Škoda Auto


REVOLT BI POMÁHÁ NEJVĚTŠÍ ČESKÉ FIRMĚ ODHALIT DUPLICITNÍ POLOŽKY VE SKLADECH A ZEFEKTIVNIT PROCES NÁKUPU NOVÝCH SKLADOVÝCH ZÁSOB.

Zdroj: Škoda Auto

0
hodin trvající hackathon
0
duplicitních náhradních dílů
0
milionů korun – hodnota odhalených duplicit
0
tisíc položek na skladě

Problém a zadání

Takto velká společnost má samozřejmě rozsáhlé skladové hospodářství. Mimo výroby mají i 20 skladů skladů náhradních dílů, nářadí, údržby a režijních materiálů v celkové hodnotě 2,5 miliardy Kč s 250 000 položkami.

Takto rozsáhlé sklady činí ovšem problémy a Škoda Auto tak potřebovala identifikovat duplicitní položky a určit optimální zásoby tak, aby neměly ve skladech neměli „utopené“ peníze, neměli problémy se skladovou kapacitou atd.

Zhostit se takového úkolu není ovšem jednoduché, interní kapacity pro to nestačily a neměli dostatečné zkušenosti a tak hledali, kdo by jim s tímto úkolem pomohl.

Nápad – hackathon

Škoda Auto je velmi progresivní společností a napadlo je, že by mohli ten správný tým najít pomocí hackathonu – soutěže, kde předložili zadání, vzorová data a zjišťovali, kdo se úkolu zhostí nejlépe a přinese ty nejlepší výsledky.

Hackathonu se účastnilo mnoho analytických firem, nikdo si nechtěl nechat ujít příležitost prezentovat se takto důležité společnosti. Revolt BI tento hackathon s přehledem vyhrál, když jsme během 48 hodin trvání hackatonu odhalili 6000 duplicitních náhradních dílu (2,4 %) a připravili jsme MVP webové aplikace, která umožňuje pracovníkům následně s duplicitami pracovat.

Přesvědčivý úspěch Revolt BI následně přiměl Škodu Auto k uzavření spolupráce s naší firmou, která doposud trvá a rozšiřuje se.

Mimochodem – nebyl to náš jediný úspěšný hackathon u Škoda Auto, hned následující rok jsme navázali vítězstvím v hackathonu zaměřeném na analýzu finančních odchylek.

Řešení

Základem řešení pro samotnou identifikaci duplicit byla NLP analýza popisků a klasifikace podle podobnosti textů a dalších parametrů. Položky jsou deduplikovány pomocí skórovacího algoritmu, který předpočítává podobnost materiálu do databáze, zároveň je možné porovnávat nové materiálové požadavky pomocí REST API.

Dle dalších požadavků jsme doplnili další hodnocení, které pracuje s obrátkovostí a jehož cílem je zbavit se položek, které se „netočí“ a nechat jich případně jen minimální nutné množství pro následující období.

Při tom hodnotíme samozřejmě aktuální data skladem, spotřebu po měsících za posledních několik let a klasifikujeme položky podle toho, jak často a po jakou dobu se spotřebovávají.

Cílem je tedy spočítat, na jak dlouho mají zásoby, jakých položek se mohou zbavit, aby jim nevázaly finanční prostředky a skladový prostor

Kvantifikace pak probíhá dle typu položek na kusy, metry, kilogramy a pak samozřejmě podle ceny.

Kromě samotných výpočtů jsme také s naší partnerskou společností Cookielab připravili nezávislou webovou aplikaci, která je integrovaná jako součást interního systému pro pracovníky logistiky Škoda Auto. Ta je přizpůsobená jak co do designu a logiky ovládání interní aplikaci.

Výsledek

Škoda Auto je s výsledkem maximálně spokojena, naše spolupráce tím samozřejmě nekončí, dále se ladí jednotlivé parametry a přidávají další funkce.

Díky integraci aplikace nebylo třeba zaměstnance nějak zaučovat, což se nám potvrdilo ihned po nasazení, kdy ji všichni začali přirozeně používat a chválili si její přínosy.

Kromě deduplikaci aktuálních skladových položek došlo také ke zlepšení a zefektivnění procesu nákupu skladových zásob, kdy jsou pracovníci procurementu automaticky při nákupu upozorňováni na existenci stejných či podobných položek na některém ze skladů.

Systém se také postupně učí o pohybech položek v průběhu roku a dokáže tak nákupčím napovědět optimální velikost objednávky pro zajištění budoucích skladových potřeb.

To vše samozřejmě přináší další úsporu díky zamezení nákupu nadbytečných skladových položek.

Kontaktujte nás

Trápí vás data, procesy nebo celé analytické prostředí?
Jsme tu pro vás.