Nya data-drivna lösningar för förbättrad plankvalitet och informationsdelning i försörjningskedjor
| Diarienummer | |
| Koordinator | Chalmers Tekniska Högskola AB - Institutionen för teknikens ekonomi och organisation |
| Bidrag från Vinnova | 3 680 000 kronor |
| Projektets löptid | oktober 2018 - november 2021 |
| Status | Avslutat |
| Utlysning | Hållbar produktion - FFI |
| Slutrapport | 2018-02695sv.pdf (pdf, 570 kB) |
Syfte och mål
Projektet tar utgångspunkt i fordonsindustrins bristande prognos- och leveransplankvalitet med negativ påverkan på kapitalbindning, transportkostnader, volymflexibilitet och miljö i hela försörjningskedjan. Målet är att utveckla nya datadrivna lösningar som möjliggör mätning, visualisering och prediktering av planvariationer, samt möjliggör plankvalitetsförbättring och därmed ökar förmågan i företags och försörjningskedjors planeringssystem att kompensera för och hantera osäkerheter, variationer och störningar i de alltmer komplexa produktionsnätverken.
Resultat och förväntade effekter
De datadrivna lösningarna för mätning, prediktering och orsaksanalys av leveransplanvariationer förväntas bidra till att skapa mer stabila planeringsförutsättningar och öka produktiviteten i produktionsplanerings- och försörjningsprocesser. De förväntas korta order- och leveransledtider, samt öka förändringsförmågan genom bättre uppkoppling och enklare kommunikation och bättre ömsesidig förståelse via databaserade mätetal. Även förmågan att snabbare och med högre intelligens kunna analysera stora datamängder möjliggör snabbare produktionsplaneringsbeslut.
Upplägg och genomförande
Studierna har genomförts vid tre OEM- och fem leverantörsföretag , Projektets första delar analyserar hur nuvarande leveransplaner varierar i fordonsindustrins försörjningskedjor och förklarar dess konsekvenser och grundorsaker (enkät-, fall- och kvantitativa analyser av historiska leveransplaner och annan företagsintern data). De senare delarna tar fram nya lösningar för mätning, visualisering, prediktering och förbättring av plankvalitet i försörjningskedjor (fördjupade kvantitativa dataanalyser, datamodellutveckling och pilottester).