Data Lifecycle Management
Mit hoher Datenqualität zur Digitalisierung
Mit neuen, digitalen Geschäftsmodellen müssen auch klassische Industrie-Unternehmen neue Kundenkreise adressieren, neue Umsatzquellen erschließen und Wettbewerbsvorteile generieren. Die wesentliche Voraussetzung sehen immer mehr Verantwortliche in einer hohen Qualität der Unternehmensdaten.
Bild: Simus Systems GmbH
Denkt man an digitale Unternehmen, dann kommen Amazon, Apple, Google, Facebook und Co. als erste in den Sinn. Doch auch Industrie-Unternehmen arbeiten an ihrer digitalen Transformation – mit dem Ãœbergang von 2D- auf 3D CAD-Systeme ebenso wie mit der Einführung von PDM-Lösungen oder betriebsübergreifenden ERP-Systemen. Ernst zu nehmende Hindernisse durch schlechte Datenqualität brachte hier schon die Studie ‚ERP-Systeme im Zeitalter der Digitalisierung‘ ans Licht. So bezeichnet lediglich ein Prozent der befragten Fach- und Führungskräfte die Datenqualität in einem mittelständischen produzierenden Unternehmen als ’sehr hoch‘. Mit 38 Prozent geben immerhin noch mehr als ein Drittel die Datenqualität zumindest noch als ‚hoch‘ an. Stammdaten seien gerade in produzierenden Unternehmen oft nicht ausreichend gepflegt. Fehlbestände im Lager, fehlerhafte Produktion, Außenstände in den Lieferungen – die Folgen, wenn Stammdaten nicht stimmen, sind sehr schnell absolut nicht mehr zu überblicken. Dringende Abhilfe scheint geboten, wenn Unternehmen den als Industrie 4.0 beschriebenen hohen Automatisierungsgrad erreichen wollen.
Datensilos in der Industrie
Doch seit Beginn der Digitalisierung betrachteten die meisten Unternehmen Daten entweder als ein Nebenprodukt ihrer Geschäftstätigkeit oder ein notwendiges Übel, das in erster Linie dort zu bewältigen ist, wo die Daten anfallen. Demnach kristallisierten sich riesige Datensilos in den Bereichen ERP einerseits und CAD/PDM/PLM andererseits heraus, die in ihrer Heterogenität und Quantität die zunehmende Komplexität der Produkte und Prozesse ebenso wie die Vielzahl der benötigten Software und Systeme widerspiegeln. Doch wo bleibt da die Qualität? Veraltete Informationen, fehlerhafte oder unterschiedliche Formate, mangelnde Kompatibilität und schlicht Dubletten wurden in einzelnen Abteilungen bisher entweder hingenommen oder auch gar nicht bemerkt. Erst mit dem Zusammenwachsen der Systeme, der fortschreitenden Digitalisierung, geraten fehlerhafte und unvollständige Daten in den Fokus: Als Hindernisse und Stolpersteine zu effizienten Geschäftsprozessen, als Fehlerquellen zwischen den Leistungsbereichen und schließlich als Erfolgsbremse an der Schnittstelle zum Kunden. Denn Kunden erwarten von Unternehmen schnelles Antwortverhalten sowie Preis- und Liefertermintreue.
Datenqualität herstellen
Die weitere Digitalisierung – und damit auch Industrie 4.0 – hängt zu einem hohen Anteil von der Datenqualität ab. Es gilt sie zunächst zu verbessern und dann kontinuierlich auf einem hohen Niveau zu erhalten. Das ist damit keine Einmalaufgabe, denn fast alle Daten in Unternehmen, Kundendaten zumal, unterliegen ständigen Veränderungen und Ergänzungen. Dabei gilt es sicherzustellen, dass Informationen immer eindeutig, einheitlich, vollständig und aktuell vorliegen. Dennoch versuchen Unternehmen ihre Datenqualität meist nur phasenweise zu verbessern, weil sie beispielsweise durch ein neues Projekt dazu gezwungen werden und entsprechende Budgets zur Verfügung stehen. Anschließend fällt nach Einmalaktionen die Datenqualität kontinuierlich wieder ab, denn Daten ändern sich durch neue Gegebenheiten, beispielsweise durch neue Produkte, Herstellungsverfahren, Lieferanten, Partner oder Änderungen der Adressen. Als Mittel gegen diese schleichende Verschlechterung hat sich der Ansatz von Simus Systems bewährt: Zunächst werden Stammdaten projektbezogen – sei es vor einer Migration, einer Firmenübernahme, zur Internationalisierung oder schlicht zu Verbesserung der Datenqualität in Produktentwicklung, Produktion, Arbeitsvorbereitung und Einkauf – strukturiert und geordnet. Anschließend werden Methoden und Werkzeuge implementiert, welche diese Datenqualität im Sinne eines Data Lifecycle Managements erhalten.
Intelligente Strukturierung
Projektteams des Kunden definieren mit Hilfe von Beratern Standards zur Datenstrukturierung, welche die Grundlage für individuelle Regelwerke bilden. Aufgrund der langjährigen Erfahrung von Simus Systems existieren für zahlreiche Anwendungsfälle bereits anpassbare Basisregelwerke, zum Beispiel für viele Norm- und Kaufteile; doch auch komplizierte Spezialfälle lassen sich komfortabel lösen. Darauf aufbauend werden die vorhandenen Datenbestände mit der Software-Suite Simus Classmate automatisch aufbereitet und strukturiert. Die Software-Module Classmate DATA und Classmate CAD analysieren anhand der vordefinierten Regeln Datenbestände jeder Größe aus den unterschiedlichen firmeninternen Quellen wie Datenbanken, Tabellen oder CAD-, ERP- und PDM-Systemen. Währenddessen erfasst die Software typische Merkmale, welche als Grundlage für eine Klassendefinition dienen. Bei 3D CAD-Modellen erfolgt die Einordnung anhand der Geometrie- und Meta-Daten und nicht nur anhand bekannter CAD-Modell-Features. Dank der regelbasierten Vorgehensweise kann die Klassifizierung je nach Anwendungsfall, auch später noch nachträglich, angepasst werden. Es erfolgt eine automatische Strukturierung der Daten in die entsprechenden Klassen. Ebenso vollautomatisch trägt die Software Sachmerkmale der Konstruktionsteile, wie Abflachungen oder Bohrungen mit ihren Maßen, in eine Sachmerkmalleiste ein. Durch die Automatisierung können Materialstämme schnell und unkompliziert transformiert werden. Dabei werden die Regeln und Strukturen der beteiligten Systeme, vor allem des ERP-Systems von SAP, hinreichend berücksichtigt.
Werkzeuge und Methoden
Nach einer erfolgreichen Strukturierung und Klassifizierung implementiert der Anbieter weitere Module, mit denen Unternehmen den Erfolg langfristig sichern und die hohe Datenqualität erhalten können. Mit Classmate CAD wird die Einordnung und Beschreibung neuer CAD-Modelle für Konstrukteure erleichtert. Unabhängig von der Modellierungsmethodik sowie den verwendeten oder bekannten Features werden die 3D CAD-Daten anhand der nativen Geometrie vollautomatisch innerhalb aller gängigen CAD-Systeme analysiert und in den entwickelten Klassifizierungsbaum eingepflegt. Bevor neue Daten angelegt werden, können Mitarbeiter aller Bereiche mit der Suchmaschine Classmate Findernach vorhandenen Datensätzen suchen. Konstrukteure profitieren mittels grafischer, frei anpassbarer Benutzeroberfläche, 2D- und 3D-Vorschaubildern von der geometrischen Ähnlichteilsuche, die sich sogar auf Teilbereiche vorhandener Modelle eingrenzen lässt. Mitarbeiter ohne CAD-System nutzen die Software im Einkauf oder der Arbeitsvorbereitung zum einfachen Auffinden einzelner Teile oder Produkte. Denn jedes überflüssige Bauteil kostet nicht nur Geld, sondern bindet unnötig Kapital in den Folgeprozessen. Wer seinen Materialstamm über die Betriebs- oder Unternehmensgrenzen schlank halten will, profitiert von einem mehrstufigen Materialstamm-Anlageprozess. Bedarfsträger legen in einem automatisierten Prozess ihren Vorschlag einer Stammdaten-Stelle zur Genehmigung vor. Nach Freigabe werden die Daten automatisch in das führende ERP-System eingetragen und bereitgestellt. Ein neues Modul ‚Classmate Textgenerator‘ übernimmt diese Aufgabe automatisch, indem es aus der Klassifikation heraus die notwendigen Texte generiert und standardisiert. Dadurch sinkt der Ãœbersetzungsaufwand ebenso wie die Fehler durch manuelle Bearbeitung. Endlich können einheitliche Texte, beispielsweise für Stücklisten, Bestellungen oder Angebote erstellt werden und das noch bei verringertem Aufwand. Dieses regelbasierte Werkzeug kann SAP Informationsfelder füllen. So lassen sich Prozesse wie etwa Warengruppenzuordnung oder Erstellung von Artikelbezeichnungen, Verkaufstexten und mehrsprachige Ãœbersetzungen automatisieren. Diese Vorgehensweise sichert die Homogenität von Bezeichnungen und Beschreibungen über Sprach- und Unternehmensgrenzen hinweg.
Nutzen für alle Ressorts
Die grundlegende Strukturierung und Bereinigung von Stammdaten bildet damit nicht nur die Basis für fehlerfreie und effiziente Digitalisierung – sie mündet bereits in vielfacher Hinsicht in die digitale Transformation von Prozessen zwischen Produktentwicklung, Produktion, Einkauf, Vertrieb und Service. Simus Classmate erhält dauerhaft die erreichte Datenqualität. Allein die Bereinigung von Mehrfacheinträgen ermöglicht an vielen Stellen im Unternehmen Einsparungen und Effizienzsteigerungen. Im Einkauf werden durch Auftragsbündelung höhere Rabatte erzielt, in der Fertigung durch höhere Losgrößen und weniger Artikel Einsparungen erreicht, in Logistik und in der Lagerung sinkt die Kapitalbindung. Der Nutzen einer Optimierung von Stammdaten liegt also keineswegs in einer fernen Zukunft – doch die zukünftige digitale Transformation von Geschäftsprozessen wird dadurch erst ermöglicht.
Datum:19. September 2017
Autoren:Dr. Arno Michelis ist Geschäftsführer der Simus Systems GmbH.
Themen: Produktentwicklung
Schlagwörter: Amazon, Apple, Computer Aided Design (CAD), data-lifecycle-management, Digitale Geschäftsmodelle, Digitale Transformation, digitalen Transformation, Digitalisierung, Facebook, Google, hohe Datenqualität, Industrie 4.0
Webseite: www.simus-systems.com
Das könnte Sie auch interessieren:
