Mit der Integration von Machine Learning in den Einkaufsprozess konnte die Vetter Pharma-Fertigung GmbH & Co. KG die Datenqualität sowie die Prozesseffizienz enorm steigern und ist am Puls der Zeit.
Mit NTT DATA Business Solutions haben wir es geschafft, Machine Learning in unseren Einkaufsprozess zu integrieren. Damit sind wir am Puls der Zeit und haben unsere
Datenqualität sowie Prozesseffizienz enorm gesteigert.
Birgit Szielasko, Vetter Pharma-Fertigung GmbH & Co. KG
Industrie: Pharma
Produkte: Aseptische Abfüllung und Verpackung vorgefüllter Injektionssysteme wie Spritzen, Karpulen und Vials
Mitarbeitende: ca. 6.000 (2023)
Stammsitz: Ravensburg, Deutschland
Website: www.vetter-pharma.com
Erhöhte Datenqualität – Smarte Einkaufsprozesse mit Machine Learning
Mit diesen Schritten implementieren Sie ein Machine Learning-Tool für den Einsatz von Künstlicher Intelligenz
Das global agierende Unternehmen Vetter begann vor über 60 Jahren als Apotheke. Mittlerweile spezialisiert sich der Hersteller auf die aseptische Abfüllung und Verpackung von Spritzen und weiteren Injektionssystemen. Von der frühen Entwicklung neuer Medikamente bis hin zur Marktversorgung werden Arzneimittelhersteller bei der Behandlung diverser Krankheiten unterstützt. Rund 6.000 qualifizierte Mitarbeitende als Erfolgsträger und der Einsatz intelligenter Roboter in der aseptischen Produktion sorgen für die Einhaltung höchster Qualitätsstandards. Den Fokus stets auf Automation und Innovation gerichtet, setzt Vetter auch im Einkauf auf modernste State-of-the-Art-Technologie. Dabei werden die Anforderer bei der Erfassung von Bestellanforderungen (BANF) bestmöglich systemseitig unterstützt und intuitiv durch den Prozess geführt.
Im Rahmen der konstanten Systemoptimierung wurden zwei Ziele angestrebt. Zuerst sollte die „First-Time-Right“-Quote bei der Erfassung von Bestellanforderungen erhöht werden. Anschließend sollte eine höhere Transparenz über das Beschaffungsvolumen ermöglicht werden, um so bei strategischen Entscheidungen unterstützen zu können. Hierzu wurde das Warengruppenkonzept umfangreich an die neuen Anforderungen des Marktumfelds angepasst. So hat sich die Anzahl der Warengruppen letztlich auch deutlich erhöht. Gleichzeitig sollten die User technische Unterstützung bekommen, um manuelle Fehler und hohen Aufwand bei der Anlage der Bestellanforderung zu reduzieren. Zur Erreichung dieser Ziele, wird nun ein Machine Learning Service eingesetzt, die User bei der Auswahl der Warengruppe unterstützt und Vorschläge unterbreitet.
Neben der Überarbeitung des Warengruppenkonzepts durch den Fachbereich wurde anhand von Trainingsdatensätzen ein Vorgehensmodell im SAP Data Attribute Recommendation (DAR) Service angelernt. Das Modell liefert auf Basis des individuellen Dateninputs eine Vorhersage sowie einen Wahrscheinlichkeitswert. Diese erhalten die User über einen Button, der über ein Pop-Up drei Warengruppenvorschläge zusammen mit dem Wahrscheinlichkeitswert basierend auf dem KI-Modell anzeigt. So können die User einen Vorschlag auswählen und mit dem Prozess fortfahren. Dieses Modell wird in regelmäßigen Intervallen mit weiteren Trainingsdaten automatisiert angelernt. So kann es sich nach einer gewissen Anlernphase an ein dynamisches Geschäftsumfeld anpassen. Damit das Pop-Up funktioniert, wurde eine Schnittstelle zum SAP DAR Service via der SAP BTP definiert und in die Bestellanforderungstransaktion integriert.
Trotz umfangreicher Erweiterung der Warengruppen für das moderne Marktumfeld ist es weiter gelungen die „First-Time-Right“-Quote der BANF zu verbessern. Der DAR Service ergab viel positives Feedback seitens der Anforderer. Aufgrund des Erfolges wird nun über weitere Anwendungsfelder für den Service nachgedacht, um zum Beispiel auch bei Instandhaltungsaufträgen die User mittels Machine Learning zu unterstützen. Einer digitalen, intelligenten Zukunft steht somit nichts im Wege.
Treten Sie mit uns in Kontakt oder schreiben Sie uns eine Nachricht und wir melden uns bei Ihnen.
Telefon: +49 800 480800-7
"Mit den Planungsfunktionen des SAP APO PP/DS erreichen wir hier eine enorme Zeitersparnis und haben den bestmöglichen Überblick über unseren Produktionsplan." Christoph Mesenholl, Key-User Arbeitsvorbereitung, Dr. August Wolff GmbH & Co. KG Arzneimittel
UCB Innere Medizin verfügt mit der Cloud-Lösung Business ByDesign über eine skalierbare, wartungsarme Lösung, die von höchsten Sicherheitsstandards gesichert ist.
Vetter profitiert heute von zeitgemäßen, digitalen Geschäftsabläufen, die zukünftig weiter ausgebaut werden. Allein für die Personalkostenhochrechnung werden statt 3 Tagen nur noch 30 Minuten benötigt, was eine enorm verkürzte Systemdurchlaufzeit und schnellere Prognosemöglichkeit bedeutet.
