De uitdaging
Onze klant stond voor een grote uitdaging bij het effectiever maken van hun uitgebreide voorraadbeheer van reserveonderdelen. In de afgelopen twee decennia hebben ongeveer 200.000 (van de meer dan een half miljoen) materialen met onvolledige meta-data zich opgehoopt in hun database en zijn een erfenis geworden met betrekking tot de geplande upgrade van SAP R/3 naar SAP S/4 HANA. Hoewel bestellingen en opslag waren uitgevoerd, leidden gefragmenteerde, onvolledige en inconsistente data tot aanzienlijke problemen:
- Inconsistente data van leveranciers maakten het moeilijk om ontbrekende onderdelen bij te bestellen
- De toewijzing van reserveonderdelen aan specifieke voertuigen, bussen of onderdelen was onduidelijk
In het licht van de geplande upgrade van het systeem werd duidelijk dat de kwaliteit en de volledigheid van de data dringend moesten worden verbeterd om een soepele overgang te garanderen.
De aanpak
Om deze uitdagingen het hoofd te bieden, hebben Eraneos-experts samen met de klant een proof-of-concept (PoC) Data Unity-oplossing geïmplementeerd. Onze aanpak was gericht op het verbeteren van de datakwaliteit en het identificeren van vergelijkbare records binnen hun uitgebreide onderdeleninventaris.
Het project begon met diepgaande gesprekken met de relevante belanghebbenden binnen het bedrijf om inzicht te krijgen in hun specifieke behoeften en de omvang van de dataproblemen waarmee ze te maken hadden. De klant leverde een voorbeeld van een dataset in verschillende Excel-sheets met gedetailleerde gegevens over reserveonderdelen, hun beschrijvingen, afmetingen en andere relevante attributen. Deze eerste input werd gebruikt om een robuuste data ingestion pipeline te ontwerpen.
Gezien de complexiteit en het volume van de data hebben we Databricks op een Azure-omgeving gebruikt om de data op te slaan, te verwerken en te transformeren. Deze keuze voor een platform stelt ons in staat om grote datasets op een schaalbare, efficiënte manier te verwerken. We namen de data op in Databricks-tabellen en maakten gebruik van de robuuste mogelijkheden voor grootschalige verwerking van gegevens.
Met een duidelijker inzicht in hun inventaris kan de klant zijn processen voor het vinden en bestellen van onderdelen stroomlijnen en de operationele efficiëntie verhogen.
Data Unity
De kern van de Data Unity-oplossing is een slimme matching-engine die vergelijkbare onderdelen kan identificeren en de datakwaliteit van data kan verbeteren. Het implementeren van deze oplossing omvatte feature engineering, het creëren van embeddings uit de tekstuele data en het implementeren van algoritmen om vergelijkbare items binnen de dataset te identificeren en te matchen. De smart matching engine kan potentiële leveranciers voor onderdelen identificeren en bepalen welke onderdelen bij welke treinen of componenten horen. Verder werden algoritmen voor gelijkenis geïmplementeerd om onderdelen te identificeren die waarschijnlijk hetzelfde of uitwisselbaar waren, waaronder semantische gelijkenis en dimensionale analyse. Het matchen van leveranciers werd ook uitgevoerd door vergelijkbare onderdelen en hun bekende leveranciers te analyseren om ontbrekende leveranciersinformatie aan te vullen.
Om de klant bruikbare inzichten te geven, ontwikkelden we aanvankelijk grafiekvisualisaties om de relaties en clusters van gelijksoortige onderdelen te illustreren, ter ondersteuning van de uitleg van het systeem tijdens de projectpresentatie. Op basis van de feedback van de klant richtten we ons vervolgens op het leveren van gedetailleerde tabellen die een duidelijk en praktisch formaat boden voor het analyseren van de resultaten. Deze tabellen werden aangepast aan de specifieke behoeften van de klant en boden een gebruiksvriendelijkere en beter bruikbare weergave van de data voor operationeel gebruik.
Wil je meer weten over onze Data Unity-oplossing? Bekijk onze whitepaper over het onderwerp hier.
Onze klant is een Europese nationale spoorwegmaatschappij. Ze zijn verantwoordelijk voor het vervoer van meer dan een miljoen passagiers per dag en hebben meer dan 30.000 mensen in dienst.
Het resultaat
Onze Data Unity-oplossing heeft het potentieel om het beheer van reserveonderdelen van de klant volledig te stroomlijnen. De smart matching engine levert betrouwbare aanbevelingen voor leveranciersidentificatie. Het matchen van de juiste treinen en onderdelen leverde geen betrouwbare aanbevelingen op omdat vergelijkbare artikelen niet aangeven of het corresponderende artikel in de trein is geïnstalleerd
Desondanks kan Data Unity helpen om duplicaten te vinden, inkoopprijzen te optimaliseren en zo de toeleveringsketen te optimaliseren. Met een duidelijker inzicht in hun inventaris kan de klant zijn processen voor het vinden en bestellen van onderdelen stroomlijnen, de tijd en moeite die nodig is voor onderhoudswerkzaamheden verminderen en de operationele efficiëntie verhogen. Door de kwaliteit en volledigheid van de data te verbeteren, hielp het project ook de basis te leggen voor de migratie van de klant naar een nieuw SAP-systeem.
Samen werken aan een duurzame verandering?
Neem contact op met onze experts