Værdikæde

Supply chain

Proces
Kontrol med stamdata er især vigtigt i virksomheder med flere systemer, hvor der kan opstå ”data redundant”. For at optimere processerne er der behov for synkroniserede og typisk berigede data.

Løsning
Robotten undersøger stamdata (vare-, kunde- og leverandørstamdata) på tværs af datasæt fra både interne og eksterne kilder. Den giver derefter et præcist overblik over datakvaliteten på tværs af virksomhedens afdelinger. I praksis betyder det, at robotten undersøger, (op)retter og ensarter masterdata på tværs, så data bliver harmoniseret og standardiseret.



Proces
Hvis der opstår en fejl med et produkt, sender kunden en digital indkøbsordre for et erstatningsprodukt eller reparation. En medarbejder indtaster herefter en lang række informationer i et system, der håndterer returneringsprocesser sideløbende med nogle fysiske tjek. Herefter skal det samme indtastes i ERP-systemet.

Løsning
De fysiske tjek kan man ikke komme udenom, men med en automatisering er det mulig at få robotten til at lave et udkast i returneringsprogrammet, hvorefter medarbejderen kan tilføje evt. rettelser eller tilføjelser fra de fysiske produkter. Bagefter kan robotten også overføre alle informationerne til ERP.

Proces
Der kontrolleres løbende, om indkøbte ordre er blevet leveret af leverandør. Og hvis ja, om prisen, varen og mængde stemmer overens med den oprindelige ordre.

Løsning
RPA kan løbende følge op på, om en ordre er leveret. Faktura som ofte ankommer før levering, kan sammenholdes med oprindelig indkøbsordre. Ved fejlfrit forløb noteres blot bogført købsfaktura, mens der ved afvigelser sendes information til brugeren, som kan bruge sin arbejdstid mere produktivt.

Proces
Hvis en vare eller ordrebekræftelse ikke er modtaget rettidigt, sendes der manuelt en rykker via e-mail. Det er en proces, der oftest udføres dagligt og primært består af copy/paste og tjek af faste regler.

Løsning
Med en automatisering rykkes der automatisk på daglig basis, så en ophobning af backlog undgås. Der frigives samtidig tid til mere værdifulde opgaver i en travl hverdag.


Proces
I det daglige skal produktionsplaner løbende tilpasses interne og eksterne faktorer, som spiller ind i, hvad den optimale produktionsplan er. Det er ofte uoverskueligt for et menneske at få alle faktorer med, hvorved en markant del af produktionsplanlægningen dannes ud fra mavefornemmelse og skøn med tilhørende risici.

Løsning
Machine learning kan overskue enorme mængde data, herunder historisk produktionsplanlægning, for at sammensætte den mest optimale produktionsplan for dagen ud fra konkret data. Det er en skalerbar løsning, modsat produktionsplanlægning fra mennesker, der ofte indebærer ansættelse af ekstra planlæggere for hver fabrik, når produktionsmængden vokser.