Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Beitrag drucken

Prozessanalyse, Visualisierung, Optimierung

Digital abgebildete Prozesse
mit Process Mining analysieren

Mit Process Mining ermitteln Unternehmen, in welchen Prozessen Sand im Getriebe ist. Da die Methode zwingend datenbasierte Prozesse zur Analyse und Visualisierung voraussetzt, ist dieser Ansatz zwar im ERP-Umfeld zuhause, lässt sich aber hervorragend auf MES-unterstützte Produktionen anwenden.

Process Mining ermöglicht Einblicke in den Ist-Prozess. Der Produktionsprozess, wie er im letzten Quartal umgesetzt wurde, wird visualisiert. So werden nicht vorgesehene Prozessverläufe wie Prozessschleifen, Doppelarbeiten oder auch Flaschenhälse sichtbar. (Bild: Lana Labs GmbH)

Process Mining ermöglicht Einblicke in den Ist-Prozess. Der Produktionsprozess, wie er im letzten Quartal umgesetzt wurde, wird visualisiert. So werden nicht vorgesehene Prozessverläufe wie Prozessschleifen, Doppelarbeiten oder auch Flaschenhälse sichtbar. (Bild: Lana Labs GmbH)

Zur Verbesserung von Prozessen wurden lange Zeit vor allem Interviews mit den Angestellten durchgeführt. Mittlerweile ist es jedoch möglich, die Daten der jeweiligen Prozessausführung zu nutzen, um ein Bild der Prozessleistung zu zeichnen. Process Mining ist dabei eine der Schlüsseltechnologien für datenbasierte Prozessanalyse im ERP-Umfeld. Durch Auswertung von Event-Log-Daten, die IT-Systeme bei der Ausführung eines Prozesses mitschreiben, werden Verbesserungsmöglichkeiten in Geschäftsprozessen aufgedeckt, die sonst nur schwer erfassbar sind. Als Analysemethode ist Process Mining dabei grundsätzlich in Industrie- und IT Systemen agnostisch einsetzbar. Einsatzgebiete finden sich beispielsweise bei hohen Volumen an Prozessdurchläufen, bei hoher Komplexität, Wettbewerbs- bzw. Kostendruck sowie generell bei Prozessumfeldern mit Einsparpotential. Somit drängt sich die Produktion als Anwendungsbereich auf. Der Einsatz von Process Mining ist außerhalb des ERP-Umfelds aktuell allerdings noch wenig verbreitet.

Digitale Spuren analysieren

Process Mining ist die Visualisierung und Analyse digitaler Spuren von Prozessen, mit dem Ziel Prozesse kontinuierlich und gezielt zu verbessern und den Erfolg der Maßnahmen zu messen. Digitale Fußspuren werden also zu Informationen. Das Vorgehen lässt sich mit einer digitalen, automatisierten Wertstromanalyse vergleichen. IT-Systeme speichern Daten der Prozessausführung zu jedem einzelnen Prozessschritt. Somit kann auf Basis von Zeitstempeln und Klassifikationsalgorithmen der tatsächlich erfolgte Prozessablauf rekonstruiert werden. Process Mining ermöglicht damit eine automatisierte Erkennung von Prozessvarianten und bietet Transparenz über Performance und Compliance. Es entsteht eine Grundlage für Entscheidungen über Verbesserungsmaßnahmen. Um Process Mining anzuwenden, werden relevante Daten für die jeweiligen Prozesse zunächst aus den IT-Systemen extrahiert und verknüpft. IT-Systeme sind jedoch komplex, oft individuell angepasst und speichern Daten nicht immer in einer Weise, die Process-Mining ‘out of the box’ ermöglicht. Somit fließt der größte Aufwand bei der Implementierung in die initiale Datenextraktion und -transformation der Prozessdaten. Die Anforderungen, die sich insbesondere aus der detaillierten Produktionsplanung und -steuerung ergeben, werden in klassischen ERP-Systemen oft über den Einsatz von Zusatzmodulen abgedeckt. Häufig setzen Fertigungsunternehmen auch auf selbst entwickelte Systeme, was den initialen Aufwand der Implementierung erhöht, da Standard-Konnektoren weniger greifen und Unternehmen ihre Datenlogik zunächst aufbereiten müssen – eine Hürde für den Einsatz von Process Mining in der Fertigung. In Relation zum Nutzen ist der Aufwand jedoch immer noch meist gering und kann durch Lösungen zur Datenaufbereitung vereinfacht werden. Die Praxis zeigt außerdem, dass die Initiative Process Mining einzuführen aus verschiedenen Perspektiven lohnen kann, da sie eine Auseinandersetzung mit der eigenen IT-Systemlandschaft und der Fähigkeit erfordert, deren Daten zu nutzen. So werden kritische Handlungsfelder schneller deutlich.

Die Funktion eines automatisierten Soll/Ist-Abgleichs (Conformance Checking) zeigt alle Prozessabweichungen (nicht konforme Prozessvarianten) auf dem Prozessmodell an. (Bild: Lana Labs GmbH)

Die Funktion eines automatisierten Soll/Ist-Abgleichs (Conformance Checking) zeigt alle Prozessabweichungen (nicht konforme Prozessvarianten) auf dem Prozessmodell an. (Bild: Lana Labs GmbH)

In 15 Tagen implementiert

Der durchschnittliche Implementierungsaufwand von Process Mining liegt je nach Komplexität des Prozesses bei 15 Tagen. Erste Ergebnisse lassen sich häufig schon innerhalb weniger Tage generieren und die einmal aufgebaute Datenverknüpfung wird anschließend dauerhaft für die kontinuierliche Analyse und Prozessverbesserung genutzt. Nach der initialen Verknüpfung des Prozesses steht die Überprüfung der Datenqualität an, die bereits erste Erkenntnisse bieten kann. Der Prozess der Datenextraktion und Transformation gibt einen Überblick im Hinblick auf fehlende oder veraltete Stammdaten und verdeutlicht die Auswirkung von bestehenden Systembrüchen oder Lücken in der Datenspeicherung. So kann eine Process Mining-Analyse Anlass für eine Umprogrammierung der Maschinensteuerung im Bezug auf Event-Daten sein.

Daten aus dem MES

Daten aus Manufacturing Execution Systemen (MES) eignen sich optimal für Process Mining und können oft in wenigen Schritten nutzbar gemacht werden. Sind die Prozessdaten einmal verknüpft, visualisiert eine Process Mining Software den Prozess in all seinen Varianten und quantifiziert die verschiedenen Ausprägungen (Mengen, Zeiten, Abweichungen).

Mit der Ursachenanalyse werden durch Machine-Learning-Algorithmen Attribute identifiziert, die für die Schwachstellen im Prozess mitverantwortlich sind. Das sind zum Beispiel Standorte, Produkteigenschaften oder Abteilungen. (Bild: Lana Labs GmbH)

Mit der Ursachenanalyse werden durch Machine-Learning-Algorithmen Attribute identifiziert, die für die Schwachstellen im Prozess mitverantwortlich sind. Das sind zum Beispiel Standorte, Produkteigenschaften oder Abteilungen. (Bild: Lana Labs GmbH)

Werkzeug für den KVP

Mit Process Mining kann die Prozessumsetzung zu jedem Zeitpunkt überprüft werden. Insbesondere, wenn die Datentransformation und Schnittstelle zu den IT-Systemen einmal hergestellt ist und einen kontinuierlichen Datenfluss ermöglicht. Um den Erfolg der Verbesserungsmaßnahmen zu überprüfen, werden nach einem gewissen Zeitraum die aktuellen Daten und somit die Prozessverläufe analysiert. Es entsteht als ein direkter Vergleich. Die Auswirkungen von Verbesserungsmaßnahmen werden durch Process Mining sichtbar und messbar, neu auftauchende Probleme im Prozess werden direkt erkannt. Der Ansatz überwindet Grenzen der herkömmlichen Datenanalyse: Die reale Prozessumsetzung kann damit weitreichend analysiert und kontinuierlich überwacht werden


Das könnte Sie auch interessieren:

Die Steigerung von Produktivität und Effektivität in der Industrie und eine ressourcenschonende Nachhaltigkeit stehen sich nicht unversöhnlich gegenüber. Wirtschaftliche Ziele und ökologische Verantwortung unterstützen sich gegenseitig - nur ist das noch nicht überall erkannt.‣ weiterlesen

Die 16. FMB – Zuliefermesse Maschinenbau findet vom 10. bis 12. November 2021 im Messezentrum Bad Salzuflen statt. Zu den Topthemen kürte Veranstalter Easyfairs die Oberflächentechnik und Digitalisierung.‣ weiterlesen

Produktionsunternehmen sollen mit den neuen IoTmaxx-Mobilfunk-Gateways Maschinendaten besonders schnell in die AnyViz-Cloud übertragen können.‣ weiterlesen

Self-Service-Technologie, digitale Assistenten, künstliche Intelligenz - die Digitalwerkzeuge fürs Kundenbeziehungsmanagement werden immer ausgefeilter. Sind CRM- und ERP-System gut integriert, lassen sich im Sinn des xRM-Ansatzes auch leicht die Beziehungen zu Geschäftspartnern IT-gestützt pflegen.‣ weiterlesen

Vor allem KMU befürchten häufig, bei der IT-gestützten Prozessoptimierung im Vergleich zu Großkonzernen nicht mithalten zu können. Die beiden Technologieprojekte IIP Ecosphere und FabOS, die im Rahmen des KI-Innovationswettbewerbs vom BMWi gefördert werden, wollen diesen Firmen den Zugang zu KI-Anwendungen erleichtern.‣ weiterlesen

Emerson hat die Einführung der Software Plantweb Optics Data Lake bekanntgegeben. Die Datenmanagement-Lösung identifiziert, erfasst und kontextualisiert unterschiedliche Daten in großem Maßstab entweder vor Ort in industriellen Anlagen oder mithilfe von Cloud-Technologie.‣ weiterlesen

Im September 2021 erscheint die Richtlinie VDI/VDE 2185 Blatt 2 'Funkgestützte Kommunikation in der Automatisierungstechnik - Koexistenzmanagement von Funksystemen'. Wenn unterschiedliche Funksysteme bei Automatisierungsaufgaben unterstützen, ist mit einer gegenseitigen Beeinflussung der Systeme zu rechnen.‣ weiterlesen

Klare Sicht auf das Werksgeschehen und die Rückverfolgbarkeit von Produkten und Prozessen sind zunehmend wichtige Erfolgsfaktoren. Mit dem MES Valeris will WSW Software gerade mittelständischen Fertigern helfen, diese Ziele zu erreichen. Das System soll schnell und günstig einsatzfähig sein, konfiguriert wird es in Eigenregie.‣ weiterlesen

Unternehmen verwalten heute mehr als zehn Mal so große Datenmengen wie noch vor fünf Jahren. Dabei befürchteten 62 % der Befragten in einer aktuellen Untersuchung von Dell Technologies, ihre Maßnahmen zur Datensicherung könnten nicht ausreichend vor Malware-Attacken schützen. 74 % der Umfrageteilnehmer gaben zudem an, dass mit der steigenden Anzahl an Home-Office-Mitarbeitern das Risiko von Datenverlust ansteige.‣ weiterlesen

Der MES-Anbieter Proxia Software kapselt Funktionen seiner Software, um Anwendern mehr Flexibilität beim Cloud-Betrieb ihres Produktionssteuerungssystems zu ermöglichen. Eine Datenvorverarbeitung im sogenannten Fog Layer soll durch eine geringere Anzahl an Transaktionen für mehr IT-Sicherheit und reduzierte Transaktionskosten sorgen.‣ weiterlesen

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige