Arbeitsgruppe für Supply Chain Services des Fraunhofer IISGenauere Bedarfsplanung für die Langzeitbevorratung von Ersatzteilen mit Maschinellem Lernen
In der Nachlaufphase, der End-of-life-Phase, eines Produkts stehen Produkthersteller vor der Herausforderung die Bedarfsmengen an Ersatzteilen zur Gewährleistung ihrer Garantieversprechen zu prognostizieren. Die Verantwortlichen des Ersatzteilmanagements müssen dabei die Lieferbereitschaft nach Produktionsstop über viele Jahre sichern und gleichzeitig die Kosten für Lager, Bestand und Verschrottung minimieren. Die Beherrschbarkeit von Unsicherheit spielt dabei eine zentrale Fragestellung für Verantwortliche des Ersatzteilmanagements aus der Automobil-, Maschinenbau-, Elektronik- und Fahrzeugbauindustrie. Vor diesem Hintergrund wurde durch die Abteilung Analytics der Arbeitsgruppe für Supply Chain Services des Fraunhofer IIS ein Langzeitprognose-Tool für den Allzeitbedarf von Ersatzteilen auf der Basis des Maschinellen Lernens entwickelt. Dank dieser Methode können Unternehmen ihre Ersatzteilbestände fundierter abschätzen, Lagerplätze effizienter nutzen und nicht zuletzt Über- und Unterdeckung sowie Verschrottungskosten reduzieren.
