Künstliche Intelligenz im Ersatzteilmanagement

Dynamisierte Bestände, maximale Versorgungssicherheit, effektive Prozesse

Um den effektiven Fortlauf der Produktion zu sichern, ist die Verfügbarkeit von Ersatzteilen für die Instandhaltung essenziell. Ob das gelingt, hängt von vielen Faktoren ab: Von der Entscheidung, welche Ersatzteile bei der Beschaffung von Neuanlagen bevorratet werden sollen, der Prüfung, ob die Teile schon als Posten in der Teiledatenbank angelegt sind, und der Anzahl der Teile, die ständig verfügbar sein müssen. Aber auch bei der Beschaffung, der Lagerhaltung und letztendlich am Lebenszyklusende der Anlage sind Entscheidungen erforderlich, die auf komplexen Zusammenhängen und einer Vielfalt von Daten beruhen. Der Aufwand, diese Daten ständig zu erfassen zu bewerten und in einen Kontext zu stellen, überfordert im Allgemeinen die Verantwortlichen, was zu suboptimalen Ergebnissen führt: deutliche Über- oder Unterbestände von Ersatzteilen, damit verbundene mangelnde Versorgungssicherheit und erhebliche Kosten im Dispositions- und Beschaffungsaufwand von Ersatzteilen. Bessere Resultate bringt der Einsatz von geeigneter Software, die Künstliche Intelligenz nutzt, und dadurch heute schon in der Lage ist, viele der beschriebenen Entscheidungsprozessen im Ersatzteilmanagement zu vereinfachen oder Routinearbeiten vollständig zu übernehmen. Bei der Einsatzplanung und Anwendung dieser Programme unterstützt ConMoto seine Kunden.

KI unterstützt bei der Entwicklung von Ersatzteilstrategien und vereinfacht die Stammdatenpflege

Die Aufgaben der Künstlichen Intelligenz im Ersatzteilmanagement beginnen schon bei der Anlagenplanung: Lege ich ein Ersatzteil überhaupt auf Lager oder beschaffe ich es bei Bedarf? Wie groß ist dann das Risiko eines Produktionsausfalls? Die Entscheidung basiert häufig auf Empfehlungen der Anlagenhersteller, ergänzt mit Erfahrungswerten. Hier wird heute bereits auf Basis von Erfahrungswerten entschieden, ob ein Teil bevorratet werden soll. Wenn die Entscheidung dafür gefallen ist, muss geklärt werden, ob das Teil bereits im Lager vorhanden ist. Die Identifikation eines vorhandenen Teils ist dabei nicht immer sofort möglich, da Teile unterschiedlich bezeichnet werden oder Stammdaten fehlen. Ob Teile identisch sind, kann daher nur über eine Abgleichung von Sachmerkmalen festgestellt werden. Wenn diese Sachmerkmale nicht im Lager-System angelegt sind, hilft die KI-unterstützte Suche über die vereinheitlichte Nomenklatur wie E-Class-Systeme mit webbasierten Lösungen. Es werden heute bereits Algorithmen genutzt, um Ersatzteile anhand von Sachmerkmalen zu identifizieren, mit dem Ziel eine mehrfache Bevorratung von Duplikaten zu vermeiden.

KI geht noch einen Schritt weiter und ermittelt Stammdaten eigenständig durch Web-Crawler. Wer ist der Hersteller der Originalteile? Ist das Ersatzteil substituierbar? Gibt es Hinweise auf Bauteil-Schwächen? KI pflegt und ergänzt die technischen Stammdaten selbständig anhand von Attributen, Leistungsparametern und weiteren Sachmerkmalen. Sie kann auch die Substitution und Standardisierung von den Ersatzteilen vorschlagen, die wirtschaftlich für das Unternehmen am besten geeignet sind.

KI kalkuliert dynamisch Ersatzteilbestände für die wirtschaftlich optimale Verfügbarkeit

Das gebundene Kapital und der Bevorratungsaufwand konkurrieren mit den Produktionsverlusten, die sehr schnell sehr hoch werden können, wenn das Teil nicht rechtzeitig verfügbar ist. Das KI-System im Ersatzteilmanagement ermittelt dazu den optimalen Sicherheitsbestand. Dazu vergleicht KI die Häufigkeit und Auswirkungen von Störungen vergleichbarer Komponenten und korreliert diese mit möglichen Lager- und Beschaffungskosten, die wiederum die Bauteilkosten und die Wiederbeschaffungszeiten berücksichtigen. Daraus wird ein wirtschaftliches Optimum gebildet, das ständig angepasst wird und den dynamischen Sicherheitsbestand definiert.

KI wickelt unternehmensübergreifend Ersatzteilbeschaffung mit Lieferanten ab

Darüber hinaus wird auch die Beschaffung von Ersatzteilen durch KI optimiert. Bauteilalter, Belastungssituation und Haltbarkeit sind die Eingangsgrößen, die es ermöglichen, den heute noch einmalig fixierten Sicherheitsbestand zukünftig zu dynamisieren. Lösungen im Predictive und Prescriptive Maintenance-Bereich sind eng mit optimalen Dispositionsparameter durch Algorithmen verknüpft. Ein Disponent sollte von Routinen entlastet werden und nur in ausgewählten Fällen über die Bereitstellung von Teilen aus dem Lager entscheiden. Für Bestellteile ist die Beschaffung komplexer. Doch auch in diesem Fall können operative Aufgaben wie Bestellung und die Ausstellung des Lieferscheins und der Rechnung zwischen den KIs von Besteller und Lieferant geklärt werden. Chatbots übernehmen den Lieferantensupport bis hin zur Bestätigung von Lieferterminen.

Ein Webcrawler kann auch klären, ob es zu Störungen und damit verspäteter Lieferung kommen könnte, und aktualisiert dann den Liefertermin. Die Informationsquellen reichen von sozialen Netzwerken über Online-Medien bis hin zu den Informationssystemen von Hafenbetreibern und Zollbehörden oder Wetterdatenbanken und Erdbebenwarten.

Ähnlich arbeitet die KI auf Plattformen, die online verfügbare Informationsquellen oder Angaben von Kunden und Lieferanten daraufhin untersuchen, welche Zulieferer weltweit am besten geeignet sind, um spezifizierte Teile oder Komponenten herzustellen oder zu liefern. Die Programme finden unter Tausenden von Anbietern in kurzer Zeit die Unternehmen, die einen Auftrag am schnellsten und günstigsten in bestmöglicher Qualität erfüllen können. So lässt sich die Vorauswahl von Lieferanten beschleunigen oder bei Störungen der Lieferkette schnell eine alternative Bezugsquelle finden. KI liefert dabei die Informationen, die Entscheidung trifft dabei der Einkäufer.

Bevor Einkäufer strategische und operative Prozesse mit KI automatisieren können, müssen sie ihre Stammdaten in Ordnung bringen und zentrale Lieferantendatensätze anlegen, die alle den Zulieferer betreffenden Angaben aus Verträgen, Bestellungen und Rechnungen enthalten. SAP entwickelt derzeit einen Chatbot auf Basis von KI, der Verträge überprüft und auf der Grundlage historischer Muster Verbesserungsvorschläge macht. Der Chatbot kann etwa abweichende Zahlungsbedingungen vorschlagen oder eine bestimmte Vertragsklausel empfehlen, die den versicherungsrechtlichen Vorschriften einer bestimmten Region entspricht.

KI generiert Synergieeffekte in der Ersatzteillogistik durch Zentralisierung strategischer Ersatzteile

Neben der Vereinfachung der Einkaufsprozesse, Unterstützung der Disposition und Dynamisierung von Beständen ist für die Instandhaltung vor allem die Verfügbarkeit und Versorgungssicherheit wichtig. Aber nicht jedes Teil muss dazu im eigenen Lager vor Ort oder im eigenen Besitz liegen. Konsignation, Vendor Managed Inventory, ein vertraglich vereinbarter Mindestbestand beim Hersteller oder Händler sind wirtschaftlich in Abhängigkeit der Lieferzeit zu bewerten. Insbesondere für große, teure und aufwändig zu ersetzende Ersatzteile kann ein zentraler Lagerort für mehrere Produktionsstandorte eines Unternehmens ausreichen. Die Berücksichtigung aller erforderlichen Eingangsparameter zur Entscheidung ist mit einfachen Bordmitteln kaum abbildbar. Die KI kann die optimalen Versorgungswege und Orte der Verfügbarkeit in Abhängigkeit der Bedarfswahrscheinlichkeiten und erforderlichen Transportzeiten simulieren. Ob nun vom externen oder internen Lagerort bis zur Anlage, an der das Ersatzteil benötigt wird, kann der Instandhalter von vieles seiner heutigen Aufgaben entlastet werden – von der Festlegung von Bevorratungsmengen über die Bestandsverwaltung bis hin zum Weg ins Lager.

Unternehmen müssen heute die Voraussetzungen für KI im Ersatzteilmanagement schaffen

Die Beispiele zeigen, welchen Wert KI auch in der Instandhaltung generiert. Prozessgrenzen werden dabei aufgelöst, Daten sind der Treibstoff des Systems, egal aus welchem Prozess. Einen Mehrwert bringt die Verknüpfung von spezialisierten KI-Systemen: zum Beispiel eine Verknüpfung der Präskriptiven Instandhaltung mit einer intelligenten Ersatzteilbevorratung zu einer integrierten KI-Lösung. ConMoto unterstützt Sie bei der Beschreibung der Anforderungen zur Gestaltung von KI-Systemen in der Instandhaltung und dem Ersatzteilmanagement. Gemeinsam mit Ihnen entwickeln wir den zukunftsweisenden Einsatz von KI-Systemen im Ersatzteilmanagement und stellen so Ihren nachhaltigen Unternehmenserfolg sicher.