Ausschuss-Kostenanalyse & Scrap Intelligence

KI-gestützte Analyse von Ausschussraten, Scrap-Kosten und Root-Cause-Erkennung über alle Werke — mit automatisierten Handlungsempfehlungen.

Ausschuss-Quote

2,65 %

↑-0,15 PP vs. Vormonat

Scrap-Kosten/Monat

3,8 Mio. EUR

↓+2,1%

Einsparpotenzial

1,2 Mio. EUR

↑KI-identifiziert

Trend vs. Vormonat

+0,3 PP

↓Anstieg

Scrap-Rate Trend (12 Monate)

Scrap-Kosten pro Werk (kEUR/Monat)

Scrap nach Ursache (kEUR)

Anlaufverluste Worms +23% — Korrelation mit Materialwechsel auf rPET erkannt. Empfehlung: Parameteroptimierung vor Chargenwechsel.

Konfidenz: 94%

Maschineneinstellung Wien Linie 3 — Zykluszeit-Drift seit 12 Tagen erkannt, korreliert mit Temperaturabweichung.

Konfidenz: 89%

Saisonaler Anstieg Krakow erwartet — Historisches Muster zeigt +15% Ausschuss in Q1 durch Materialeigenschaften bei Kälte.

Konfidenz: 87%

Top 10 Scrap Drivers

#	Maschine	Werk	Ursache	Kosten (kEUR)	Trend	KI-Empfehlung
1	SBM-12	Krakow	Materialfehler	142	↑	Materialcharge prüfen
2	IBM-07	Wien	Maschineneinstellung	128	↑	Zykluszeit kalibrieren
3	EBM-03	Krakow	Anlaufverluste	115	→	Anlaufprozedur optimieren
4	SBM-05	Worms	Anlaufverluste	98	↑	rPET-Parameter anpassen
5	IBM-11	Wien	Farbabweichung	87	↓	Masterbatch-Dosierung prüfen
6	SBM-09	Toluca	Gewicht	76	→	Wanddicke nachregeln
7	EBM-06	Istanbul	Materialfehler	65	↓	Lieferant bewerten
8	SBM-14	Suzhou	Maschineneinstellung	58	→	Präventive Wartung
9	IBM-02	Worms	Farbabweichung	52	↓	Farb-Rezeptur anpassen
10	EBM-08	Krakow	Anlaufverluste	48	↑	Heizzeit verlängern

Datenquellen

KI-Modell

Integration