Datengetriebene Produktionssteuerung
Wann sich Analysesoftware lohnt
Wer heute von Data Analytics im industriellen Bereich hört, denkt oft an hochtechnisierte Umgebungen, in denen nicht nur alles vollautomatisch abläuft, sondern auch Daten absolut ungehindert fließen. Jedoch entspricht diese Vorstellung - noch - nicht ganz der Realität in der Industrie. Sicherlich gibt es bereits Unternehmen, in denen künstliche Intelligenz Daten von Maschinen, Legacy-Systemen und Logistik verbindet und der Mensch lediglich eine regulative Rolle spielt. Der Regelfall ist das nicht. Häufig gibt es noch große Unterschiede beim Einsatz von Business Intelligence.
Bild: QlikTech GmbHWährend viele produzierende Unternehmen noch mit Excel planen, stehen andere vor der Herausforderung, verschiedene Datenformate zusammenzuführen und auszuwerten.
Bild: QlikTech GmbH
Bild: QlikTech GmbHFaktor Zeit
Near-Realtime-Fähigkeit ist erfolgskritisch für Transformationsprojekte, die etwa auf eine bedarfsorientierte Produktion mittels entscheidungsintelligenter Softwarelösungen zielen. ERP-Lösungen, die um Advanced-Planning-and-Scheduling-Systeme (APS) und eine Data-Analytics-Lösung ergänzt werden, ermöglichen einen optimierten Ressourceneinsatz und eine flexible Produktion. Ein darauf aufbauendes Shopfloor Management erhöht Mobilität und Visibilität und rückt den Fertigungsprozess ins Zentrum der Wertschöpfung. Sind etwa automatisch generierte, maschinenspezifische Kennzahlen per Tablet direkt in der Produktionshalle an den einzelnen Maschinen verfügbar, entfallen manuelle Prozesse der Datengenerierung, Papierausdrucke, etc. Wichtige Indikatoren für die Produktionsplanung wie Maschinenbelegung, Auslastungsgrade, verfügbare Kapazitäten, Planeinhaltung, Abarbeitungsgrad oder Termintreue sind für Fertigungsleiter je Maschine digital in Echtzeit verfügbar - und eröffnen in Kombination mit Daten aus dem ERP-System neue Wege in der Produktionssteuerung. Diese Wege orientieren sich je nach Unternehmen an Preisentwicklung, Lieferantentreue, Lagerbestand, Nachfrage oder Rohstoffverfügbarkeit. Gerade in Zeiten der Digitalisierung müssen immer mehr Fragen schnell und korrekt beantwortet werden. Erst dann kommen die Vorteile einer Analytics-Lösung zum Tragen. Zusammenhänge lassen sich erkennen und Fakten in einen Bezug stellen. Bereitstellen kann man diese Informationen etwa in Reports, die möglichst einfach erstellt werden. Auch andere Bereiche können von der Datenauswertung und darauf basierenden Prognosen profitieren: Wenn etwa Stromgeneratoren in Windrädern nicht nur Produktionsdaten, sondern auch ihre eigenen Maschinendaten übermitteln, die mit Wetter- und Luftbewegungsdaten kombiniert werden. Oder wenn Kühlaggregate in der Food- und Convenience-Branche in einem smarten IoT-Umfeld Risikoszenarien aufgrund von Umgebungstemperatur oder Stromschwankungen selbst erkennen und Alarme senden, sobald Ausfall und Warenverderb drohen.
Im Standard individuell
Ob sich BI-Projekte lohnen, ist eine Frage des Anwendungsfalls. Ist beispielsweise das Reporting im Unternehmen bisher aufwendig, oder das Datenvolumen einfach zu groß für Excel, kann sich eine Analytics-Lösung schneller rechnen. Aber auch Spezialfälle wie das Messen der Auswirkung von Twitter-Posts auf Verkaufskennzahlen oder die Qualitätsmessung in Produktionslinien haben meist einen hohen ROI. Sonderanforderungen hat fast jedes Unternehmen. Dementsprechend ist es sinnvoll, die BI-Lösung dem Unternehmenscharakter oder branchentypischen Besonderheiten anzupassen. Weniger geläufig ist es derzeit noch, eine Komponente mit künstlicher Intelligenz einzubauen. Machine Learning wird aktuell schon teilweise eingesetzt, dennoch ist noch weitere Arbeit nötig, denn für gute Ergebnisse und weit verzweigte neuronale Fähigkeiten muss ein Algorithmus aufwändig entwickelt werden. Herausfordernd ist es, auch künftige Anwendungsszenarien bei KI-Entwicklungen mitzudenken: Das mag die Kommunikation zwischen Mensch und Maschine sein, die Interaktion autonom handelnder Algorithmen oder zielgenaues Marketing, das nicht an rein personenbezogene Daten gebunden ist. Entsprechende Trends stoßen einen Markt an, in dem Beratung und Anpassung sowie Implementierung enorme Bedeutung haben. Denn im Vordergrund stehen - einmal mehr - offene und erweiterbare Plattformen zur Daten- und Systemintegration.
Wer heute von Data Analytics im industriellen Bereich hört, denkt oft an hochtechnisierte Umgebungen, in denen nicht nur alles vollautomatisch abläuft, sondern auch Daten absolut ungehindert fließen. Jedoch entspricht diese Vorstellung - noch - nicht ganz der Realität in der Industrie. Sicherlich gibt es bereits Unternehmen, in denen künstliche Intelligenz Daten von Maschinen, Legacy-Systemen und Logistik verbindet und der Mensch lediglich eine regulative Rolle spielt. Der Regelfall ist das nicht. Häufig gibt es noch große Unterschiede beim Einsatz von Business Intelligence.
Bild: QlikTech GmbHWährend viele produzierende Unternehmen noch mit Excel planen, stehen andere vor der Herausforderung, verschiedene Datenformate zusammenzuführen und auszuwerten.Bild: QlikTech GmbH
QlikTech GmbH
Dieser Artikel erschien in ERP CRM Wissen Kompakt 2018 - 15.12.18.Für weitere Artikel besuchen Sie www.it-production.com
