Entwicklung von Prognoseverfahren für Ersatzteilbedarfe von Gasmotoren : Analyse von gängigen Prognoseverfahren sowie Prüfung von neuartigen Prognoseverfahren für ausgewählte Ersatzteile hinsichtlich des Bedarfes

Abstract

Unternehmen in Bereichen des Maschinen- und Anlagenbaus sind mit steigenden Wettbewerbsdruck konfrontiert. Das After Sales Service-Geschäft nimmt dabei aufgrund höherer Rendite, im Vergleich zum Neuanlagengeschäft, eine wichtige Rolle ein. Die Anforderungen an eine zuverlässige und kostenoptimierte Ersatzteillogistik steigen dadurch. Das Ziel dieser Arbeit ist die Erhöhung der Prognosegenauigkeit für eine ausgesuchte Gruppe von Ersatzteilen. Dadurch sollen sowohl die Ersatzteilbestände verringert, als auch Fehlteile im Service vermieden werden. Im Theorieteil dieser Arbeit werden neben den Grundlagen des After Sales Managements, jene Methoden beschrieben, welche im Praxisteil Anwendung finden. Es werden Methoden zur Zeitreihenanalyse, Methoden der Bedarfsermittlung, Klassifizierungsmethoden von Ersatzteilen sowie Grundlagen der Prozessanalyse erläutert. Im Praxisteil wird der IST-Prozess der Bedarfsprognose von Ersatzteilen am Beispiel von GE Jenbacher GmbH & Co OG dargestellt. Weiters wird ein SOLL-Prozess, welcher den Ersatzteilbedarf von geplanten Wartungen mit Hilfe von künstlichen neuronalen Netzen prognostiziert, beschrieben. Dieser wird in den weiteren Kapiteln bewertet und mit in der Praxis gängigen und bestehenden Prognoseverfahren verglichen. Der Fokus liegt auf dem verbesserten Prognoseverfahren mit Hilfe von künstlichen neuronalen Netzen. Das optimierte Prognoseverfahren für Ersatzteilbedarfe für geplante Wartungen verringert den Prognosefehler für die definierte Teilegruppe um ca. 50%. Die dadurch erhöhte Ersatzteilverfügbarkeit wirkt sich positiv auf die Kundenzufriedenheit aus. Durch die deterministische Bedarfsermittlung von Ersatzteilen können die Ersatzteilbedarfe geographisch exakt zugeordnet sowie vorhandene Distributionsstandorte gezielt mit Ersatzteilen versorgt werden. Das führt in weiterer Folge zur Optimierung von Transportwegen. Aufgrund des großen Potenzials des vorgestellten und für diese Anwendung optimierten Prognoseprozesses, wird die Weiterentwicklung dessen vorangetrieben. Langfristig wird das Ziel verfolgt, das Instandhaltungskonzept von präventiver zu zustandsbasierter Instandhaltung hin zu entwickeln. Werden zur Prognose der Wartungen anstatt der Betriebsstunden, gemessene dynamische Kenndaten eines Motors herangezogen, kann dieses Ziel anhand des entwickelten Verfahrens realisiert werden.

Companies in the business of mechanical and plant engineering are confronted with increasing competitive pressure. Due to higher profit compared with the new installation business, the after-sales service business has an important role. The requirements on a reliable and cost-optimized spare parts logistics are therefore increasing continuously. The aim of this thesis is to increase the forecasting accuracy for a selected group of spare parts. Therefore, the inventory of spare parts should be reduced and missing items in the service should be avoided. In the theoretical part of this thesis, besides the basics of After Sales Management, the methods which are used in the practical part are described. Methods for time series analysis, methods of determining demands, classification methods of spare parts and basics of process analysis are explained. In the practical part, the actual process of demand forecasting of spare parts on an example of GE Jenbacher GmbH & Co OG is presented. Furthermore, an improved process for the spare parts forecasting, which considers the spare parts demand of planned maintenance with use of artificial neural networks, is described. In the following chapters, the comparison and evaluation regarding existing forecasting methods is explained. The focus of this thesis lies on the improved forecasting process with use of artificial neural networks. The improved spare parts forecasting process for planned maintenance reduces the forecast error for the defined spare parts group. The mean absolute percent error (MAPE) of the forecast can be reduced by round about 50%. This achieved improvement of the availability of spare parts has a positive effect on customer satisfaction. Due to the deterministic spare parts demand identification, the spare part demand can be assigned geographically exactly. Existing distribution centers can be specifically supplied with spare parts. Therefore, the transportation routes can be optimized as well. Due to the high potential of the newly developed forecasting process, the further development of the presented process will be promoted as a future demand determination process for all spare parts. In the long term, the goal is to shift the maintenance concept from preventive to condition-based maintenance. For the forecast of the maintenance events, the measured dynamic engine characteristics can be used, instead of operating hours. Therefore the mentioned goal can be realized by using the developed method in this thesis.