Haaste
Globaalilla konevalmistajalla oli iso haaste: alle puolet tilauksesta valmistettavista tuotteista saapui ajallaan. Virhearviot kertaantuivat tuhansien toimittajien ketjussa.
Alle puolet tilaustuotteista saapui ajallaan
Alle puolet tilauksesta valmistettavista tuotteista saapui ajallaan. Asiakkaat turhautuivat, varastot paisuivat turhaan ja kulut karkasivat käsistä.
Toimitusajat ja hinnat arvioitiin käsin yli 5 000 toimittajalle
Toimittajien toimitusaikoja ja hintoja arvioitiin käsin, hitaasti ja epätarkasti. Kun toimittajia on yli 5 000 ympäri maailmaa, virheitä tulee väistämättä. Jokainen virhearvio näkyi myöhästymisenä, ylimääräisenä kuluna tai menetettynä kauppana.
Tekoälyltä odotettiin liiketoimintavaikutusta, ei kokeilua
Yritys tiesi, että tekoäly voisi olla ratkaisu, mutta kysymykset olivat auki: mistä aloittaa, mitkä ovat oikeat käyttökohteet ja miten varmistaa, että investointi tuottaa tulosta? Tarvittiin kumppani, joka ymmärtää sekä liiketoiminnan että teknologian.
Mitä rakensimme
Viiden viikon esiselvitys kartoitti pullonkaulat, ja kuudessa kuukaudessa veimme useita tekoälyratkaisuja tuotantoon. Toimimme siltana johdon vision ja teknisen toteutuksen välillä.
Tulokset
Toimitusketju muuttui mitattavasti: ennusteet tarkentuivat, varastokierto parani ja hankinta siirtyi reaktiivisesta strategiseen.
Koneoppimismalli ennustaa todelliset saapumisajat. Hätätilauksia tarvitaan vähemmän, varastokierto on parempi ja asiakkaat tyytyväisempiä.
Aiemmin käsin tehty arvio heitti keskimäärin 820 euroa tuotetta kohti. Nyt tekoälyn virhe on 45 euroa.
Ulkoisilta toimittajilta tilattujen tuotteiden kohdalla parannus oli 23 %.
Päätökset perustuvat dataan eivätkä arvioihin. Tiimit voivat keskittyä asiakkaiden palvelemiseen ja toiminnan kehittämiseen, kun tekoäly hoitaa rutiiniennusteet.
