Eine Punktewolke stellt Artikel dar, die bei unterschiedlichen Lieferanten beschafft wurden. Mit der Funktion OSC, werden die Artikel automatisiert auf die Lieferanten eingeteilt

Lieferantenmanagement mit Algorithmen

Algorithmen unterstützen uns immer häufiger im Alltag. Algorithmen im Lieferantenmanagement sind dagegen eher Neuland. Lieferantenmanagement hat doch vor allem etwas mit zwischenmenschlichen Beziehungen zu tun. Eine Maschine kann sowas doch nicht übernehmen.

Sind die Artikel optimal auf unser Lieferantennetzwerk aufgeteilt?

Im Einkauf werden viele, rationale Entscheide gefällt. Hier können Algorithmen Ihre Stärken ausspielen. Eine grundlegende Frage im Lieferantenmanagement lautet: «Sind die Artikel optimal auf unser Lieferantennetzwerk aufgeteilt?» Diese Frage lässt sich effizient mit Algorithmen beantworten. Damit Algorithmen tätig werden können, braucht es Daten.

Substanzielle Entlastung für den Einkauf

Unternehmen haben viele Unternehmensdaten. Diese Daten werden mittels Data-Mining (im Endeffekt auch Algorithmen) vollautomatisch in eine nutzbare Form gebracht. Bei 10'000 Artikel dauert dieser Prozess ca. 1-2 Tage. Die Artikel werden dabei zusätzlich und vollautomatisch in Warengruppen eingeteilt. Auf Basis der nun nutzbaren Daten können bereits spannende Fragen beantwortet werden:

  • Welche Lieferanten fertigen «Bauteile ab 1'000 mm Länge»?
  • Wie viele Lieferanten fertigen für uns Drehteile mit polierten Flächen?
  • Welche Lieferanten fertigen 6mm Dicke Blechteile?

Die Wettbewerbsfähigkeit von Lieferanten erkennen

Es sind noch detailliertere Fragenstellungen möglich. Im Endeffekt interessiert den Einkauf die Wettbewerbsfähigkeit von Lieferanten bei spezifischen Ausprägungen von Bauteilen. Algorithmen erkennen Artikel mit den vom Anwender definierten Ausprägungen (Beispiel "Länge über 1'000mm" und "poliert") und färben diese Artikel vollautomatisch ein. Die Berechnungen in der Analyse-Software PSI - predictive saving identifier zeigen, welche Lieferanten die als «eher zu teuer» eingestuften Artikel fertigen. Es bietet sich an abzuklären, ob diese Lieferanten die korrekte Fertigungsstrategie haben um die Artikel zu produzieren. Oder es zeigt sich, dass die Lieferanten nicht über den geeigneten Maschinenpark verfügen und die Artikel nicht in einer Aufspannung fertigen können.

In der Grafik sind verschiedene Artikel dargestellt (jeder Punkt einen Artikel), die bei unterschiedlichen Lieferanten eingekauft wurden (rot/blau)

Artikel vollautomatisch auf Lieferanten aufteilen

Wenn Algorithmen selbstständig entscheiden, welche Artikel bei welchen Lieferanten optimal platziert sind? Dann ist OSC - optimize supplier clustering im Spiel. OSC übernimmt diese Aufteilung vollautomatisch. Zu den technischen Parametern der Bauteile und Baugruppen können natürlich auch zusätzliche Informationen wie Liefertreue und Lieferqualität hinzugezogen werden. Die Funktion OSC – optimize supplier clustering in unserer Analysesoftware PSI - predictive saving identifier, automatisiert auch diese Auswertungen. Wie so oft geht es um den sinnvollen Einsatz neuer Technologien. Die zwischenmenschlichen Aufgaben werden Algorithmen noch lange Zeit nicht für uns erledigen können - das will ich auch nicht. Vielleicht wird der Einkauf sogar ein bisschen menschlicher, weil der Einkauf sich mehr auf die Kommunikation und die Betreuung der Lieferanten konzentrieren kann. Sie möchten den Einkauf entlasten und unsere Algorithmen testen? Nehmen Sie mit uns Kontakt auf. OSC - optimize supplier clustering wird Sie begeistern.

Den Einkauf mit OSC entlasten

 

Zurück

Verwandte Artikel

Kosten kennen, bevor Kosten entstehen

Versuchen Sie es mal mit Predictive Costing

Gesichtserkennung für Einkaufsteile

Gesichtserkennung wird im Alltag schon oft genutzt. Seit Jahren können Computer Gesichter erkennen...

Ertragsoptimierung im Ersatzteilwesen

Data-Driven Sales Das Ersatzteilwesen trägt in vielen Unternehmen einen beträchtlichen Anteil zum...