Supply-Chain-Analytics

8.3.2018

© Fraunhofer SCS

Mit Hilfe von Entscheidungsbäumen kann das Volumen des Transportaufkommens prognostiziert werden.

Die Digitalisierung ihrer industriellen Prozesse stellt Unternehmen heute vor große und vielfältige Herausforderungen. Neben technischen Fragen – wie Datenerfassung, -übertragung, -speicherung und -analyse – gilt es auch, Strategie und Organisation neu auszurichten. Mit Supply-Chain-Analytics hilft das Fraunhofer SCS Unternehmen dabei, Erkenntnisse aus ihren Daten zu gewinnen und diese für die Entwicklung datengetriebener Geschäftsprozesse zu nutzen.

Methoden und Zielsetzung

• Descriptive Analytics verarbeitet Vergangenheits- oder Echtzeit-Statuswerte der Logistikkette, um z. B. Materialbewegungen zu verfolgen oder Kennzahlen zu ermitteln.

• Predictive Analytics bewertet aktuelle Abläufe und Ereignisse in der Lieferkette anhand von Modellen, die aus historischen Daten gewonnen wurden. So können kritische Situationen wie z. B. Transportverzögerungen oder Kundenbedarfe vorhergesagt werden.

• Prescriptive Analytics liefert Vorgaben für die zukünftige Planung und Steuerung der Lieferkette (z. B. Dispositionsparameter, Lagerorte im Hochregal). Dazu kommen Modelle aus historischen Daten zum Einsatz, die oftmals mit mathematischen Optimierungsverfahren kombiniert werden.

SCS-Bibliothek zur Identifikation von Analytics-Anwendungsfällen

Startpunkt für ein Analytics Projekt ist die Identifikation und Auswahl relevanter Anwendungsfälle zur Unterstützung logistischer Prozesse. Um diesen Auswahlprozess zu unterstützen, wurde vom Fraunhofer SCS eine Bibliothek für Analytics-Anwendungsfälle entwickelt. Die Bibliothek fußt auf einer umfassenden Studie in wissenschaftlichen Datenbanken und Fachmagazinen sowie der Entwicklung eines Klassifikationsschemas.