Business-Intelligence-Lösungen auf Basis von In-Memory-Technologie eignen sich auch für den Einsatz im Produktionscontrolling, um Daten etwa aus Geschäftsystemen, Qualitätskontrolle oder Zeiterfassung zusammenzuführen. So lässt sich eine Effizienzbewertung für Anlagen realisieren, ohne auf komplexe Datenstrukturen in Form von 'Data Cubes' zurückzugreifen.
Bild: Fotolia / Peter Adrian
Der Druck auf den Produktionsleiter ist groß. Das Jahresziel, die Steigerung der Effizienz um fünf Prozent, droht zu scheitern. Obwohl Maßnahmen im Bereich Anlagensteuerung, Materiallogistik und in einer Produktionslinie Erfolg versprechend aussahen, ist die Gesamteffizienz nicht im geforderten Maße gestiegen. Die Ursachen für solche Probleme sind vielfach nicht klar erkennbar, noch können sie bestimmten Maßnahmen eindeutig zugeordnet werden: Wirkzusammenhänge sind nicht ersichtlich, verwendete Kennzahlen werden oft losgelöst voneinander in Excel-Tabellen betrachtet. Abhilfe kann der Einsatz einer Business Intelligence-Lösung bringen, mit deren Hilfe sich die Anlageneffizienz (Overall Equipment Efficiency, OEE) umfassend darstellen und Wirkzusammenhänge abbilden lassen. Bereits im Rahmen eines Workshops lässt sich beispielsweise überprüfen, ob Maßnahmen zur Verbesserungen von Verfügbarkeit und Leistung negative Auswirkungen auf Qualitätsparameter zeigen – und damit möglicherweise die Umsetzung von Effizenz-Zielen gefährden.
Dreieck aus Verfügbarkeit, Effektivität und Qualität
Die drei Faktoren Verfügbarkeit, Effektivität und Qualität der Overall Equipment Effectiveness beeinflussen sich gegenseitig und können nur im Zusammenhang betrachtet werden. In der Praxis stellt sich die exakte Bestimmung des Ist-Zustands allerdings als schwierig heraus. Auf der Ebene einzelner Maschinen oder einzelner Bestandteile der OEE ist die Datenlage noch übersichtlich, und die Stellschrauben für eine bessere Effizienz lassen sich schnell finden.
Für die Analyse der Gesamtanlage müssen dagegen sehr viele unterschiedliche Datenquellen und eine kaum zu bewältigende Datenmenge erfasst werden. Planwerte aus der Enterprise Resource Planning-Welt (ERP), Maschinendaten aus dem Manufacturing Execution-System (MES) einschließlich der Echtzeiterfassung der Maschinen- und Betriebsdaten (MDE/BDE) und unterschiedlichste Qualitätskennzahlen überfordern einfache Auswerteprogramme. Gerade die Integration der wichtigen Fehlerdatenbanken und Maßnahmenpläne wird oftmals ausgeblendet, um ein System nicht zu überlasten. Aber gerade diese Quellen geben Aufschluss über Effizienzpotenziale und deren Auswirkung auf die Gesamteffizienz. Reports mit Wochen- beziehungsweise Monatsauswertungen werden daher oft noch manuell erstellt, für Ad-hoc-Auswertungen oder weitergehende Trenddarstellungen fällt der Aufwand dabei jedoch zu hoch aus.
Die Bestimmung der Overall Equipment Effectiveness stellt oft eine Herausforderung dar. In-Memory-Technologie kann hier neue Wege zeigen. Bild: fme AG
Fortschritt im Produktionscontrolling
Es sind vor allem drei Faktoren, die den Fortschritt im Produktionscontrolling begründen: Durch den Übergang von 32- auf 64-Bit-Betriebssysteme können bei Servern mehr als vier Gigabyte Arbeitsspeicher direkt adressiert werden. So verfügen aktuelle Geräte bereits über 512 Gigabyte Arbeitsspeicher (RAM) und können Daten daher direkt anstatt auf der Festplatte verfügbar halten. Dieses Verfahren wird als In-Memory-Technologie bezeichnet. Zum zweiten ermöglicht die Verbreitung von Mehrkernprozessoren die Ausführung paralleler Berechnungen und führt so zu einer Steigerung der Prozessorleistung. Der dritte Faktor sind IT-Anwendungen, die diese leistungsfähige Infrastruktur gezielt nutzen. Im Bereich der BI-Lösungen hat sich unter anderem der Anbieter Qliktech mit der Lösung Qlikview einen Namen gemacht. Deren Datenablage basiert auf einer mehrdimensionalen Datenbank, die im Arbeitsspeicher gehalten wird.
Der Vorläufer dieser Technik wurde bereits 1993 in der schwedischen Universitätsstadt Lund entwickelt, weil der dort ansässige Verpackungsmittelhersteller Tetrapak eine Software für die Datenanalyse benötigte. Daraus entstand das Programm Quickview, das später in Qlikview umbenannt wurde. Nach Angaben der FME AG, einem Beratungsunternehmen für Enterprise Information Management, eignet sich die BI-Lösung auch für den Einsatz im Produktionsbereich. „Wir haben die Erfahrung gemacht, dass sich die sehr unterschiedlichen Datenquellen in der Produktion ohne umfangreiche Prozesse innerhalb weniger Tage integrieren lassen“, berichtet Andreas Buchholz, BI-Verantwortlicher bei dem IT-Dienstleister. Dabei könne auf die bei BI-Systemen sonst notwendige, personalaufwändige Aggregation der Kennzahlen und Analysen in Form von mehrdimensionalen Matrizen oder ‚OLAP-Würfeln‘ verzichtet werden.
Die Erstellung solcher Datenwürfel im Rahmen eines Data-Warehouse führe nach Aussagen der Berater oft zu Verzögerungen von Projekten. Andreas Buchholz erläutert: „Durch die Anwendung der In-Memory-Technologie sind auch bei bei einer extrem hohen Anzahl von Datensätzen Ad-hoc-Auswertungen innerhalb von Sekunden möglich.“ Und eine unmittelbare OEE-Analyse eignet sich als effizientes Werkzeug, um die Daten eines Maschinenparks automatisiert zu durchleuchten, Schwachstellen im Produktionsablauf und bei Bedarf angrenzender Prozesse zu identifizieren und einen zielorientierten Maßnahmenplan zu entwickeln. Nach den Erfahrungen des Beraters sind die Vorbehalte gegenüber der Leistungsfähigkeit eines Produktionscontrollings bei Produktions- und Fertigungsleitern zwar groß. Doch in der Regel zeigten Praxisworkhops auf Basis realer Produktionsdaten und Fragestellungen von Unternehmen, dass sich praxisfähige Lösungsansätze innerhalb weniger Tage entwickeln lassen.
Vorbehalte gegenüber Controlling-Systemen
Bei der Projektierung eines BI-Systems wird dann gemeinsam mit dem Fachbereich Werk für Werk oder Kennzahl für Kennzahl eine Reporting-Lösung erarbeitet. Nachdem erst ein Teil der Daten einbezogen wurde, entsteht nachfolgend ein umfassendes Monitoringsystem. Der Fachbereich wird so mit der Vorgehensweise vertraut und kann später Auswertungen selbstständig umsetzen, was die Aufgabe der IT-Abteilung auf Datenbereitstellung und -sicherheit beschränkt. „Durch die größere Flexibilität für neue oder geänderte Auswertungen ist es einfacher, neue Kennzahlen zu integrieren und Wirkzusammenhänge zu erkennen. Die Abfragegeschwindigkeit erlaubt schnelle Ad-hoc-Auswertungen und sorgt so für eine gute Akzeptanz in der Produktion“, fasst Buchholz seine Erfahrungen mit der In-Memory-Lösung zusammen.
Mittelständische Unternehmen investieren selbst in schwierigen Zeiten in Microsoft-Technologien, weil sie überzeugt sind, dass ihre Mitarbeiterproduktivität steigt und sich ihre Kostenstruktur bessert. Microsoft hat mit dem Microsoft-Partner-Network ein Netzwerk aufgebaut, das ein Forum für den Aufbau von Partnerschaften, Zugang zu Ressourcen und einen Rahmen für Dialoge und Kooperationen bietet. Für unsere Leser gibt die Microsoft-Partnerübersicht in Ausgabe Juli/August der IT&Production Tipps für die Suche nach einer geeigneten Branchen- oder Speziallösung im Bereich des produzierenden Gewerbes.
Auf der Suche nach Innovation, nach neuen Lösungen und der Abgrenzung zum Mitbewerb vernetzen sich zunehmend mehr Unternehmen mit externen Experten und Partnern. SAP hat mit dem SAP-Ecosystem ein Netzwerk aufgebaut, das ein Forum für den Aufbau von Partnerschaften, Zugang zu Ressourcen und einen Rahmen für Dialoge und Kooperationen bietet. In der Maiausgabe der Fachzeitschrift IT&Production erhalten unsere Leser einen aktuellen Überblick zum SAP-Ecosystem im Bereich des produzierenden Gewerbes.
Anbieter & Produkte
Work-in-Process-Management in S/4HANA
augmented instructions – digitalisiertes Know how unterstützt die Industrie beim Wissenstransfer
Make Lean Leaner
IIoT in Stahl Service Centern
Wachstum durch Kundenorientierung: Das Geheimnis liegt in einem smarten Variantenkonfigurator
Qualität, Lieferketten, Rückverfolgbarkeit – Nachhaltigkeit hat viele Facetten
Weltweit führende APS-Technologie für alle industriellen Anforderungen
MPDV Mikrolab GmbH – WE CREATE SMART FACTORIES
ANZEIGE
Whitepaper
Monitoring IT, OT and IIoT with Paessler PRTG: use cases and dashboards
Vom 4-Stufen-Modell zum Regelkreis
Vollautomatische Feinplanung
Smart Factory Elements
Mit Kennzahlen die Produktion im Griff
Videos
Erfolgreiche Asprova APS Einführung bei Horst Scholz, Hersteller von komplexen Kunststoffspritzformen höchster Präzision
Asprova User Day 2022 in Frankfurt
Erfolgreiche Asprova APS Einführung bei Bopisa, Hersteller von Lebensmittelverpackungen
Erfolgreiche Asprova APS Einführung bei Strauss Café, zweitgrößter Kaffeehersteller in Polen
Ein Unternehmen, das sich mit der Auswahl eines ERP- Systems befasst, muss sich gleichsam mit einem viel- schichtigen Software-Markt und unklaren Interessen- lagen an interne Abwick- lungsprozesse auseinander- setzen. Guter Rat bei der Investitionsentscheidung ist teuer. ERP/CRM Wissen Kompakt unterstützt Sie bei der gezielten Investition in die IT-Infrastruktur.
Immer mehr Anbieter von Maschinen, Automatisierungstechnik und Industriesoftware integrieren künstliche Intelligenz in ihre Produkte. Das ganze Potenzial spielen selbstlernende Systeme aber erst aus, wenn sie passgenau auf ihren Einsatz in Fertigung und Büro zugeschnitten wurden. Über beide Möglichkeiten, als Fertiger die Vorzüge von industrieller KI zu nutzen, geht es im regelmäßig aktualisierten Themenheft Künstliche Intelligenz.
Das Internet of Things verändert Produktwelten und die Vernetzung in der Fertigung gleichermaßen. Entstehende Ökosysteme laden zur einer neuen Form der Zusammenarbeit ein. Die Spezialausgabe IoT Wissen Kompakt informiert über die Technologie, Projektierung und Anbieter für die eigene Applikation, in- und außerhalb der Fabrik.
Um alle Potenziale eines MES umfassend ausnutzen zu können, beleuchten unsere Autoren in der Serie von MES Wissen Kompakt die erfolgskritischen Faktoren, um Fertigungsunternehmen präventiv zu steuern. Darüber hinaus präsentiert MES Wissen Kompakt ein breites Spektrum an Firmenportraits, Produkt- neuheiten und Dienst- leistungen im MES-Umfeld.