Data-Driven Product Carbon Footprint

Bei der Berechnung von CO2e Emissionen verhält es sich ähnlich wie bei der Kostenberechnung. Je detaillierter man sich in den Fertigungsprozess eingibt, umso detaillierter werden die Berechnungsresultate.

Unternehmen müssen den CO2-Ausstoss ausweisen. Mit dem Lieferkettengesetz wird der gesetzliche Rahmen zur Sorgfaltspflicht im Hinblick auf die Einhaltung von Menschenrechten und Umweltschutz definiert. Viele Staaten und Regionen haben dazu Gesetze und Gesetzesvorschläge implementiert. Lieferanten und Einkäufer benötigen in jedem Wertschöpfungsabschnitt der Lieferkette Transparenz. Heute liegen Wunsch und Nachvollziehbarkeit weit auseinander und stellen die Industrie vor grosse Herausforderungen.

Transparenz schaffen

Die Fragestellung "wie können wir von tausenden Artikel die CO2e Werte mit vernünftigem Aufwand berechnet werden?" steht an vorderster Stelle. Mit dem klassischen Bottom-UP Ansatz ist das nicht zu bewältigen. Die Menge an Artikeln und die Dauer einer Bottom-UP Analyse sind zu hoch. Um eine erste Transparenz zu schaffen sind pragmatische Lösungen gefragt. Wir unterscheiden aus diesem Grund zwei Vorgehen um die CO2 Emissionen von Produkten zu berechnen:

  • Data-Driven Product Carbon Footprint Analysis
  • Bottom-UP Product Carbon Footprint Analysis

Wir konzentrieren uns in diesem Blog-Beitrag auf die erste Variante - den TOP-DOWN Ansatz. Um in Massendaten die CO2 Emissionen berechnen zu können braucht es Daten. Unsere Data-Driven Engine generiert dazu alle notwenigen Basisdaten. Alle technischen Werte von Bauteilen stellt die Data-Driven Engine für hunderttausende Artikel zur Verfügung. Selbst Beschichtungsangaben und Genauigkeitsangaben wie Toleranzen etc. - alles steht in perfekter Qualität zur Verfügung.

Software für den Data-Driven Product Carbon Footprint

Softwareunterstützung ist bei der Verarbeitung von Massendaten unerlässlich. Unsere Software PSI - predicitve saving identifier macht hier die Arbeit.

PSI_Carbon_Footprint.jpeg

Entsprechend identifizieren unsere Kunden Artikel mit hohem Emissionspotenzial in wenigen Tagen. Das schärft den Fokus auf die wichtigen Komponenten und spart enorm viel Zeit. Sprechen Sie uns an, wenn Sie in wenigen Tagen Transparenz und Aussagekraft zu den grössten CO2e Verursachern benötigen. Data-Driven Product Carbon Footprint und unser Know-How machen den Unterschied. 

Anzeigebild von freepix: https://de.freepik.com/

 


Verwandte Artikel

Artikel vollautomatisch klassifizieren

Wäre es nicht fantastisch, wenn Artikel vollautomatisch wissen, welcher Warengruppe Sie zugehören? Mit ACM - adaptive category management ist das bereits Wirklichkeit.

Next Level Transparency im Einkauf

In konjunkturell - und geopolitisch anspruchsvollen Zeiten sind verlässliche Unternehmensdaten das Gebot der Stunde. Wir mussten aber schnell feststellen: Einkäufer haben eine andere Vorstellung von "Transparenz" und "verlässlichen Daten" als wir. Aber der Reihe nach ...

With AI and Data to Procurement Excellence

Generally, suppliers have an edge on information over their customers. They know exactly how high their production costs are.

Model Based Cost Engineering

Die aktuelle Wirtschaftslage lässt die Kostensensibilität in Unternehmen stark ansteigen. Die Relevanz von Kostentransparenz und Kostensicherheit in Projekten nimmt entsprechend zu.

Wie KI Unternehmen wettbewerbsfähiger macht

Heute fand der Breakfast Event bei Staufen.Inova statt. Zusammen haben wir aufgezeigt, was Next Level Transparency bedeutet und wie KI Unternehmen wettbewerbsfähiger macht.

Auf Besuch bei costdata - Oh wie schön ist Köln

In Köln wird erstmal getrunken. Gefühlt haben costdata Gmbh - vertreten durch Tobias Uding und Frank Weinert - und ich, an unserem Treffen alle Kneipen durchprobiert. Ob "Gaffel", "Pfäffgen" oder "Früh" ...

Müller-Martini kennt Kosten, bevor Kosten entstehen

Kosten zu kennen, bevor die Kosten entstehen ist wichtiger denn je. Erfahren Sie, wie Müller-Martini mit dem CostChecker die Produktentwicklung befähigt, Kosten früh und automatisiert zu ermitteln.

Logo Mueller Martini

Teileallocation mit Machine Learning

Kürzlich stand bei einem Kunden folgende Fragestellung im Raum: "Welche der bestehenden NC-Maschinen ist für unsere intern und extern gefertigten Artikel die "Richtige", um optimale Fertigungszeiten, minimale Rüstkosten und eine hohe Effizient zu erreichen"?

Künstliche Intelligenz im Maschinenbau

Die Wettbewerbsfähigkeit von Unternehmen hängt stark von der Fähigkeit ab, die eigenen Unternehmensdaten systematisch zu nutzen und Prozesse mit perfekten Daten automatisiert zu beliefern.

Einsparungen durch vollautomatische Bündelung

Manchmal ist die Anzahl und die Varianz der Bauteile in Unternehmen unvorstellbar hoch. Menschen können ein paar hundert Artikel überblicken ... aber 70'000?