ניהול מלאי חלקי חילוף מבוסס AI עבור מכונאי סירות
מכונאי סירות עצמאיים מתמודדים עם מאבק מתמיד במחסור בחלקים. אימפלר (impeller) חסר במהלך עומס האביב מעכב תיקונים ופוגע במוניטין שלך. אוטומציה מבוססת AI הופכת את הניחושים הללו לשגרה מבוססת נתונים.
4 נקודות הנתונים החיוניות
הזמנה מחדש חזויה (Predictive reordering) מסתמכת על ארבעה מספרים: שימוש אחרון, זמן אספקה (lead time), תנודתיות בביקוש ומלאי ביטחון.
ראשית, מצא את ממוצע השימוש החודשי שלך בחלק במהלך השנה האחרונה. שנית, הכפל את השימוש הזה בזמן האספקה של הספק שלך כדי למצוא את נקודת ההזמנה מחדש הבסיסית. שלישית, התאם לתנודות עונתיות על ידי הוספת רזרבה (buffer). עבור חלקים עם ביקוש משתנה, רזרבה של 25% תעבוד היטב. רביעית, עגל כלפי מעלה למערכת (kit) שלמה קרובה.
אם אתה משתמש ב-13.1 ערכות אימפלר בחודש ויש לך זמן אספקה של 5 ימים, אתה זקוק ל-2.18 ערכות במהלך זמן ההמתנה הזה. הוספת רזרבת ביטחון של ערכה אחת מעלה את הסך הכולל ל-3.3 ערכות. עליך לבצע הזמנה חדשה כאשר המלאי שלך מגיע לשלוש או ארבע ערכות.
דמיין שהמערכת שלך מתריעה על מחסור באימפלר עוד לפני שתשים לב לכך. אתה מקבל דו"ח הצעת הזמנה מחדש (Reorder Suggestion Report) ומזמין חלקים באופן מיידי. זה שומר על רצף העבודה במוסך שלך ללא עיכובים בלתי צפויים.
תוכל להשתמש בכלי כמו Sortly כדי להפיק את הדו"חות הללו ולעקוב אחר רמות המלאי שלך.
איך ליישם ניהול מלאי מבוסס AI
• תשתית נתונים: הפוך את היסטוריית התיקונים של 18 החודשים האחרונים שלך לדיגיטלית. זהה את 20 חלקי העדיפות הגבוהים ביותר שלך על ידי חישוב השימוש החודשי.
• פיילוט וכיול: הגדר את פלטפורמת המלאי שלך לחישוב נקודות הזמנה מחדש עבור 5 החלקים המובילים שלך. השווה את ההצעות האוטומטיות הללו לשימוש בפועל שלך במשך חודש אחד.
• אוטומציה והרחבה: ברגע שהנתונים שלך מוכחים כמדויקים, הרחב את הלוגיקה הזו ל-20 החלקים הבאים שלך. תן למערכת להניע את החלטות ההזמנה שלך.
באמצעות שימוש בנתוני שימוש, זמן אספקה, תנודתיות ומלאי ביטחון, אתה עובר מתוהו ובוהו למערכת בעלת ויסות עצמי. תראה פחות מצבים של חוסר במלאי ופחות בזבוז כספי. זה יאפשר לך לבלות יותר זמן על המים ופחות זמן במחסן.
Source: https://dev.to/ken_deng_ai/title-44lb
Optional learning community: https://t.me/GyaanSetuAi