Herausforderung
- Entwicklung und Betrieb eines Systems zur Unterstützung des Planungsprozesses von Fahrzeug-Eigenschaften (Ausstattungsmerkmalen)
- Wöchentliche Bereitstellung eines Modells zur Prognose der Bedarfsmengen auf Teilebene mit einem Zeithorizont von 12 Monaten
- Das Modell soll die folgenden bestehenden Daten konsistent integrieren:
- Regeln, gegeben durch Vertrieb und Logistik
- Historie von in der Vergangenheit gebauten Fahrzeugen
- Vorgaben auf Basis von Kapazitäten, Aufträgen, Prognosen etc.
Lösung
Markovnetze integrieren Struktur- und Wahrscheinlichkeitsinformationen:
- Auf Basis von logistischen und vertrieblichen Regeln wird die Struktur des Markovnetzes ermittelt
- Die Initialverteilung des Netzes wird auf Basis historisch gebauter Fahrzeuge „gelernt“ (Abhängigkeiten, Relevanzen)
- Planungsvorgaben werden durch Änderungen an der Wahrscheinlichkeitsverteilung konsistent eingepflegt
Nutzen
- Bedarfsmengenvorschau auf Teilebene ist bei hoher Qualität möglich
- Teilebedarfsengpässe werden frühzeitig erkannt
- Widersprüche im Regelwerk oder zwischen Regeln und Vorgaben werden erkannt
- Inkonsistenzen in den Vorgaben der Planer werden automatisch ausgeglichen und können analysiert werden
- Die Auftragseinplanung kann auf Basis eines konsistenten Modells erfolgen
KI von msg – Made in Europe
Mit msg artificial intelligence wollen wir den KI-Einsatz in Organisationen schneller und erfolgreicher vorantreiben. Was uns auszeichnet: Zukunftsweisende Beratungsleistungen und Produkte, um Wertschöpfung durch Daten zu ermöglichen.