In dit artikel gaan we in op het ontstaan van materiaalgegevensbeheer, de verschillende soorten, de uitdagingen en hoe organisaties uitmuntendheid kunnen bereiken met strategieën voor gegevensbeheer op het gebied van productie, onderhoud (MRO), grondstoffenbeheer en meer.
De term „Materials Master“ vindt zijn oorsprong in de jaren ’70 en ’80, toen SAP de term introduceerde om te verwijzen naar een centrale database waarin alle materiaalgerelateerde informatie werd opgeslagen.
Het begrip ‘Master Data’ is afkomstig uit de terminologie van databasebeheer en verwijst naar alle essentiële, niet-transactionele gegevens die context bieden voor bedrijfsactiviteiten.
De materiaalstam is een standaardobject in SAP-modules zoals MM (Materiaalbeheer) en PP (Productieplanning)
Hetzelfde concept komt ook in andere ERP-systemen voor, maar dan onder andere namen; het object „Materials Master“ wordt bijvoorbeeld „Artikelstamgegevens” in Oracle-systemen.
Een materiaalstam is de kernset van gegevens die wordt gebruikt om verplaatsbare „materiaalartikelen“ te beschrijven, zoals grondstoffen, eindproducten, reserveonderdelen en andere materialen die in de dagelijkse bedrijfsvoering worden gebruikt.
Naarmate bedrijfsprocessen opschalen, neemt de gegevenskwaliteit binnen een materiaalstambestand natuurlijk af, waardoor correcties nodig zijn om de bedrijfsvoering soepeler te laten verlopen. Bovendien zijn beheersystemen nodig om ervoor te zorgen dat de gegevenskwaliteit op een stabiel niveau blijft.
Het beheer van materiaalgegevens is van cruciaal belang in sectoren zoals de productiesector, de nutsbedrijven, de energiesector en de mijnbouw, waar zelfs kleine problemen met de gegevenskwaliteit vaak een negatieve invloed hebben op de inkoopkosten, het onderhoudsbeheer en de dagelijkse bedrijfsvoering.
Categorieën binnen het materiaalstambestand
In elke organisatie is het materiaalstambestand niet zomaar één grote dataset die verwijst naar alle soorten materialen die in gebruik zijn.
In plaats daarvan is het onderverdeeld in verschillende categorieën, die elk een andere functie vervullen en waarvoor elk wat aanpassingen nodig zijn wat het beheer van de gegevens betreft.
MRO-materiaalstamgegevens
Men zou kunnen stellen dat het beheren van de kwaliteit van MRO-materiaalgegevens een van de lastigere en belangrijkste aspecten is binnen het vakgebied Materiaalbeheer.
MRO staat simpelweg voor „Maintenance, Repairs & Operations“ en met MRO-materialen worden reserveonderdelen, vervangingsonderdelen en verbruiksartikelen bedoeld die worden gebruikt in grootschalige productieprocessen.
Over het algemeen vallen onderhoudsgerelateerde functies niet onder strikte protocollen voor gegevensbeheer, waardoor ze vatbaar zijn voor fouten.
Bovendien kan het om technische gegevens gaan die niet gemakkelijk toegankelijk zijn, waardoor het beheer ervan nog lastiger wordt.
De sectoren waar dit een ernstig probleem vormt, zijn ook de sectoren waar hun datacapaciteiten behoren tot de laagste, waardoor het probleem nog verder wordt verergerd.
Veelvoorkomende uitdagingen bij het MRO-materialenbeheer
Dubbele gegevens
Dit is veruit een van de grootste uitdagingen bij het beheer van MRO-reserveonderdelen.
Door dringende, op het laatste moment ingediende inkoopverzoeken en het volledig ontbreken van protocollen voor gegevensbeheer en de bijbehorende technologie, wordt hetzelfde onderdeeldossier meerdere keren in het systeem aangemaakt.
Hoewel dit misschien triviaal lijkt, zorgen dubbele boekingen ervoor dat de inkoopkosten direct stijgen MRO-uitgaven door hetzelfde voorraadartikel meerdere keren op voorraad te houden.
Bijvoorbeeld:
Een enkele 3-polige elektrische schakelaar zou er als volgt uit kunnen zien:
“Magneetschakelaar, 3-polig, spoel 24 VDC, 32 A”
“3-polige schakelaar 32 A 24 V DC”
“3P-schakelaar 3RT2026-1BB40”
“Schakelaar 3RT2026-1BB40”
Deze beschrijvingen hebben allemaal betrekking op hetzelfde product, maar door inconsistente opmaak, ontbrekende merkinformatie of herschikte kenmerken ontstaan er meerdere materiaalcodes.
Hier volgt een uitleg over hoe de AI-agent van Verdantis de gegevens ontdubbelt en L2- en L3-duplicaten markeert (het ontdubbelen begint om 11:42):
Zoals gemeld door Forbes in een onderzoek naar dubbele bedrijfsgegevens:
Een Fortune 200-bedrijf in de olie- en gassector ontdekte voor $37 miljoen aan dubbele onderdelen in zijn wereldwijde voorraad. De dubbele onderdelen waren zowel door het bedrijf als door zijn leveranciers onopgemerkt gebleven, wat leidde tot te hoge opslagkosten (15–20% boven de waarde van de onderdelen), verspilde magazijnruimte, mogelijke fiscale gevolgen en een lagere winstgevendheid.
Deze problemen doen zich voor wanneer een medewerker op de werkvloer of een inkoopmanager een aanvraag indient voor de aankoop van een bepaald onderdeel zonder de specificaties, afmetingen en andere onderdeelgerelateerde gegevens in het systeem bij te werken.
Als dit probleem niet in de gaten wordt gehouden, kan het zich vele malen verergeren, met als gevolg een onbetrouwbaar overzicht van de materiaalstamgegevens dat de inkoop- en supply chain-teams onvoldoende informatie biedt.
In ernstige gevallen, met name wanneer voorraadbeheer van reserveonderdelen is niet op een solide basis gebouwd; dit leidt tot tekorten aan materiaal, die kunnen uitmonden in stilstand van de apparatuur, met als gevolg dat de productie stil komt te liggen totdat het betreffende reserveonderdeel is aangeschaft.
Bijvoorbeeld:
Op een fabriekslocatie kan het voorkomen dat een pompmotor met beperkte of inconsistente gegevens in het systeem wordt ingevoerd:
Vermelding 1: "Motor"
Vermelding 2: “Pompmotor 15HP”
Vermelding 3: “Motor voor pomp – geen specificaties”
In dit geval ontbreken belangrijke gegevens zoals spanning, toerental, fabrikant, modelnummer of framemaat, of zijn deze slechts gedeeltelijk vastgelegd.
Dit gebrek aan volledige gegevens kan onderhoud vertragen, een nauwkeurige inkoop bemoeilijken en voor verwarring zorgen tussen afdelingen, wat uiteindelijk van invloed is op de beschikbaarheid van apparatuur en de operationele efficiëntie.
Volgens een artikel gepubliceerd door Harvard Business Review bevatten „47% van de nieuw aangemaakte gegevensrecords ten minste één kritieke fout, en voldoet slechts 3% van de bedrijfsgegevens aan de basisnormen voor kwaliteit, zelfs volgens de meest soepele criteria – wat de dringende noodzaak van effectieve gegevensverrijking en -beheer onderstreept.”
Inconsistente gegevens
Gegevensrecords in een materiaalstamgegevensbestand volgen doorgaans een vaste standaard op basis van een vooraf gedefinieerde taxonomie. Bijvoorbeeld, UNSPC is een dergelijke wereldwijd vastgestelde taxonomie die producten indeelt en de bijbehorende gegevensvelden op basis van de categorie definieert
Gegevens over hetzelfde reserveonderdeel die in verschillende formaten of volgordes zijn opgeschreven, al dan niet met afkortingen, kunnen leiden tot discrepanties in de materiaalgegevensset.
Zelfs één enkel reserveonderdeel kan, als het in verschillende administratiedossiers op inconsistente wijze wordt weergegeven, de nauwkeurigheid van de inkoop verstoren, de voorraadkosten verhogen en tot vertragingen bij het onderhoud leiden.
Hieronder volgt een voorbeeld van hoe inconsistente naamgevingsregels en formaten tot verwarring tussen systemen leiden:
Een hex-bout kan in een materiaalstamrecord als volgt worden weergegeven:
Vermelding A:
Schroef, zeskant, M12x75, SS316, FTBijdrage B:
Zeskantbout M12 75 mm, roestvrij staal, volledig van schroefdraad voorzienVermelding C:
BOLT HEX HD M12*75MM RVS-316 FTVermelding D:
Zeskantbout M12x75 A4-316
Inconsistente opmaak, gebruik van afkortingen (zoals „FT“ of „SS316“), en diverse weergaven van eenheden of materialen (bijvoorbeeld, “75 mm” versus “75”, “SS316” versus “A4-316”) zorgen er vaak voor dat hetzelfde onderdeel in het systeem als meerdere afzonderlijke vermeldingen wordt behandeld.
Dit leidt tot dubbele voorraden, gemiste kansen op bulkaankopen en vertragingen bij het onderhoud als gevolg van onduidelijkheid over de specificaties van onderdelen.
Gestandaardiseerde taxonomieën en een uniforme gegevensinvoer zijn essentieel om dergelijke inefficiënties te voorkomen en te zorgen voor betrouwbare, bruikbare materiaalstamgegevens.
Hier volgt een stapsgewijze uitleg over hoe de AI-agent van Verdantis standaardiseert en zich houdt aan de taxonomieën:
Volgens een rapport van PW Consulting, “Bedrijven kunnen ongeplande stilstand met tot wel 23% verminderen door de beschrijvingen en kenmerken van MRO-onderdelen te standaardiseren, wat de impact van schone gegevens aantoont”
Uitdagingen op het gebied van MRO-materiaalbeheer
De bovengenoemde uitdagingen zijn het gevolg van gebrekkig gegevensbeheer en de daaruit voortvloeiende gevolgen.
Het verhelpen van historische problemen met de gegevenskwaliteit is een eenmalige handeling en kan worden opgelost door middel van een gegevensopschoning.
Dit biedt echter geen oplossing voor de aanhoudende problemen met de gegevenskwaliteit, wat betekent dat de materiaalgegevens na verloop van tijd waarschijnlijk opnieuw in het gedrang zullen komen.
Om dit op te lossen is een top-down herziening van de aanpak van de organisatie nodig naar gegevensbeheer voor MRO.
Ja, moderne technologie, zoals onze eigen, speciaal ontwikkelde MRO-governanceoplossing, Integriteit, kan hierbij helpen door een groot deel van het zware werk uit handen te nemen met behulp van voor de sector getrainde AI-modellen, maar dit vereist ook een aanpassing van processen en goedkeuringssystemen, evenals een vernieuwde aanpak van gegevensbeheerprocessen, en werkt zelden op zichzelf staand.
Hier is een video waarin wordt getoond hoe ons product MRO Materials Governance werkt
Voor een naadloos materiaalbeheer is het ook noodzakelijk dat gegevens tussen verschillende stamgegevensobjecten worden gesynchroniseerd. Reserveonderdelen voor onderhoud, reparatie en renovatie (MRO) moeten bijvoorbeeld worden gesynchroniseerd met apparatuur of stamgegevens van activa.
Dit zou idealiter al bij het aanmaken zelf moeten gebeuren, maar kan voor bestaand materiaal worden gedaan met behulp van een digitale stuklijst, waarmee een naadloos beheer van digitale stuklijst voor vaste activa is een noodzakelijke voorwaarde.
Voor een effectief beheer van de stamgegevens van materialen is het noodzakelijk dat de database vrij blijft van verouderde of inactieve records.
Ouderwetse gegevens zijn gegevens die niet langer relevant zijn en vaak betrekking hebben op uit gebruik genomen apparatuur, onderdelen die niet meer worden geleverd of vroegere leveranciers.
Als er niets aan wordt gedaan, zorgen verouderde materialen voor rommel in het artikelbestand, wat leidt tot verwarring bij de inkoop, een gebrek aan afstemming op de daadwerkelijke onderhoudsbehoeften en onnauwkeurige rapportages. Deze gegevens kunnen ook de analyses vertekenen, waardoor de voorraadwaardering wordt opgeblazen en verbruikstrends een verkeerd beeld geven.
Gegevens over verouderde onderdelen moeten worden beheerd en aangepakt door middel van regelmatige audits en geautomatiseerde controles die materialen signaleren zonder bewegingsgeschiedenis, niet-gekoppelde activareferenties of verlopen fabrikantgegevens.
Het instellen van levenscyclusstatussen in het materiaalstamrecord, zoals “Actief, inactief of verouderd,” helpt belanghebbenden om weloverwogen beslissingen te nemen.
In verouderde systemen kan het koppelen van materiaalrecords aan actuele apparatuurhiërarchieën of digitale stuklijsten inactieve onderdelen aan het licht brengen, waardoor het eenvoudiger wordt om deze uit de actieve stamgegevens te verwijderen en buiten gebruik te stellen.
In een casestudie die werd uitgevoerd bij een logistiekcentrum voor de mijnbouw in Chili, hebben onderzoekers 8.100 reserveonderdelen ter waarde van ongeveer 4,1 miljoen euro geëvalueerd en vastgesteld dat ongeveer 34% van de artikelen verouderd of inactief waren, omdat ze al meer dan 24 maanden niet waren verplaatst. Deze verouderde onderdelen legden meer dan € 1,2 miljoen aan werkkapitaal vast en brachten jaarlijkse opslagkosten met zich mee van 18–22%, wat neerkwam op bijna € 220.000–€ 264.000 aan vermijdbare kosten. Het gebrek aan inzicht in de eindfasen van de levenscyclus leidde tot slechte voorraadbeslissingen en hoge levenscycluskosten.
Argumenten voor investeren in MRO Materials Master
De waarde die kapitaalintensieve organisaties kunnen realiseren door deze uitdagingen op het gebied van gegevenskwaliteit in hun MRO-materiaalstamgegevens aan te pakken, is aanzienlijk en meetbaar, en de statistieken hierover vormen bovendien een sterk argument om de processen en de kwaliteit daarvan te verbeteren.
Enkele voorbeelden hiervan zijn:
Een meetbare daling van de inkoopkosten
Met een overzichtelijke, gestandaardiseerde materiaalstam krijgen organisaties meer inzicht in het gebruik van onderdelen, verbruikstrends en dubbele voorraden tussen vestigingen.
Dit maakt gezamenlijke inkoop, geoptimaliseerde onderhandelingen met leveranciers en een vermindering van overbevoorrading of spoedinkopen mogelijk, wat leidt tot een duidelijke daling van de totale inkoopkosten.
Minder gevallen van uitval in de productie
MRO-gegevens van slechte kwaliteit leiden vaak tot verkeerde bestellingen van onderdelen of vertragingen bij het vinden van de juiste reserveonderdelen – met vermijdbare stilstand van apparatuur tot gevolg.
Een betrouwbaar materiaalbeheersysteem zorgt ervoor dat het juiste onderdeel altijd op tijd wordt geleverd, waardoor ongeplande stilstand wordt beperkt en de beschikbaarheid van de bedrijfsmiddelen wordt verbeterd.
Afschaffing van handmatige processen
Door inconsistenties in de gegevens moeten onderhouds- en inkoopteams doorgaans urenlang handmatig onderdeelspecificaties controleren, navraag doen bij leveranciers of oudere bestellingen valideren.
Een gestandaardiseerde MRO-dataset automatiseert deze controles, waardoor repetitieve handmatige taken worden geëlimineerd en de operationele efficiëntie wordt verbeterd.
Betrouwbare automatiseringen bij MRO-inkoop
Geautomatiseerde workflows, herbestelwaarschuwingen en voorspellende voorraadmodellen zijn in hoge mate afhankelijk van de nauwkeurigheid van de stamgegevens van materialen.
Door te zorgen voor consistente, verrijkte gegevens kunnen organisaties met een gerust hart gebruikmaken van digitale inkooptools en geautomatiseerde processen, zonder het risico te lopen dat er een verkeerd onderdeel wordt besteld.
Meer dan alleen het beheer van standaard MRO-materiaalgegevens
Verschillende softwareoplossingen die een oplossing bieden voor voor het beheer van stamgegevens in ERP-systemen die vandaag de dag al bestaan en oplossingen bieden voor gangbare toepassingen in het MRO-materiaalbeheer, zoals L1-ontdubbeling, gegevensvalidatie en categorisering
Sterker nog, de leveranciers van ERP-oplossingen bieden zelf ook ingebouwde oplossingen voor gegevensbeheer aan.
Bijvoorbeeld, MDG van SAP, is een softwareoplossing voor databeheer van SAP die een antwoord biedt op veelvoorkomende uitdagingen op het gebied van gegevensbeheer in SAP-bronsystemen.
Op dezelfde manier is Oracle Master Data Management de software die Oracle aanbiedt aan klanten die Oracle ERP gebruiken.
Dat gezegd hebbende, moeten de meeste ondernemingen met grootschalige, complexe onderhoudsactiviteiten de uitdagingen op het gebied van gegevenskwaliteit en -beschikbaarheid binnen een korte doorlooptijd nauwkeurig oplossen.
En speciaal ontwikkelde MRO-oplossingen voor stamgegevens, zoals die van Verdantis, zijn van cruciaal belang om deze uitdagingen het hoofd te bieden.
Veel reserveonderdelenrecords in het MRO-materiaalstambestand zijn onvolledig of bevatten slechts beperkte beschrijvingen.
Aangedreven door AI MRO-gegevensverrijking voor reserveonderdelen en materialen pakt deze uitdaging aan door gebruik te maken van modellen die zijn getraind op basis van miljoenen gevalideerde MRO-datasets, om op intelligente wijze ontbrekende technische specificaties – zoals schroefdraadtype, nominale spanning, drukklasse of materiaalsamenstelling – af te leiden en in te vullen.
Deze verrijking zorgt niet alleen voor volledige en bruikbare gegevens, maar maakt ook een efficiënte inkoop, nauwkeurige classificatie en betrouwbare voorraadidentificatie mogelijk.
Een aanzienlijk deel van de gegevens over reserveonderdelen en apparatuur is uitsluitend te vinden in ongestructureerde bronnen, zoals stuklijsten (BOM’s), OEM-gegevensbladen, technische tekeningen en gescande inkooporders.
Deze documenten bevatten vaak de enige vermelding van belangrijke specificaties zoals spanning, nominale druk of materiaalkwaliteit.
AI-gestuurde documentverwerking kan deze bestanden op intelligente wijze interpreteren en relevante technische kenmerken met contextuele nauwkeurigheid eruit halen, en deze omzetten naar gestructureerde formaten. De geëxtraheerde gegevens worden vervolgens rechtstreeks gekoppeld aan bestaande materiaalstamgegevens.
Het resultaat is een uniform en uitgebreider overzicht van elk artikel, waardoor informatiehiaten worden overbrugd en de consistentie tussen inkoop-, engineering- en voorraadsystemen wordt gewaarborgd, terwijl tegelijkertijd de handmatige werklast en het aantal gegevensfouten worden verminderd.
Traditionele opschoningsprojecten worden vaak handmatig uitgevoerd en zijn tijdrovend; er is veel menselijke inzet nodig om duplicaten op te sporen, classificaties te corrigeren en ontbrekende gegevens aan te vullen.
Door AI aangestuurde platforms kunnen dit proces versnellen door dubbele records automatisch op te sporen, zelfs wanneer de formaten of naamgevingsconventies sterk uiteenlopen.
Het systeem maakt bovendien gebruik van op regels gebaseerde en machine learning-benaderingen om tienduizenden records binnen enkele weken op te schonen, te classificeren en aan te vullen, waardoor de doorlooptijd aanzienlijk korter is dan bij conventionele methoden.
In plaats van toe te laten dat gegevens van slechte kwaliteit zich opstapelen en deze slechts af en toe aan te pakken, maken moderne MRO-gegevensplatforms realtime validatie en beheer mogelijk.
Wanneer er nieuwe onderdelen worden aangemaakt of aangevraagd – of dit nu via inkoop-, onderhouds- of engineeringworkflows gebeurt – controleert het platform op duplicaten, valideert het de kenmerken en stelt het gestandaardiseerde beschrijvingen voor op basis van vooraf gedefinieerde taxonomieën.
Zo wordt gewaarborgd dat er vanaf het begin schone, gestructureerde en nauwkeurige gegevens in het systeem worden ingevoerd.
In grote organisaties staan MRO-gegevens niet op zichzelf. Ze zijn verweven met leveranciersgegevens, activahiërarchieën, locatiegegevens en financiële systemen.
Op maat gemaakte oplossingen zijn ontworpen om te worden geïntegreerd in bredere MDM-programma’s van de onderneming, waardoor consistentie wordt gewaarborgd op verschillende gebieden, zoals leveranciers-, product-, locatie- en activagegevens.
Deze geïntegreerde aanpak bevordert de functieoverschrijdende zichtbaarheid, leidt tot betere besluitvorming en zorgt voor een betere afstemming tussen de afdelingen onderhoud, inkoop en financiën.
Stamgegevens directe materialen
De uitdagingen op het gebied van gegevenskwaliteit voor de stamgegevens van directe (of ruwe) materialen zijn in grote lijnen vergelijkbaar met die voor MRO-materialen, zij het met enkele kleine verschillen.
Onder 'stamgegevens van directe materialen' worden de gegevens verstaan over grondstoffen, componenten of onderdelen die worden ingekocht of geproduceerd en die rechtstreeks worden gebruikt bij de productie van eindproducten.
Het maakt inkoop, voorraadbeheer en productieplanning in SAP/ERP-systemen mogelijk.
Bijvoorbeeld,
Op een fabriekslocatie kan een motorkoppeling als volgt worden ingevoerd:
Vermelding 1: “Motorkoppeling”
Vermelding 2: "Koppeling"
Vermelding 3: “Aandrijfkoppeling”
Geen van deze gegevens bevat belangrijke specificaties zoals boringdiameter, materiaalsoort, aanbevolen koppel of fabrikant, waardoor het lastig is om het juiste onderdeel te vinden wanneer dat nodig is.
Deze onvolledige gegevens leiden tot giswerk, vertragingen of zelfs tot het gebruik van verkeerde onderdelen.
Bijvoorbeeld,
In het onderhoudssysteem kan een roestvrijstalen bevestigingsmiddel als volgt worden geregistreerd:
Vermelding 1: “Schroef SS 316 M10x50 mm”
Vermelding 2: “M10*50 roestvrijstalen bout, kwaliteit 316”
Vermelding 3: “Roestvrijstalen bout M10 50 mm 316”
Deze beschrijvingen hebben betrekking op hetzelfde artikel, maar door inconsistenties in opmaak, eenheden en beschrijvingen ontstaat er rommel in de database, wat leidt tot onnodige dubbele vermeldingen en verwarring bij de inkoop.
De uitdagingen die specifiek verband houden met duplicatie, ontbrekende gegevens, veroudering en inconsistente gegevens zijn vrijwel dezelfde als die we eerder hebben besproken in verband met MRO.
Er zijn echter enkele aspecten van het gegevensbeheer die specifiek zijn voor de stamgegevens van directe materialen.
- Directe materialen zijn vaak nauw geïntegreerd met productieplanningssystemen en zijn in hoge mate afhankelijk van vraagprognosesystemen om de benodigde voorraden voor productieactiviteiten te waarborgen
- De integratie met de stuklijsten van producten is ook behoorlijk diepgaand en deze
- Directe materialen moeten, afhankelijk van de sector, vaak aan specifieke wettelijke normen voldoen (bijvoorbeeld kwaliteitsnormen, milieuregels, veiligheidscertificeringen). Het kan een uitdaging zijn om ervoor te zorgen dat de materiaalstamgegevens in alle regio’s aan deze nalevingsvereisten voldoen
Materiaalstamgegevens voor afgewerkte producten
Documentatie met betrekking tot eindproducten, ook wel bekend als “Productstamgegevens” De gegevens hebben vooral betrekking op eindproducten of halffabricaten die een bedrijf produceert, verkoopt of distribueert.
Het bevat alle kenmerken en specificaties die nodig zijn om;
- Ontwerp het product
- Maak het.
- Zorg voor een effectieve marketing.
- Verkoop het via verschillende kanalen en in verschillende regio’s
- Ondersteun het gedurende de gehele levenscyclus
In ERP-systemen zoals SAP maken productstamgegevens vaak deel uit van de materiaalstam, maar wanneer deze worden uitgebreid naar klantgerichte processen, overlappen ze met Product Information Management (PIM)-systemen.
Bijvoorbeeld,
In een magazijnsysteem zou een boormachine bijvoorbeeld als volgt kunnen worden ingevoerd:
Vermelding 1: “Accuboormachine”
Vermelding 2: “Boormachine, 18 V”
Vermelding 3: “Elektrisch gereedschap”
Belangrijke informatie zoals merk, modelnummer, batterijtype en boorkopmaat ontbreekt.
Door dit gebrek aan details is het moeilijk om compatibele accessoires te identificeren, opnieuw te bestellen of aan te bevelen.
Bijvoorbeeld,
Een afgewerkt elektromotorproduct kan er als volgt uitzien:
Vermelding 1: “3-fasen-inductiemotor 7,5 kW”
Vermelding 2: “7,5 kW driefasige motor”
Vermelding 3: “Motor, elektrisch, 3-fasig, 10 HP”
Verschillende naamgevingsregels voor hetzelfde product leiden tot dubbel werk en beperken de bruikbaarheid van gegevens voor voorraadbeheer, verkoop of dienstverlening.
Specifieke uitdagingen met betrekking tot materiaalgegevens voor eindproducten
- Complexe productvarianten en configuraties
Het beheren van meerdere versies van een product op basis van maat, kleur, kenmerken of klantspecifieke eisen leidt vaak tot inconsistenties in de weergave tussen verschillende systemen. - Inconsistente naamgevingsregels en beschrijvingen
Verschillen in de manier waarop producten worden beschreven tussen fabrieken, teams of regio’s hebben invloed op de nauwkeurigheid van zoekopdrachten, de kwaliteit van rapportages en de afstemming tussen verkoop en bedrijfsvoering. - Ontbrekende of van slechte kwaliteit zijnde verrijkingsgegevens
In veel gegevens over eindproducten ontbreken essentiële details, zoals afbeeldingen, specificaties, conformiteitslabels of marketingteksten, wat een belemmering vormt voor de digitale handel en de daaropvolgende processen. - Verschillen per kanaal en regio
Verschillende verkoopkanalen en geografische markten vereisen vaak aangepaste productkenmerken, wettelijke gegevens en verpakkingsdetails, waardoor het een uitdaging is om uniformiteit te waarborgen. - Dubbele productrecords
Kleine verschillen in SKU-codes, beschrijvingen of indeling leiden vaak tot dubbele vermeldingen, waardoor de voorraad wordt opgeblazen en de nauwkeurigheid van de vraagprognoses en prijsbepaling wordt aangetast.
Expert in verpakkingsmaterialen
De ‘Packaging Materials Master’ is precies wat de naam doet vermoeden: een masterdataset binnen SAP MM (voor een gedetailleerd overzicht van het materiaalbeheer in SAP, lees het artikel hier) waarin alle gegevens zijn opgenomen met betrekking tot de verpakkingsmaterialen die voor het eindproduct worden gebruikt.
Het spreekt voor zich dat deze dataset uitsluitend wordt gebruikt door productiebedrijven met grootschalige productieactiviteiten.
Specifieke uitdagingen bij het beheer van verpakkingsmaterialen (Master)
- Complexiteit van gegevenskenmerken: Voor verpakkingsmaterialen gelden vaak complexere gegevensvereisten dan voor directe materialen, aangezien er doorgaans meerdere kenmerken bij komen kijken, zoals afmetingen, vorm, gewicht, materiaalsamenstelling (bijv. karton, kunststof, glas), milieuoverwegingen (bijv. recycleerbaarheid) en naleving van regelgeving (bijv. voedselveiligheid of verzegeling).
- Meerdere leveranciers en inkoopstrategieën: Slecht beheer of een gebrek aan consistentie bij het bijhouden welke leverancier welke verpakkingen levert en onder welke voorwaarden, kan leiden tot inefficiënties in de inkoop en afwijkingen in de voorraad. Het kan ook leiden tot vertragingen bij de inkoop als verpakkingsleveranciers niet aan de vereiste normen voldoen.
- Integraties met andere stamgegevenssystemen: Gegevens over verpakkingsmaterialen staan vaak los van andere materiaalstamgegevenssystemen (zoals die voor grondstoffen of eindproducten) vanwege verschillen in hun rol en de betrokken partijen die deze gegevens beheren. Het integreren van deze gegevens met inkoop-, voorraad- en logistieke systemen vormt een veelvoorkomende uitdaging.
- Maateenheden beheren: Verpakkingsmaterialen worden vaak in verschillende eenheden gemeten, zoals dozen, rollen, vellen, pallets, enz. Het kan een uitdaging zijn om deze verschillende meeteenheden te beheren en ervoor te zorgen dat ze aansluiten bij de inkoop- en voorraadsystemen.
- Gegevens met betrekking tot ecologische duurzaamheid: Bedrijven staan onder toenemende druk om verpakkingsafval te verminderen en duurzamere materialen te gaan gebruiken. De stamgegevens van verpakkingsmaterialen moeten deze duurzaamheidsoverwegingen weerspiegelen en informatie bevatten over de recycleerbaarheid van materialen, de CO₂-voetafdruk en de mogelijkheden voor afvalverwerking.
Belangrijkste knelpunten bij het beheer van de materiaalstamgegevens
Een van de grootste uitdagingen bij het beheer van materiaalgegevens is de omvang en complexiteit van de voorraad- en elektronische gegevens.
Een slechte gegevenskwaliteit is vaak het gevolg van ondermaatse, onduidelijke processen en verouderde technologie.
Zonder duidelijke processen of normen, handmatig gegevensbeheer, een gebrek aan verantwoordelijkheid en inzicht, en organisatorische veranderingen zoals fusies en overnames, worden de gegevens onbetrouwbaar en onbruikbaar.
De groei van kapitaalintensieve bedrijven draagt bij aan deze uitdaging, waardoor het absoluut noodzakelijk is om efficiënte processen en technologieën in te voeren. Het beheer van de materiaalvoorraad is van essentieel belang om een soepele productie en fabriekswerking te waarborgen.
Omdat er slechts fragmentarische en onbetrouwbare gegevens beschikbaar zijn, vinden onderhouds- en inkoopteams het een uitdaging om de bedrijfsvoering efficiënt in stand te houden, de voorraad te beheren en onderdelen aan te schaffen wanneer dat nodig is.
Enkele van de inefficiënties en gevolgen van slechte gegevenskwaliteit die bedrijven geld kosten, zijn onder meer:
Organisaties hadden moeite met materiaalgegevens die verspreid waren over meerdere systemen, afdelingen en locaties.
Hetzelfde materiaal kan in inkoop-, voorraad-, onderhouds- en boekhoudsystemen op verschillende manieren worden aangeduid, wat tot verwarring, dubbel werk en operationele storingen kan leiden.
Zonder een uniforme aanpak konden bedrijven niet vaststellen wat de „enige betrouwbare bron“ was voor informatie over kritieke materialen.
Zonder gestandaardiseerde materiaalgegevens bestelden inkoopafdelingen vaak artikelen die al op voorraad waren, maar onder andere codes of omschrijvingen stonden vermeld. Dit leidde tot:
Dubbele voorraden die kostbare magazijnruimte in beslag nemen
Onnodig kapitaal dat vastzit in overtollige voorraad
Hogere opslagkosten voor overtollige voorraad
Verlopen of verouderde materialen die moeten worden afgevoerd
Toen onderhoudsteams vanwege de slechte kwaliteit van de gegevens de juiste reserveonderdelen niet snel konden vinden:
Kritieke apparatuur bleef gedurende langere tijd buiten gebruik
De productieschema’s ondervonden verstoringen
Noodaankopen tegen hoge prijzen werden schering en inslag
De totale apparatuureffectiviteit (OEE) is aanzienlijk gedaald
Gebrekkige materiaalstamgegevens zorgden voor blinde vlekken in de toeleveringsketen:
Moeilijkheden bij het achterhalen van de herkomst en specificaties van materialen
Het onvermogen om de prestaties van leveranciers consequent te monitoren
Uitdagingen bij het voorspellen en voorkomen van materiaaltekorten
Beperkte mogelijkheden om de voorraad over meerdere locaties heen te optimaliseren
Organisaties werden geconfronteerd met aanzienlijke regelgevings- en operationele risico’s:
Het onvermogen om nauwkeurig verslag uit te brengen over gevaarlijke stoffen
Moeilijkheden bij het naleven van de voorschriften en normen van de sector
Uitdagingen op het gebied van de traceerbaarheid van materialen bij terugroepacties of audits
Kwaliteitsproblemen als gevolg van het gebruik van onjuiste of ondermaatse materialen
Naarmate organisaties steeds geavanceerdere systemen gingen gebruiken, vormden gebrekkige stamgegevens van materialen een cruciale knelpunt:
Bij ERP-implementaties zijn de beloofde voordelen niet gerealiseerd
Initiatieven op het gebied van geavanceerde analyse leverden onbetrouwbare inzichten op
De inspanningen op het gebied van digitale transformatie zijn vastgelopen als gevolg van problemen met de gegevenskwaliteit
De integratie tussen de systemen werd onnodig ingewikkeld
MRO-materialen in SAP zijn de kerncomponenten die de onderhoudsfuncties ondersteunen en helpen onvoorziene stilstand te voorkomen door ervoor te zorgen dat de juiste onderdelen beschikbaar zijn wanneer dat nodig is.
Onder materiaalstamgegevens wordt verstaan: de uitgebreide verzameling informatie over materialen die worden gebruikt in de bedrijfsvoering, met name in de productie en het beheer van de toeleveringsketen; dit is dan ook de reden waarom deze gegevens doorgaans worden gebruikt in verband met MRO-oplossingen, MRO-gegevensopschoning & Ontwikkeling.
Gegevensbeheer tijdens de implementatie van een ERP-systeem
De integratie van Material Master Data Management (MDM) in een ERP-implementatie is niet alleen een meerwaarde, maar een absolute noodzaak.
Bij bedrijfsbrede initiatieven, zoals de implementatie van ERP-systemen of consolidaties, vormen schone en betrouwbare gegevens de basis voor succes. Toch wordt MDM vaak over het hoofd gezien in ERP-ontwerpen, wat leidt tot gemiste kansen, langere doorlooptijden en hogere kosten.
Een van de grootste voordelen van het afstemmen van MDM op ERP is kostenbeheersing. Door gegevens op te schonen, te standaardiseren en aan te vullen voordat ze in het ERP-systeem worden ingevoerd, worden dubbele gegevens verwijderd, worden kostbare fouten voorkomen en worden inkoop en voorraadbeheer gestroomlijnd, wat direct leidt tot hogere marges in concurrerende markten.
Net zo belangrijk is procesintegratie. MDM doorbreekt silo’s, harmoniseert gegevensstandaarden en maakt naadloze communicatie mogelijk tussen afdelingen en regio’s, waardoor de samenwerking, efficiëntie en flexibiliteit worden versterkt.
Bij ERP-implementaties kan het migreren van gegevens uit meerdere systemen, locaties en talen zonder de nodige opschoning leiden tot inconsistenties, vertragingen en zelfs mislukkingen.
MDM beperkt deze risico’s door middel van strak beheer, geautomatiseerde classificatie, normalisatie en validatie – mogelijkheden die ERP-systemen op zichzelf niet volledig kunnen bieden.
Door MDM in de ERP-levenscyclus te integreren, zorgen organisaties ervoor dat alleen nauwkeurige, consistente en betrouwbare gegevens in het systeem worden ingevoerd, waarmee de basis wordt gelegd voor operationele uitmuntendheid op de lange termijn.
Uit onderzoek van Aberdeen blijkt dat de integratie van MDM in ERP-projecten kan leiden tot meetbare verbeteringen op het gebied van prestaties en ROI.
Geoptimaliseerde ROI bij ERP-implementatie dankzij geïntegreerd MDM
Op basis van eerdere gedetailleerde statistieken kan gemakkelijk worden geconcludeerd dat het uitvoeren van een MDM-initiatief tijdens een ERP-implementatie, met behulp van geautomatiseerde oplossingen die op AI gebaseerde technologie combineren met diepgaande domeinexpertise, het succes van het project kan waarborgen.
Met Master Data Management kan het ware potentieel van een ERP-implementatieproject ten volle worden benut en kunnen de verwachte resultaten worden behaald.
Wie is verantwoordelijk voor de Material Master binnen een kapitaalintensieve organisatie?
Het beheer van materiaalstamgegevens is complex, vooral wanneer deze onder de verantwoordelijkheid vallen van meerdere afdelingen, zoals IT (Supply Chain), fabrieksleiders, Inkoop en Operations.
Deze versnipperde eigendomsstructuur leidt vaak tot verwarring en inefficiëntie.
Om concurrerend te blijven, moeten organisaties investeren in het opschonen van materiaalstamgegevens; samenwerking met leveranciers van bedrijfssoftware die gespecialiseerd zijn in het materiaaldomein is daarbij een stap in de goede richting.
Schone, gedetailleerde gegevens verbeteren de operationele efficiëntie, zorgen voor een betere voorraadoptimalisatie en leveren een hoog rendement op de investering op.
De sleutel tot succes ligt in het kiezen van de juiste technologie voor het automatiseren van het artikelstamgegevensbeheer. Dit houdt onder meer in dat er gezorgd moet worden voor een consistente gegevenskwaliteit, dat er mee-evoluerende oplossingen worden ingezet voor een maximaal rendement op de investering, en dat er systemen worden gekozen die mee kunnen groeien met de bedrijfsactiviteiten.
Gezien het toenemende belang van stamgegevens zouden bedrijven moeten samenwerken met domeinspecifieke experts om aanzienlijke voordelen en efficiëntie op de lange termijn te realiseren.
De businesscase voor het beheer van materiaalstamgegevens
Uit onderzoek van toonaangevende analysebureaus is gebleken dat lagere materiaalkosten en een geoptimaliseerde voorraad – mogelijk gemaakt door geharmoniseerde en vervolgens goed onderhouden materiaalstamgegevens – kunnen bijdragen tot meer dan een derderd van de concrete kostenbesparingen die voortvloeien uit een ERP-consolidatieproject.
Succesindicatoren voor bedrijfsgestuurde kwaliteit van materiaalstamgegevens met MDG
Laten we eens kijken naar enkele concrete cijfers, gebaseerd op meer dan 50 implementaties.
Het terugdringen van onbevoegde uitgaven:
In veel sectoren wordt 30–50% van de uitgaven niet beheerd, wat ongeveer 17% meer kost dan beheerde uitgaven.
Een realistische doelstelling is om de maverick-uitgaven gedurende drie jaar met 50% per jaar te verminderen door de kwaliteit van de materiaalstamgegevens te verbeteren en de zoekmogelijkheden van MDG uit te breiden, zodat de naamgeving in het oude systeem wordt afgestemd op de huidige taxonomieën.
Het terugdringen van de MRO-voorraad:
Door exacte duplicaten op te sporen kan de voorraad met 4–8% worden teruggebracht, terwijl het opsporen van equivalenten qua „vorm, pasvorm en functie“ zorgt voor een verdere vermindering van 6–12%. Real-time detectie voorkomt dat de voorraad in de toekomst weer uit de hand loopt.
Profiteren van schaalvoordelen:
Zichtbaarheid op attribuutniveau zorgt voor betere inkoop, volumeconsolidatie en het inzetten van voorkeursleveranciers, wat besparingen van 5–15% oplevert. MDG-tools nemen het zware gegevenswerk voor hun rekening, zodat commodity-managers zich kunnen concentreren op de strategie.
Het aantal nieuwe aanvragen en de goedkeuringstijd verminderen:
Schone, doorzoekbare gegevens en het voorkomen van dubbele aankopen zorgen ervoor dat het aantal onnodige aanvragen voor nieuwe artikelen met maar liefst 75% per jaar afneemt. Geautomatiseerde workflows kunnen goedkeuringscycli terugbrengen van 7 dagen tot slechts 4 uur, waardoor kosten worden bespaard op spoedverzendingen, lokale aankopen en stilstand.
Toepassingsvoorbeeld: een wereldwijde olie- en gasgigant
De olie- en gasindustrie is kapitaalintensief en kenmerkt zich door complexe activiteiten waarbij zelfs kleine verstoringen tot verliezen van miljoenen dollars kunnen leiden. Een groot maar vaak over het hoofd gezien risico schuilt in de slechte kwaliteit van de materiaalstamgegevens (MMD).
Bij bedrijf A, een toonaangevende speler in de aardolie-industrie ($10B), deed zich een bijna-ongeval voor toen een aanvraag voor een „radiaal” lager in het ERP-systeem per ongeluk werd gekoppeld aan een „standaard” lager, terwijl beide lagers slechts door één over het hoofd gezien kenmerk van elkaar verschilden.
Dergelijke fouten kunnen onderhoud vertragen, storingen aan apparatuur veroorzaken en de productie stilleggen.
In samenwerking met een MDM-specialist heeft het bedrijf op attributen gebaseerd beheer ingevoerd, waardoor velden zoals ‘lagertype’ verplicht werden gesteld. Dit zorgde ervoor dat de gegevens vanaf het moment van invoer consistent en genormaliseerd waren.
Resultaten:
Aanzienlijke vermindering van voorraadverschillen door nauwkeurige, op kenmerken gebaseerde identificatie
Nauwkeurigere prognoses en onderhoudsplanning
Geoptimaliseerde veiligheidsvoorraad en verminderd risico op veroudering
Beter inzicht in de levenscyclus en beschikbare vervangingsonderdelen
Toepassingsvoorbeeld: Conglomeraat in de voedings- en drankenindustrie
In de voedings- en drankenindustrie zijn veiligheid en precisie van essentieel belang – en toch kunnen zelfs kleine fouten in de materiaalstamgegevens (MMD) leiden tot terugroepacties, bedrijfsstilstanden en problemen met de regelgeving.
De uitdaging
Bedrijf B, een $5B-conglomeraat in de voedings- en drankenindustrie, exploiteert een fabriek met een hoge productiecapaciteit in het Midwesten, waar dranken, sauzen en diepvriesmaaltijden worden geproduceerd. Tijdens de vervanging van een pomp op een bottellijn vermeldde het ERP-systeem het volgende:
Centrifugaalpomp; 30 GPM; roestvrij staal
Het juiste onderdeel moest echter wel het kenmerk „Food-Grade“ hebben. Als dit detail ontbrak, bestond het risico op verontreiniging, niet-naleving van de voorschriften en miljoenen aan verliezen.
De oplossing
In samenwerking met een MMDM-specialist heeft het bedrijf een op attributen gebaseerd beheer geïmplementeerd, met verplichte velden voor pomptype, debiet, materiaal en certificeringsstatus. Voor voedselproductielijnen verschijnen nu alleen nog gecertificeerde pompen van voedingskwaliteit in de zoekresultaten.
Gevolgen voor het bedrijf
Bestelfouten worden voorkomen door gestandaardiseerde kenmerken
Een hogere beschikbaarheid en inkoop waarbij alles in één keer goed gaat
Snellere goedkeuringen en minder spoedbestellingen
Betere naleving van regelgeving en betere voorbereiding op audits
Een strategie voor het beheer van materiaalstamgegevens uitvoeren
De stappenplan voor een waterdicht plan voor materiaalstamgegevens (MMD) weerspiegelt strategieën die voor verschillende stamgegevens worden gebruikt domeinen, zoals leveranciers-, klanten- en productgegevens, maar met extra aandacht voor branchekennis, doorlooptijd en de kwaliteit van de output.
In theorie is het simpel: onbetrouwbare gegevens opschonen, deze toetsen aan vooraf vastgestelde regels voor uniekheid, categorisering en volledigheid, en ze vervolgens in het ERP-systeem inbrengen met een robuust beheer om toekomstige vervuiling te voorkomen.
Dit kan intern worden uitgevoerd met MRO-, database- en IT-experts, maar veel organisaties beschikken niet over dergelijk talent of geven er de voorkeur aan samen te werken met specialisten zoals Verdantis, die beschikken over diepgaande MMD-expertise en kennis op het gebied van governance.
Opschoning van materiaalgegevens
Na verloop van tijd brengt het ontbreken van databeheer en -verantwoordelijkheid de materiaalstamgegevens van een organisatie in gevaar. Dit leidt tot dubbele vermeldingen, vaak veroorzaakt door een gebrekkige categorisering en ontbrekende gegevens, zoals onderdeelnummers van fabrikanten of namen van leveranciers.
Vroeger moest dit worden opgelost door middel van handmatige gegevensopschoning met patroonherkenning, fuzzy-matching en „spreadsheet-magie“.
Hoewel dit de efficiëntie verhoogt door dubbel werk te voorkomen, fouten te verminderen en een soepelere samenwerking tussen afdelingen mogelijk te maken, is het een traag en arbeidsintensief proces.
Bij Verdantis maken we nu gebruik van in de sector geteste AI- en machine learning-modellen om de stamgegevens van materialen sneller, nauwkeuriger en betrouwbaarder op te schonen, te standaardiseren, te harmoniseren en aan te vullen.
Onze Harmonize©-suite verwerkt materiaalgegevens binnen enkele minuten, past de invoerregels toe en rondt de verwerking binnen enkele uren af. Alle resultaten worden handmatig gecontroleerd voordat ze in het ERP-systeem worden bijgewerkt, waardoor volledige nauwkeurigheid wordt gewaarborgd.
In de onderstaande video wordt uitgelegd hoe Harmonize de betrouwbaarheid van uw verouderde stamgegevens kan herstellen.
Verlaging van de jaarlijkse voorraadkosten met 4,41 TP3T (Gefactoreerde kapitaalkosten) als afschrijving (Positief effect op de balans)
- 400 miljoen aan voorraad
- 10% Identificatie van duplicaten
- 40 miljoen aan dubbele voorraadwaarde
- Afschrijving van de in factoren uitgesplitste kosten bij 4,41 TP3T van 40 miljoen = $1,760,000
Kostenbesparing door bundeling van de vraag over 15% van $1BN in MRO
- 1 miljard aan materiaal voor onderhoud, reparatie en exploitatie
- 15% is via harmonisatie aangemerkt als vergelijkbaar (binnen het leveranciersbestand van 10%)
- 150 miljoen aan potentieel bestedbaar bedrag
- 12.5%: kostenbesparing door strategische inkoop
- Kostenbesparing van 12,51 TP3T van $150 miljoen = $18,000,000
JAARLIJKSE NETTO KOSTENBESPARINGEN UIT: GEGEVENSOPŠOON = $19.760.000
Beheer van materiaalgegevens
Hoewel Harmonize de historische materiaalgegevens accuraat en actueel houdt, is er een gedegen strategie voor gegevensbeheer nodig om fouten in de toekomst te voorkomen. Dit zorgt ervoor dat elke materiaalaanvraag volledig is en geen dubbele vermeldingen bevat.
Het toezicht op databeheer wordt doorgaans uitgeoefend door een Gegevensbeheerder of Hoofd Masterdata. Veel bedrijven maken gebruik van ingebouwde ERP-beheertools zoals SAP MDG of Oracle MDM, maar voor deze verouderde systemen zijn vaak speciale teams nodig om ze te beheren en aan te passen aan branchespecifieke behoeften.
Verdantis’ Integrity© is speciaal ontwikkeld voor het beheer van materiaalstammen en voldoet aan de governance-eisen in sectoren met een groot aantal bedrijfsmiddelen.
Het werkt als een op zichzelf staand platform of kan worden geïntegreerd met tools zoals SAP MDM, waardoor materiaalgegevens op grote schaal sneller kunnen worden aangevuld, opgeschoond en geclassificeerd.
Dit zijn de sectoren waarop Verdantis zich richt, die elk hun eigen specifieke uitdagingen op het gebied van MRO- en directe materiaalgegevens kennen:
Verdantis Integrity voor het terugdringen van ongeoorloofde uitgaven
- 80% van de uitgaven voor onderhoud, reparatie en exploitatie (1B) valt onder voorkeurscontracten of vooraf onderhandelde contracten – $800 miljoen aan uitgaven
- Data Governance heeft de kwaliteit van de catalogus verbeterd – en de uitgaven buiten de begroting teruggedrongen van 40% naar 25%
- 15%-toename in naleving = 120 miljoen extra aan contractuele uitgaven
- Gemiddelde kostenbesparing van 16,51 TP3T voor vooraf overeengekomen categorieën
- Kostenbesparing van 16,51 TP3T van 120 miljoen = 1 TP4T 19.800.000
JAARLIJKSE NETTO KOSTENBESPARINGEN UIT DATA GOVERNANCE = $19.800.000
GECOMBINEERDE NETTOKOSTENBESPARINGEN OP JAARBASIS: $39,560,000
Hoogwaardige materiaalstamgegevens zijn niet alleen een kwestie van gegevensbeheer, maar vormen ook een cruciale factor voor operationele efficiëntie, kostenbeheersing en betrouwbaarheid van het onderhoud in omgevingen met veel bedrijfsmiddelen.
Zonder een solide basis van schone, verrijkte en gestandaardiseerde materiaalgegevens krijgen organisaties te maken met dubbele voorraden, vertraagde inkoopcycli en vermijdbare stilstand.
Verdantis helpt ondernemingen grip te krijgen op hun materiaalstamgegevens door middel van AI-gestuurde classificatie, ontdubbeling en verrijking, waardoor één enkele betrouwbare bron wordt geboden binnen ERP-landschappen.
Door het opstellen van nauwkeurige en gecentraliseerde voorraadgegevens, Bedrijven realiseren meer inzicht, automatisering en toegevoegde waarde uit hun MRO- en directe materiaalactiviteiten.
Of u nu een initiatief voor gegevensharmonisatie wilt ondersteunen of u wilt voorbereiden op een ERP-transformatie: ons speciaal ontwikkelde platform zorgt ervoor dat uw materiaalgegevens klaar, schoon, volledig en betrouwbaar zijn.
Welke gevolgen hebben gebrekkige materiaalstamgegevens voor de inkoop- en voorraadplanning?
Dubbele of onjuiste materiaalgegevens leiden tot overbodige aankopen, ongeoorloofde uitgaven en te hoge voorraadkosten. Inkoopteams slagen er vaak niet in om volumekortingen te benutten vanwege gefragmenteerde artikelgegevens. Planners kunnen kritieke onderdelen te weinig op voorraad hebben of artikelen die niet verkopen juist te veel op voorraad houden; beide situaties tasten het werkkapitaal aan en verhogen het operationele risico.
Wat zijn de belangrijkste zakelijke resultaten die organisaties boeken na de implementatie van de oplossing van Verdantis voor het opschonen en verrijken van materiaalgegevens?
Klanten zien doorgaans:
10–15%: verlaging van de voorraadkosten dankzij het verwijderen van dubbele gegevens en een beter overzicht.
Verbeterde percentages voor succesvolle reparaties bij de eerste poging en een kortere MTTR via gestructureerde relaties tussen activa en onderdelen.
20–30% besparingen op indirecte uitgaven door de inkoop te stroomlijnen en spoedinkopen te vermijden.
Verbeterde paraatheid voor ERP/EAM-upgrades, fusies of regionale standaardisatie-initiatieven.
De oplossingen van Verdantis hebben een directe invloed op het werkkapitaal, de bedrijfstijd van de installaties en de mate waarin een organisatie klaar is voor digitale transformatie.
Waarom is de AI-engine van Verdantis bij uitstek geschikt voor het verrijken van materiaalstamgegevens?
Onze AI-engine is speciaal ontwikkeld voor toepassingen op het gebied van industrie, engineering en MRO, in tegenstelling tot algemene NLP-tools. Het:
Begrijpt vrije-tekstbeschrijvingen van items uit verouderde systemen.
Leert attribuut-waardeparen uit schaarse of inconsistente gegevensrecords.
Doet voorstellen voor vervanging van verouderde artikelen.
Koppelt materialen aan stuklijsten van apparatuur of functionele locaties.
Door deze verticale specialisatie is het systeem uiterst nauwkeurig en bijzonder geschikt voor het verrijken van materiaalgegevens op bedrijfsniveau.
Welke KPI's kunnen worden gebruikt om de kwaliteit en de impact van de stamgegevens van materialen te meten?
Belangrijke indicatoren zijn onder meer:
% aan records zonder duplicaten
% aan records met volledige kenmerken
% ingedeeld volgens de standaardtaxonomie
Nauwkeurigheid en snelheid bij het zoeken naar materiaal
Vermindering van materiaalgerelateerde stilstand of spoedbestellingen
Verlaging van de indirecte kosten of de voorraadkosten
De tijd die nodig is om nieuwe materialen of leveranciers in gebruik te nemen
