Tuotannon optimointi ja laadunhallinta tekoälyn sekä SAP:n avulla

LeverX käytti tekoälyä ja SAP BTP:tä ratkaisemaan kriittisiä tuotantohaasteita. Toteutuksen tuloksena vikojen tunnistustarkkuus parani 90 prosenttia ja toimintakustannukset pienenivät jopa 15-20 prosenttia.

Asiakas ja haaste

Asiakkaamme on suuri valmistusyritys, jolla on hajautettu rakenne, johon kuuluu pääkonttori Euroopassa, 5 tuotantolaitosta Aasiassa ja Pohjois-Amerikassa sekä 200 jakelukeskusta maailmanlaajuisesti. Yritys kohtasi merkittäviä haasteita logistiikkaverkostonsa hallinnassa johtuen seuraavista syistä:

• Pirstaleiset logistiikkatiedot: Tiedot olivat hajallaan lukuisissa eri lähteissä, kuten Excel-taulukoissa, hajautetuissa kalustonhallintajärjestelmissä ja kolmannen osapuolen palveluissa. Tämä vaikeutti täydellisen ja luotettavan kuvan saamista.
• Hidas suunnittelu ja raportointi: Reittien suunnittelu, kysynnän ennustaminen ja logistiikkaraportointi olivat hitaita. Konsolidoitujen raporttien laatiminen saattoi viedä päiviä tai jopa viikkoja, jolloin tiedot olivat vanhentuneita heti niiden saamisen jälkeen.
• Manuaaliset ja virhealttiit prosessit: Merkittävä osa suunnittelu- ja analysointityöstä tehtiin manuaalisesti, mikä lisäsi virheriskiä ja johti epätarkkuuksiin reittisuunnittelussa ja resurssien jakamisessa.
• Epätarkka kysyntäennuste: Hitaat prosessit estivät nopean reagoinnin markkinoiden muutoksiin, kuten ruuhkiin tai kysynnän muutoksiin.
• Yhden tietolähteen puuttuminen: Yhden tietolähteen puuttuminen johti logistiikka-, myynti- ja tuotanto-osastojen välisiin ristiriitoihin ja väärinkäsityksiin.

Menetelmä ja lähestymistapa

Menetelmämme tässä hankkeessa perustui vaiheittaiseen lähestymistapaan, jolla vähennettiin käyttöönottoon liittyviä riskejä ja vältettiin "big-bang"-modernisointia. Aloitimme asiakkaan nykyisten järjestelmien perusteellisella tarkastuksella ja markkinaratkaisujen arvioinnilla. Tämä analyysi vahvisti, että.

SAP BTP oli ihanteellinen alusta, koska se pystyi integroitumaan saumattomasti asiakkaan nykyiseen SAP-ekosysteemiin, mukaan lukien SAP S/4HANA.

Käyttöönotto rakennettiin siten, että siinä puututtiin suoraan tärkeimpiin kipupisteisiin:

• Tietojen integrointi ja yhtenäistäminen: SAP BTP:n ja SAP Integration Suiten avulla luotiin yksi yhtenäinen logistiikan tietolähde. Tämä yhdisti eri järjestelmistä, kuten SAP S/4HANA Cloudista (varastoa ja tilauksia varten), GPS-/telemetriatiedoista ja kolmansien osapuolten API-järjestelmistä saadut tiedot yhdeksi totuuden lähteeksi.
• Tekoälyavusteinen ennustaminen ja optimointi: Olemme integroineet kehittyneitä tekoälymalleja toiminnan tehostamiseksi ja päätöksenteon parantamiseksi. Erityisesti hyödynnämme tekoälyä ennakoivaa tekoälyä analysoidaksemme historiallisia toimitustietoja, ja tämän prosessin avulla voimme optimoida logistiikkaa ja määrittää tehokkaimman reitityksen. Tämän lisäksi käytämme generatiivisia malleja monimutkaisten kuluttajien kysyntämallien ymmärtämiseen ja ennustamiseen, mikä mahdollistaa tarkemman ja ennakoivamman varaston- ja resurssienhallinnan.
• Kehittynyt analytiikka: Hyödynsimme SAP Analytics Cloudia liiketoiminnan älykkyyden, suunnittelun ja ennakoivan analytiikan keskeisenä komponenttina. Tämä tarjosi reaaliaikaisia näkemyksiä ja nopeutti analyysi- ja suunnitteluprosesseja merkittävästi.
• Skaalautuvuus ja joustavuus: Alustan joustavuus ja skaalautuvuus mahdollistivat nopean sovelluskehityksen ja mukauttamisen tietomäärien ja liiketoiminnan tarpeiden kasvaessa.

Tämän jäsennellyn lähestymistavan ansiosta yritys pystyi siirtymään reaktiivisesta ennakoivaan, tietoon perustuvaan logistiikan hallintaan.

Ratkaisu

Toteutimme tekoälyyn ja SAP BTP:hen perustuvan kokonaisvaltaisen ratkaisun, jolla muutettiin yrityksen tuotantoprosesseja. Ratkaisun ytimenä oli automatisoida työnkulkuja, optimoida tuotantoa kehittyneen analytiikan avulla ja parantaa laadunvalvontaa merkittävästi tekoälyn avulla.

• Työnkulkujen automatisointi: Käytimme SAP Build Process Automationia virtaviivaistamaan ja automatisoimaan keskeisiä työnkulkuja.
• Analytiikka ja optimointi: Ratkaisu hyödyntää SAP Analytics Cloudia kehittyneeseen analytiikkaan, mikä auttaa optimoimaan tuotannon volyymia.
• Tekoälyavusteinen laadunvalvonta: Tekoälyn integrointi SAP BTP AI Coreen paransi merkittävästi tuotteiden laatua. Järjestelmä havaitsee nyt viat 90 % tarkemmin kuin ihmistarkastajat.
• Reaaliaikainen tiedonhallinta: SAP Datasphereä hyödyntämällä mahdollistimme suurten tuotantotietomäärien reaaliaikaisen keräämisen ja analysoinnin, mikä tarjoaa yhtenäisen näkymän nopeaa päätöksentekoa varten.

Teknologiapino

Ratkaisu on rakennettu skaalautuvan ja integroidun SAP-teknologiapinon varaan:

• Core Platform: SAP BTP.
• Analytiikka ja suunnittelu: SAP Analytics Cloud.
• Tietokanta: SAP HANA Cloud.
• Integrointi: SAP BTP Integration Suite.
• Tietojen yhdistäminen: SAP Datasphere.
• Generatiiviset tekoälymallit: Ennustavat ja generatiiviset tekoälymallit, jotka on integroitu SAP AI Coren kautta.

Tulokset

Toteutus tuotti asiakkaalle merkittäviä, mitattavissa olevia liiketoimintahyötyjä:

• Toimintakustannusten aleneminen: Tehottomien reittien optimointi ja ajoneuvojen parempi käyttöaste johtivat jopa 15-20 prosentin säästöihin polttoaine- ja käyttökustannuksissa. Tyhjäkäyntikilometrit vähenivät 5 %.
• Toimitusten täsmällisyys parani: Parempi ennustaminen ja suunnittelu vähensi toimitusviivästyksiä 10-15 %.
• Parempi laatu: Saavutimme 90 prosentin parannuksen vikojen havaitsemisen tarkkuudessa.
• Tiimien yhdistäminen: 200 tulos- ja jakelukeskusta, joissa oli 320 työntekijää, yhdistettiin yrityssuunnitelmien alle ja työskentelivät yhden totuuden lähteen kanssa.