Machine Learning (ML) überwacht:
Schluss mit den Lagerhütern!
Machine Learning (ML) bietet enorme Potenziale für die Automatisierung und Prozesseinblicke. Davon profitieren auch die SAP-Kunden: So wurden mit dem S/4HANA 2020 Release rund 20 ML-Szenarien, mit S/4HANA Cloud 2105 bereits 24 ML-Szenarien ausgeliefert. Eines davon dient der Überwachung von Lagerhütern. XEPTUM unterstützt Sie beim optimalen Einsatz.
Über die Grundlagen von ML als Zweig der Künstlichen Intelligenz (KI) und den SAP Intelligence Scenario Lifecycle Manager (ISLM) haben wir bereits ausführlich berichtet. Der ISLM dient als Steuerzentrale für ML-Ansätze in SAP S/4HANA. Die in ihm verfügbaren ML-Szenarien sind vollständig in die Prozesse integriert und decken verschiedene Funktionen ab: von der Erkennung von Dokumenten bis hin zu Vorhersagen auf Basis historischer Prozessdaten. Die Prognoseergebnisse werden in den operativen und analytischen SAP Fiori-Apps eingeblendet und erlauben es den Mitarbeitern, auf bestimmte Situationen viel früher oder proaktiv zu reagieren.
Wie können nicht gängige Materialien kontrolliert werden?
Das ISLM-Szenario „Slow or Non-Moving Materials for Inventory Manager“ ist ein Meilenstein auf dem Weg zum Digital Warehouse, auf dem XEPTUM Sie gerne und kompetent begleitet. Das intelligente Szenario ermöglicht SAP-Kunden, Lagerhüter mit dem Predictive-Analytics-Modell in der Lagerverwaltung zu überwachen. Zu den beiden Bestandteilen zählen die vordefinierten Vorhersageszenarien MMSLO_CONSUMPTION_02 (Verbrauchsdaten für nicht gängige Materialien) und MMSLO_STOCK_LEVEL_02 (Bestandsmengendaten für nicht gängige Materialien). Das Predictive-Analytics-Modell muss in der SAP Fiori-App „Vorhersagemodelle“ mit verschiedenen Datensätzen trainiert werden. Im Anschluss wird die Qualität des trainierten Modells (Genauigkeit, Loss) bewertet und die neu angelegte Version aktiviert.
Wie wird die Entwicklung des Lagerhüter-Kennzeichens berechnet?
Mit dem intelligenten „Slow or Non-Moving Materials for Inventory Manager“- Szenario können Unternehmen die Entwicklung des Lagerhüter-Kennzeichens über einen ausgewählten Zeitraum verfolgen. Wenn das Vorhersage-Modell aktiv ist, berechnet das System – ausgehend von den historischen Unternehmensdaten – einen vorhergesagten Endwert dahingehend, wie sich das Lagerhüter-Kennzeichen in den folgenden drei Monaten entwickeln wird.
Die Predictive-Analytics-Funktionen sind vollständig in die SAP Fiori-App „Slow or Non-Moving-Materials“ integriert.
