Machine learning: 3 tips til produktionsvirksomheden

Der er konkrete og hurtige gevinster at hente ved at bruge machine learning i din produktionsvirksomhed.

Machine Learning

Foto: Colourbox

Der mangler forståelse for, hvordan man kan bruge ny teknologi i produktionsvirksomheder i Danmark, og store dele af dansk industri risikerer at sakke agterud i forhold til udlandet, hvis ikke erhvervslivet omfavner de muligheder, der følger med den såkaldt fjerde industrielle revolution (Industri 4.0), skrev vi i artiklen "Kæmpe kompetencegab spænder ben for Industri 4.0".

Machine learning hører til blandt de mange teknologier, der i fællesskab udgør Industri 4.0, og netop machine learning, som man også kunne kalde for avanceret dataanalyse, kan hjælpe virksomheder med at identificere adskillige lavthængende frugter i form af hurtigt realisérbare gevinster, som de fleste produktionsvirksomheder kan høste med udgangspunkt i allerede eksisterende og tilgængelige data.

I artiklen "11 ting du kan bruge machine learning til i produktionsvirksomheder" delte EG-ekspert i dataanalyse, Snurre Jensen, ud af sin erfaring og viden om machine learning, og hvordan teknologien generelt kan anvendes i forhold til bl.a. analyse og forecasting.

I denne omgang vil vi grave et spadestik dybere og fokusere på opfølgende salg og det store marked for reservedele for at give dig, som har ledelsesansvar i en produktionsvirksomhed, yderligere tre konkrete tips til, hvordan du kommer med på Industri 4.0-vognen med machine learning – og hvilke gevinster, du kan regne med at høste:

Efterspørgsel efter reservedele
Eftersalgsservice er afgørende for bundlinien, og kan du forudse og honorere efterspørgslen efter reservedele, gør du dine eksisterende kunder glade. Ved hjælp af machine learning bliver det muligt, mens du samtidig kan reducere dine omkostninger til lagerhold.

Udfordringen er nemlig alt for ofte, at man ikke kan gennemskue efterspørgslen præcist nok, hvis man har forskellige lagre og lokationer, men med en cloud-baseret lagerstyringsløsning med avancerede dataanalyse-kapaciteter, får man et samlet overblik over sine data og kan foretage troværdige forecasts, der kan eliminere overbelægning, finde frem til den mest optimale distributionsnøgle og i sidste ende imødekomme efterspørgslen på det rigtige sted og på det rigtige tidspunkt. Det giver tilfredse kunder, et optimeret produktionsflow og minimerer samtidig din risiko og dine omkostninger.

Sæt den rigtige pris på reservedele
Bruger du cost-plus prissætning og Excel-regneark til at beregne priser på dine reservedele, snyder du måske dig selv, for du bruger ikke data til at skabe præcist indblik i, hvad kunderne er villige til at betale.

Der er mange faktorer, som har indflydelse på den rigtige prissætning, herunder lokation, sæson, vejr og efterspørgsel, og med machine learning kan du sikre, at alle parametre tages i betragtning, når prisen skal fastsættes. Mere eller mindre automatisk og med mulighed for løbende justeringer, der tilpasser prisen til den aktuelle markedssituation.

Nye produkter
Men hvad gør man, når et helt nyt produkt skal introduceres, og man ikke har historiske data, der kan hjælpe med at forudse, hvornår og hvor tit produktet går i stykker, og hvornår der er brug for reservedele eller reparationer?

Især i dette tilfælde er machine learning et stærkt værktøj, som kan hjælpe med at nå frem til en retvisende forecast. Ved hjælp af machine learning, kan virksomheden bruge algoritmer og dataanalyse til at overvåge og måle produktets succes under lanceringen, herunder indarbejde data fra salg, sociale medier, søgninger og webtrafik. På den måde skabes et konkret grundlag for at kunne forudse, hvornår det er på tide at opbygge lagerbeholdning af reservedele, samt hvornår timingen er rigtig i forhold til at sætte ind med service og eftersalg.

Kilde: insideBIGDATA

Hold dig opdateret...

Tilmeld dig vores nyhedsbrev

Få værdiskabende artikler, værktøjer og inspiration til, hvordan du forankrer den digitale transformation i din virksomhed – direkte i din indbakke.

 

Annonce

Fakta
Hvad er Industri 4.0?
Begrebet dækker over, hvad man også kunne kalde den fjerde industrielle revolution. I begyndelsen af det 18. århundrede blev produktionen mekaniseret (den første industrielle revolution), og i slutningen af det 19. århundrede samt i begyndelsen af det 20. århundrede så samlebåndet dagens lys, og masseproduktionen var født (den anden industrielle revolution). Den tredje industrielle revolution skete i begyndelsen af 70'erne, hvor en høj grad af digitalisering blev en integreret del af produktionen.

Den fjerde revolution, Industri 4.0, indebærer at den fysiske verden (smarte objekter) integreres med de digitale systemer (internetteknologier). Hertil hører bl.a. (men ikke udelukkende) 3D-print-teknologi, Internet of Things (IoT), cloud-teknologi, lynhurtigt mobilt internet, kunstig intelligens (machine learning og AI), augmented reality (AR) samt avancerede, smarte robotter.

Kilde: Industry 4.0 in Danish Industry

Annonce