Design and implementation of a machine learning-based tool and a robotic process automation workflow for SAP S/4HANA item setup

Abstract

During the study, an intelligent automation solution was developed for SAP S/4HANA item setup. The approach combines machine learning and robotic process automation. The Design Science Research process was used as the method. The objective was to design a feasible architecture and demonstrate its performance relative to the manual baseline.

The core of the solution is a Python-based machine learning application that validates and standardizes the input, predicts fields, and produces an Excel file. The output file serves as an interface to two robots. A user review is required before the robotic stage. The implementation is deliberately modular and file-based. At the time of evaluation, the robot workflows operated in pre-production and passed functional verification. The original objective was to deliver a production-ready robotic solution applying machine learning. Due to time constraints and resource allocation, the scope was refined so that the application was delivered as production-ready and the robotic stage was brought to functional readiness in pre-production. Only large-scale testing remained before moving to production, and the work focused on strengthening version control of the artefacts and the application’s installation, user, and update documentation.

The evaluation was conducted in an iterative pilot. Prediction accuracy typically ranged from 96 to 99 percent. Product data quality improved by 6 percent. The robotic stage was measured by straight-through processing, exceptions, and throughput time. When moved to production, the solution replaces manual entry and yields approximately 431 hours of annual savings. The results indicate improvements in efficiency, data quality, and division of labor within the agreed scope. Future work concerns retraining, increasing explainability, full automation, and the use of direct interfaces where possible.

Tutkimuksen aikana kehitettiin älykäs automaatio ratkaisu SAP S/4HANA -nimikkeiden perustamiseen. Lähestymistapa yhdistää koneoppimisen ja robottiprosessiautomaation. Menetelmänä käytettiin suunnittelutieteellistä tutkimus -prosessia. Tavoitteena oli suunnitella toteutuskelpoinen arkkitehtuuri ja osoittaa sen suorituskyky suhteessa manuaaliseen lähtötasoon.

Ratkaisun ydin on Python-pohjainen koneoppimis-sovellus, joka validoi ja vakioi syötteen, ennustaa kenttiä ja tuottaa Excel-tiedoston. Tulostiedosto toimii kytkentäpintana kahdelle robotille. Ennen robottivaihetta vaaditaan käyttäjän tarkistus. Toteutus on tietoisesti modulaarinen ja tiedostopohjainen. Arviointihetkellä robotin työnkulut toimivat esituotannossa ja läpäisivät toiminnallisen verifioinnin. Alkuperäinen tavoite oli toimittaa tuotantovalmis koneoppimista soveltava robotti ratkaisu. Aikarajojen ja resurssien kohdennuksen vuoksi laajuutta täsmennettiin siten, että sovellus toimitettiin tuotantokelpoisena ja robottivaihe saatettiin toiminnallisesti valmiiksi esituotantovaiheeseen. Tuotantoon viemistä varten oli enää suoritettava laajamittainen testaus, ja työn painopiste oli artefaktien versionhallinnan sekä sovelluksen asennus-, käyttö- ja päivitysdokumentaation vahvistamisessa.

Arviointi toteutettiin iteratiivisessa pilotissa. Ennusteiden tarkkuus asettui tyypillisesti 96– 99 prosentin välille. Tuotedatan laatu parantui noin 6 prosenttia. Robottivaihetta mitattiin suoran läpimenon, poikkeamien ja läpimenoajan perusteella. Tuotantoon siirrettynä ratkaisu korvaa manuaalisen syötön ja tuottaa arviolta noin 431 tuntia vuotuisia säästöjä. Tulokset osoittavat tehokkuuden, datalaadun ja työnjaon parantumista sovitussa laajuudessa. Jatkokehitys koskee uudelleenkoulutusta, selitettävyyden lisäämistä, täysautomaatiota sekä suorien rajapintojen hyödyntämistä silloin, kun se on mahdollista.