Fachhändler etabliert intelligenten Wareneingang mit Maschinellem Lernen
| Steckbrief | |
|---|---|
| Firma | G. Elsinghorst Stahl und Technik GmbH |
| Produkte & Dienstleistungen | Stahlprodukte, Technik wie z. B. Werkzeugtechnik, Diverse Dienstleistungen, u.a. Arbeitsschutz, Qualitätsmanagement, Wartung |
| Business Model Canvas | Schlüsselaktivitäten |
| ca. Zahl der Mitarbeiter:innen (weltweit) | 220 |
| Zielgruppe | Entwickler |
| Hauptsitz | Bocholt, Nordrhein-Westfalen |
| Use Cases | Optical Character Recognition (OCR), Intelligente Logistik |
Ausgangssituation & Herausforderungen
Die G. Elsinghorst Stahl und Technik GmbH in Bocholt bietet ein breites Portfolio aus 40.000 Artikeln von 600 Anbietern sowie Online-Handel, Notfall-Hotline und Werkstatt an. Doch Schwierigkeiten in der Sendungsidentifizierung und Abteilungskommunikation führen zu Verzögerungen und unklaren Lieferstatus. Die Umsetzung steht aufgrund vielfältiger Lieferanten und Lieferscheinbesonderheiten vor Herausforderungen. Deep Learning ermöglicht unter anderem auch die Texterfassung, wobei sich auch kostenlose Modelle für Texterfassungssoftware eignen. Zudem wird die IT-Systemdarstellung durch ERP-Mängel beschwert.
Ziele
Mit dem Ziel einer noch effizienteren Bearbeitung von Kundenaufträgen strebt das Unternehmen Verbesserungen in den internen Prozessen an und treibt die Digitalisierung einzelner Arbeitsschritte voran.
Lösung/Maßnahmen/Projekt
Die G. Elsinghorst Stahl und Technik GmbH steht vor Herausforderungen mit der automatisierten Erkennung von Lieferungen zur gezielten Priorisierung. Gleichzeitig wird eine Anbindung an das bestehende ERP-System geschaffen, um den Liefer- und Bearbeitungsstatus automatisch zu aktualisieren. Informationen von Lieferscheinen werden digital mithilfe von Texterkennungssoftware gescannt. Das Programm identifiziert Textzeichen auf Lieferscheinen und liefert relevante Informationen: eine eindeutige Zuordnungsnummer für ERP-Bestellungen und die Artikel mit entsprechenden Mengen in der Sendung. Die Zuordnungsnummer folgt einem festen Muster, wodurch sie leicht auffindbar ist. Artikel und Mengen werden bei Bestellungen abgeglichen, um Fehler zu erkennen.
Die Verantwortung für das Projekt im Rahmen des Mittelstand 4.0-Kompetenzzentrums Digital in NRW lag beim Fraunhofer-Institut für Materialfluss und Logistik.
Umsetzung
Was wurde benötigt?
Erforderlich waren umfangreiche Archivdaten einschließlich Erfahrungswerte, beispielsweise in Form von Fehlern, die aus gelabelten Dokumentenscans von Lieferscheinen, ERP-Bestellungen und Software-Schnittstellenbeschreibungen bestanden, um Algorithmen zu trainieren. Ein zusätzlicher Computerarbeitsplatz wurde ebenfalls benötigt.
Was wurde erreicht?
Die Integration vorhandener ML-Programme führte zur Verringerung des Programmieraufwands. Verschiedene Lieferschein-Designs werden erkannt. Die Arbeitsschritte und Prozesse sind nun automatisiert. Informationen werden automatisch erfasst und Sendungen priorisiert. Außerdem werden wesentliche Informationen vor der Bearbeitung erfasst.
Lessons Learned
Zusätzlich zur automatischen Lieferungserfassung und Paketpriorisierung im Wareneingang ermöglicht die neue Technologie zwei weitere Prozessschritte: die automatische Archivierung von Lieferdokumenten und die digitale Erfassung manuell hinzugefügter Kommentare auf Lieferscheinen. Die Einführung dieses Systems optimiert die Bearbeitung von Sendungen bei Elsinghorst, spart Zeit und führt zu einem Schritt in Richtung vollständig automatisierter Paketerfassung und -bearbeitung. Bei Bedarf kann die Software durch Erkennungsprogramme erweitert werden, um zusätzliche Informationen zu sammeln. Darüber hinaus kann eine Anbindung an das neue Lagerverwaltungssystem erfolgen, um Sendungen je nach Priorität direkt an die Arbeitsplätze für den Feinwareneingang zu leiten.