Analytic Manufacturing

Durch die zunehmende Durchdringung u. a. mit RFID-Technologien, aber auch dem Druck des Marktes zu einer zunehmenden Serialisierung von Produkten, steigt die im Fertigungsbereich anfallende Menge an Daten derzeit drastisch an. Die produzierenden Unternehmen nutzen jedoch die Chancen, die sich daraus ergeben, ihre Wettbewerbsfähigkeit zu steigern, noch nicht. Häufig werden Entscheidungen über die Produktion nur mit Daten aus dem ERP-System getroffen. Dessen Blickwinkel auf die Fertigung ist jedoch nicht hilfreich, um die Wettbewerbsfähigkeit zu steigern.

Der vorliegende Beitrag charakterisiert zunächst Entscheidungssituationen des Produktionsplanung und geht dann auf Perspektiven ein, die den Blick auf die Daten in der Fertigung verzerren. Es wird dann der Ansatz des Analytic Manufacturing vorgeschlagen, mit dem es möglich wird, durch eine geschickte Kombination von Daten, Methoden und Organisation die Wettbewerbsfähigkeit der Fertigung erheblich zu steigern und ihre Zukunftsfähigkeit zu sichern.

Entscheidungen im Produktionsmanagement

Idealerweise treffen Manager, insbesondere wenn sie in leitender Funktion in Industrieunternehmen tätig sind, Entscheidungen über die Zukunftsfähigkeit ihres Unternehmens. In der Praxis sieht das jedoch anders aus. Viele Manager beklagen, dass sie in das Tagesgeschäft sehr stark eingebunden seien, und vor lauter Einzelfallentscheidungen überhaupt nicht dazu kommen, sich intensiv und nachhaltig mit der Zukunftsfähigkeit und Steigerung der Wettbewerbsfähigkeit zu befassen. Manager sollten jedoch, wie bereits Peter Drucker sagte, nicht Geld für die Lösung von Problemen ausgeben, sondern Kapital für die Zukunft bereitstellen. Davenport kritisierte typische Probleme von Entscheidern wie folgt [1]:

Entscheidungsabläufe und Ergebnisse sind unzureichend, die Entscheidungen werden unsystematisch und auf der Basis von ständig variierenden Abläufen getroffen. Aus diesem Grund erscheint auch die Verantwortung für eine Entscheidung niemandem direkt zurechenbar zu sein, was das Lernen aus möglichen Fehlentscheidungen erschwert. Der Zusammenhang zwischen Daten, Informationen und Wissen und den daraus gezogenen Schlussfolgerungen, die zu Entscheidungen führen, ist meist außerordentlich schwach ausgeprägt.

Gegenwärtig steht in den meisten Produktionsunternehmen kein integrierendes System für die Schaffung einer Datengrundlage vor Entscheidungen zur Verfügung. Anders als im kaufmännischen Bereich, wo sich der Business-Intelligence-Ansatz, zumindest in Großunternehmen, weitgehend durchgesetzt hat, operiert der Fertigungsbereich mit einer Vielzahl von Insellösungen und von lokalen Systemen. Aus diesem Grund werden zahlreiche Entscheidungen, die die Fertigung betreffen, etwa bezogen auf Aufträge, Fertigungsmittel und Produkte [2] nur aus dem Blickwinkel der Daten getroffen, die im ERP-System zur Verfügung stehen. Diese Blickwinkel weisen jedoch erhebliche Mängel auf (Bild 1).

Die erste Perspektive, die häufig eingenommen wird, ist die Makroperspektive. Statt Probleme und deren Ursachen exakt zu lokalisieren werden allgemeine Zusammenhänge zum Anlass genommen, schwerwiegende Entscheidungen zu treffen. Details sind aus der Makroperspektive nicht zu erkennen. Die Daten aus dem ERP-System sind meist höchstens auf Kostenstellenebene disaggregiert und vermögen daher Ursachen für Probleme nicht wirklich offen zu legen.

Die zweite mangelhafte Perspektive ist die Buchhaltungsperspektive. Alle betrieblichen Abläufe werden in Werte umgerechnet. Wo dies nicht möglich oder nicht sinnvoll ist, werden Faustformeln und Hilfsregeln angewandt oder Sachverhalte unberücksichtigt gelassen. Die inhärente Mehrdimensionalität der Fertigung, der es stets gleichzeitig um Zeiten, Qualität, Energie und um Werte geht, bleibt dabei vollständig auf der Strecke. Schließlich sind viele Entscheidungen durch die Vergangenheitsperspektive geprägt. Was als Datenbasis zur Verfügung steht, ist schon früher passiert; ein aktueller Eingriff ist nicht mehr möglich, und wenn die Daten zu Problemen der Vergangenheit endlich über das ERP-System ausgewertet vorliegen, sind es längst neue Themen, die Aufmerksamkeit des Managements beanspruchen.

Von daher ist es fahrlässig, sich bei Entscheidungen über die Zukunft von Fertigungsthemen überwiegend auf Daten aus dem ERP-System zu verlassen. Vielmehr wird eine angemessene Perspektive auf die Fertigung benötigt, aktuelle Zahlen, die schnell verfügbar sind und mehrdimensionale Auswertungen, die neben werteorientierten Ansätzen auch Zeitprobleme, etwa die Overall Equipment Efficiency (OEE) und Qualitätsthemen (z. B. Traceability) zeigen können.

Der Ansatz des Analytic Manufacturing

Die Situation in der Fertigung ist, was die Datengrundlage betrifft, wesentlich besser als in anderen Bereichen des Unternehmens. Manufacturing Execution Systeme, deren Subsysteme und weitere prozessnahe Systeme liefern derzeit bereits große Datenmengen in Echtzeit. Diese Daten sind grundsätzlich bereits mehrdimensional, d. h. sie enthalten neben Wertansätzen auch Mengen, Zeiten und Qualitätsinformationen. Der Begriff des Analytic Manufacturing beschreibt die umfangreiche Nutzung von Daten, statistischen und quantitativen Analysen, Erklärungs- und Vorhersagemodellen sowie ein faktenbasiertes Produktionsmanagement, um Entscheidungen und Handlungen voran zu bringen. Es kann den Bereich der Business Intelligence eingeordnet werden, geht aber über einfache Berichte weit hinaus.

Bild 2 zeigt, was gegenwärtig mit Berichten aus dem ERP-Sytem in der Produktion möglich ist. Standardberichte kommen aus dem ERP-System, teilweise auch aus MES-Auswertungen. In Einzelfällen sind ad-hoc für akute Problemlagen Berichte erstellbar. Abfragen bzw. ein Drill-Down bis auf die Maschinenebene oder den entsprechenden Auftrag können bereits heute teilweise genutzt werden. Alarmsysteme gestatten es, unmittelbar zu Handlungen aufzurufen, etwa wenn Grenzwerte überschritten werden.

Allerdings reichen diese Fähigkeiten für das Analytic Manufacturing nicht aus. Um wirkliche Wettbewerbsvorteile zu erreichen, sind noch zusätzlich die Methoden zu nutzen, die Bild 3 zeigt, also statistische Analysen, Vorhersagen zur Weiterentwicklung bei Anhalten von Trends, Prognosemodelle und auch die Optimierung von Produktionsprogrammen. Bereits der Ansatz der Produktionsplanung und -steuerung (PPS) versprach diese Optimierung, hat dies allerdings auf Grund mangelnder Hardware und mangelnder Algorithmen nie eingelöst. Auch die Datengrundlage, um wirklich optimale Pläne zu gestalten, war früher nicht gegeben.

Das ist heute anders. Allerdings sind zur Nutzung von Analytic Manufacturing eine Reihe von Voraussetzungen zu erfüllen [3]. Zunächst müssen saubere Daten vorliegen. Eine Ansammlung von Einzelfällen ergibt noch keine Zeitreihe. Die zweite wesentliche Voraussetzung ist, das die unternehmenseigene IT mit großen Datenmengen angemessen umgehen kann. Kennzahlen müssen definiert werden, die zur Steigerung der Wettbewerbsfähigkeit über die branchenweit verfügbaren oder von den Anbietern von MES standardmäßig mitgelieferten Kennzahlen hinausgehen.

Organisatorisch muss das Wissen über die anzuwendenden Methoden und die notwendige Bereinigung der Daten an geeigneter Stelle verankert werden.

Hier können zunächst einzelne Spezialisten, etwa im Bereich der Fertigungssteuerung aufgebaut werden. Die Methoden müssen dann aber stärker in der Organisation des Produktionsmanagements verankert werden. Der Lehrstuhl für Wirtschaftsinformatik der Universität Potsdam hat ein Reifegradtool entwickelt, mit Hilfe dessen eine Positionsbestimmung bezogen auf Business Analytics vorgenommen werden kann [4]. Danach werden vier Stufen der Positionierung unterschieden, von defizitär über ad hoc und etabliert bis nachhaltig. Eine nachhaltige Steigerung der Wettbewerbsfähigkeit ist dann möglich, wenn ein Dreiklang aus Daten, Methoden und im Team verfügbaren Methodenwissen besteht (Bild 4).

Dann wird es möglich, Wettbewerbsfähigkeit zu erreichen, indem die strategischen und einzigartigen Fähigkeiten  der Fertigung analysiert werden können. Dies schließlich weist einen unternehmensweiten Anspruch aus und erfordert daher das Bekenntnis des Top- und Senior Managements. Das in vielen Unternehmen bereits vorhandene Streben nach umfassender Verbesserung wird durch die wesentlich bessere Datengrundlage deutlich gefördert.

Das könnte Sie auch interessieren

Digitaler Produktpass: Von der Pflicht zum Mehrwert DPP4.0 macht Produktprozesse interoperabel

Der Digitale Produktpass wird für immer mehr Unternehmen zur Voraussetzung für den europäischen Marktzugang. Welche Informationen für einzelne Produktgruppen konkret bereitzustellen sind, wird dabei erst schrittweise festgelegt. Doch Unternehmen können bereits heute wichtige Grundlagen schaffen. Der Ansatz des DPP4.0 verbindet die regulatorischen Anforderungen mit den Prinzipien von Industrie 4.0.

R-Grading in Factory-X: Infrastruktur für Zirkularität Daten als Schlüssel für langlebige Maschinen und Komponenten

Gebrauchte Maschinenkomponenten werden heute oft noch nach Erfahrung statt auf Basis valider Daten weiterverwendet, repariert, aufgearbeitet oder recycelt. Der sichere Austausch von Nutzungs- und Zustandsdaten entlang der gesamten Wertschöpfungskette ermöglicht fundierte R-Entscheidungen, schafft Transparenz entlang der Wertschöpfungskette und unterstützt eine ressourcenschonende Kreislaufwirtschaft mit mehr Effizienz und weniger Materialverlust.

Plug&Play für Produktionsmodule – geht das? MTP als Potential für die Produktion

MTP verspricht mehr als eine vereinfachte Maschinenintegration: Produktionsmodule sollen ihre Funktionen und Schnittstellen standardisiert und maschinenlesbar bereitstellen – ähnlich wie Plug & Play in der Bürowelt. Doch wie schnell lässt sich die Technologie erlernen und praktisch einsetzen? Ein Bildungsexperiment an der Hochschule Pforzheim liefert überraschende Erkenntnisse und zeigt das Potenzial von MTP für den Maschinen- und Anlagenbau.

Sichere KI für resiliente Unternehmensprozesse Von der Vision zur nachhaltigen Umsetzung

Die digitale Transformation verläuft für jedes Unternehmen unterschiedlich und erfordert einen individuellen Weg, der zur eigenen Ausgangslage passt. Entscheidend ist eine klare Strategie: Wo steht das Unternehmen heute, wo soll es hin und welche Maßnahmen sind dafür nötig? Besonders KMU stehen vor der Herausforderung, Digitalisierung strukturiert zu planen, Verantwortlichkeiten zu klären und neue Technologien sinnvoll einzusetzen.

Embodied AI bringt KI in die physische Welt Unternehmen sollten jetzt agieren – darauf kommt es an

Embodied AI bringt Künstliche Intelligenz in die physische Welt und eröffnet der Industrie neue Möglichkeiten. Intelligente Maschinen können ihre Umgebung wahrnehmen, aus Erfahrungen lernen und autonom handeln. Für Hersteller und Anwender entstehen dadurch neue Potenziale für Flexibilität, Qualität und Wettbewerbsfähigkeit – vorausgesetzt, bestehende technologische und regulatorische Hürden werden überwunden.

Wenn digital auf nachhaltig trifft Digitalisierung trifft Nachhaltigkeit: Strategische Allianz für die Zukunft

Die gleichzeitige Transformation hin zu mehr Digitalisierung und Nachhaltigkeit scheint auf den ersten Blick komplex – eröffnet jedoch zugleich erhebliche Chancen. Die Twin Transformation verbindet beide Dimensionen strategisch miteinander und hebt Synergien entlang der gesamten Wertschöpfungskette. Aktuelle Erkenntnisse der anwendungsorientierten Forschung verdeutlichen, warum Unternehmen beide Transformationen gemeinsam denken müssen.