Smarte Wartung für höchste Effizienz
Mit einem beeindruckenden Portfolio von 13 internationalen Marken zählt das Online-Fashion-Händler zu den am schnellsten wachsenden Modeunternehmen der Welt. Der Online-Händler begeistert seine Kunden nicht nur mit seinem trendigen Sortiment, sondern auch besonders schnellen Lieferzeiten. Das Geheimnis dieses Erfolgs: Ein hochmodernes Distributionszentrum in Großbritannien, in dem auf über 57.000 Quadratmeter rund 40.000 Artikel pro Stunde bearbeitet werden. Dank einer maßgeschneiderten Lösung von SSI Schäfer profitiert das Unternehmen hier von einem automatisierten Materialflusssystem mit SSI Cuby Shuttle Lager und voller Kontrolle durch die Logistiksoftware „WAMAS“. Doch der E-Commerce-Profi weiß: Selbst das beste System braucht regelmäßige Wartung, um dauerhaft Höchstleistungen zu erbringen.
Optimale Wartungsstrategie als Schlüssel zum langfristigen Erfolg
Die Inbetriebnahme des Distributionszentrums in Großbritannien war erst der Beginn einer langjährigen Partnerschaft. Denn um reibungslose Prozesse sicherzustellen, ist SSI Schäfer dauerhaft mit einem der größten Resident Maintenance Teams Europas vor Ort. Die hochqualifizierten Techniker führen regelmäßig Wartungen und Inspektionen durch, um die komplexe Anlage in einem optimalen Zustand zu erhalten. „Herkömmliche Wartungsansätze bieten bei einer Anlage dieser Größe oft nicht genug Transparenz über die Nutzung einzelner Maschinen. Das führt entweder zu Überwartung oder dazu, dass bestimmte Einheiten vernachlässigt werden“, erklärt Craig Patterson, RM Service Manager UK/Ireland bei SSI Schäfer. „Darum setzen wir auf Predictive Maintenance – eine datenbasierte Instandhaltung, mit der Probleme frühzeitig erkannt und behoben werden können.“
Mit Predictive Maintenance ermöglicht SSI Schäfer dem britischen Online-Händler einen Blick in die Zukunft seiner Anlage: Durch Echtzeitüberwachung, Big Data und künstliche Intelligenz wird der individuelle Wartungsbedarf jeder Maschine im Distributionszentrum präzise vorhergesagt. So können Instandhaltungsmaßnahmen strategisch geplant und kostspielige Ausfälle vermieden werden. In einem Pilotprojekt wurde die gesamte Anlage dazu sukzessive über eine digitale Infrastruktur vernetzt: „Die Einführung von Predictive Maintenance in einem so großen Lager erforderte einen strukturierten Ansatz. Wir haben gezielt einzelne Lagerbereiche fokussiert, um die Wartungsprozesse schrittweise zu transformieren“, berichtet Stefan Unterberger, Manager Product & Innovation bei SSI Schäfer. Das systematische Vorgehen zeigte schnell messbare Erfolge: Ressourcen und Zeit konnten eingespart und die betriebliche Effizienz deutlich gesteigert werden. Auf diese Weise hebt der Online-Händler die Anlagenverfügbarkeit im E-Commerce-Lager auf ein völlig neues Level.
Smarte Technologien für maximale Transparenz
Ziel des Pilotprojekts in Großbritannien war eine optimierte Wartungsplanung, auch durch die Identifizierung von wenig beanspruchten Komponenten. Um die dafür benötigen Daten zu erfassen und auszuwerten, nutzt SSI Schäfer die gebündelten Kräfte der fortschrittlichsten Technologien am Markt: Das „Siemens Edge Device“ zeichnet im Lager kontinuierlich die Leistungskennzahlen von etwa 5.000 Assets auf. Dazu zählen Betriebsstunden, absolvierte Zyklen, zurückgelegte Strecken sowie Nutzungshäufigkeiten. Die erhobenen Daten werden mithilfe der smarten Analysesoftware von Supply Brain ausgewertet – einem datengetriebenen Start-up von SSI Schäfer – und im ComputerizedMaintenance Management System von SSI Schäfer „WAMAS Maintenance Center“ dargestellt.
Dieser innovative Ansatz bietet wertvolle Einblicke, die herkömmliche Wartungsmaßnahmen weit übertreffen. Vorausgesetzt, alle Elemente greifen perfekt ineinander. Für Hansjörg Lerchster, Business Operations Manager bei Supply Brain, ist diese Predictive-Maintenance-Lösung auch in dieser Hinsicht ein Meilenstein: „Die Verwaltung einer so großen Anlage war eine echte Herausforderung – nicht zuletzt durch die Kooperation mit Drittanbietern. Doch unser Serviceteam hat diese Aufgabe mit seinem proaktiven Einsatz hervorragend gemeistert. Moderne Lösungen wie SSI Cuby und der Taschensorter SSI Carrier liefern bereits beeindruckende KPIs und bilden die Grundlage für ein leistungsstarkes System. Dieses neue Set-up erfüllt die hohen Anforderungen einer vorausschauenden Instandhaltungsstrategie optimal.“
Die Überwachung der Aktivität jedes Shuttles bietet einen entscheidenden Vorteil: Mithilfe eines auf dieser Grundlage erstellen Betriebsprofils können Nutzungsmuster analysiert und Abweichungen in der gesamten Flotte sichtbar gemacht werden. Dank dieser Daten kann das Resident Maintenance Team von SSI Schäfer frühzeitig und gezielt eingreifen, Ausfälle verhindern und somit die Zuverlässigkeit des Anlagenbetriebs nachhaltig sichern.
Gamechanger Predictive Maintenance:Produktivität steigern, Kosten senken
Mit Predictive Maintenance kann der Online-Fashion-Händler seine Wartungspläne in Zukunft optimieren und den Personaleinsatz vor Ort noch effizienter gestalten. Stark beanspruchte Komponenten können häufiger gewartet werden als weniger genutzte, um die Produktivität der gesamten Flotte zu steigern. Unnötige Wartungsarbeiten entfallen, Stillstände werden vermieden und Zeit sowie Kosten eingespart. Durch diese intelligente Instandhaltungsstrategie erreicht das Warenflusssystem die nächste Effizienzstufe.
Mit der Kombination aus einer hochmodernen automatisierten Lagerlösung und der innovativen Predictive-Maintenance-Strategie von SSI Schäfer setzt der Online-Fashion-Händler neue Maßstäbe in Sachen Effizienz. Durch den datenbasierten Ansatz gelingt es ihm, seine Anlagenverfügbarkeit zu maximieren, Ressourcen optimal einzusetzen und den hohen Ansprüchen seiner Kunden auf der ganzen Welt gerecht zu werden. SSI Schäfer bleibt dabei auch künftig als starker Partner an seiner Seite – mit zukunftsweisenden Technologien, einer erstklassigen Betreuung vor Ort und dem gemeinsamen Ziel, die Erfolgsgeschichte des E-Commerce-Unternehmens gemeinsam fortzuschreiben. (jak)
Eine Information von SSI Schäfer
Redaktion (allg.)
| Anhang | Größe |
|---|---|
| Beitrag als PDF herunterladen | 270.31 KB |
· Artikel im Heft ·


































