Actualités

Predictive Analytics mit der Ehrhardt + Partner-Gruppe (EPG): Im Gestern erkennen, was morgen in der Logistik passiert

18.03.2019

Damit im Lager auch bei saisonalen Auftragsspitzen alles rundläuft, vertrauen viele Unternehmen bei der Vorausplanung ihrer logistischen Prozesse auf subjektiv vorhandene Erfahrungswerte. Um wirklich präzise Vorhersagen über künftige Auslastungen zu treffen, müssen Logistiker diese Erfahrungen jedoch in jederzeit verfügbare und verwertbare Daten umwandeln. Diesen Prozess unterstützt die Ehrhardt + Partner-Gruppe (EPG) mit Predictive Analytics inkl. KI(künstliche Intelligenz)-Komponenten..

Eine fundierte Vorausplanung ist in Zeiten von hohem Wettbewerbsdruck, von Ressourcenknappheit und Just-in-time-Lieferungen unverzichtbar. Im logistischen Alltag sind beispielsweise Prognosen über den Ressourcenbedarf, die Auftragslast, die Menge der Transporte, die Anzahl der Packstücke oder die Dauer der Kommissionierung dringend notwendig. Das Predictive Analytics-Konzept der EPG unterstützt Unternehmen dabei, durch die Analyse von Vergangenheitsdaten belastbare Vorhersagen für die Zukunft zu treffen. Gemeinsam mit ihrem Technologiepartner IBM erstellt die EPG Modelle, in denen relevante logistische Daten aus den Kundensystemen verarbeitet werden. In die Prognosen über künftige Auslastungen können darüber hinaus auch externe Einflussfaktoren, wie das Wetter oder die Nachrichten, einbezogen werden. Mit jedem Tag nimmt die Präzision der Vorhersagen weiter zu.

Wie funktioniert Predictive Analytics in der Praxis?

Diverse Anwendungszwecke prädiktiver Analysen hat die EPG ausführlich erprobt – wie etwa ein vorausschauendes Ressourcenmanagement bei der Ehrhardt + BOMAG Logistics GmbH (EBL) in Boppard. Im Lager der EBL befinden sich mehr als 50.000 Ersatzteile unterschiedlichster Form und Größe für die Baumaschinen von BOMAG. Um eine ganzheitliche, präzise und verlässliche Planung aller Ressourcen zu ermöglichen, wurde das vorhandene Ressourcenmanagement um eine prädiktive Komponente erweitert. Mithilfe des IBM Watson Studios erstellte die EPG ein selbstlernendes Modell der aktuellen und vergangenen Auftragsdaten. Zusätzlich wurden bis dato unstrukturierte Daten, wie E-Mails und Reportings, mittels Discovery API als externe Einflussfaktoren in die Vorhersage integriert. Das gebildete Datenmodell ermöglicht, dass der Leitstandsmitarbeiter das Dashboard von Predictive Analytics nun als intelligenten Assistenten für die vorausschauende Ressourcenplanung nutzen kann. Durch die laufende Datensynchronisierung steigt die Präzision der Vorhersagen kontinuierlich an.