Intelligente Automasjonsløsninger I
Produksjon og logistikk

Får ut potensialet med intelligent prosessautomasjon i produksjon

Selskaper med en automatiseringsstrategi finner potensial for økt effektivitet enten de flytter materiale eller produserer det. RPA kan hjelpe organisasjonen din med å fokusere på kjernekompetanse samtidig som man reduserer kostnader og forbedre punktlighet, nøyaktighet og fleksibilitet.

ERP systemer og produksjon- og lagerstyringssystem utfordrer god informasjonsflyt. Å bruke smarte automatiseringsløsninger realiserere systemintegrasjon som er raske og feilfrie. Dette realiseres uten programatisk integrasjon. RPA har en lett struktur som får informasjonsflyt til å fungere uten å gjennomføre et IT-integrasjonsprosjekt.

Case study
valmet-forward-1

Empowering employees behind impressive RPA drive at Valmet

Valmet has set ambitious targets for its use of RPA. Working with Digital Workforce, UiPath’s service delivery partner, it’s making good progress in achieving them.

Case study
Toyota-TFS-GREY_FS1

Improving adaptivity in a fast-changing industry

Toyota Financial Services Norway (TFSN), a leading provider of car loan and lease services, implements Robotic Process Automation to increase agility and become more adaptive in a fast-changing industry.

Heatmap for Manufacturing & Logistics processes

high
Automation potential

High

medium
Automation potential

Medium

Supplier Management Procurement Logistics Inventory and Planning Manufacturing Customer Delivery
RFP / RFQ generation and data aggregation Purchase order creation and matching Logistic service provider contract management Demand and supply daily reports BoM generation Order status updates
Vendor mapping (metadata search) Matching and reconciliation of invoice and goods receipt Performance based delivery time updates Material transaction updates Predictive maintenance Return processing, automated order information collection
Contracts management Vendor performance reports Delivery management and tracking, proof of delivery Material master data maintenance, e.g. PDM and ERP Production plan generation Customer complaint handling, order information and forwarding
Vendor selection Freight tendering Customs clearance documentation handling Demand forecasting Production cell-to-cell data transfer
Supplier risk management Material requirement and shortage reports EDI data handling Available to Order (dynamic delivery time) Scrap / Waste reporting
Update scorecards and dashboards Vendor managed inventory (VMI) reports and replenishment Shipping information generation and extraction Inventory level optimization In-cell quality control & cross-referencing

Prosesseksempler

manufacturing-supplieronboarding

Leverandøretablering

Å samle inn og vurdere leverandørdata kan stjele timer av arebidsdagen din. RPA kan lokalisere relevante data for å kunne gjøre en forhåndsvurdering mulig.

Les mer

Å bruke maler og/eller hente ut data fra e-poster kan starte prosessen med å opprette masterdata - med ytterliegere muligheter som flagging av avvik fra anbefalt fremgangsmåte. Utvalgskriterier for leverandører kan valideres og brukes for å lage en anbefalt liste over hvem man skal velge og hvorfor.

better-purchasing

Bedre innkjøp

Redusert håndteringstid for fakturaer, forbedrer nøyaktighet og punktlighet i innkjøp kan oppnås ved hjelp av roboter.

Les mer

Roboter som er dedikert til å avstemme rekvisisjoner og fakturaer viser forbedret resultat på  materialtilgjengelighet, reduksjon i menneskelige feil og færre interne henvendelser om status på innkjøp.

Fakturaavstemming med unntakshåndtering kan automatiseres. Ved å bruke AI mot innkjøpsdata kan man måle leverandøreres leveranseevne og redusere operativ risiko.

manufacturing-trackingdelivery

Leveransesporing

Digitale medarbeidere kan forbedre kundeopplevelse gjennom å oppdatere leveringsplaner.

Les mer

Salgsavdelingens personale og i planprosesser kan vi bruke data fra logistikkleverandører for sporing og få avklart tilgjengelighet på  komponenter og materiale. Når samme data er tilgjengelig gjennom kundeportalen, deles mer informasjon om ordrestatus og hjelper til med beregning av  leveringsdatoer.

Kundenes lagerstyringssystem kan automatisk oppdateres fra eksterne transportsystemer på en sikker og godkjent måte.

demand-supply

Behov versus etterspørsel

Maskinlæring gir stort potensial for å kombinere ordreboken med sesongtrender og historiske data.

Les mer

Innkjøp og salg kan bruke detaljerte etterspørselsdata kombinert med leverandørenes leveransedato og produksjonstid. Forbedringen i leveransekvalitet og kundeservice motiverer for investering i automatisering. Resultater kan også sees i forbedret lagerstyring.

Prognosearbeid  kan forbedres med å legge til data om produksjonsfeil, planlagt vedlikehold og tilgjengelige ressurser. Å bruke kunnskap generert av RPA kan utløse behov for nye leverandører grunnet økt etterspørsel eller automatiserte oppdateringer i leveringstider for nettbutikker.

maintenance

Prediktivt vedlikehold

Ved å bruke intelligent automatisering for å planlegge produksjonspauser kan virksomheten redusere nedetid og vedlikeholdskostnader.

Les mer

Ved å bruke sensordata (f.eks. fra vibrasjon eller andre prediktorer) fra produksjonsmaskiner kan uplanlagt vedlikehold unngås og utføres etter reelt behov. Ved å bruke prediktivt vedlikehold kan produksjonsenheten unngå katrastrofale feil og planlegge nedetid i produksjonen. Med nedetid inkorporert i produksjonsplaner kan virksmheten bedre planlegge bruk av produksjonsanlegg og holde kunder oppdatert på potensielt endrede leveringsplaner.

Det er mange andre måter å dra nytte av forbedringer i planarbeid. For eksempel ressursoptimalisering og  materiellforvaltning.

manufacturing-customercomplaints

Kundeklager

Virksomhetsledelsen kan forbedre responstid for klager ved automatisk utfylling av kunde- og salgsdata.

Les mer

Når kundeklager automatisk klassifiseres og videresendes til riktig team uten feil, reduseres også tid brukt til klagebehandling.

Arbeidstid brukt for å sjekke kvalitetsproblemer kan automatiseres og kryssjekkes etter dato eller parti slik at rotårsaker analyseres umiddelbart med tilgjengelige data. RPA er nyttig for stab som kan fokusere på mer presserende problemer samtidig som kundeopplevelsen forbedres med god klagebehandling.