SDCS-BW: Schlötter

Intelligente Verkaufsmengen vorhersagen, um die durch ungenaue Prognosen verursachten Verluste zu verringern

Schlötter stellte den Datenanalyseexperten des SDSC-BW die Verkaufsdaten der letzten 13 Jahre zur Verfügung: insgesamt rund eine Million Datenelemente. Die Daten enthielten Verkaufsinformationen zu jedem Produkt an jedem Tag, wie z.B. Verkaufsvolumen, Lageradresse, Kundennummer, Bestellzeit, Lieferzeit usw.

Um die durch ungenaue Prognosen verursachten Verluste zu verringern, versuchte das SDSC-BW-Team, mithilfe des maschinellen Lernens die Vorhersage der Verkaufsmenge zu optimieren. Es betrachtete die Fragestellung hierfür als Zeitreihen-Vorhersage-Aufgabe. Da eine Unterprognose im Vergleich zu einer Überprognose zu einem dreifach höheren Verlust führen kann, definierten die Experten eine asymmetrische Bewertungsmetrik.

Data Innovation Community

Industrie 4.0

Projektpartner

Schlötter, Smart Data Solution Center Baden-Württemberg

Ansprechpartner

Murat Malyemez, malyemez@sicos-bw.de

Zeitraum

April 2019 – Oktober 2019

Externe Links

Die vollständige SDSC Success Story

Weitere Projekte

Ein Simulationsmodell für die Technikereinsatzplanung und Optimierung der Technikerrouten
Aus der Datenauswertung können Prognosen und Regeln für die Produktion erstellt werden
Smart-Data-Algorithmen unterstützen, bei der Planung die Liefergenauigkeit