Ob Kran, Bagger, Radlader oder Raupe – sobald auf einer modernen Baustelle ein einziges Gerät oder Fahrzeug ausfällt, kommt sofort alles ins Stocken. Derartige Ausfälle kosten tagtäglich Unmengen an Zeit bzw. Geld und sorgen zudem auf allen Seiten für unzufriedene Kunden. Hier will ClearOps mit seiner gleichnamigen Software künftig für Abhilfe sorgen.
Wie werden ausgefallene Maschinen schnell wieder betriebsbereit? Und wie lassen sich derartige Ereignisse voraussehen oder durch präventive Reparaturmaßnahmen verhindern? Durch eine intelligente Verknüpfung bestehender Daten und Machine-Learning-Technologie will ClearOps eine maximale Transparenz innerhalb der Lieferkette sowie in der Folge minimale Ausfallzeiten erzeugen. Dabei werden Maschinen-Produzenten (OEM) mit ihrem Händler- und Distributionsnetzwerk vernetzt, aber auch mit Endkunden einschließlich der Maschine selbst. So werden unterschiedliche, bereits existierende Daten miteinander kombiniert, was eine verlässliche Prognose (Bedarfsplanung) über die künftige Nachfrage nach Neumaschinen, Ersatzteilen und Services ermöglichen soll.
Diese Planung sowie nachgeschaltete Bestell- und Beauftragungsprozesse werden dann von der Lösung orchestriert. Somit sollen sich die Teileverfügbarkeit erhöhen, Maschinenausfallzeiten deutlich senken, der Lagerbestand verringern sowie die Lieferzeiten verkürzen und die Kundenzufriedenheit erhöhen lassen.
Seit 2016 am Markt, ist die cloud-basierte Software-as-a-Service-Lösung ClearOps u. a. bei Herstellern wie Terex, Stihl oder Bomag im Einsatz. Laut Anbieter werden täglich mehr als fünf Millionen Teile über das System geplant und wöchentlich mehr als 30 000 Bestellungen darüber abgewickelt. t
