Vi rådgiver dig

Automatisering af priskalkulationer hos Vald. Birn - fra timers manuelt arbejde til få minutter

Vald. Birn har implementeret en algoritme til priskalkulation, hvilket har reduceret tidsforbruget med 90%. Læs her hvordan.

Udklip fra samtalen med David Stampe Grønborg,
Group IT Manager hos Vald. Birn

Vald. Birn er en af Europas største støberikoncerner, der specialiserer sig i produktion af støbejernsprodukter til blandt andet lastbiler. Traditionelt har virksomheden manuelt beregnet priser på de ordre som virksomheden modtager, det har været både tidskrævende og ressourceintensivt og ofte taget op i mod 1,5 time pr. ordre. For at forbedre effektiviteten og nøjagtigheden af denne proces besluttede Vald. Birn at implementere en machine learning-algoritme til at automatisere priskalkulationsprocessen.

3 hurtige om Vald. Birn

  • Selskabet beskæftiger på verdensplan 750 medarbejdere
  • Totalleverandøren inden for støbning, præcisionsbearbejdning og overfladebehandling
  • Vald. Birn vandt Årets Virksomhed ved ErhvervsKulturpriserne 2023

Læs mere om Vald. Birn her

Manuelle priskalkulationer krævede betydelige ressourcer og tid. Medarbejdere skulle indsamle og analysere data fra forskellige kilder, evaluere råmaterialepriser, produktionsomkostninger og andre variable faktorer. Denne proces var ikke kun langsom, men også modtagelig for menneskelige fejl, hvilket kunne føre til unøjagtige prisestimater og potentielt tab af konkurrenceevne.

Ud fra de tests vi har lavet, har vi fundet frem til en hitrate på minimum 90%. Prisen fra modellen, stemmer altså meget ofte, overens med den pris, vi selv ville have regnet os frem til David Stampe Grønborg, Global IT Manager, Vald. Birn

Vald. Birn valgte at implementere en machine learning-algoritme, der kunne automatisere første del af priskalkulationsprocessen. Algoritmen blev trænet på historiske data, herunder tidligere priskalkulationer, råmaterialepriser, produktionsomkostninger og andre relevante faktorer fra de sidste 3 år. Ved at analysere disse data kan algoritmen i dag hurtigt og præcist generere prisestimater for nye kundeforespørgsler. På den måde får en potentiel kunde hurtigt et udkast til en pris, og Vald. Birn kan generere udkastet uden at bruge mange timer på en endelig beregning, før kunden har sagt ja til at gå videre i processen. Brugen af algoritmen frem for manuel beregning, har helt konkret betydet, at tidsforbruget er faldet med knap 90% pr. beregning, algoritmen bruges i dag til at generere pris udkast til 20% af de forespørgsler, som selskabet modtager.

Læs de tre overordnede trin i implementeringen hos Vald. Birn nedenfor og få inspiration til, hvordan I kan gennemføre en lignende proces:

Implementeringsprocessen

1. Dataindsamling og forberedelse: Det første skridt var at indsamle og forberede de nødvendige data, herunder sørge for, at dataen var struktureret på en sådan måde, at den kunne læses af algoritmen. Dette inkluderede historiske priskalkulationer, råmaterialepriser, produktionsomkostninger og andre relevante faktorer. Dataene blev struktureret og renset for at sikre, at algoritmen havde et solidt grundlag at arbejde ud fra.

2. Træning af algoritmen: Machine learning-algoritmen blev trænet på de forberedte data, fra de sidste par år. Gennem iterative processer blev algoritmen finjusteret for at forbedre dens nøjagtighed og præcision.

3. Integration i arbejdsprocesser: Efter træningen blev algoritmen integreret i Vald. Birns eksisterende arbejdsprocesser. Dette gjorde det muligt for medarbejdere hurtigt at generere prisestimater ved hjælp af algoritmen, hvilket reducerede behovet for manuel indblanding.

- David understreger, at integrationen af algoritmen i det daglige arbejde var en omfattende opgave, og at der måtte lægges betydelig vægt på change management for at opnå succes - et fokus han anbefaler andre, som ser ind i, at implementere nye tekniske løsninger at overveje.

Nedenfor kan du se et screenshot af prisgeneratoren, som Vald. Birn bruger til at generere udkast:

Jeg har selv fået mest ud af, bare at prøve det og finde ud af hvad det kan - det er der intet i vejen for David Stampe Grønborg, Group IT Manager hos Vald. Birn

Resultater

Implementeringen af machine learning-algoritmen til priskalkulationer har resulteret i betydelige fordele for Vald. Birn:

- Tidsforbruget i forbindelse med priskalkulationer er blevet reduceret markant, hvilket giver hurtigere respons til kunder og øget effektivitet i salgsprocessen.

- Algoritmen har forbedret nøjagtigheden af prisestimater ved i højere grad at eliminere menneskelige fejl og bruge data-drevne indsigter.

- Medarbejdere kan nu fokusere på mere strategiske opgaver i stedet for at bruge tid på manuelle og tidstunge opgaver, herunder priskalkulationer.

Fremtidsvisionen

Vald. Birn planlægger at udvide brugen af machine learning og AI til andre områder af virksomheden. Erfaringerne fra automatiseringen af priskalkulationer har vist, at der er betydelige fordele ved at bruge AI-teknologier til at forbedre effektiviteten og nøjagtigheden i forretningsprocesser, hvorfor virksomheden også kigger ind, på sigt at udvikle egne chatbots baseret på intern data - men for nu er virksomhedens fokus på at bruge off the shelf værktøjer, som nemt og enkelt kan intergreres direkte i deres eksisterende abrejdsprocesser.

Der er rigtig meget potentiale i AI og især generelle AI-modeller David Stampe Grønborg, Group IT Manager hos Vald. Birn

Mød David

David er ansat i stillingen som Group IT manager, han har været ansat hos Vald. Birn siden 2007. Han har ansvaret for at lede og koordinere virksomhedens IT-afdelinger på tværs af forskellige enheder, sikre effektiv drift, IT-sikkerhed og implementering af strategiske IT-projekter, herunder AI-projekter.

Vil du vide mere?

Her kan du finde andet relevant information om AI. Du kan blandt andet gå på opdagelse i andre user-cases eller se vores kommende kurser.

Se kommende AI-relaterede kurser Find flere AI-cases

DI Energi, DI Produktion, DI Digital, DI Midt Vest

Relateret indhold