Fachhändler etabliert intelligenten Wareneingang

Der Ausgangspunkt

40.000 Artikel von 600 verschiedenen Anbietern. Dazu ein Online-Handel, eine Notfall-Hotline und eine hauseigene Werkstatt. Die G. Elsinghorst Stahl und Technik GmbH mit Hauptsitz in Bocholt bietet ihren Kunden ein umfangreiches Portfolio sowie die uneingeschränkte Verfügbarkeit der Artikel – rund um die Uhr. Mit diesen Angeboten und Services hat sich der Fachhändler für Werkzeuge und Industriebedarf sowie Stahl- und Werkstoffe bereits auf die steigenden Anforderungen in Sachen Verfügbarkeit und Flexibilität eingestellt. Um Kundenaufträge zukünftig noch effizienter bearbeiten zu können, sollen interne Prozesse verbessert und die Digitalisierung einzelner Arbeitsschritte vorangetrieben werden.

Große Herausforderungen für das Unternehmen sind dabei die frühzeitige Identifizierung von eingetroffenen Sendungen sowie der mangelnde Informationsfluss zwischen einzelnen Abteilungen. Wichtige Lieferungen, die schnellstmöglich an Endkunden weiterversandt werden sollen, können an der Sendungsannahme nicht von Lagerware unterschieden werden, was zu einer willkürlichen Bearbeitung der eintreffenden Pakete führt. Gleichzeitig ist die Einkaufsabteilung nicht in der Lage, dem Endkunden mitzuteilen, ob sich eine wichtige Sendung bereits in der Warenannahme befindet. Zeitaufwendige Telefonate zwischen Einkauf und Lager zur Klärung des Lieferstatus sowie Verzug im Wareneingang sind die Folge.

Die Lösung

Zur Bewältigung dieser Herausforderungen setzt die G. Elsinghorst Stahl und Technik GmbH auf die automatisierte Erkennung der Lieferungen, um diese nach Priorität bearbeiten zu können. Gleichzeitig soll eine Verknüpfung mit dem bereits genutzten ERP-System erstellt werden, sodass der Liefer- und Bearbeitungsstatus jeder Sendung automatisch aktualisiert wird. Da die notwendigen Informationen für jede Lieferung dem zugehörigen Lieferschein zu entnehmen sind, wird mit einer Texterkennungssoft-ware gearbeitet, die diese Information digital mittels eines Scans erfasst.

Dafür muss das Programm zunächst die Textzeichen auf einem Lieferschein erkennen. Anschließend müssen die in den erfassten Textzeichen enthaltenen Informationen extrahiert werden. Hierfür sind zwei Informationen relevant:

  1. eine eindeutig zugeteilte Nummer für die Zuweisung einer Lieferung zu einer ERP-Bestellung
  2. die in der Sendung enthaltenen Artikel und die zugehörige Liefermenge

Die Nummer wird in allen Fällen nach einem gleichen Muster vergeben und ist so mit einer einfachen Suchfunktion zu finden. Die Artikelnummern und die zugehörigen Mengen werden anschließend mit der zugehörigen Bestellung verglichen, um falsche Liefer- mengen oder fehlende Artikel zu identifizieren. Mit den Informationen der ERP-Bestellungen kann zudem die nötige Priorisierung ausgegeben werden, sodass die Mitarbeiter die gerade eingetroffene Sendung direkt nach Dringlichkeit behandeln können.

Die Herausforderung

Eine Schwierigkeit, die es bei der Umsetzung zu berücksichtigen gibt, ist die große Anzahl verschiedener Lieferanten sowie die Beschaffenheit der Lieferscheine selbst. Design, Farbe, Schriftart und Aufbau der Lieferscheine einzelner Anbieter variieren stark. Zudem erschweren äußere Einflüsse wie Faltkanten oder Verschmutzungen die Erkennung von Schriftzeichen. Ein regelbasiertes Erfassungssystem ist nicht in der Lage, diese Textzeichen auf den Dokumenten zu erkennen. Die Erfassung der Texte muss daher mittels Deep Learning, einem Teilgebiet des Maschinellen Lernens, erfolgen.

Um alle möglichen Schriftarten, -farben, -größen und auch Hintergründe, Tabellenformen und Beschädigungen abzudecken, sind allerdings sehr große Datensätze notwendig. Die entsprechenden Erfassungssysteme und -programme sind sehr trainingsaufwändig, sodass eine eigene Entwicklung aus Zeit- und Kostengründen nicht möglich gewesen ist. Der Aufschwung von Deep Learning bringt jedoch viele frei zugängliche Softwareprojekte, Datensätze und auch Modelle mit sich, die für den Einsatz in anderen Projekten geeignet sind. Mit Hilfe von „Transfer-Learning“ lassen sich oftmals Probleme mit nur gering verfügbaren Datenmengen bereits mit hoher Genauigkeit lösen: Bereits fertig trainierte, komplexe Modelle werden für kleinere Spezialfälle angepasst. Auf diese Weise kann auch Texterfassungs-Software für die G. Elsinghorst Stahl und Technik GmbH mit frei verfügbaren Deep Learning-Programmen entwickelt werden.

Eine weitere Herausforderung stellt die Darstellung der eingesetzten IT-Systeme dar. Aufgrund der Nutzung einer eingekauften ERP-Software liegen Elsinghorst keine detaillierten Beschreibungen der Software sowie der entsprechenden Schnittstellen zwischen einzelnen Programmen vor. Um eine Benutzeroberfläche erstellen zu können, die zwischen einzelnen Systemen vermittelt, wird im gemeinsamen Projekt mit Digital in NRW ein direkter Kontakt zwischen den Anbietern der ERP-Software und den verantwortlichen Entwicklern am Fraunhofer IML hergestellt.

Der Nutzen

Neben der automatischen Erfassung der Lieferungen und der Priorisierung der Pakete im Wareneingang können mit der neuen Technologie zwei weitere Arbeitsschritte abgewickelt werden: Die Lieferdokumente werden in Zukunft automatisch archiviert. Auch manuell ergänzte Kommentare auf den Lieferscheinen sind dann digital im System erfasst und für alle sichtbar.

Die Entwicklung und Etablierung des Systems ermöglicht Elsinghorst eine optimierte, zeitsparende Bearbeitung von Sendungen und ist ein weiterer Schritt zur vollautomatischen Erfassung und Bearbeitung von Paketen.

Bei Bedarf kann das Programm mit zusätzlicher Erkennungssoftware weiter ausgebaut werden, um zusätzliche Informationen zu erfassen. Zudem ist eine Anbindung an das neue Lagerverwaltungssystem möglich, sodass die Sendungen bereits an der Warenannahme ihrer Priorität entsprechend an die Arbeitsplätze der Mitarbeiter für den Feinwareneingang weitergeleitet werden könnten.

Unternehmen: Elsinghorst Stahl und Technik GmbH

Ort: Hauptsitz Bocholt

Gründungsjahr: 1848

Mitarbeiter: 220

Branche: Technischer Handel und Stahlhandel

Was wird benötigt?

Was wird erreicht?