Im Rahmen von Sparrows kontinuierlichen Bestrebungen, das Ersatzteilmanagement weiterzuentwickeln und Innovationen voranzutreiben, sprechen wir mit Branchenexperten, um Einblicke und Erfahrungen aus der Praxis zu gewinnen.  

Wir hatten das Vergnügen, mit David Thompson zu sprechen, einem Spezialisten und Ausbilder im Bereich MRO-Ersatzteile mit mehr als 61 (!) Jahren Erfahrung. David begann seine Karriere als Instandhaltungsingenieur bei der British Steel Company und übernahm im Laufe der Jahre verschiedene Rollen in den Bereichen Wartung, Zuverlässigkeit und CMMS. 

In den letzten 30 Jahren war er als unabhängiger Berater und Ausbilder tätig und deckt dabei Themen wie Ersatzteiloptimierung, Datenprüfung, effektive Bestandskontrolle, bewährte MRO-Verfahren und vieles mehr ab.  

‍

Note: we’ve made some slight edits to the original text to ensure consistency. These changes are only grammatical or format-related, and we haven’t made any changes to the contents. 

‍

F: Sie haben über 50 Jahre Erfahrung im Ersatzteilmanagement. Was hat Sie ursprünglich in dieses Feld gezogen?

Es gibt drei Hauptgründe, die mich dorthin geführt haben.  

‍

Ich nahm 1981 während meiner Arbeit in Indien an einem Zuverlässigkeitslehrgang teil, in dem eine Sitzung die Bestandskontrolle behandelte. 1999 begann ich, während eines Zuverlässigkeitsprojekts in Norwegen ein Tool zur Ersatzteiloptimierung zu entwickeln, das auf den Konzepten basierte, die ich 1981 von einem amerikanischen Berater gelernt hatte.  

‍

Alles begann 2011, als mich ein Freund mich für ein Projekt zur Bereinigung von Ersatzteildaten in Angola gewinnen konnte.  

‍

Ein paar Jahre später, als ich einen Kurs über Ersatzteile in Bangkok leitete, erzählte ein Teilnehmer, dass sein Unternehmen mit einer kanadischen Firma zusammenarbeitet, die 20 bis 30 Jahre Erfahrung in der Datenbereinigung hat. Am letzten Tag sagte er mir, er habe die fertige Datei erhalten. Er zeigte sie mir und für mich war sie nicht zweckdienlich. Viele Beispiele waren ungenau: Der Berater gab nur das Substantiv ein und für das Qualifizierungsmerkmal setzte er „allgemein“ ein, da die Informationen unzureichend waren.

Ich begann, mein eigenes Tool zu entwickeln, konnte es aber erst 2020 einsetzen, als ich hier in Großbritannien ein Projekt übernahm.

‍

F: Welche wiederkehrenden Herausforderungen haben Sie in verschiedenen Branchen im Kontext des Ersatzteilmanagements beobachten können?

Nach über 80 Schulungen und zahlreichen Audits (Managementprozesse, Stammdaten- und Verfahrensaudits) kehren die Teilnehmer an ihren Arbeitsplatz zurück, ändern aber nichts. Sie werden vom Tagesgeschäft in Beschlag genommen. Selbst fast 50 Jahre nach meinem ersten Zuverlässigkeitskurs scheint sich am Ersatzteilmanagement kaum etwas verändert zu haben.

F: Können Sie erläutern, wie Sie die von Lieferanten bereitgestellten RSPLs (Recommended Spare Parts Lists - Empfohlene Ersatzteillisten) beurteilen und wie Unternehmen sicherstellen können, dass diese Listen präzise und nützlich sind?

‍

Dies ist ein entscheidender Punkt.

‍

Schritt 1: Es muss einen standardisierten Prozess mit einem Standarddokument zur Datenerfassung vorhanden sein.

Schritt 2: Jemand muss die Liste kritisch auf Datenqualität prüfen, besonders in Bezug auf Beschreibungen, Teilenummern (P/N) und empfohlene Mengen.

Schritt 3: Bei großen Projekten sollten die Daten zunächst in einer vorläufigen Datenbank angelegt und entwickelt werden.

Schritt 4: Wenn Ersatzteile vom Anlagenlieferanten bezogen werden, muss beim ersten Wareneingang geprüft werden, ob die erfassten Daten mit den Angaben im CMMS-System übereinstimmen.

‍

F: Ihrer Erfahrung nach - was macht ein Werk im Ersatzteilmanagement herausragend? Welches Prozesse und Tools tragen dazu bei?

‍

Das ist erneut ein großes Thema, aber [gutes Ersatzteilmanagement] lässt sich auf die folgenden Maßnahmen herunterbrechen:

‍

• gute Katalogisierung
• ‍
• Entwicklung von Stücklisten (BOMs)
• ‍
• Festlegen von geeigneten Lagerbeständen  
• ‍
• Leistungsüberprüfung und Audits (Mein bestes Beispiel war eine empfohlene Reduzierung des maximalen Lagerbestands um 500.000 US-Dollar und das allein für 10 Positionen, was nur 50 % des Einsparpotenzials ausmachte.)

‍

F: Sie betonen in Ihren Beiträgen die Bedeutung von Datenvalidierung und -bereinigung. Welche Best Practices gibt es, um eine hohe Datenqualität im Bestandsmanagement aufrechtzuerhalten?

Konsistenz, eine klare Richtlinie für den Katalogisierungsprozess und Qualitätskontrollen.

‍

F: Welche Strategien würden Sie empfehlen, um Bestellpunkte und Sicherheitsbestände festzulegen und so ein optimales Bestandsmanagement zu gewährleisten?

Die Formeln [für die Festlegung von Bestellpunkten und Sicherheitsbeständen] findet man in Lehrbüchern. Was jedoch nicht so leicht zugänglich ist, sind die Formeln für ein Inventar mit 20.000 bis 50.000 Einzelposten. Bei einer so großen Anzahl an Teilen stellt sich die Frage: Wie bewertet man die bestehenden Bestandsniveaus sinnvoll? Genau das vermittle ich in meinen Kursen.

‍

F: Welche Rolle werden Ihrer Meinung nach fortschrittliche Technologien wie KI und maschinelles Lernen in den kommenden Jahren im Ersatzteilmanagement spielen?

‍

Viele Unternehmen haben die Hersteller-Teilenummern (MPN oder Mfr P/N) nicht selbst erfasst und die Teilebeschreibung enthält möglicherweise Folgendes:  

‍

• Mfr P/N oder eine Lieferantennummer
• ‍
• nur eine Lieferantennummer 
• ‍
• oder manchmal sogar zwei verschiedene Mfr P/Ns
• ‍

Was Zeit kostet, ist das manuelle Kopieren und Einfügen der P/N in ein eigenes Feld und die Websuche, um den Hersteller zu identifizieren oder die korrekte Mfrs P/N zu bestätigen.

‍

Fehlt die Mfrs P/N oder ein entscheidendes Attribut, muss das Teil an den Lieferanten zurückgegeben werden, um es im Lager zu validieren. Ich stelle fest, dass das bei mindestens 50 % [der Teile] der Fall ist. Ein einfaches Beispiel ist eine ML-Oberflächenbuchse oder -schalter; die Katalognummer ist dieselbe, aber es gibt Optionen – in Weiß oder Schwarz. Ohne diese Information kann der Lieferant Sie nicht beliefern.  

Ich habe zum Beispiel mit einem AI-Unternehmen hier in Spanien gesprochen. Ich gab ihnen 100 Positionen, aber als sie fertig waren, waren alle 100 Beschreibungen schlecht - sie hatten viele Fehler bei den P/Ns. Am Ende konnte ich nur 50 % von ihnen bereinigen. Die KI ist gut für die anfängliche Filterung von Informationen - wenn die Daten gut sind, wird der Prozess fortgesetzt, aber wenn sie schlecht sind, muss eine manuelle Überprüfung im Lager erfolgen.

Die Datenbereinigung ist kein schneller Prozess, aber ich bin überzeugt, dass KI ihn beschleunigen kann.

‍

Wir hoffen, dass Ihnen der Artikel gefallen hat und Sie weitere Einblicke in das fachkundige Ersatzteilmanagement gewonnen haben! Folgen Sie uns auf LinkedInum weitere Inhalte zu erhalten, mit denen Sie Ihr Wissen über Ersatzteile erweitern können.