Gesichtserkennung für Fräs – und Drehteile
Machine Learning hat bisher etwas Schleierhaftes. Es wird viel darüber berichtet und trotzdem weiß man wenig über konkrete Anwendungsfälle. Dabei ist Machine Learning jetzt auch im Maschinenbau angekommen.
Gesichtserkennung ist ein alter Hut. Bereits vor 15 Jahren konnten Computer Gesichter erkennen und exakt einordnen.Aufgrund immer höherer Rechenleistung hat sich das Anwendungsgebiet aber verändert. Machine Learning ist heute auch auf Mobiltelefonen anzutreffen. Wenn Machine Learning innert Sekunden Gesichter erkennt … warum nicht auch Frästeile, Drehteile, Blechteile und viele weitere Gruppen von Bauteilen? Dies wäre ein großer Vorteil für viele Einkaufsorganisationen.
12.000 Artikel vollautomatisch klassifizieren innerhalb von 6 Stunden
Die Klassifizierung von Artikeln ist eine wichtige Basis für das strategische Warengruppenmanagement. Wichtige Analysen und Auswertungen basieren auf den Daten des ERP-Systems. Sind im ERP die Artikel falschen Warengruppen zugeordnet oder nur in einer großen Gruppe «Zeichnungsteile» zusammengefasst, sind die Auswertungen nicht belastbar. Der CLASSifizer der shouldcosting GmbH übernimmt die Aufgabe der Artikelklassifizierung vollautomatisch. Es können 12.000 Artikel vollautomatisch innerhalb von 6 Stunden auf einem Laptop klassifiziert werden.
Es gibt verschiedene Szenarien, in welchen Machine Learning im Warengruppenmanagement unterstützen kann:
Bestehende Artikel - neu klassifizieren:
ERP Systeme sind nur so gut, wie die Daten, die sie enthalten. Wenn viele Nutzer, Artikel im ERP klassifizieren, sind Fehler ganz natürlich. Mit Machine Learning können tausende Artikel innert kürzester Zeit einer neuen, feiner granulierten Warengruppenstruktur zugeteilt werden.
Neue Artikel - vollautomatisch klassifizieren:
Um sicher zu stellen, dass neue Artikel exakt klassifiziert werden, kann Machine Learning mit höchster Präzision unterstützen. Automobilzulieferer setzen bereits die Klassifizierung mittels Machine Learning ein. Der CLASSifizer von shouldcosting arbeitet dabei mit einer unerreichten Zuverlässigkeit und Genauigkeit.
Gezielte(re) Anfragen bei Lieferanten:
Machine Learning, in Verbindung mit Data Mining, optimiert das Anfragen bei Lieferanten (RFQ) substanziell. Durch die fein abgestufte Klassifizierung (Beispiel: Drehteile >65mm Durchmesser, komplex) können Lieferanten gezielter kontaktiert werden. Der Granularität sind dabei keine Grenzen gesetzt. Unternehmensdaten beantworten auf dieser Basis viele Fragen: Alle lackierten Blechteile mitbearbeiteten Flächen …? Kein Problem.
Shouldcosting CLASSIfizer Service:
«Gesichtserkennung» mal anders ausgelegt … Die Voraussetzungen an das Machine Learning sind dabei minimal. Unter https://www.shouldcosting.com/cms/index.php/de/services/machine-learning können Sie sich weitergehend informieren oder uns unter gesichtserkennungnothing@durchdenkenvorne.de kontaktieren.
