- IT&Production - https://www.it-production.com -

Produktion planen, Datenqualität im Blick

Daten reinigen bei der Termin- und Kapazitätsplanung

Produktion planen, Datenqualität im Blick

Die Berechnungen für die Produktionsplanung können nur so gut sein wie die Qualität der einfließenden Grunddaten. Bei Fehlern in den Daten stimmen auch die nicht. Dieser Beitrag beschäftigt sich mit der automatisierten Korrektur von Daten im Rahmen der Termin- und Kapazitätsplanung mit einem APS-System.

Bild: ©Drazen/stock.adobe.com [1]

Bild: ©Drazen/stock.adobe.com

Die Produktionsplanung eines Einzel- und Kleinserienfertiger ist unbestritten sehr komplex. Manuelle Verfahren führen hier in der Regel nicht zu optimalen Ergebnissen. Vielmehr sind IT-gestützte Planungsinstrumente gefragt, die eine Termin- und Kapazitätsplanung gegen limitierte Ressourcen unterstützen. Die meisten Produktionsplanungs- und ERP-Systeme sind kaum in der Lage, die limitierte Verfügbarkeit von Ressourcen in ihrem Planungsablauf zu berücksichtigen. Zwar können einige Systeme Rückstände oder sogar vermeintliche Engpässe identifizieren und so erste Rückschlüsse auf drohende Terminprobleme erlauben, unterstützende Funktionen zur zielgerichteten Lösung solcher Probleme unter Abwägung alternativer Prioritäten hingegen sind in diesen Systemen meist nicht verfügbar. Daher werden in dieser Stelle zur Lösung der Planungsaufgaben oft Add-On-Systeme genutzt. Ein Beispiel hierfür ist das Termin- und Kapazitätsplanungssystem Felios. Einige ERP-Anbieter bieten solche Add-On-Systeme im Rahmen ihrer ERP-Suite gleich mit an, oft als integrierte Lösung. Dabei werden die Daten zur Beschreibung des aktuellen Zustands in dem produzierenden Unternehmen aus dem eigentlichen PPS-/ERP-System übernommen und durch umfangreiche Berechnungen alternativer Szenarien zu einem sinnvollen, unter den aktuellen Randbedingungen bestmöglichen Handlungsvorschlag für die Durchführung der zukünftigen Bearbeitungsschritte generiert.

Fehler durch sachlich falsche Daten

Allerdings lassen sich nicht alle Daten aus dem ERP-/PPS-System verarbeiten, weil fehlerhafte Datensätze vorhanden sein können. Diese werden dann nicht oder nur fehlerhaft in die Planungen der zukünftigen Bearbeitungsschritte einbezogen. Erfahrungsgemäß erfolgt eine regelmäßige, zeitnahe Korrektur fehlerhafter Daten in den meisten Unternehmen nicht. Im Zeitalter von künstlicher Intelligenz, Clusteranalysen und Fuzzy Logic drängt sich daher die Frage auf, ob derartige Fehler nicht systemseitig korrigiert werden können. Um diese Frage tiefer zu beleuchten, sind zunächst die verschiedenen Fehlerarten zu differenzieren.

1. Sachlich falsche Daten

Sachlich falsche Daten lassen sich durch logische Überprüfungen ermitteln. Hierzu zählen beispielsweise

Falsche Angaben zu Ressourcen: Arbeitsgänge sollen auf nicht vorhandenen Ressourcen bearbeitet werden. Prinzipiell sollten derartige Fehler bereits PPS-seitig ausgeschlossen werden, indem Plausibilitätsprüfungen vor Auftragsfreigabe durchgeführt werden. Aber selbst wenn dies der Fall sein sollte, können immer noch auf dem Weg durch die Produktion Ressourcen außer Betrieb genommen werden, ohne dass die laufenden Werkstattaufträge geändert werden.

Neue Kundenaufträge mit Liefertermin in der Vergangenheit: Hier können Tippfehler bei der Anlage des Kundenauftrags verantwortlich sein.

Neue Bestellungen mit Zugangstermin in der Vergangenheit: Auch hier sind in der Regel Tippfehler bei der Anlage der Bestellung die Fehlerursache.

Daten reinigen bei der Termin- und Kapazitätsplanung

Produktion planen, Datenqualität im Blick

2. Fehler, bedingt durch die Planungsphilosophie

Mehrere begonnene Arbeitsgänge auf einer Ressource sind vorhanden: Obwohl in der Werkstattfertigung die Abarbeitung von Fertigungsaufträgen grundsätzlich in Losen erfolgt, werden durch Eingriffe der terminverantwortlichen Mitarbeiter manchmal Lose gesplittet. Entweder wird dabei nur eine Teilmenge des Loses dringend für einen Kundenauftrag benötigt, oder eine zeitlich überlappte Bearbeitung mehrerer Arbeitsgänge auf den folgenden Ressourcen wird durchgeführt, um die Durchlaufzeiten zu reduzieren. Als dritte, mögliche Ursache wird die abwechselnde Bearbeitung mehrerer Aufträge auf einer Ressource genannt, was durch die technische Ausrüstung einiger Maschinen so erforderlich ist. Als Beispiel sei hier ein Drehtisch eines Bearbeitungszentrums genannt, bei dem auf der einen Seite ein neues Werkstück auf die Vorrichtung A gespannt wird, während zeitgleich auf der anderen Seite des Tisches ein Werkstück mit Hilfe der dort vorhandenen Vorrichtung B bearbeitet wird.

Fertigungsaufträge ohne Bedarf werden erkannt: Hier können stornierte oder verschobene Kundenaufträge als Ursache ebenso identifiziert werden wie Lagerauffüllaufträge, die nicht als solche gekennzeichnet wurden.

Bestellungen ohne Bedarf: Werden Bestellungen identifiziert, die für die aktuellen Kundenaufträge nicht benötigt werden, so lassen sich hier die gleichen Gründe identifizieren, die auch bei Werkstattaufträgen ohne Bedarf vorliegen können. Hinzu kommen hier Bestellungen, die bereits vorab getätigt wurden, deren Kundenauftrag aber noch in der Konstruktionsphase ist.

Auftragsmengen entsprechen nicht dem Bedarf: Eine solche Situation liegt einerseits vor, wenn im ERP-/PPS-System Losgrößenregeln für die Disposition hinterlegt sind, die sich nicht am exakten Bedarf orientieren. Beispielsweise kann die Losgröße eines Auftrags sich an der möglichen Anzahl von Einzelteilen orientieren, die aus einem Rohmaterialgebinde erzeugt werden können. Mit derartigen Regeln können Restmengen beispielsweise von Stangenmaterial vermieden werden, wenn die Verwaltung solcher Restmengen lagertechnisch unvertretbar hohen Aufwand verursachen würde. Andererseits kann hier auch vom Disponenten ein Fertigungsauftrag gestartet worden sein, der sowohl die aktuellen Bedarfe der Kundenaufträge befriedigen als auch gewünschte Lagerbestände auffüllen soll.

Liefermengen entsprechen nicht dem Bedarf: Neben Liefermengenrestriktionen des Lieferanten wie Mindestmengen oder fixen Gebindegrößen ist auch hier die Kombination von Lagerauffüllung und Deckung von Bedarfen zu nennen.

3. Fehler, die beim Datenabgleich auffallen

Es kommt immer wieder Fehlern, die sich durch den Vergleich von Vergangenheitsdaten mit den hinterlegten Grunddaten erkennen lassen:

Falsche Wiederbeschaffungszeiten: Durch den Vergleich der Lieferzeiten in der Vergangenheit mit den aktuell in den Grunddaten dokumentierten Wiederbeschaffungszeiten lassen sich Abweichungen erkennen. Ursache dieser Fehler sind variierende Lieferzeiten der Lieferanten, wobei diese vom Lieferanten nicht vorauseilend mitgeteilt wurden, was dann ja für eine manuelle Anpassung der Wiederbeschaffungszeiten in den Grunddaten genutzt werden könnte.

Übergangs-, Liege- und Durchlaufzeiten für nicht kapazitiv geplante Arbeitsgänge entsprechen nicht den Zeiten, die in der Vergangenheit aufgetreten sind. Diese Abweichungen könnten dazu genutzt werden, die hier hinterlegten Grunddaten zu aktualisieren.

Neben diesen genannten Fehlern können weitere Fehler in den Auftragsdaten vorliegen, die hier nicht explizit behandelt werden sollen. Dabei handelt es sich beispielsweise um Rückmeldefehler bei der Auftragsfortschrittserfassung wie falsche Menge oder fehlende Rückmeldungen die zu inkonsistenten Planungsergebnissen führen können. Hier könnte eine rechnergestützte Lösung teilweise zur Korrektur von Daten genutzt werden. Würde aber beispielsweise ein auf einer Ressource begonnener Arbeitsgang automatisch dann ‚fertig‘ gemeldet, sobald der Folgearbeitsgang ‚begonnen‘ gemeldet würde, erfolgte bei einem gewollten Lossplit eine falsche Angabe über verfügbare Stückzahlen an den einzelnen Ressourcen

Folge häufiger Planungsfehler

Diskutiert man die Möglichkeiten, Korrekturen fehlerhafter Daten durch ‚intelligente‘ Algorithmen vorzunehmen, so steht dabei insbesondere die Auswirkung der jeweiligen Fehler auf das Ergebnis der Termin- und Kapazitätsplanung im Vordergrund.

Unplanbare Aufträge und Arbeitsgänge: Als besonders relevant für das Ergebnis der Planung sind Fehler, die dazu führen, dass Arbeitsgänge und damit Aufträge überhaupt nicht eingeplant werden können. Tauchen diese in den Bearbeitungslisten für die Ressourcen nicht auf, ist die Wahrscheinlichkeit hoch, dass diese unbearbeitet liegenbleiben, bis die betroffenen Teile bei der Zusammenstellung des Kundenauftrags als Fehlteile erkannt werden. Zusätzlich tritt bei unplanbaren Fertigungsaufträgen die Situation ein, dass die durch diese Aufträge zu deckenden Bedarfe unbefriedigt bleiben, so dass ein neuer, dann planbarer Fertigungsauftrag zur Bedarfsdeckung vorgeschlagen wird. Werden diese Vorschläge ohne manuelle Überprüfung umgesetzt, werden die zuvor nicht planbaren Aufträge im Endeffekt nicht mehr benötigt. Diese werden dann erst im Rahmen der nächsten Inventur entdeckt. Diese faktischen Fehler können nicht automatisiert korrigiert werden. Hier ist es zwingend notwendig, die betroffenen Aufträge bzw. Arbeitsgänge einem Mitarbeitenden zur Prüfung und Korrektur vorzulegen. Ohne manuelle Eingriffe werden diese Fehler dauerhaft dazu führen, dass Aufträge nicht den Ressourcen zugeordnet werden können.

Belastungen oberhalb der Kapazitätsgrenzen: Auch Fehler, die dazu führen, dass die nur einmal vorhandene Kapazität einer Ressource gleich mehrfach für die Bearbeitung unterschiedlicher, dort als begonnen gemeldeter Arbeitsgänge verplant wird, führen zu relevanten Fehlern in der Gesamtplanung. Die mehrfach verplante Kapazität steht ja nur einmal zur Verfügung, der Rest fehlt letztlich. Diese mangelnde Übereinstimmung von Plan- und Ist-Situation resultiert aus Losteilungen und lässt sich ebenfalls durch manuelle Eingriffe vermeiden. Wurde während der Bearbeitung entschieden, dass nur eine Teilmenge des Loses weiter bearbeitet werden soll, während der Rest bis auf Weiteres im aktuellen Bearbeitungsstand warten soll, bis weitere Bedarfe auftreten, so sollte ein neuer Fertigungsauftrag generiert werden. Dieser Auftrag sollte die dringend benötigte Menge umfassen. Die bereits vorher erledigten Arbeitsgänge können gelöscht werden, so dass nur noch die nachfolgenden Arbeitsgänge eingeplant und durchgeführt werden müssen. Der ursprüngliche Auftrag sollte in der Stückzahl korrigiert werden, so dass für diesen Teilauftrag ein neuer Endtermin auf Basis der Bedarfssituation ermittelt werden kann.

Verschwendung von Ressourcen: Anders verhält es sich mit Fehlern, deren Korrektur eine Optimierung der Ressourcenbelastung ermöglichen würde. Hier sind insbesondere Aufträge und Bestellungen zu nennen, die nicht benötigte Mengen enthalten. Dieser als ‚Losgrößencheck‘ bezeichnete Vergleich der benötigten Mengen mit den tatsächlich beauftragten Mengen zeigt auf, welche Aufträge storniert bzw. welche Stückzahlen nach unten korrigiert werden können. In der Praxis hat sich gezeigt, dass stornierbare Aufträge meist bewusst von den Disponenten gestartet wurden, um das Lager aufzufüllen. Grundsätzlich wäre diese Fehlerart zu vermeiden, wenn in den Dispositionsparametern des jeweiligen Artikels ein Mindestbestand angegeben wäre. Von dieser Möglichkeit machen Disponenten leider viel zu selten Gebrauch, i.d.R. werden Lagerauffüllaufträge weiterhin manuell gestartet. Eine Reduzierung der Mengen auf das tatsächlich geforderte Maß lässt sich analog zu den geteilten Aufträgen durchführen.

Daten reinigen bei der Termin- und Kapazitätsplanung

Produktion planen, Datenqualität im Blick

Daten automatisch pflegen ist möglich

Stammdatenpflege: Ein Vergleich von Stammdaten wie Wiederbeschaffungszeiten und Durchlaufzeiten kann Abweichungen zwischen diesen, für die Planung relevanten Daten und den tatsächlichen, aus der Historie abgeleiteten Ist-Daten aufzeigen. Durch die Betrachtung der Wiederbeschaffungszeiten in den vergangenen Perioden für einen Artikel und den dazugehörigen Lieferanten kann eine Prognose über die Entwicklung der Wiederbeschaffungszeiten dann erfolgen, wenn hier Trends erkennbar sind. Auch ein funktionaler Zusammenhang zwischen Lieferzeiten und allgemeinen Entwicklungen, zum Beispiel Konjunkturindizes für die jeweiligen Branchen, kann vermutet, überprüft und in entsprechende Vorschläge zur zukünftigen Wiederbeschaffungszeit münden. Ob diese automatische Pflege von Wiederbeschaffungszeiten allerdings gewünscht wird, muss durch Befragung der Anwender erst noch geklärt werden. Aus zahlreichen Industrieprojekten lässt sich die Erkenntnis ableiten, dass die Pflege der Wiederbeschaffungszeiten aufgrund der weitreichenden Auswirkungen auf Lieferfähigkeit und Bestandsentwicklung als eine sehr wichtige Aufgabe in der Beschaffung angesehen wird. Diese Pflege, die nach Auffassung der verantwortlichen Mitarbeiter ein hohes Maß an Erfahrung und Fingerspitzengefühl erfordert, wird man vermutlich nur dann mit Hilfe von künstlicher Intelligenz lösen können, wenn zumindest der Mensch als Kontrollinstanz fungiert. Neuste Projekte zeigen jedoch, dass die automatische Pflege von Wiederbeschaffungszeiten durch den Einsatz moderner Machine Learning-Verfahren bereits eine durchschnittlich bessere Voraussage erlaubt, als es mit manuell aktuell gepflegten Wiederbeschaffungszeiten der Fall ist.

Historiendaten für bessere Taktung der Fremdfertigung

Des Weiteren kann eine Auswertung der Historiendaten zur Anpassung der Durchführungs- und Durchlaufzeiten externer Arbeitsgänge führen. Generell werden für externe Ressourcen im Rahmen der Terminplanung meist feste Durchlaufzeiten herangezogen. Hierbei wird jedoch vernachlässigt, dass auch bei externen Ressourcen im Rahmen der Fremdfertigung Kapazitäten betrachtet werden. Diese werden durch unterschiedliche Aufträge mit Verbindung mit Werkstückdimensionen, Stückzahlen, Bearbeitungsumfang je Stück, aktuelle Auslastung des Fremdfertigers, Verfügbarkeit eventuell notwendiger Werkzeuge und Vorrichtungen beim Fremdfertiger unterschiedlich stark belastet. Allein dadurch werden in der Praxis auch unterschiedliche Belegungszeiten in Abhängigkeit des jeweiligen Arbeitsgangs resultieren. Zusätzlich hängen Durchlaufzeiten auch von der aktuellen Auslastungs- und Warteschlangensituation ab. Auf diesem Teilgebiet der Planung können durch intelligente Analysen der Vergangenheitsdaten flexible Dauern für externe Bearbeitungsgänge abgeleitet werden. Auch hier unterstützen Machine Learning-Verfahren bereits in der Praxis.

Fazit

Zusammenfassend lässt sich feststellen, dass eine EDV-gestützte Datenbereinigung durchaus in gewissen Teilbereichen möglich ist. Eine automatische Fehlerkorrektur ohne Beteiligung der Mitarbeitenden erscheint jedoch kritisch. Eine minimale Beteiligung in Form einer ‚Information mit Widerspruchsmöglichkeit‘ ist aus Sicht der Anwender erforderlich, um die erforderliche Basis für eine Akzeptanz der automatischen Datenbereinigung zu schaffen.


Hinweis:

Die im Beitrag diskutierten Beispiele stammen aus Praxisbeispielen, die der Autor in verschiedenen Industrieunternehmen mit dem Steuerungssystem Felios der Aachener Softwarefirma Inform GmbH gemacht hat.