Inside MRO - Blog-Serie Teil 5

In den vorangegangenen Beiträgen haben wir uns mit den Grundlagen des Ersatzteilmanagements befasst - von der Kultur und den Daten bis hin zu bewährten Verfahren und Technologien. In dieser letzten Folge von Inside MRO: Lektionen von der Frontlinie der Ersatzteilstrategie gibt Andrew Jordan einen Ausblick auf den vielleicht größten Disruptor in diesem Bereich: maschinelles Lernen und KI für das Bestandsmanagement .

‍

Während KI für das Bestandsmanagement in der gesamten Lieferkette für Aufregung sorgt, bietet Jordan eine fundierte Sichtweise. Seiner Erfahrung nach besteht die größte Chance des maschinellen Lernens für die Bestandsoptimierung nicht darin, Planer zu ersetzen oder Entscheidungen zu automatisieren, sondern darin, KI zu nutzen, um Erkenntnisse zu gewinnen, die Menschen allein nicht finden würden.

‍

‍

KI für die Bestandsverwaltung: Drücken Sie nicht auf den einfachen Knopf

‍

Jordan ist seit langem skeptisch, was die Vermarktung von KI angeht - vor allem im Kontext der Lieferkette, wo die Systeme komplex sind und viel auf dem Spiel steht.

‍

„Historisch gesehen bin ich etwas zynisch, wenn es um KI geht...
Ich glaube, dass die Leute zu schnell mit KI arbeiten wollen, indem sie einfach den Knopf drücken.

‍

Die Gefahr bestehe darin, KI für die Bestandsverwaltung einzusetzen, um Empfehlungen zu generieren, ohne die dahinter stehenden Überlegungen zu verstehen. Wenn ein KI-Tool beispielsweise vorschlägt, die Mindest-/Maximalbestände eines Teils zu erhöhen, sollten die Planer in der Lage sein, die Daten hinter dieser Entscheidung zu hinterfragen - und sie nicht einfach blind akzeptieren.

‍

„Wenn Sie mir nicht sagen können, warum, dann bin ich nicht interessiert.

‍

Dieses Beharren auf Transparenz beim Ersatzteilmanagement spiegelt eine Grundüberzeugung wider: Maschinelles Lernen für MRO sollte die menschliche Entscheidungsfindung ergänzen, nicht umgehen. Und dafür muss die Logik hinter der KI für das Bestandsmanagement nachvollziehbar und erklärbar sein und auf sinnvollen Eingaben beruhen.

‍

‍

Wo maschinelles Lernen für MRO wirklich glänzt

‍

Jordan sieht ein enormes Potenzial in der Anwendung von KI und fortschrittlicher Analytik auf die richtigen Probleme - vor allem auf solche, die große, komplexe oder unzureichend analysierte Datensätze betreffen. Er hebt mehrere Anwendungsfälle im Ersatzteilmanagement hervor, in denen die Technologie besonders wirkungsvoll sein kann:

‍

1. Analyse von Maschinendaten zur Erkennung von Ausfallmustern

Durch die Analyse von Maschinenlaufzeiten und Wartungsaufzeichnungen kann KI dabei helfen, Variablen zu isolieren, die zu Anlagenausfällen beitragen - seien es Bedienerfehler, inkonsistente Wartung oder Umweltfaktoren. 
‍

„Man kann einen großen Datensatz rund um eine Betriebsanlage nehmen und die Ausfallzeiten und die Gründe für den Ausfall verstehen und was davor und danach passiert ist...
War es ein Bedienerfehler? Die Wartung? Das Teil selbst?“

Mit anderen Worten, maschinelles Lernen für die Bestandsoptimierung kann ein großer Fortschritt sein. 

‍

2. Materialerhaltung und Lebenszyklusverfolgung

KI für die Bestandsverwaltung kann auch eingesetzt werden, um zu bewerten, wie sich unterschiedliche Lagerungs- und Konservierungsverfahren auf die Lebensdauer von Komponenten wie Motoren, Riemen und Lagern auswirken.
‍

„Ich denke, eine der großen Chancen bei Ersatzteilen ist die Materialerhaltung. .
Je mehr Geschichten ich sehe, desto mehr verstaubte Lager und an Haken hängende Riemen sehe ich.“

Wenn KI die Korrelation zwischen der Lagerung eines Teils und seiner Leistung im Betrieb nachverfolgen kann, können Unternehmen von reaktivem Austausch zu vorausschauender Wartung und proaktiver Langlebigkeit übergehen.

‍

3. Prognosen für Verbrauchsgüter

Während der Vorhersage von Fertigerzeugnissen große Aufmerksamkeit gewidmet wird, werden Verbrauchsmaterialien wie Schmiermittel, Handschuhe und Filter oft mit veralteten Tabellen oder einfachen Durchschnittswerten verwaltet. Maschinelles Lernen für MRO könnte diesen Prozess modernisieren.
‍

„Die Leute verbringen sehr viel Zeit mit der Vorhersage ihrer Fertigprodukte...
Aber für Verbrauchsgüter? Sie tun es mit einem gleitenden Durchschnitt in einer Tabellenkalkulation.“

‍

‍

Die wahre Chance: Einsicht, nicht Automatisierung

‍

Für Jordan liegt das wahre Versprechen der KI im MRO-Bereich darin, bessere Gespräche zu führen. KI für die Bestandsverwaltung sollte Signale und Muster aufdecken, die Menschen möglicherweise übersehen - und ihnen dann helfen, intelligentere, schnellere und fundiertere Entscheidungen zu treffen.

‍

„Wir müssen verstehen, was wir da tun...
Ich glaube nicht, dass diese Dinge jemals die Handlung bestimmen sollten.
Ich denke, sie sollten den Einblick vorantreiben, damit die Person das Ergebnis bewerten kann.“

‍

Durch die Anwendung des maschinellen Lernens für MRO die Instandhaltung können Unternehmen lange bestehende Lücken schließen - zwischen Wartung und Ersatzteilbestand, zwischen Ersatzteilstrategie und Anlagenzuverlässigkeit - ohne das menschliche Urteilsvermögen zu verlieren, das in risikoreichen Umgebungen entscheidend ist.

‍

‍

Abschluss der Reihe: Vom Silo-Denken zum systemischen Wandel

‍

In dieser sechsteiligen Inside MRO-Serie hat uns Andrew Jordan die Denkweise, die Mechanismen und die Methoden eines Ersatzteilmanagements von Weltklasse näher gebracht. Seine Sichtweise unterstreicht eine durchgängige Wahrheit: Erfolg entsteht nicht allein durch Technik, Tools oder Taktiken, sondern dadurch, dass man MRO Excellence als ein zusammenhängendes Ökosystem betrachtet.
‍

„Ich glaube nicht mehr, dass ich alles lösen kann, indem ich mich nur auf den Bestand konzentriere.
Ich betrachte das Ganze eher als ganzheitliche Medizin. Alles ist miteinander verbunden.“

‍

Vom Stammdatenmanagement und der Organisationskultur bis hin zu Technologie und KI für das Bestandsmanagement - das Ersatzteilmanagement ist reif für eine Neuausrichtung. Und für Unternehmen, die bereit sind, diesen Wandel zu vollziehen, sind die Ergebnisse nicht nur messbar - sie sind transformativ.

‍

‍

Fanden Sie diesen Blogbeitrag aufschlussreich? Verpassen Sie nicht die vorherigen Beiträge:

‍

Teil 1: Was ich über Ersatzteile und MRO übersehen habe - bis alles auf sie zurückfiel

‍

Teil 2: Warum das Ersatzteilbestandsmanagement nicht geliebt wird - und warum das Ihrem Unternehmen schadet

‍

Teil 3: Der Goldstandard in der MRO-Optimierung: Was Top-Performer anders machen

‍

Teil 4: Geben Sie nicht den ERP-Systemen die Schuld: Was die MRO wirklich von der Technik braucht

‍

Erkunden Sie den Sparrow Hub

Ganz gleich, ob Sie gerade erst mit der Umstellung Ihres Ersatzteilwesens beginnen oder es weiter vorantreiben wollen, der Sparrow Hub vereint alles, was Sie für die Modernisierung der MRO benötigen - angefangen bei den Daten bis hin zu den Auswirkungen. Von Sparrow.CLEAN für die Standardisierung von Stammdaten über Sparrow.PLAN für eine intelligentere Ausrichtung der Instandhaltung bis hin zu Sparrow.STOCK für dynamische Bevorratungsrichtlinien und Sparrow.POOL für die gemeinsame Nutzung von Beständen an mehreren Standorten - Sparrow hilft Ihnen, schneller bessere Ersatzteilentscheidungen zu treffen.
‍

👉 Sind Sie bereit, den nächsten Schritt zu tun? Setzen Sie sich mit uns in Verbindung oder buchen Sie eine Demo, um zu sehen, wie das Ganze funktioniert.

‍