![](\"https:\/\/www.cim-aachen.de\/wp-content\/themes\/cim-aachen\/wissen_alt\/images\/itp0411-1.jpg\")
<\/p>\n\n\n\nEine Produktion zu optimieren hei\u00dft, auf Basis von Zahlen, Daten und Fakten fundierte Entscheidungen zu treffen, die nachhaltig die Wertsch\u00f6pfung erh\u00f6hen und Verschwendung vermeiden. Das Ziel, Ressourcen anstelle der Beschaffung und Bereitstellung von Informationen f\u00fcr das konsequente Umsetzen von wertsch\u00f6pfenden Ma\u00dfnahmen einzusetzen, l\u00e4sst sich auch durch den Einsatz von Business Intelligence-L\u00f6sungen erreichen.<\/p>\n\n\n\n
<\/p>\n\n\n\n
Die Beschaffung des f\u00fcr die erfolgreiche Produktionssteuerung notwendige Datenmaterials stellt f\u00fcr viele Unternehmen eine Herausforderung dar. Einerseits fehlen zentrale Daten, um Problemursachen identifizieren und beseitigen zu k\u00f6nnen. Andererseits sind genug Informationen verf\u00fcgbar, zu denen sich jedoch aufgrund unstrukturierter Datenlage und mangelnder Konsolidierung keine eindeutigen Aussagen treffen lassen. Welche Informationen im Produktionsunternehmen ben\u00f6tigt werden, leitet sich in der Regel aus dem Marktumfeld und dem Produktionssystem ab. Denn es geht nicht darum, m\u00f6glichst viele Kennzahlen zu ermitteln, sondern zielgerichtet die Werte zu messen, die den Grad der Zielerreichung des Produktionssystems bewerten.<\/p>\n\n\n\n
Die passenden Messgr\u00f6\u00dfen f\u00fcr die Produktion finden<\/strong> Grundstein f\u00fcr effektives Produktionscontrolling<\/strong> Werkzeuge f\u00fcr das Data Mining<\/strong> Analyse-Software der zweiten Generation<\/strong> Auf dem Weg zu mehr Wertsch\u00f6pfung<\/strong> erschienen in IT & Production, April 2011<\/strong><\/p>\n","protected":false},"excerpt":{"rendered":" Production Intelligence – Wertsch\u00f6pfung im Blick Ingo Laqua, Gesch\u00e4ftsf\u00fchrer, CIM Aachen GmbH Eine Produktion zu optimieren hei\u00dft, auf Basis von Zahlen, Daten und Fakten fundierte Entscheidungen zu treffen, die nachhaltig die Wertsch\u00f6pfung erh\u00f6hen und Verschwendung vermeiden. Das Ziel, Ressourcen anstelle der Beschaffung und Bereitstellung von Informationen f\u00fcr das konsequente Umsetzen von wertsch\u00f6pfenden Ma\u00dfnahmen einzusetzen, l\u00e4sst … Weiterlesen …<\/a><\/p>\n","protected":false},"author":235742854,"featured_media":0,"template":"","meta":{"_acf_changed":false,"ept_publikation_autor":"Laqua, Ingo","ept_publikation_erschienen-in":"IT & Production","ept_publikation_jahr":"2011","ept_publikation_thema":"Production Intelligence","_links_to":"","_links_to_target":""},"ept_publikation_falldatenbank":[],"class_list":["post-4055","ept_publikation","type-ept_publikation","status-publish","hentry"],"acf":[],"mb":[],"mfb_acf":[],"mfb_rest_fields":["title","generateblocks_dynamic_data_disabled","generateblocks_content_has_dynamic_markers","wpml"],"_links":{"self":[{"href":"https:\/\/cim-aachen.de\/en\/wp-json\/wp\/v2\/ept_publikation\/4055","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/cim-aachen.de\/en\/wp-json\/wp\/v2\/ept_publikation"}],"about":[{"href":"https:\/\/cim-aachen.de\/en\/wp-json\/wp\/v2\/types\/ept_publikation"}],"author":[{"embeddable":true,"href":"https:\/\/cim-aachen.de\/en\/wp-json\/wp\/v2\/users\/235742854"}],"wp:attachment":[{"href":"https:\/\/cim-aachen.de\/en\/wp-json\/wp\/v2\/media?parent=4055"}],"wp:term":[{"taxonomy":"ept_publikation_falldatenbank","embeddable":true,"href":"https:\/\/cim-aachen.de\/en\/wp-json\/wp\/v2\/ept_publikation_falldatenbank?post=4055"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
Verlangt der Markt eine hohe Verf\u00fcgbarkeit, so ist nat\u00fcrlich das Bestandsniveau eine zentrale Kennzahl. Diese wird aber unmittelbar beeinflusst von der internen Wiederbeschaffungszeit. Je kleiner die ist, desto geringer k\u00f6nnen die Best\u00e4nde dimensioniert werden und desto geringer ist das gebundene Kapital. Den Bestand messen viele, kaum ein Betrieb erfasst hingegen die interne Wiederbeschaffungszeit oder den Grad der Wertsch\u00f6pfung anhand des Flussfaktors. Ein anderes Beispiel ist die Anlageneffizienz (OEE). Der Einsatz dieser Messgr\u00f6\u00dfe rentiert sich nur in einer kapitalintensiven Fertigung, etwa bei teuren Schmelz- oder Galvanikanlagen. Der Blick auf die OEE kann sich aber auch bei Engp\u00e4ssen in der Produktion lohnen, um nachhaltig Ma\u00dfnahmen zur Entspannung der Engp\u00e4sse, etwa durch R\u00fcstworkshops oder alternative Instandhaltungsans\u00e4tze, durchzuf\u00fchren. \u00dcberhaupt nicht mit dem OEE zu arbeiten ist deshalb in den meisten F\u00e4llen genauso falsch, wie diesen fl\u00e4chendeckend einzuf\u00fchren, da der Aufwand hierf\u00fcr viel zu hoch ist. Mangelnde Systemunterst\u00fctzung und heterogene IT-Systeme wie MES, CAQ oder BDE-Systeme f\u00fchren dann h\u00e4ufig dazu, dass das manuelle Aufschreiben der ben\u00f6tigten Informationen im Maschinenlogbuch keine systematische Auswertung erlaubt und diese T\u00e4tigkeit irgendwann vollkommen entf\u00e4llt.<\/p>\n\n\n\n
Auch die interne Termintreue, etwa von einem Arbeitsgang zum n\u00e4chsten oder von einer Kostenstelle zur anderen, wird in den meisten Unternehmen heute nicht gemessen. Diese ist aber zum Beispiel in der Werkstattfertigung ein zentraler Parameter zur Bewertung der Planungsqualit\u00e4t und des Flussfaktors. Eine systematische Auswertung kann hier Engp\u00e4sse aufdecken, Qualifikationsbedarfe identifizieren oder Ans\u00e4tze zur Optimierung der Materialbereitstellung aufzeigen. Mit der Auswahl der richtigen Kennzahlen ist der Grundstein f\u00fcr ein effektives Produktionscontrolling und damit f\u00fcr die Optimierung gelegt. Als n\u00e4chster Schritt folgt die effiziente Analyse und Bewertung des vorliegenden Datenmaterials. Eine Vielzahl der f\u00fcr das Produktionscontrolling notwendigen Daten liegt in den Unternehmen bereits vor. Dezentrale Datenstrukturen und un\u00fcbersichtliche Systeme machen aber eine effiziente Analyse mit vertretbarem Aufwand unm\u00f6glich. So stammen die Daten zum Ermitteln der OEE aus dem ERP, aus einem MES- oder CAQ-System und eventuell noch aus der Instandhaltung. Selbst in einer homogenen IT-Landschaft wie SAP ist eine Auswertung daher nicht im Standard m\u00f6glich. Wer sich also das m\u00fchselige Sammeln der Informationen aus unterschiedlichen Quellen ersparen und dar\u00fcber hinaus die Wirkzusammenh\u00e4nge einzelner Kennzahlen erkennen will, kommt ohne intelligente Softwareunterst\u00fctzung nicht aus.<\/p>\n\n\n\n
Auf Prozessdatenebene gibt es hierzu umfassende Data Mining-Programme, die die Zusammenh\u00e4nge von Prozessdaten und Einflussparametern analysieren und visualisieren. Auf \u00fcbergeordneter Produktionsdatenebene eignen sich hierzu Business Intelligence-Systeme, um die wesentlichen Informationen auf Knopfdruck zu erhalten. Idealerweise liefert dabei eine Cockpit-Anwendung dem Produktionsleiter kurz nach dem morgendlichen Betreten einen \u00dcberblick dar\u00fcber, wie die Nachtschicht in Bezug auf Einhaltung des Produktionsplans und Ressourcenproduktivit\u00e4t verlaufen ist. Wenn ein Messwert aus dem Ruder gelaufen ist, wird dies etwa via Ampelfunktion angezeigt, und der Verantwortliche kann per Drill-down die Problemursache auf den Datensatz genau identifizieren. Durch die Anzeige von Daten nach unterschiedlichen Dimensionen wie Zeit, Arbeitsplatz oder Auftragsart im Business Intelligence- System k\u00f6nnen zudem systematische von zuf\u00e4lligen Einfl\u00fcssen unterschieden und Gegenma\u00dfnahmen eingeleitet werden.<\/p>\n\n\n\n
Allerdings ist der Einsatz von Business Intelligence (BI) in der Fertigung noch nicht sehr verbreitet. Das mag zum einen daran liegen, dass diese Systeme klassisch eher in Vertrieb und Controlling angesiedelt sind und mancher Produktionsleiter genug Produktivsysteme im Einsatz hat. Zum anderen h\u00e4ngt es aber auch damit zusammen, dass BI-Systeme der ersten Generation durch aufw\u00e4ndige OLAP-Programmierung viel zu unflexibel und umst\u00e4ndlich waren. Heute k\u00f6nnen durch In-Memory-L\u00f6sungen der zweiten Generation ad-hoc Reports f\u00fcr gro\u00dfe Datenmengen schnell und flexibel auch von der Fachabteilung erstellt werden. So kommen aktuelle Informationen der Entscheidungsfindung zugute. Die Umsetzung kann mit einem BI-System auch durch Sensitivit\u00e4tsanalysen vorbereitet und unterst\u00fctzt werden. So l\u00e4sst sich etwa bewerten, welche Auswirkung eine Reduzierung der Durchlaufzeit auf den Work-in-process- Bestand hat, wie viel mehr Ausbringung eine Erh\u00f6hung der Ressourcenproduktivit\u00e4t bringt oder was dies f\u00fcr Auswirkungen auf die Herstellkosten hat.<\/p>\n\n\n\n
Bei der Verlagerung von nicht wertsch\u00f6pfendem Datensammeln hin zu wertsch\u00f6pfender Produktionssteuerung wird auch der administrative Aufwand im Unternehmen reduziert. Entscheidungen k\u00f6nnen schneller und fundierter getroffen werden. Production Intelligence auf Basis eines BI-basierten Produktions-Cockpits ist keine Frage des K\u00f6nnens mehr, sondern lediglich des Wollens.<\/p>\n\n\n\n