Beschaffungskostenoptimierung bei Konstruktionsteilen mit Hilfe von künstlicher Intelligenz.

Die Ausgangsbasis:

Einer der maßgeblichen Hebel zur Beschaffungskostenoptimierung ist die Bündelung von Einkaufsvolumina. Bei Konstruktionsteilen ist dies jedoch deutlicher schwieriger als bei Normteilen. Konstruktionsteile sind häufig keiner konsistenten Materialgruppenstruktur zugeordnet, Artikelbezeichnungen nicht selbstsprechend, kaufmännische Informationen des ERP-Systems sind nicht mit den technischen Parametern des CAD-Systems vernetzt und kostenrelevante Artikelattribute nicht oder falsch gepflegt.

Bevor sich in der Vergangenheit die Kostenschraube drehen ließ, mussten diese Daten zunächst mühselig mit Excel aufbereitet werden. Das kostete viel Zeit und war äußerst fehleranfällig. Zudem ließen sich Einsparpotenziale konventionellen Methoden nicht präzise genug bestimmen.

Heute begegnen wir diesen Herausforderungen mit Machine Learning, Data Mining, Data Analytics und Predictive Costing.

Was geschieht im Rahmen des Machine Learnings?

Machine Learning erkennt die Zeichnungsteile anhand ihrer 3D-Geometrie, sozusagen den digitalen Fingerabdrücken der Bauteile und kategorisiert diese vollautomatisch in Materialgruppen. Die Einsatzmöglichkeiten hierbei sind vielfältig und reichen von der erstmaligen Klassifizierung einer Teilegruppe bis hin zu einer Überarbeitung des gesamten Datenbestandes.

Welche Aufgabe übernimmt das Data Mining?

Im Rahmen des Data Mining Prozesses werden die Zeichnungsteile auf materialgruppenspezifische Kostentreiber hin untersucht. Bei einem Blechteil sind dies beispielsweise der Werkstoff, die Blechdicke, die Anzahl der Biegungen, die Gesamtlänge der Konturen oder auch die Art des Korrosionsschutzes. Diese technischen Parameter werden in sehr kurzer Zeit automatisiert aus allen vorliegenden Datenformaten ausgelesen, zu strukturierten Datensätzen aufbereitet und um Preisinformationen des ERP-Systems ergänzt. So lassen sich je Materialgruppe mit Hilfe spezieller Algorithmen individuelle Preisformeln ermitteln, ohne dabei auf Material-, Fertigungs- und Gemeinkostensätze der Lieferanten zurückgreifen zu müssen. Die Berechnungen basieren ausschließlich auf den eigenen Einkaufspreisen.

Welche Resultate liefert Data Analytics?

Sind die unstrukturierten Daten einmal zu maschinell auswertbaren Datensätzen aufbereitet, lassen sich diese genauer betrachten. Algorithmen analysieren je Materialgruppe den Einfluss der Kostentreiber und berechnen logische Sollpreise je Bauteil auf Basis des Warenkorbes von Zeichnungsteilen eines Lieferanten.

Mit Hilfe von Data Analytics können dann Aussagen darüber getroffen werden, wie viele gleiche und ähnliche Konstruktionsteile sich in einer Materialgruppe befinden, welcher Preis für ein Bauteil gerechtfertigt ist, wie systematisch der Lieferant seine Preise gestaltet hat und welche der Bauteile Einsparpotenziale bieten.

Was bedeutet Predictive Costing?

Auf der Grundlage des bereits analysierten Warenkorbes einer Materialgruppe lassen sich dann Vorhersagen treffen, welchen Preis der Lieferant für ein neues Bauteil aufrufen würde. Somit ist es möglich, bereits in der Konstruktionsphase schnelle und präzise Kostenprognosen treffen zu können. Da sich bei den Analysen und Prognosen nie auf unternehmensfremde Daten bzw. Schätzungen berufen wird, ist in einer späteren Verhandlung die Akzeptanz der Preise durch den Lieferanten nahezu vorweggenommen.

Wie sollten interessierte Unternehmen vorgehen?

Um die Potenziale des Einsatzes derartiger Technologien in Erfahrung zu bringen, empfiehlt sich ein überschaubares Pilotprojekt. Die Resultate werden allen Beteiligten verdeutlichen, wie wertvoll die eigenen Unternehmensdaten sind.

Zudem bieten wir am 26.05.2020 um 14:30 Uhr im Franz-Tacke-Haus in Rheine in Kooperation mit der WEStmbh einen Vortrag zu diesem Thema an. Sie sind herzlich eingeladen, weitere Informationen finden Sie auf der Homepage der WEStmbh.

Autor

Sebastian Ull ist Manager bei der LEANNOVA GmbH.

Mitgliederverzeichnis mit Leistungsprofilen

Kurzprofile der Unternehmen / Branchen

Treffen am 24.06.2020: Expertenrunde „Industrie & Produktion“ bei der Fa. Schumacher Packaging GmbH in Greven