Über den Einsatz von Cookies auf dieser Website Unsere Websites benötigen einige Cookies, um ordnungsgemäß zu funktionieren (erforderlich). Darüber hinaus können mit Ihrer Zustimmung weitere Cookies verwendet werden, um die Nutzung der Website zu analysieren, die Benutzerfreundlichkeit zu verbessern und Werbung zu schalten. Weitere Informationen finden Sie in Ihren. Durch den Besuch unserer Website erklären Sie sich mit der Verarbeitung von Informationen einverstanden, wie in der IBMDatenschutzbestimmung beschrieben. Um eine reibungslose Navigation zu ermöglichen, werden Ihre Cookie-Präferenzen über die hier aufgeführten IBM Web-Domains hinweg gemeinsam genutzt.
Advantage AI – wie man Arbeitsabläufe visualisiert und optimiert
Verwendung der IBM Process Mining-Lösung zur Rationalisierung von Order-to-Cash-Prozessen
Wenn ein Unternehmen Einrichtungen auf fünf Kontinenten betreibt und Lieferketten sich über Tausende von Kilometern erstrecken, können Unterbrechungen in jedem Schritt des Order-to-Cash-Prozesses (O2C) zu Verzögerungen bei der Produktlieferung führen. Aufgrund der Komplexität seiner weit verstreuten Aktivitäten hatte ein großes multinationales Fertigungsunternehmen (MMC) Schwierigkeiten, die Ursachen für Verzögerungen in seiner Logistik zu finden.
„Wir haben erhebliche Unterschiede bei den durchschnittlichen Durchlaufzeiten und Lieferkosten zwischen den verschiedenen Kunden festgestellt, und die Gründe für diese Unterschiede wurden nicht richtig verstanden.“ sagt der VP of Logistics für das MMC. „Wir haben auch gesehen, dass viele Bestellungen zurückgestellt wurden, aber wir konnten nicht immer feststellen, wer die Blöcke einfügte oder warum sie nicht den Standardprozessen entsprachen.“
Obwohl die Logistikmanager von MMC wiederholt versuchten, Verzögerungen zu minimieren, wurden Korrekturmaßnahmen durch unvollständige und unzusammenhängende Informationen behindert. Da Abweichungen von Standardprozessen nicht überwacht wurden, gab es keine Möglichkeit zu verstehen, wie sich diese Abweichungen auf Bereitstellungspläne und -kosten auswirken.
„Solange wir keinen besseren Überblick darüber hatten, wo und warum Verzögerungen im System auftraten, waren wir nicht in der Lage, die notwendigen Maßnahmen zur Korrektur von Abweichungen zu ergreifen“, so der MMC-Vizepräsident. „Wir waren auch der Meinung, dass wir, wenn wir einen detaillierten und ganzheitlichen Überblick über die tatsächlich genutzten Prozesse hätten, damit beginnen könnten, mehr Prozesse zu automatisieren und den menschlichen Aufwand zu reduzieren.“
Mit Hilfe von Interviews und informellen Methoden versuchten die Logistikmanager von MMC, die O2C-Prozesse abzubilden, Engpässe zu ermitteln und Anomalien zu korrigieren - ohne Erfolg. „Aber dann, während wir unsere ERP-Plattform einführten, empfahl unser Systemintegrationspartner ein neues Tool“, sagt der MMC-Vizepräsident. “Es könnte uns einen detaillierten Überblick über alle Prozesse und Personen geben, die mit O2C zu tun haben, und auf der Grundlage von realen Daten aus unserem ERP-System modelliert werden. Wir waren fasziniert von den Möglichkeiten.“
Kosteneinsparungen
Reduzierte Anzahl von Instanzen mit geändertem Lieferdatum für eine Kostenersparnis von 50.000 USD und eine Verkürzung der Vorlaufzeit um 3 Tage
Automatisierung der Zustellung
Einführung einer RPA-Lösung zur Verringerung der Nacharbeit und Automatisierung von 75 % der Lieferaktivitäten, um Kosteneinsparungen in Höhe von 60.000 USD zu erzielen
Gewinnung umfassender Einblicke durch Drilloperationen
Nach Prüfung eines Proof of Concept (POC) entschied sich das MMC für die IBM® Process Mining -Lösung und implementierte sie über die IBM Cloud Pak® for Business Automation -Software. IBM Process Mining ist auch als grundlegende Funktion im Lösungsportfolio von IBM Cloud Paks for Automation enthalten. „Wir wollten einen ‚digitalen Zwilling’ unserer Logistikorganisation sehen“, sagt der MMC-Vizepräsident, „damit wir die Engpässe in unseren O2C-Prozessen identifizieren und Möglichkeiten zur Automatisierung erkennen konnten.“
Als die MMC-Führungskräfte ihren O2C-Prozess zum ersten Mal abgebildet sahen, hatten sie die gleiche Reaktion, die viele Kunden mit KI-gestützter Simulationstechnologie haben. „Unsere erste Reaktion war: ‚Das hast du gezeichnet.‘ „Wir glauben nicht, dass es automatisch aus den Daten erstellt wurde.“ Die zweite Reaktion war: ‚Das ist nicht wahr - die Daten sind falsch’”, sagt der MMC-Vizepräsident. „Aber sobald wir uns in die Simulation vertieft hatten, konnten wir sehen, wie gut dieses Modell auf der Grundlage der realen Daten unserer ERP-Plattform aufgebaut war. Es war ein echter Augenöffner.“
Durch die Arbeit mit dem Tool zur Untersuchung aller Aktivitäten, Berührungspunkte und Mitarbeiter, die in den O2C-Prozess involviert sind, war das MMC-Logistikteam in der Lage:
- Analysieren Sie das Prozessverhalten, finden Sie fehlerhafte Aktivitäten und identifizieren Sie Verbesserungsmöglichkeiten
- Identifizieren Sie kritische Aktivitäten im Hinblick auf Kostenauswirkungen und Durchlaufzeitschwankungen
- Entdecken Sie die Hauptnutzer der Prozesse und prüfen Sie die Aufgabentrennung
- Überwachen Sie Nacharbeiten, um herauszufinden, wo sich Fehler und unsachgemäße Verfahren auf Lieferpläne auswirken
- Entdecken Sie die Kosten im Zusammenhang mit manuellen Tätigkeiten und wo Potenzial für Automatisierung besteht
Die Analyse des Mitarbeiterverhaltens lieferte aufschlussreiche Erkenntnisse. Ein Beispiel: Eine Logistikmanagerin setzte die Zeitpläne manuell außer Kraft, um ihrem Werk zu helfen, die Produktionsziele zu erreichen. „Sie wollte uns helfen, aber eigentlich hat sie nur verzöger“, sagt der MMC-Vizepräsident. „Wir sprachen mit ihr und erklärten ihr, dass ihr Team ohne ihr Eingreifen viel bessere Arbeit leisten würde.
Nach der Analyse des O2C-Prozessmodells, das mit dem IBM Process Mining-Tool erstellt wurde, und der Verwendung der Dashboards des Tools zur Überwachung der Aktivitäten waren die Logistikmanager von MMC in der Lage:
- Reduzieren Sie die Anzahl der Instanzen mit geändertem Lieferdatum, sparen Sie 50.000 USD an Kosten und verkürzen Sie die Vorlaufzeit um drei Tage
- Kontinuierliche Überwachung der Variabilität der Kundenvorlaufzeiten, wodurch die KPI-Abstimmung bei Aktivitäten zur Entfernung von Logistikblockaden und zur Änderung des Liefertermins um 25% verbessert wurde
- Neugestaltung des Prozesses zur Reduzierung der Aktivitäten zur Beseitigung von Logistikblöcken, was zu Kosteneinsparungen von über 100.000 USD führte und die durchschnittliche Durchlaufzeit um zwei Tage reduzierte
Die IBM Process Mining-Plattform ermöglichte es dem MMC auch, Tools zur Automatisierung von Roboterprozessen (RPA) einzusetzen, ein langjähriges Ziel der Organisation. Durch die Überwachung der RPA-Leistung kann das Unternehmen:
- 75 % der Lieferaktivitäten wurden automatisiert, was zu Kosteneinsparungen in Höhe von 60.000 USD und einer erheblichen Reduzierung der Nacharbeit führte
- 75 % der Aktivitäten zur Linienerstellung wurden automatisiert, um Kosteneinsparungen von 50.000 USD zu erzielen und die Durchlaufzeiten um drei Tage zu verkürzen
„Die Automatisierung von Prozessen, wo immer dies möglich ist, stellt für uns eine große Chance dar“, sagt der MMC-Vizepräsident. „Aufgrund des Arbeitsvolumens, das wir in der Logistik haben, kämpfen wir manchmal mit den uns zur Verfügung stehenden Personalressourcen. Indem wir die Anzahl der Sperrungen oder Umplanungen von Aufträgen reduzieren, können wir unseren Mitarbeitern Zeit für andere Aufgaben geben.“
„Einer der Schritte, die wir in Zukunft mit IBM Process Mining unternehmen wollen, ist das Verständnis des Kundenverhaltens und wie dieses zu Verzögerungen und damit verbundenen Kosten im Prozess führen kann“, sagt der MMC-Vizepräsident. „Wir glauben, dass dieses Tool uns helfen wird, diese Verhaltensweisen zu ändern, damit wir die Liefertermine verkürzen und kosteneffizienter arbeiten können."
Als großes globales Unternehmen abonniert das MMC eine Reihe von Business-Intelligence-Diensten zur Leistungsüberwachung und -planung. „Wir haben bereits viele Informationen, mit denen wir arbeiten können, aber es gibt einige geschäftskritische KPIs, die wir mit IBM Process Mining überwachen, die wir nirgendwo anders bekommen können“, sagt der MMC VP. „Man muss der Konkurrenz immer einen Schritt voraus sein. Und durch die verstärkte Automatisierung unserer Geschäftsprozesse mit IBM Process Mining wollen wir den Abstand zu unseren Wettbewerbern vergrößern.“
Über das Multinational Manufacturing Company (MMC)
Das vor über 100 Jahren gegründete MMC betreibt über 100 Werke in 50 Ländern und beschäftigt über 20.000 Mitarbeiter. Es ist ein führender Anbieter in den Bereichen Telekommunikation, Energieübertragung, Bau und Transport. Der in dieser Fallstudie vorgestellte Kunde arbeitete zunächst mit MyInvenio zusammen, das am 1. August 2021 seine Geschäftstätigkeit als IBM aufnahm. Das myInvenio-Produkt in dieser Fallstudie, myInvenio Process Mining, wird nun als IBM Process Mining bezeichnet.
Fußnoten
© Copyright IBM Corporation 2022. IBM Corporation, New Orchard Road, Armonk, NY 10504
Hergestellt in den Vereinigten Staaten von Amerika, März 2022.
IBM, das IBM Logo, ibm.com und IBM Cloud Pak sind Marken der IBM Corporation in den USA und/oder anderen Ländern. Weitere Produkt‐ und Servicenamen können Marken von IBM oder anderen Unternehmen sein. Eine aktuelle Liste der IBM-Marken ist im Web unter https://www.ibm.com/de-de/legal/copytrade verfügbar.
Das vorliegende Dokument ist ab dem Datum der Erstveröffentlichung aktuell und kann jederzeit von IBM geändert werden. Nicht alle Angebote sind in allen Ländern verfügbar, in denen IBM tätig ist.
Die genannten Leistungsdaten und Kundenbeispiele dienen ausschließlich zur Veranschaulichung. Tatsächliche Leistungsergebnisse hängen von den jeweiligen Konfigurationen und Betriebsbedingungen ab. DIE INFORMATIONEN IN DIESEM DOKUMENT WERDEN OHNE JEGLICHE AUSDRÜCKLICHE ODER STILLSCHWEIGENDE GARANTIE ZUR VERFÜGUNG GESTELLT, EINSCHLIESSLICH DER GARANTIE DER MARKTGÄNGIGKEIT, DER EIGNUNG FÜR EINEN BESTIMMTEN ZWECK UND DER GARANTIE ODER BEDINGUNG DER NICHTVERLETZUNG VON RECHTEN. Die Garantie für Produkte von IBM richtet sich nach den Geschäftsbedingungen der Vereinbarungen, unter denen sie bereitgestellt werden.
