Produktionsoptimering och kvalitetsstyrning med AI och SAP

LeverX använde AI och SAP BTP för att lösa kritiska tillverkningsutmaningar. Implementeringen resulterade i en 90% förbättring av noggrannheten vid detektering av defekter och minskade driftskostnaderna med upp till 15-20%.

Kund och utmaning

Vår kund är ett stort tillverkningsföretag med en distribuerad struktur, inklusive ett huvudkontor i Europa, 5 produktionsanläggningar i Asien och Nordamerika och 200 distributionscentraler över hela världen. Företaget stod inför betydande utmaningar när det gällde att hantera sitt logistiknätverk på grund av följande

• Fragmenterad logistikdata: Data var spridda över många olika källor, inklusive Excel-kalkylblad, decentraliserade system för hantering av flottan och tjänster från tredje part. Detta gjorde det svårt att få en fullständig och tillförlitlig bild.
• Långsam planering och rapportering: Ruttplanering, efterfrågeprognoser och logistikrapportering var långsamma. Det kunde ta dagar eller till och med veckor att sammanställa konsoliderade rapporter, vilket gjorde att uppgifterna var inaktuella redan när de mottogs.
• Manuella och felbenägna processer: En betydande del av planerings- och analysarbetet utfördes manuellt, vilket ökade risken för fel och ledde till felaktigheter i ruttplaneringen och resursallokeringen.
• Felaktig prognostisering av efterfrågan: Långsamma processer förhindrade snabba reaktioner på marknadsförändringar, t.ex. trafikstockningar eller förändringar i efterfrågan.
• Avsaknad av enenda källa till sanning: Avsaknaden av en enda datakälla ledde till avvikelser och missförstånd mellan logistik-, försäljnings- och produktionsavdelningarna.

Metodik och tillvägagångssätt

Vår metodik för det här projektet var inriktad på ett stegvis tillvägagångssätt för att minska implementeringsriskerna och undvika en "big-bang"-modernisering. Vi började med en grundlig genomgång av kundens befintliga system och en bedömning av marknadslösningen. Denna analys bekräftade att.

SAP BTP var den perfekta plattformen tack vare dess förmåga att sömlöst integreras med kundens befintliga SAP-ekosystem, inklusive SAP S/4HANA.

Implementeringen var strukturerad för att direkt ta itu med de viktigaste smärtpunkterna:

• Dataintegration och enhetlighet: Med hjälp av SAP BTP och SAP Integration Suite skapade vi en enda, enhetlig logistisk datakälla. Detta konsoliderade data från olika system som SAP S/4HANA Cloud (för lager och order), GPS/telemetridata och API:er från tredje part till en enda sanningskälla.
• AI-driven prognostisering och optimering: Vi har integrerat avancerade AI-modeller för att öka den operativa effektiviteten och förbättra vårt beslutsfattande. Vi använder prediktiv AI för att analysera historiska leveransdata, en process som gör det möjligt för oss att optimera logistiken och fastställa den mest effektiva rutten. Dessutom använder vi generativa modeller för att förstå och förutse komplexa mönster i konsumenternas efterfrågan, vilket möjliggör en mer exakt och proaktiv lager- och resurshantering.
• Avancerad analys: Vi utnyttjade SAP Analytics Cloud som kärnkomponent för business intelligence, planering och prediktiv analys. Detta gav insikter i realtid och påskyndade analys- och planeringsprocesserna avsevärt.
• Skalbarhet och flexibilitet: Plattformens flexibilitet och skalbarhet möjliggjorde snabb utveckling och anpassning av applikationer i takt med att datavolymerna och affärsbehoven växte.

Det strukturerade tillvägagångssättet gjorde det möjligt för företaget att gå från reaktiv till proaktiv, datadriven logistikhantering.

Lösningen

Vi implementerade en heltäckande lösning baserad på AI och SAP BTP för att förändra företagets produktionsprocesser. Kärnan i lösningen var att automatisera arbetsflöden, optimera produktionen med avancerad analys och drastiskt förbättra kvalitetskontrollen med hjälp av artificiell intelligens.

• Automatisering avarbetsflöden: Vi använde SAP Build Process Automation för att effektivisera och automatisera viktiga arbetsflöden.
• Analys och optimering: Lösningen utnyttjar SAP Analytics Cloud för avancerad analys, vilket bidrar till att optimera produktionsvolymen.
• AI-driven kvalitetskontroll: Integrationen av AI med SAP BTP AI Core förbättrade produktkvaliteten avsevärt. Systemet upptäcker nu defekter med 90% högre noggrannhet än mänskliga inspektörer.
• Datahantering i realtid: Genom att använda SAP Datasphere möjliggjorde vi insamling och analys i realtid av stora volymer produktionsdata, vilket ger en enhetlig vy för snabbt beslutsfattande.

Teknisk stack

Lösningen är byggd på en skalbar och integrerad SAP-teknikstack:

• Kärnplattform: SAP BTP.
• Analys och planering: SAP Analytics Cloud.
• Databas: SAP HANA Cloud.
• Integration: SAP BTP Integration Suite: SAP BTP Integration Suite.
• Förening av data: SAP Datasphere.
• Generativa AI-modeller: Prediktiva och generativa AI-modeller integrerade via SAP AI Core.

Resultat

Implementeringen gav betydande och mätbara affärsfördelar för kunden:

• Minskade driftskostnader: Optimering av ineffektiva rutter och förbättrat fordonsutnyttjande ledde till besparingar på upp till 15-20% på bränsle- och driftskostnader. Körsträckan vid tomkörning minskade med 5%.
• Ökad punktlighet i leveranserna: Förbättrad prognostisering och planering minskade leveransförseningarna med 10-15%.
• Förbättrad kvalitet: Vi uppnådde en 90% förbättring av noggrannheten vid upptäckt av defekter.
• Team Unification: 200 profit/distribution centers med 320 anställda förenades under företagsplaner och arbetade med en enda sanningskälla.