Data Science, Machine Learning und KI
Kontakt
Case Studies
Case Study

Demand Forecasting

Um die Präzision der Bedarfsplanung unseres Kunden zu erhöhen, haben wir eine Demand Forecasting Engine entwickelt, die verschiedenste Machine Learning und Deep Learning Algorithmen kombiniert, um den Bedarf von über 20.000 Produkten innerhalb der nächsten 24 Monate vorherzusagen.

  • Branche Automotive
  • Thema Forecasting
  • Tools Python, Tensorflow, Docker, Azure
  • Projektdauer 1,5 Jahre

Herausforderung

Ein zentraler Baustein einer reibungslosen Supply Chain ist die Bedarfsplanung des gesamten Produktspektrums. Um Bestandsüberschüsse oder gar Lieferengpässe zu vermeiden, muss der Bedarf idealerweise Monate oder sogar Jahre vor dem Lieferdatum zielgenau geplant werden. Unser Kunde stand vor der Herausforderung, monatlich mehrere Tausend Produkte manuell zu planen. Dies bindet zum einen viele Ressourcen und zum anderen können durch die schiere Menge wichtige externe Einflussfaktoren schwer in Betracht gezogen werden. Eine automatisierte Forecasting Engine sollte hier Abhilfe schaffen, da durch eine solche historische Muster und externe Einflussfaktoren der Bedarf monatlich zielgenau geplant werden können.

Ansatz

Zur Unterstützung der strategischen Bedarfsplanung haben wir eine Forecasting Engine entwickelt, die mithilfe verschiedener Machine Learning und Deep Learning Algorithmen den Bedarf bis zu 24 Monate in die Zukunft projiziert. Die Engine automatisiert die Datenvorbereitung, das Auswählen von externen Einflussfaktoren, die Modellschätzung sowie die Modellselektion beziehungsweise -kombination.

In der Lösung werden verschiedene Modellansätze kombiniert, sodass Saisonalität, Trends und externe Einflussfaktoren optimal geschätzt werden können. Um das volle Produktsortiment planen zu können, wurde die Engine in der Cloud zum Einsatz gebracht und Forecasts werden automatisiert in Zielsysteme übertragen.

Ergebnis

Basierend auf den Forecasts der Engine konnte die Präzision der Vorhersagen im gesamten Produktspektrum um circa 10 Prozent erhöht werden. Darüber hinaus überzeugen auch die Muster der Vorhersagen, da sie Saisonalität, Trends sowie externe Einflussfaktoren berücksichtigen und in die Zukunft extrapolieren.

Die Vorhersagen der Engine wurden im Projektverlauf auf anderen Märkten getestet, bei denen sie, auch ohne Anpassung auf den spezifischen Markt, Verbesserungen in der Genauigkeit von ca. 10 Prozent erzielen konnten. Durch die Vorhersagen können nun in der strategischen Planung Forecasts validiert und verwendet werden, um die monatliche Planungszeit signifikant zu reduzieren.

Experte

Projekt anfragen

Erfahre mehr!

Als eines der führenden Unternehmen im Bereich Data Science, Machine Learning und KI begleiten wir Sie in die datengetriebene Zukunft. Erfahren Sie mehr über statworx und darüber, was uns antreibt.
ÜBER UNS