Herausforderung
Entweder fehlen kritische Teile und verlängern Stillstände, oder das Lager ist voll mit Teilen, die jahrelang nicht benötigt werden. Klassische ABC-/XYZ-Analysen reichen oft nicht aus, um unterschiedliche Nutzung, Umgebungsbedingungen und Verschleißmuster abzubilden. Eine dynamische, datenbasierte Sicht auf den Teilebedarf fehlt.
Ziel des Cases
Schlanke, aber verlässliche Ersatzteilstrategie. Kritische Teile sollen mit hoher Wahrscheinlichkeit verfügbar sein, Überbestände reduziert werden und die Instandhaltung soll sicher planen können, ohne unnötig Kapital im Lager zu binden.
Wie kann der Zustand von Werkzeugen kontinuierlich überwacht werden, um Qualität und Verfügbarkeit abzusichern?
Beschreibung der KI-Lösung
Die KI wertet Störungs- und Reparaturhistorien, Betriebsstunden, Laufleistungen und Wartungspläne aus. Daraus werden statistische und KI-basierte Modelle abgeleitet, die Versagenswahrscheinlichkeiten und Bedarfe für einzelne Teile vorhersagen. Das System schlägt Mindestbestände und Bestellpunkte vor und wird in bestehende Dispositionsprozesse integriert.
