Die Klassifizierung von Artikeln ist eine wichtige Basis für das strategische Warengruppenmanagement. Oft basieren Analysen und Auswertungen auf den Daten des ERP-Systems. Sind im ERP-System Artikel falschen Warengruppen zugeordnet oder nur in einer Gruppe „Zeichnungsteile“ zusammengefasst, sind die Auswertungen nicht belastbar. Es braucht Ordnung in den Warengruppen. Aber wie kann diese Ordnung hergestellt werden – ohne Mannjahre zu investieren? Machine Learning und Data-Mining schaffen da Abhilfe. Es gibt verschiedene Szenarien, in welchen diese Technologien unterstützen können:
- Bestehende Artikel neu klassifizieren
- Neue Artikel vollautomatisch klassifizieren.
- Gezielte(re) Anfragen bei Lieferanten durchführen.
Bestehende Artikel neu klassifizieren
ERP-Systeme sind nur so gut, wie die Daten, die sie enthalten. Wenn viele Nutzer, Artikel im ERP klassifizieren, sind Fehler ganz natürlich. Mit Machine Learning können tausende Artikel in kurzer Zeit und automatisiert in bestehende oder neue Warengruppen zugeteilt werden. Der korrekte Warengruppenschlüssel wird automatisch vergeben. Aus Mannjahren, werden so Mannstunden.
Neue Artikel vollautomatisch klassifizieren
Es wäre schade, wenn die soeben hergestellte Ordnung im ERP-System wieder zunichte gemacht würde. Aus diesem Grund sollten alle neuen Artikel, vollautomatisch und exakt klassifiziert werden. Hier kann Machine Learning mit hoher Präzision unterstützen. Sie speichern einen Artikel – das Machine Learning klassifiziert den Artikel.
Gezielte Anfragen bei Lieferanten
Machine Learning – in Verbindung mit Data Mining – optimiert das Anfragen bei Lieferanten (RFQ) substanziell. Durch eine fein abgestufte Klassifizierung (Beispiel: „Drehteile 65 mm Durchmesser, 3 Gewinde, polierte Bereiche, komplex“) können geeignete Lieferanten gezielt identifiziert und kontaktiert werden. Der Granularität sind dabei keine Grenzen gesetzt. Jeder Artikel wird aufgrund seiner technischen Spezifikation im ERP abgespeichert. Fragen wie „Wie viele Lieferanten fertigten bisher für unser Unternehmen Drehteile, mit einer Maximallänge von 680 mm, maximalem Außendurchmesser von 240 mm, 2 Gewinden sowie gehärtete Bereiche von 495 mm²?“ Oder Sie möchten das Lieferantenmanagement auf eine neue Stufe heben und analysieren, welche Lieferanten Blechteile mit einem Volumen von 2000 bis 4500 mm3 herstellen – mit dem Ziel Lieferanten zu identifizieren, die eher für klein – respektive großvolumige Blechteile ausgelegt und dadurch wettbewerbsfähiger sind? Data Mining und Machine Learning machen Unternehmensdaten substanziell nutzbarer.
Der Autor
Hans-Peter Gysel, shouldcosting GmbH, 8645 Rapperswil-Jona/Schweiz
