um ein Vielfaches effizienter als die der Menschen. Sie kann es mit einer beeindruckenden Genauigkeit und für alle Teile in einer konkurrenzlosen Zeit. Das schafft keine Dispositionsabteilung.
Neben Prognosen für Bestände und Bedarfe werden mit NEMO auch optimale Bestellzeitpunkte sowie Bestellmengen vorgeschlagen. Mittlerweile werden die Verbrauchsprognosen für ca. 3.000 Teile erstellt. So kann für jedes Teil der nächste optimale Bestellzeitpunkt inklusive empfohlener Bestellmenge und Maximalbestand ermittelt werden.
Das Ergebnis: NEMO Parts Advisor
Die in den Projektschritten erarbeiteten Korrekturvorschläge, Kennzahlen und Prognosewerte wurden in einer übersichtlichen App zusammengefasst: Der NEMO Parts Advisor stellt für den Einkäufer eine zusätzliche Informationsquelle und Entscheidungshilfe dar. Ab der Proalpha Version 9.4. kann der NEMO Parts Advisor direkt als Fenster in Proalpha Ray aufgerufen werden. Damit sind AI-basierte Handlungsempfehlungen und Prognosen direkt in das ERP-System integriert und unterstützen den Einkauf bei der Entscheidungsfindung.
Dauerhafte Optimierung durch tagesaktuelle Daten
Mit NEMO wird die Datenbasis täglich aus dem ERP-System bereitgestellt und die Berechnungen in Rekordzeit in der Cloud ausgeführt. Die relevanten Informationen stehen den Nutzer*innen dann als Dashboard zur Verfügung und können bei der Disposition und Bestands- bzw. Verbrauchsplanung berücksichtigt werden. Durch NEMO ist ein ein 360° Blick auf alle Komponenten und Bestände sichergestellt.