Diplomarbeit - Manfred Schiefers, Stuttgart
Werbung
Manfred Schiefers Immatrikulationsnummer: 360828 Pflasteräckerstr. 44 70186 Stuttgart Diplomarbeit Thema: Einsatzmöglichkeiten von Business Intelligence für spezielle Problemstellungen der industriellen Fertigung Diplomarbeit, vorgelegt zur Erlangung des Zeugnisses über die Diplomprüfung im Studiengang Wirtschaftsinformatik der AKAD-Hochschule Stuttgart – staatlich anerkannte Fachhochschule. Betreuender Hochschullehrer: Prof. Dr. Paul F. Kirchberg Stuttgart, 03.06.2012 INHALTSVERZEICHNIS 1 Einleitung .......................................................................................................... 1 1.1 Hintergrund ................................................................................................. 1 1.2 Ziel dieser Arbeit ........................................................................................ 2 1.3 Aufbau der Arbeit ....................................................................................... 2 2 Business Intelligence allgemein ....................................................................... 3 2.1 BI-Begriff ................................................................................................... 3 2.2 Datenbereitstellung ..................................................................................... 4 2.2.1 Datenquellen ................................................................................... 4 2.2.2 Der ETL-Prozess ............................................................................ 5 2.2.2.1 Extraktion ........................................................................... 5 2.2.2.2 Transformation .................................................................... 6 2.2.2.3 Laden ................................................................................... 7 2.2.3 Data Warehouse .............................................................................. 8 2.2.4 Data Mart ........................................................................................ 8 2.3 2.3.1 Datenanalyse .............................................................................................. 9 OLAP ............................................................................................. 9 2.3.1.1 Multidimensionalität ........................................................... 10 2.3.1.2 Operationen ......................................................................... 11 2.3.2 2.4 Data Mining ................................................................................... 12 Datennutzung .............................................................................................. 13 2.4.1 Kennzahlen als Ergebnis ................................................................. 13 2.4.2 Visualisierung ................................................................................. 13 2.5 Rolle der Metadaten ................................................................................... 14 3 Vorgehensweise zur Ermittlung fertigungsspezifischer Fragestellungen ... 15 3.1 Anforderungsermittlung allgemein ............................................................. 15 3.2 Besonderheiten der industriellen Fertigung ................................................ 16 3.3 Darstellung des gewählten Vorgehens ....................................................... 17 I 4 Fragestellungen aus dem Fertigungsbereich ................................................. 20 4.1 Fertigungsbegriff (Produktion vs. Fertigung) ............................................ 20 4.2 Fertigungsarten .......................................................................................... 21 4.3 Fertigungsverfahren ................................................................................... 22 4.4 Verfahrensentwicklung .............................................................................. 23 4.5 Typische Kennzahlen der Fertigung .......................................................... 24 4.6 Quellsysteme für fertigungsrelevante Daten .............................................. 25 4.6.1 PPS-Systeme .................................................................................. 26 4.6.2 BDE/MDE ...................................................................................... 27 4.6.3 MES ................................................................................................ 27 4.6.4 C*-Technologien ............................................................................ 28 4.6.4.1 CAD .................................................................................... 28 4.6.4.2 CAE .................................................................................... 29 4.6.4.3 CAM ................................................................................... 29 4.6.4.4 CAQ .................................................................................... 30 4.6.4.5 CNC .................................................................................... 30 5 Herleitung möglicher BI-Anwendungsfälle für die Fertigung ..................... 31 5.1 Beispiel für OLAP im Fertigungsbereich ................................................... 31 5.2 Beispiel für Data Mining im Fertigungsbereich ......................................... 36 6 Konkrete Anbieter mit fertigungsspezifischen BI-Lösungen ....................... 40 6.1 FactoryTalk VantagePoint EMI von Rockwell Automation ...................... 41 6.2 cc-sequencer und Produktions-Cockpit von CIM Aachen ......................... 43 6.3 FME: OEE-Analyse mit Qlikview ............................................................. 45 6.4 PILOT Suite von der FELTEN Group ....................................................... 47 6.5 LineWorks-Suite und Cornerstone von camLine Datensysteme ............... 49 6.6 STAS CONTROL von der STAS GmbH ................................................... 51 6.7 FELIOS-Kennzahlen von INFORM ........................................................... 53 6.8 SIMATIC IT von Siemens-Division Industry Automation ........................ 55 6.9 PROXIA MES und ToolDIRECTOR von PROXIA ................................. 57 6.10 key2 von advenco ....................................................................................... 59 II 7 Schlussbetrachtungen ...................................................................................... 61 7.1 Auswertung recherchierter fertigungsspezifischer BI-Lösungsanbieter .... 61 7.2 Fazit ............................................................................................................ 63 Abkürzungen .......................................................................................................... IV Abbildungsverzeichnis ........................................................................................... VI Anhang ................................................................................................................... VII Literaturverzeichnis ............................................................................................ XVIII weitere Quellen .................................................................................................... XXV eidesstattliche Erklärung ................................................................................... XXXII III ABKÜRZUNGEN APS = Advanced Planning System BDE = Betriebsdatenerfassung BI = Business Intelligence BPM = Business Performance Management BSC = Balanced Scorecard CAD = Computer Aided Design CAE = Computer Aided Engineering CAM = Computer Aided Manufacturing CAQ = Computer Aided Quality Assurance CIM = Computer Integrated Manufacturing CNC = Computerized Numerical Control CPM = Corporate Performance Management CRM = Customer Relationship Management DM = Data Mart DM = Data Mining DNC = Direct Numerical Control DWH = Data Warehouse DOE = design of experiments EAI = Enterprise Application Integration EDA = explorative Datenanalyse EMI = Enterprise Manufacturing Intelligence ERM = Entity-Relationship-Modell ERP = Enterprise Resource Planning ETL = Extraktion,Transaktion, Laden EPM = Enterprise Performance Management FDM = Fertigungsdaten-Management FMEA = Fehlermöglichkeits- und Einflussanalyse IuK = Information und Kommunikation KDD = Knowledge Discovery in Databases KNN = künstliche neuronale Netze IV KPI = Key Performance Indicator KVP = Kontinuierlicher Verbesserungsprozess mBDE = mobile Betreibsatenerfassung MDE = Maschinendatenerfassung MES = Manufacturing Execution System MRP = Material Requirements Planning NC = Numerical Control OEE = Overall Equipment Effectiveness OLAP = Online Analytical Processing OLTP = Online Transaction Processing OPC = OLE for Process Control PI = Production Intelligence PPS = Produktionsplanung und -steuerung QRK = Qualitätsregelkarte SCM = Supply Chain Management SEMI = Semicoductor Equipment and Materials International SPC = Statistische Prozesslenkung (statistical process control) SPS = Speicherprogrammierbare Steuerung TPM = Total Productive Management UPM = Unified Production Model VDI = Verein Deutscher Ingenieure VDMA = Verband Deutscher Maschinen- und Anlagenbau V ABBILDUNGSVERZEICHNIS 1 Business Intelligence Portfolio ................................................................... VII 2 BI-Architekturbausteine ............................................................................. VII 3 Systematisierung von Datenquellen ............................................................ VIII 4 Transformation innerhalb von ETL ............................................................ VIII 5 Positionierung des Data Warehouse .......................................................... IX 6 Prinzip: Data Mart ...................................................................................... IX 7 OLAP-Würfel ............................................................................................. X 8 OLAP-Operationen, Roll-up und Drill-down ............................................ XI 9 OLAP-Operationen, Slice und Dice .......................................................... XII 10 OLAP-Operation, Rotation ........................................................................ XIII 11 DuPont-Kennzahlensystem ........................................................................ XIV 12 Dashboard-Beispiel .................................................................................... XIV 13 Zielsystem: Fertigung – Produktion – Gesamtbetrieb ............................... 18 14 Übersicht: Ermittlung fertigungsspezifischer Fragestellungen ................. 19 15 Fertigungsarten entsprechend der Fertigungsstruktur ................................ XV 16 Fertigungsarten entsprechend der Losgröße .............................................. XV 17 Y-CIM-Modell nach August-Wilhelm Scheer ........................................... XVI 18 OLAP-Beispiel, Dimension ‘Produktionseinheit‘.................................... 32 19 OLAP-Beispiel, Dimension ‘Werkzeug‘.................................................. 32 20 OLAP-Beispiel, Dimension ‘Zeitraum‘.................................................... 32 21 OLAP-Beispiel, Dimensionen und Fakten ............................................... 33 22 OLAP-Beispiel, Starschema ..................................................................... 34 23 OLAP-Beispiel, Datenquellen .................................................................. 35 24 Data Mining-Beispiel, Abweichungsanalyse ........................................... 38 25 Data Mining-Beispiel, Datenquellen ........................................................ 39 26 Anbieterübersicht ...................................................................................... XVII 27 Portfolio fertigungsspezifischer BI-Lösungen ........................................... 62 VI 1 Einleitung Informations- und Kommunikationstechnik in der Wirtschaft ist heute unerlässliche Komponente in Unternehmensinfrastrukturen. Sie leistet einen unverzichtbaren Beitrag zur effizienten Abwicklung von Geschäftsprozessen. Als signifikant erweist sich dabei der Umgang mit großen Datenmengen. Doch längst geht es um mehr als nur um die reine Datenverarbeitung. Denn aus Daten wird Information, wenn diese in einen entsprechenden Bezug gesetzt werden. Weiterhin entsteht durch richtig vernetzte Information wiederum Wissen, welches weiter interpretiert werden kann [vgl. Richter 2008, Seite 15]. Wissen über das Unternehmensumfeld sowie über unternehmensinterne Vorgänge bildet die Grundlage für Entscheidungsfindungen in Führungsebenen. Zunehmende Datenmengen, deren Komplexität und die Veränderungsgeschwindigkeit wirken dabei erschwerend. Mächtige Instrumente, die hier helfen können, sind unter dem Begriff „Business Intelligence“ bekannt. Hier geht es u.a. darum, aus Unmengen bereits vorhandener Daten Beziehungen, Muster und Zusammenhänge zu ermitteln, deren Analyse Erkenntnisse bringen sollen [vgl. Scheer 1999, Seite 168]. Ein Anwendungsbeispiel stellt das sog. Cross Selling dar. Supermärkte analysieren ihre Kassendaten und stellen hierbei fest: Wer Bier kauft, kauft oft gleichzeitig auch Kartoffelchips [vgl. Alpaydin, 2008]. Folgerichtig können auf dieser Basis gewonnenen Erkenntnisse entsprechende Marketinginstrumente zielgerichtet angesetzt werden, um zusätzliche Wettbewerbsvorteile zu erlangen. 1.1 Hintergrund Business Intelligence findet auf diese oder ähnliche Weise bereits umfangreichen Einsatz im kommerziellen Bereich. Marketing, Vertrieb, Controlling, Finanzbuchhaltung etc. stehen im Wesentlichen bei der Nutzung im Vordergrund. Es stellt sich aber die Frage, kann was hier funktioniert auch in anderen Disziplinen nutzenbringend Anwendung finden? Obengenannte Unternehmensbereiche leisten vorrangig „unterstützende Dienstleistungen“. Als sog. Hilfskostenstellen sind sie gleichwohl wichtig. 1 Jedoch liegt die eigentliche Wertschöpfung in produzierenden Unternehmen am Ort der Leistungserstellung selbst. Produktion und Fertigung generieren bei ihren Aktivitäten riesige Datenmengen, welche gleichermaßen für Analysen tauglich sind, und den Werkzeugen von Business Intelligence unterzogen werden können. 1.2 Ziel dieser Arbeit Gegenstand dieser Ausarbeitung sind Einsatzmöglichkeiten von Business Intelligence für spezielle Problemstellungen der industriellen Fertigung, also außerhalb der angestammten betriebswirtschaftlich ökonomischen Domäne gelegen. Ziel zum einen ist es, fertigungsspezifische Fragestellungen zu identifizieren und darzustellen. Zum anderen sollen aber zuvorderst unterschiedliche Möglichkeiten der Nutzung des Business Intelligence-Instrumentariums in diesem Zusammenhang aufgezeigt und untersucht werden. 1.3 Aufbau der Arbeit Im ersten Kapitel werden im Vorfeld die theoretischen Grundlagen zu Business Intelligence allgemein gelegt. Danach soll in Kapitel 3 zunächst ein Konzept zur weiteren Vorgehensweise bei der Ermittlung fertigungsspezifischer Fragestellungen erarbeitet werden, die dann im Anschluss in Kapitel 4 schließlich zur Erörterung kommen. Der nachfolgende Teil ist praktischer Natur. Kapitel 5 verwendet die bis hierher gewonnenen Erkenntnisse zur Herleitung möglicher Beispiel-Anwendungsfälle, welche die Umsetzungsmöglichkeit des Business Intelligence-Ansatzes im Fertigungsumfeld darlegen wollen. Kapitel 6 letztendlich widmet sich der Recherche. Hier wird der Frage nachgegangen, wie unterschiedliche Unternehmen der IT-Branche die Felder ‚Business Intelligence‘ und ‚Fertigung‘ kombinieren und diese in konkreten Lösungen in der Industrie zur Umsetzung bringen. Die Rechercheergebnisse kommen dann in Kapitel 7 abschließend zur Auswertung. 2 2 Business Intelligence allgemein Zunächst ist zu klären, was unter Business Intelligence genau zu verstehen ist, und welche Nutzungsmöglichkeiten sich hieraus ergeben können. 2.1 BI-Begriff Das Adjektiv „business“ kann wohl am ehesten als „betriebswirtschaftlich“ übersetzt werden. „Intelligence“ hat im Englischen allerdings mehrere unterschiedliche Übersetzungen und bedeutet in vorliegenden Kontext nicht „Intelligenz“ oder „Klugheit“, sondern vielmehr „Aufklärung“, „Einsicht“, „Information“. Das Wort wird im gleichen Sinne auch in der Bezeichnung des us-amerikanischen Geheimdienstes CIA (Central Intelligence Agency) verwendet. Es existieren zahlreiche Definitionen zum Begriff Business Intelligence (kurz BI). Zum einen kann hierunter das Sammeln, Auswerten und Darstellen von Geschäftsdaten eines Unternehmens gesehen werden. Der Ansatz ist dabei integrativ, indem aus einer Vielzahl heterogener interner und externer Daten erfolgswirksames Wissen an zentraler Stelle über das Unternehmen selbst und über die Unternehmensumwelt (Wettbewerb und Markt) generiert wird [vgl. Ennen 2008, Seite 5]. Die Gartner Group, ein Marktforschungsunternehmen, prägte 1996 erstmals den BIBegriff im engeren Sinne in der Form, dass zunächst nur die reinen Frontend-Tools zur Datenanalyse und -auswertung als Gegenstand der Betrachtung herangezogen werden [vgl. Hoffmann 2010, Seite 12]. Grothe und Gentsch wiederum fassen den Begriff weiter, und sehen BI als analytischen Prozess, welcher die Komponenten Bereitstellung und Entdeckung von Daten sowie die Kommunikation mit Daten beinhaltet (siehe Abbildung 1, Seite VII) [vgl. Oehler 2006, Seite 34]. Wir wollen nachfolgend die Einzelschritte Datenbereitstellung, Datenanalyse und Datennutzung detaillierter untersuchen, und im Anschluss die sog. Metadaten behandeln, die bei allen drei der genannten Schritte eine Rolle spielen. 3 2.2 Datenbereitstellung Die erwähnten Einzelschritte spiegeln sich bei modernen BI-Lösung in voneinander abgrenzbare Funktionsblöcke in einer geschichteten Architektur wider. Dabei ist eine strikte Trennung in Datenbereitstellung, Analyse und Präsentation eher als idealtypisch anzusehen, da in der Praxis die Grenzen fließend sind (siehe Abbildung 2, Seite VII). Aufgabe der Datenbereitstellung besteht darin, Daten aus einer heterogenen Landschaft operativer Systeme zu übertragen, diese in ein standardisiertes Format zu bringen und im Anschluss dauerhaft in einem separat gehaltenen System abzuspeichern [vgl. Gluchowski 2007, Seite 108]. Warum überhaupt eine Trennung von den operativen Systemen? Berechnungen im Rahmen einer Datenanalyse sind aufwendig und beanspruchen die Performance der Rechenanlage, die Antwortzeiten werden länger. Dies ist im Alltagsbetrieb, wo Datenbanktransaktionen schnell vonstatten gehen sollen, nicht praktikabel. Zweiter Grund ist, dass Daten aus völlig unterschiedlichen Systemen zusammengeführt werden sollen. Dies können z.B. Daten aus einem FiBu-System, zum anderen aus einem ERP-System sein. Und nicht zuletzt soll die Modellierung der Datenbank losgelöst von den operativen Systemen individuell und bedarfsgerecht abbildbar sein [vgl. Oehler 2006, Seite 35]. 2.2.1 Datenquellen BI-Datenquellen sollen die Zustände des Unternehmens und dessen Umfeld wiedergeben. Dabei wird nicht nur auf unternehmensinterne Quellen zurückgegriffen, sondern auch auf externe. Auch ist das Datenformat nicht auf relationale Datenbanken beschränkt. Gleichfalls kann es sich auch um Bilder oder Audiodaten handeln. Weiterhin können wir hinsichtlich der Strukturiertheit der Daten einteilen. Daten einer relationalen Datenbank sind genau strukturiert, der Text einer Email ist unstrukturiert (siehe Abbildung 3, Seite VIII) [vgl. Kendzia 2010, Seite 75]. Die Datenerfassung lässt sich bei gut strukturierten Daten automatisieren. Schlecht strukturierte hingegen bedürfen nicht nur bei der Erfassung, sondern auch bei der späteren Aufbereitung eines manuellen Eingriffs. 4 2.2.2 Der ETL-Prozess Durch die Datenbereitstellung sollen also Daten aus den vorgenannten Datenquellen in die Basisdatenbank des BI-Systems überführt werden. Letztere bildet die Vorstufe zum Data Warehouse (DWH). Hauptaufgabe sind nun zum einen, die Integration relevanter Daten, und zu anderen deren Bereitstellung zur persistenten Datenhaltung für Analysezwecke. Man kann dies als einen periodisch wiederholbaren Prozess verstehen, der über regelmäßige Replikation die Datenaktualität sicherstellt. Dieser Prozess ist aufgliederbar in die Phasen Extraktion, Transaktion und Laden (kurz ETL) [vgl. Gómez 2008, Seite 89]. In der ersten Phase werden die Daten aus den Quellsystemen temporär in einen Arbeitsbereich überführt. In diesem findet dann der eigentliche ETL-Prozess statt. Erst im Anschluss finden die aufbereiteten Daten ihren Weg in die Basisdatenbank. [vgl. Gómez 2008, Seite 90]. Oben genannter Arbeitsbereich wird auch als Staging Area bezeichnet. Wesentlich ist, dass in ihn z.T. lediglich Daten mit erkannten Änderungen seit der letzten Übertragung Berücksichtigung finden [vgl. Struck 2012, Seite 20]. Zu erwähnen ist, dass es eine Vielzahl sog. ETL-Werkzeuge/ETL-Tools auf dem Markt gibt, welche von spezialisierten Anbietern stammen, die sich eigens auf das Betätigungsgebiet ausgerichtet haben. Dies sowohl kommerziell, als auch im Open Source-Bereich. 2.2.2.1 Extraktion In dieser Phase werden zuvorderst Regeln für die Verbindung mit den Quellsystemen bestimmt, die festlegen, wie und wann die Datenübertragung stattfinden soll. Bei einem umfangreichen Datenvolumen kann z.B. Datenkomprimierung vorteilhaft sein. Hinsichtlich der Extraktionszeitpunkte kann grundsätzlich zwischen synchroner und asynchroner Extraktion unterschieden werden. Synchron heißt sofortige Übertragung, sobald sich eine Änderung im operationalen System ergibt. Asynchrone Extraktion findet nur innerhalb fest definierter Zeitfenster statt. Die Differenzierung 5 orientiert sich dabei an der Brisanz und Wichtigkeit der Daten (so z.B. Aktienkurse). Bei asychroner Extraktion kann weiter untergliedert werden. Sie kann periodisch, ereignis- oder anfragegesteuert gestaltet sein [vgl. Gómez 2008, Seite 90]. Periodische Extraktion erfolgt zu festen Zeitpunkten, deren Abstände von mehrmals pro Tag bis zu nur einmal im Monat schwanken können. Die Häufigkeit richtet sich dabei nach der erforderlichen Datenaktualität. Anfragegesteuerte Extraktion kann nach Bedarf ausgelöst werden, wenn zeitnahe Daten spontan benötigt werden, um ganz bestimmte Sachverhalte sofort analysieren können. Bei ereignisgesteuerter Extraktion liegt der Auslöser bei den Daten selbst. Erreichen diese bestimmte Werte, wird die Aktion durchgeführt. Das könnte beispielsweise die Unterschreitung bestimmter festgelegter Lagerbestände sein oder die Überschreitung eines Budgets. In Analogie zu einer ganz normalen Datensicherung kann eine Extraktion ebenso statisch oder inkrementell vollzogen werden. Im ersten Fall werden stets alle in Frage kommenden Quellsystemdaten herangezogen, während im zweiten Fall nur Daten betroffen sind, die seit der letzten Extraktion eine Änderung erfahren haben. Entscheidungsfaktor stellt das bewegte Datenvolumen dar [vgl. Gómez 2008, Seite 91]. 2.2.2.2 Transformation Im Anschluss an die Extraktions- folgt die Transformationsphase. In dieser werden die übertragenen Daten aufbereitet, sodass sie in gewünschtem Format und geforderter Qualität zu späteren Auswertungszwecken tauglich sind. Da meist verschiedene Datenquellen existieren, ist ein weiteres Ziel die Vereinheitlichung z.B. von Datumangaben, Datentypen, Maßeinheiten usw. usw. [vgl. Gómez 2008, Seite 92]. Es werden bei dieser Transformation die Teilprozesse Filterung, Harmonisierung, Aggregation und Anreicherung nacheinander in dieser Reihefolge durchlaufen (siehe Abbildung 4, Seite VIII) [vgl. Kemper 2009, Seite 48]. Bei der Filterung werden die extrahierten Datenbestände zunächst bereinigt, und inhaltliche sowie syntaktische Mängel beseitigt. Der Vorgang orientiert sich an vorher festgelegten Bereinigungsregeln. Syntaktische Mängel will man über sog. 6 Formatanpassungen eliminieren. D.h. beispielsweise ein standardisiertes Format von Telefonnummer: einheitliche Datenablage in der Form „+49 511 1234567“ statt „0511/1234567“. Weiterhin wird dafür gesorgt, dass sog. Ausreißer über Plausibilitätsprüfungen, erkannt und entfernt werden. Bei der Harmonisierung geht es darum, Übernahmedaten syntaktisch und semantisch anzupassen. Syntaktische Harmonisierung bedeutet z.B. einheitliche Maßeinheiten für gleichen Daten (km, Meilen). Semantisch wird harmonisiert, um z.B. vergleichbare Zeitbezüge herzustellen (Umsatzzahlen pro Monat, Quartal, Jahr). Auch spielt ein einheitliches Währungsformat für alle Geldbeträge (z.B. alles in €) eine Rolle, damit spätere Vergleichrechnungen bei Auswertungen überhaupt realisierbar sind. Die nun gefilterten und harmonisierten Daten werden im Nachfolgenden dem Prozess der Aggregation unterzogen. Hier sollen verschiedene Verdichtungsebenen und Gruppierungen hergestellt werden. Dies in der Form, dass man z.B. eine Gliederung in Bezug auf Umsatzzahlen nach Kunde – Kundengruppe – Gesamt oder auch nach Produkt – Produktgruppe – Gesamt erzeugt. Die entsprechenden Granularitäten werden später oft redundant gehalten, um eine Performanzsteigerung bei Auswertungen zu erzielen. In einem letzten Schritt kann eine Anreicherung der bis jetzt gewonnen Daten vorgenommen werden. Aus vorhandenen Kennwerten können weitere, die aus ihnen resultieren, ergänzend berechnet werden. Gegebene Umsatzerlöse und bekannte variablen Kosten ermöglichen z.B. zusätzlich den Deckungsbeitrag zu berechnen. So gewonnene Ergebnisse werden mit in die bisherige Datenbasis integriert und stehen zusätzlich für Analysezwecke zur Verfügung [vgl. Kemper 2009, Seite 48]. 2.2.2.3 Laden Bei der Ladephase werden die aufbereiteten Daten aus dem Arbeitsbereich in die Basisdatenbank des BI-Systems übertragen. Gegenüber der Extraktionsphase, wo die Quellsysteme beeinträchtigt werden, wird beim Ladevorgang der Betrieb des Data Warehouse berührt. Während dieses Vorgangs können somit keine Auswertungen und Analysen gemacht werden. Wenn bereits bestehende Daten aktualisiert werden sollen, gibt es zwei Alternativen: vorhanden Daten werden ersetzt oder sie werden als völlig neue Datensatze angelegt [vgl. Gómez 2008, Seite 92]. 7 2.2.3 Data Warehouse Die wörtliche Übersetzung als “Datenwarenhaus” trifft nicht den Kern der eigentlichen Definition. Vielmehr kann ein Data Warehouse als ein Datenvorrat aus internen und externen Quellen verstanden werden, der als Basis für nachfolgende Informationssysteme für Analysezwecke dient. Abbildung 5 auf Seite IX zeigt die Positionierung des Data Warehouse innerhalb einer BI-Architektur [vgl. Schäfer 2009, Seite 17]. Das Data Warehouse dient also der Datenhaltung, an die von W.F. Inmon 1993 folgende Anforderungen gestellt wurden ... subjektorientiert: Daten-Strukturierung nach Subjekten wie ‚Kunden’, ‚Produkte’ integriert: konsistente und nicht-redundante Datenhaltung nicht-volatil: gleiche Abfragen führen zu jedem Zeitpunkt zu gleichen Ergebnissen zeitraumbezogen: im Gegensatz zum Zeitpunktbezug bei den operativen Systemen [vgl. Schäfer 2009, Seite 16]. Um einen Performanz-Zugewinn zu erzielen, werden entgegen obiger Beschreibung allerdings Daten z.T. auch absichtlich redundant abgespeichert. Im Vergleich zu operativen Systemen werden Daten im Data Warehouse im Normalfall nicht mehr verändert [vgl. Huthmann 2007, Seite 3]. 2.2.4 Data Mart Data Warehouses stellen zentrale Komponenten dar. Teilweise werden jedoch auch zusätzlich dezentrale Varianten installiert. Diese, sog. Data Marts, sind betrieblich abgegrenzte Bereiche eines Data Warehouse [vgl. Huthmann 2007, Seite 3]. Data Marts stellen für spezielle Unternehmensbereiche (z.B. Abteilungen) genau die Daten zur Verfügung, die sie für ihr funktions- bzw. personengruppenbezogenes Aufgabenfeld benötigen [vgl. Balzert 2009, Seite 216]. Das Data Mart-Prinzip verdeutlicht Abbildung 6 auf Seite IX. 8 2.3 Datenanalyse Nachdem nun Daten erfasst, aufbereitet und gespeichert wurden, ist der Prozess der Datenbereitstellung abgeschlossen. Es folgt als nächste Phase die Datenanalyse. Ziel ist es letztendlich, aus einer großen Informationsmenge nutzbringende Erkenntnisse zur Entscheidungsunterstützung zu gewinnen. Relevante Zusammenhänge sollen dabei aufgedeckt werden. Weiterhin will man aufgestellte Hypothesen überprüfen und evaluieren. Nicht zuletzt werden über Kennzahlen quantitativ erfassbare Sachverhalte in konzentrierter Form dargestellt [vgl. Discher 2010, Seite 32]. Data Warehouses stellen lediglich den reinen Datenbestand bereit. Erst durch die analytische Weiterverarbeitung entsteht der eigentliche Nutzen. Methodische Verfahren hierzu sind OLAP und Data Mining [vgl. Engels 2008, Seite 126]. 2.3.1 OLAP Transaktionsorientierte operative Datenverarbeitungssysteme sind für schnelles Lesen und Schreiben der Daten ausgelegt. Man denke z.B. an Flugbuchungssysteme oder an die Datenverarbeitung in Banken. Die Rede ist von sog. Online Transaction Processing-Systeme (OLTP) [vgl. Gabriel 2009, Seite 10]. Bei OLTP stehen kurzfristig veränderliche Datenbestände im Vordergrund. Weitere Kriterien stellen die Sicherheit der ausgeführten Datenbanktransaktion sowie viele einzelfallbezogene Detailabfragen bei hohem Datendurchsatz dar. Die Modellierung der meist relationalen Datenbank ist wohlstrukturiert und normalisiert, um den Ansprüchen gerecht zu werden. Was für ein operatives System vorteilhaft ist, wirkt sich allerdings negativ aus, wenn es um komplexe Analysezwecke geht. Die Fragmentierung des Datenbestandes in zahlreiche flache Tabellen erlauben keine ganzheitliche Sicht. Im Gegensatz zu OLTP steht OLAP (Online Analytical Processing) [vgl. Gabriel 2009, Seite 11]. Anforderungen nach Nigel Pendse an OLAP: Fast (schnelle Verarbeitung), Analysis (Abfrage mit wenig Aufwand realisierbar), Shared (mehrbenutzerfähig), Multidimensional (mehrdimensional), Information (alle relevanten Daten). Kurz: FASMI [vgl. Engels 2008, Seite 153]. 9 2.3.1.1 Multidimensionalität Der Datenstruktur eines OLAP-Systems liegen folgende Komponenten zugrunde: Zum einen Kennzahlen, die quantifizierbare Sachverhalte in stark komprimierter Form wiedergeben (z.B. Umsätze, Verkaufszahlen). Zum anderen Hierarchien, die sachlogische Zusammenhänge gleichartiger Elemente über mehrere Ebenen abbilden. Dies kann in Form von Zeithierarchien geschehen, indem z.B. Umsätze pro Monat, pro Quartal oder pro Jahr abgebildet werden, oder auch nach Organisationsstruktur z.B. Verkaufszahlen pro Vertriebsmitarbeiter, pro Niederlassung bzw. im Gesamtunternehmen. Nicht zuletzt können noch über Dimensionen Gruppierungen zusammengehöriger Objekte gebildet werden (z.B. Artikel, Kunden, Regionen) [vgl. Schaaf 2010, Seite 5]. Die Datenstrukturen können grafisch in Form eines Würfel-Gebildes plastisch dargestellt werden, wobei die Würfelkanten die Dimensionen versinnbildlichen. Bei nur einer Dimension ergibt sich eine Linie (z.B. ein Zeitstrahl). Zweidimensionalität entspricht einer Matrix in Form einer Tabelle. Bei der Dimension Null liegt genau ein einziger Wert vor. Obgleich die Kombination von drei Dimensionen als Würfel oft zur prinzipiellen Darstellung herangezogen wird, ist es bei OLAP üblich auch eine Dimensionszahl > 3 heranzuziehen (was allerdings nicht mehr grafisch darstellbar ist) [vgl. Schaaf 2010, Seite 7]. Die Navigation entlang der Dimensionen erlaubt eine Vielzahl potentieller Zielanalysen (Abbildung 7 auf Seite X) [vgl. Hoffmann 2011, Seite 10]. Dimensionen können durch mehrere Attribute beschrieben werden. Diese stehen über unterschiedliche Verdichtungsstufen zueinander in Beziehung. So ergeben sich jeweils ganz bestimmte Perspektiven aus deren Blickwinkel Fakten in Form von Kennzahlen den Kontext beschreiben. Eine Sonderrolle fällt der Dimension ‚Zeit‘ zu, da sie bei den meisten Analysen ein bestimmender Faktor ist. Damit erfährt die Zeitdimension eine gesonderten Behandlung, indem Fakten für alle gängigen Zeitausprägungen (Monat, Quartal, Jahr) aggregiert werden [vgl. Schaaf 2010, Seite 6]. 10 2.3.1.2 Operationen Die Nutzung der OLAP-Analyse ist ein dynamischer und interaktiver Prozess. Der Anwender navigiert dabei durch die multidimensionale Datenstruktur, kann Untersuchungen auf unterschiedlichen Aggregationsniveaus ausführen und verschiedene Sichtweisen einnehmen. Zu diesem Zweck stehen standardmäßig OLAP-Funktionalitäten, die untereinander auch kombinierbar sind, zur Verfügung [vgl. Röger 2010, Seite 37]. Diese werden nachfolgend erläutert. Roll-up und Drill-down Beim Drill-down wird von einem hohem Aggregationsniveau tiefer in Details vorgedrungen. Umgekehrt wird beim Roll-up von Detaildaten weiter verdichtet auf höhere Dimensionshierarchien. Beide Verfahren sind zueinander komplementär und erfolgen entlang eines festgelegten Konsolidierungspfades. Abbildung 8 auf Seite XI zeigt das Prinzip. So könnten beispielsweise Umsatzzahlen europaweit, national oder auch auf Bundesland-Ebene abgebildet werden [vgl. Röger 2010, Seite 38]. Slice und Dice Oft liegt der Fokus des Interesses nur auf einer Teilmenge des OLAP-Würfels. Man wünscht sich in diesem Fall eine bewusste Einschränkung der Datensicht, um eine individuelle Sicht zu ermöglichen. Mit der Operation Slice wird hierzu aus dem Würfel gewissermaßen eine einzelne Scheibe herausgeschnitten, um dadurch die Dimensionalität zu verringern. In Abbildung 9 auf Seite XII ist ersichtlich, über Slice erfolgt reine Konzentration auf Deutschland, andere Regionen werden ausgeblendet. Zur Erreichung einer Eindimensionalität wird über Dice eine kompletter Teilwürfel selektiert [vgl. Röger 2010, Seite 39]. Pivotierung (Rotation) Durch bildhafte Drehung des Datenwürfels um seine eigene Achse werden Dimensionen vertauscht. Man spricht von Pivotierung bzw. Rotation. Dadurch wird die Perspektive verändert. In Abbildung 10 auf Seite XIII werden zunächst Kennzahlen von Kundengruppen und Regionen betrachtet. Nach Rotation stehen Artikelgruppen und Regionen im Mittelpunkt [vgl. Röger 2010, Seite 40]. 11 2.3.2 Data Mining Das vorangehend beschriebene OLAP-Verfahren ist maschinengestützt, wobei die Durchführung benutzergetrieben und intuitiv erfolgt. Data Mining grenzt sich hiervon ab, indem es manuell gestützt, jedoch weitgehend maschinell und autonom nach verborgenen Zusammenhängen in großen Datenbeständen sucht. Das Ziel lautet hierbei Mustererkennung zum Zweck der Wissensentdeckung (Knowledge Discovery in Databases = KDD) [vgl. Steinlein 2004, Seite 39]. Treffender lässt sich Data Mining allerdings mit ‚Erkenntnisgewinnung‘ umschreiben, da letztendlich von bereits bestehendem Wissen ausgegangen wird [vgl. Peterson 2005, Seite 8]. Aus Daten sollen Informationen gewonnen werden, die für den Empfänger bedeutungsvoll sind [vgl. Peterson 2005, Seite 4]. Konkret erschließen sich dabei beim Data Mining vier Einsatzbereiche: Segmentierung, Klassifizierung, Assoziation und Vorhersage. Segmentierung (Clustering) ermöglicht die Einteilung von Datenobjekten in vorher nicht bekannte in sich homogene Gruppen (z.B. Kundensegmentierung im Marketing). Bei der Klassifizierung hingegen sind die zu untersuchenden Objekte schon vorgegeben. Anhand gegebener Merkmale ergibt sich deren Klassenzugehörigkeit (z.B. Internetnutzungshäufigkeit unterschiedlicher Altersgruppen der Bevölkerung). Bei der Aufdeckung von Assoziazionen geht es um kausale Abhängigkeiten zwischen Objekten (z.B. wer Bier kauft, kauft auch gerne Kartoffelchips) [vgl. Gabriel 2009, Seite 15]. Aufgrund identifizierter funktionaler Beziehungen sollen zukünftige quantitative Variablen prognostizierbar gemacht werden. Derartige Vorhersagen basieren auf Verfahren wie künstlichen neuronalen Netzen (KNN), Entscheidungsbäumen oder Reggressionsanalysen [vgl. Gabriel 2009, Seite 16]. Verfahren mit verschiedenen Freiheitsgraden führen zu unterschiedliche Ergebnissen. Deshalb müssen Data-Mining-Resultate evaluiert werden. So soll sich am Ende ein Modell ergeben, bei dessen Anwendung sich im Umkehrschluss abhängige Variable durch unabhängige Variable wieder rekursiv berechnen lassen [vgl. Peterson 2005, Seite 12]. 12 2.4 Datennutzung 2.4.1 Kennzahlen als Ergebnis Dank der heutigen Informations- und Kommunikationssystem sind Informationen jederzeit und überall verfügbar, was „Segen und Fluch zugleich“ ist. Denn es droht die Gefahr der Informationsüberflutung. Kennzahlen sollen hier Abhilfe schaffen, indem sie quantitativ erfassbare Sachverhalte in konzentrierter Form darstellen. Kennzahlen dienen der Entscheidungsunterstützung [vgl. Engels 2008, Seite 12]. Man kann dabei differenzieren nach Gliederungskennzahlen (z.B. Eigenkapitalquote), Beziehungskennzahlen (z.B. Pro-Kopf-Umsatz) oder Indexkennzahlen, die eine zeitliche Entwicklung aufzeigen (z.B. Preisindex) Wichtige bekannte betriebswirtschaftliche Kennzahlen sind Umsatz, Betriebsergebnis, Cash Flow, Deckungsbeitrag und Liquidität [vgl. Engels 2008, Seite 13]. Werden unterschiedliche Kennzahlen in Beziehung gesetzt, spricht man von Kennzahlensystemen. Man kann zwischen Ordnungssystemen und Rechensystemen unterscheiden. Bei den Letztgenannten besteht ein mathematischer Zusammenhang zwischen den hierarchischen Komponenten. Bekanntestes Beispiel ist das DuPont-Kennzahlensystem, welches als Spitzenkennzahl den Return of Investment (ROI) als Ergebnis hat [vgl. Engels 2008, Seite 13] (Abbildung 11 auf Seite XIV). 2.4.2 Visualisierung IuK-Systeme benötigen Schnittstellen zum Benutzer, damit dieser mit der Anwendung interagieren kann [vgl. Schiefers 2011, Seite 9]. Kennzahlen können in Form von Reports in Listenform zur Ausgabe kommen. Jedoch muss der Übersichtlichkeit einer Informationsdarstellung verstärkt Rechnung getragen werden, wenn es um die Akzeptanz der Anwendung geht. Ein sog. Management-Cockpit ist die technische Umsetzung eines visualisierten Kennzahlensystems auf dem Bildschirm und stellt somit den Frontend eines BI-Systems dar. Häufig werden zur Verdeutlichung der Zusammenhänge Sinnbilder wie Tachometer, Thermometer oder Ampelsymbole verwendet. Als weitere Metaphern kommen auch Landkarten oder Wetterkarten in Betracht. Das Ziel ist, große Informationsmengen in komprimierter Form bildlich darzustellen [vgl. Michels 2009, Seite 11]. (Beispiel: Abbildung 12 auf Seite XIV). 13 2.5 Rolle der Metadaten Es wurden nun die Funktionen Datenbereitstellung, Datenanalyse und Datennutzung einer Business Intelligence-Lösung betrachtet. Um die genannten Funktionen wahrnehmen zu können, benötigt ein BI-System für sich selbst bestimmte Regeln und Beschreibungen. Diese wiederum werden in sog. Metadaten festgeschrieben. Es handelt sich dabei genau genommen um Daten über Daten. Nutzdaten werden durch sie beschrieben und klassifiziert. Zum Vergleich: Buchautor, Erscheinungsjahr, Name des Verlags sind Metadaten eines Buches. Der Text des Buches stellt die Nutzdaten dar. Metadaten sind fester Bestandteil eines BI-Systems. Ihre Ablage erfolgt in einem sog. Repositorium, einer separaten Datenbank [vgl. Navrade 2008, Seite 25]. Man kann zahlreiche Arten von Metadaten unterscheiden: Technische Metadaten z.B. berücksichtigen administrativen Eigenschaften von Daten. Es geht um Datenbankschemata in logischer/physischer Hinsicht [vgl. Schmidt 2008, Seite 65]. Fachliche Metadaten wiederum enthalten Berechnungsvorschriften für Kennzahlen, Fachbegriffe, Datumsformate und Maßeinheiten [vgl. Navrade 2008, Seite 25]. Operationale Metadaten enthalten Informationen zu Quelldatensystemen, deren Datenstrukturen und zum Transformationsprozess [vgl. Holthuis 1999, Seite 98]. Passive Metadaten dokumentieren in die ihnen zugrunde liegenden Daten und das Verhältnis zur Umwelt [vgl. Kemper 2009, Seite 48]. Aktive Metadaten stellen hingegen Methoden dar, die auf Daten ausgeführt werden [vgl. Huthmann 2007, Seite 8]. Metadaten beschreiben inhaltlich, wenn z.B. das Passfoto einer Person mit den Attributen ‚Name’ und ‚Kontaktdaten’ (Email, Adresse usw.) versehen wird. Diese können als Datensatzes in einer relationalen Datenbank gespeichert werden [vgl. Schmitt 2005, Seite 89]. Metadaten beschreiben auch strukturell, indem sie Aussagen über Datentyp und Länge eines Nutzdatenfeldes machen. Bei der semantischen Beschreibung werden Synonyme und Homonyme verwendet [vgl. Pellegrini, 2006, Seite 342]. Eine Pressemeldung kann als Fax, als txt-Datei oder auch als PDF-Dokument vorliegen. Solche Einteilungen von Darstellungsformen nennt man formale Metadaten [vgl. Spörrer 2009, Seite 35]. Metadaten tragen über Bezeichnungen und Abgrenzungen wesentlich zu einem einheitlichen Begriffsverständnis bei. Es muss sich dabei immer an der gängigen Terminologie eines Unternehmens orientiert werden, um Missverständnisse zu vermeiden [vgl. Kemper 2009, Seite 50]. 14 3 Vorgehensweise zur Ermittlung fertigungsspezifischer Fragestellungen Alle bisherigen Ausführungen dienten der Klarlegung, was Business Intelligence als solches „kann“. Nächster Schritt ist es, seine Einsatzmöglichkeiten für spezielle Problemstellungen der industriellen Fertigung zu ergründen. Um dazu als Basis ein systematisches Herangehen zugrunde legen zu können, soll zunächst eine entsprechend zielführende Vorgehensweise erarbeitet werden. 3.1 Anforderungsermittlung allgemein Als Frage stellt sich, wie kann BI bei der Fertigung helfen? Oder anders formuliert, wie müsste eine BI-Lösung im Umkehrschluss aussehen, die selbiges macht? Somit geht es also darum, zu identifizieren welche Anforderungen genau an diese Lösung gestellt werden. Im ersten Schritt suchen wir also nach theoretischen Ansätzen zur Anforderungsermittlung allgemein. Basis zum Finden von Systemlösungen bilden Problemanalyse, Systemsynthese und Kreativitätstechniken [vgl. Vogel 2003, Seite 12]. Von Bedeutung ist der Systembegriff. Hiernach besteht ein System aus Einzelkomponenten, die über Eigenschaften und Funktionen verfügen und untereinander bzw. mit ihrer Umwelt in Beziehung stehen. Nach DIN 66201 liegt eine wohldefinierte Anordnung von aufeinander einwirkenden Prozessen vor [vgl. Vogel 2003, Seite 13]. Über Systemgrenzen hinweg werden Materie, Energie und Informationen ausgetauscht und ggf. verändert. Zustände werden dabei sowohl zeitlich als auch räumlich beeinflusst [vgl. Vogel 2003, Seite 14]. Man kann verschiedene Systemtypen differenzieren. Bei einem Zielsystem bilden Einzelziele die Systemelemente, Teilziele stellen Subsysteme dar und Oberziele entsprechen dem Gesamtsystem [vgl. Vogel 2003, Seite 17]. Bei der Auseinandersetzung mit Systemen kann zwischen deduktivem und induktivem Vorgehen unterschieden werden. Im ersten Fall schließt man von der Ursache auf die Wirkung. Im zweiten Fall geht man in umgekehrter Weise vor [vgl. Vogel 2003, Seite 21]. Zur Strukturierung und Systematisierung von Vorgehensweisen eignen sich Vorgehensmodelle [vgl. Vogel 2003, Seite 21]. Beim sog. Wasserfallmodell bauen verschiedene Phasen zyklisch aufeinander auf. Rücksprünge zu Vorphasen scheiden dabei aus. Das V-Modell hingegen bildet zwei Äste ab. Im linken Ast werden Einzel- 15 schritte in der Chronologie von unten nach oben dargestellt, die festlegen w a s gemacht werden soll. Der rechte Ast dient der Verifizierung jeder einzelnen Phase. Wird Teilanforderung nicht entsprochen, sind Rücksprünge zu Vorphasen möglich [vgl. Vogel 2003, Seite 26]. Vom Blickwinkel einer Herangehensweise her, wird bei der Top-down-Methode vom Allgemeinen zum Speziellen vorgegangen, bei der Botton-up-Methode wiederum vom Konkreten zum Generellen abstrahiert [vgl. Balzert 2009, Seite 53]. Systemische Ziele erfordern eine Problemanalyse. Und zwar in der Form, dass Annahmen in Bezug auf Ursachen getroffen werden. Hieraus wird darauf aufbauend der Bedarf abgeleitet, denen Optimierungsvorgaben folgen. Zweckmäßig ist in dem Zusammenhang die Verwendung von Modellen, mit denen reale Systeme abgebildet werden [vgl. Jochem 2010, Seite 204]. Demzufolge kann abgeleitet werden: Um in Frage stehende Problemstellungen als solche zu finden, muss im Vorfeld Klarheit über das Optimum bestehen. 3.2 Besonderheiten der industriellen Fertigung Ergebnisse von Fertigungsprozessen sind gekennzeichnet durch ihre Körperlichkeit. Gegenständliche Objekte bilden Input und Output. Schon allein dadurch ergeben sich Erfordernisse logistischer Natur wie inner- und außerbetrieblicher Transport sowie Lagerung. Dies ist im Handel auch gegeben. Jedoch unterscheidet sich die Fertigung von diesem dadurch, dass durch Einwirkung auf physische Ressourcen eine Veränderung von Objekten stattfindet. Aufgrund der Differenz von vorher zu nachher wird eine Wertschöpfung generiert. Fertigungstechnik bedeutet dabei das Erzeugen von Werkstücken mit definierter Form und Eigenschaften. Im Vergleich zum Handwerk kennzeichnet die industrielle Fertigung, dass die Kapitalausstattung intensiver, die Stückzahlen meist hoch und der Durchführungsprozess stark arbeitsteilig ist. Ein weiterer Gesichtspunkt, zur Unterscheidung von Manufakturen, ist der Einsatz von Anlagen und Werkzeugmaschinen, 16 die mit Mechanisierung und Automatisierung eine hohe Produktivität ermöglichen. Als Folge der Arbeitsteiligkeit ergibt sich die Notwendigkeit von Organisation und Planung. Rein technische Verfahrensparameter beeinflussen den Fertigungsprozess weiter im Detail. Daraus ergeben sich Ingenieursaufgaben. D.h. gestützt auf Berechnungen soll das Fertigungsergebnis planbar, prognostizierbar und optimierbar sein [vgl. Koether 2007, Seite 10]. Grundlage hierfür sind Zahlen und Fakten, die es zu beschaffen gilt. 3.3 Darstellung des gewählten Vorgehens Das Fertigen von Erzeugnissen versteht sich nicht als Selbstzweck, und kann somit nicht isoliert betrachtet werden. In Anlehnung an Kapitel 3.1 haben wir es mit einem Zielsystem zu tun, indem Fertigung und Produktion (Unterschiede klären wir später genauer) Teilziele verfolgen. Abbildung 13 auf Seite 18 zeigt den Zusammenhang. Entsprechend der Top-down-Methode steigen wir oben ein, und umreißen zuerst das Untersuchungsgebiet als Ganzes, indem wir die Begrifflichkeiten ‚Produktion‘ und ‚Fertigung‘ eingrenzen. Maßgeblichen Einfluss auf die Gestaltung des Produktionsprozesses hat die Fertigungsart (Einzel-, Serien-, Massenfertigung). Das macht es erforderlich, entsprechende Klassifizierungen näher zu untersuchen. Dies auch vor dem Hintergrund, dass die Fertigungsart gemäß ihren zugrunde liegenden unterschiedlichen Fertigungsstückzahlen bestimmend für die Auswahl des Fertigungsverfahrens entscheidend ist. Jedes Fertigungsverfahren wiederum unterliegt physikalischen Gesetzmäßigkeiten, die Grenzen setzen. Erkenntnisse aus Forschung und Lehre geben zwar idealtypische Regeln, diese näherungsweise berechnen zu können. Jedoch ist es in der Praxis notwendig, über Versuch im betrieblichen Rahmen Fertigungsverfahren neu bzw. weiterzuentwickeln. Disziplin und zugleich institutioneller Unternehmensbereich stellt zu diesem Zweck die sog. Verfahrensentwicklung dar, die quantifizierbare Einflussgrößen in Bezug auf die Fertigungstechnik liefern kann (und um diese geht es uns hier letztendlich). Sind Einflussgrößen identifiziert, müssen diese mit Inhalten quantifiziert werden. Das gibt die Frage auf, wo stehen welche Systeme zur Verfügung, die hierzu themenspezifisches Datenmaterial als Quellsysteme im Sinne eines BI-Einsatzes bereitstellen können (siehe Abbildung 14 auf Seite 19). 17 positives Betriebsergebnis niedrige Kosten hohe Umsatzerlöse hohe Produktivität hohe Qualität und Termintreue Produktivität optimierte Fertigungsprozesse Maßhaltigkeit, geringe Ausschussquote Fertigung Abbildung 13: Produktion Gesamtbetrieb Zielsystem: Fertigung – Produktion – Gesamtbetrieb 18 plant, steuert, kontrolliert Produktionsmanagement Fertigung Fertigung im weiteren Sinne ( Produktion ) setzt ein Fertigungsarten im Fokus: betriebswirtschaftlich relevante Daten ( Stückzahlen, Auslastungsgrade, Termine usw. ) legen fest Fertigungsverfahren optimiert Verfahrensentwicklung Fertigung im engeren Sinne im Fokus: fertigungstechnisch relevante Daten ( Werkzeugstandzeiten, Maßhaltigkeit, Oberflächengüte usw. ) bringt neue Erkenntnisse liefert entscheidungsunterstützende Kennzahlen BI-System liefern Daten fertigungsrelevante Quellsysteme ( PPS, CAQ, CNC usw. ) Abbildung 14: Übersicht: Ermittlung fertigungsspezifischer Fragestellungen 19 4 Fragestellungen aus dem Fertigungsbereich Für die, in Kapitel 3.3 postulierten, Zusammenhänge soll nun im Anschluss eine Evaluierung durch explizite Untersuchung der genannten Bereiche erfolgen. 4.1 Fertigungsbegriff (Produktion vs. Fertigung) Die beiden Begriffe ‚Fertigung‘ und ‚Produktion‘ werden zumeist synonym verwandt. Es gibt allerdings Definitionen, die diesbezüglich genauer differenzieren. Prozesse der Herstellung und Betreuung von materiellen und immateriellen Gütern im gesamten Lebenslauf eines Produkts können als ‚Produktion‘ verstanden werden. Diese Prozesse sind nicht nur technischer, sondern auch organisatorischer Natur. Noch weiter gefasst können außer der eigentlichen Herstellung auch der Erhalt und das Recycling der Produkte mit einbezogen werden. ‚Fertigung‘ hingegen bezeichnet lediglich einen Teilprozess der Produktion. Betroffen ist dabei die Erstellung rein materieller Güter. Material, Energie und Knowhow stellen u.a. die Ressourcen hierzu dar [vgl. Westkämper 2005, Seite 24]. Die Bezeichnung ‚Fertigung‘ findet Verwendung im Ingenieursbereich, und bezieht sich auf die Gestalts- bzw. Eigenschaftsveränderungen von Rohstoffen. Eine Abgrenzung der Fertigungstechnik gegenüber der Verfahrens- oder Energietechnik ist hierbei möglich [vgl. Dyckhoff 1994, Seite 9]. ‚Produktion‘ kann als betriebliche Leitungserstellung verstanden werden. In diesem Sinne sind, weit gefasst, ebenso die Betätigungsfelder Beschaffung und Absatz mit eingeschlossen [vgl. Gienke 2007, Seite 5]. Es ist generell festzustellen, dass eine einheitliche und allgemeingültige Begriffsdefinition nicht existiert. Offenbar ist allerdings, dass Sichtweisen einerseits im engeren und andererseits im weiteren Sinne bestehen. Folgerichtig sind Problemstellungen der Fertigung sowie das daraus resultierende Datenmaterial je nach Blickwinkel anders ausgeprägt. Bei weiteren Betrachtungen werden wir das berücksichtigen und beiden Varianten Rechnung tragen. 20 4.2 Fertigungsarten Unterschiedliche Ausprägungen der Fertigung haben Einfluss auf die Ausgestaltung der Produktionslogistik und prägen wesentlich den Material- und Informationsfluss. Die demzufolge verschiedenartige Strukturierung der Fertigung wirkt sich aus auf den Aufwand und die Herangehensweise bei der Koordination von Produktionsabläufen. Ebenso entstehen hieraus Wechselwirkungen zum eigentlichen Fertigungsprozess [vgl. Mathar 2009, Seite 123]. Folgerichtig resultieren unterschiedliche quantitative und qualitative Einflussparameter, deren Kenntnis für das Produktionsmanagement von Relevanz ist. Die Fertigungsart ist damit kennzahlenspezifisch. Zwei Ansätze zur Differenzierung von Fertigungsarten sind zum einen die Einteilung entsprechend der Fertigungsstruktur, zum anderen entsprechend der Losgröße Abbildungen 15 und 16, Seite XV). Im ersten Fall können drei Prinzipien genannt werden. Beim Verrichtungsprinzip werden gleichartige Betriebsmittel zu Organisationseinheiten zusammengefasst. Das Objekt- oder Flussprinzip hingegen ordnet Betriebsmittel nach der Abfolge der Arbeitsschritte an. Das Gruppenprinzip kombiniert beide vorgenannten und will damit einen optimierten Materialfluss erreichen. Während bei der Werkstattfertigung Maschinen und Anlagen räumlich zusammengefasst sind, erfordert die Baustellenfertigung den Transport der Betriebsmittel hin zum zu bearbeitenden Werkstück [vgl. Mathar 2009, Seite 124]. Die pro Auftrag zu fertigende Stückzahl ergibt die Losgröße. Je nach Höhe der Losgröße kommen andere Fertigungsarten zum Einsatz: Die Einzelfertigung betrifft nur eine einzige Einheit eines Produktes. Von Serienfertigung spricht man, wenn periodisch wiederkehrende Aufträge mit begrenzter Stückzahl durchgeführt werden. Hiervon unterscheidet sich die Massenfertigung, indem hier eine unbegrenzte Menge kontinuierlich hergestellt wird. Die Sortenfertigung fasst Produkte hinsichtlich ihres Grundstoffes zusammen (Biersorten, Papiersorten) [vgl. Mathar 2009, Seite 127]. Die Losgröße und damit die gewählte Fertigungsart rechtfertigt aufgrund der Fixkostendegression den Kapitaleinsatz und wirkt sich entscheidend aus auf die Wahl des eingesetzten Fertigungsverfahrens. 21 4.3 Fertigungsverfahren Während die Grundstoffverarbeitung über verfahrenstechnische Prozesse die Werkstoffe für die Fertigung zur Verfügung stellt, umfasst die Fertigung im engeren Sinne die Teilefertigung und Montage. Zweck ist es, die geometrische Gestalt sowie die Beschaffenheit (z.B. hinsichtlich Festigkeit oder Härte) von Werkstücken zu ändern [vgl. Westkämper 2010, Seite 4]. Hierzu dienen Fertigungsverfahren, die DIN 8580 in sechs Hauptgruppen einteilt: 1) Urformen z.B. Gießen, Sintern usw. 2) Umformen z.B. Walzen, Schmieden, Tiefziehen, Biegen usw. 3) Trennen z.B. Bohren, Drehen, Fräsen, Schneiden usw. 4) Fügen z.B. Verschrauben, Schweißen, Kleben usw. 5) Beschichten z.B. Lackieren, Galvanisieren usw. 6) Stoffeigenschaft ändern z.B. Härten, Glühen usw. [vgl. Koether 2007, Seite 14]. Die Wahl des Fertigungsverfahrens bzw. der Bearbeitungstechnologie stellt sicher, dass die Bauteilfunktionalität in gewünschter Qualität erreicht wird. Neben der Qualität zählen Fertigungskosten sowie die erzielbare Mengenleistung zu den Einflussfaktoren [vgl. Hehenberger 2011, Seite 11]. Letztgenannte beide Größen münden wiederum in der in Kapitel 4.2 erläuterten Fertigungsart. Anwendungsfelder eines unternehmensbezogenen Benchmarking bieten sich u.a. beim Vergleich von Fertigungsverfahren für unterschiedliche Produkte mit dem Ziel, „best practice“ im Unternehmen zu erzeugen [vgl. Hartmann 2007, Seite 13]. Dies bringt zweierlei Erfordernisse mit sich: 1) Einzelne Fertigungsverfahren als solche neu zu entwickeln und vorhandene zu verbessern. 2) Quantifizierbare Einflussgrößen bezüglich der Fertigungsverfahren zu identifizieren und zu erheben. 22 4.4 Verfahrensentwicklung Innovationsprozesse können in einem linear-sequenziellen Modell zum Ausdruck kommen. D.h. zu Beginn wird neues Wissen im Rahmen der Grundlagenforschung generiert, welches in der angewandten Forschung weiter aufbereitet wird. So gewonnenes Know-how findet seinen Eingang in die Industrie zum Zwecke der Produktentwicklung einerseits, und zum anderen in die Verfahrensentwicklung [vgl. Burr 2006, Seite 106]. Zur Gewährleistung einer effizienten Fertigung ist es notwendig, Fertigungsprozesse zu analysieren und optimal zu gestalten. Die Verfahrensentwicklung liefert Lösungskonzepte für eine wirtschaftliche Bearbeitung [vgl. Weinert 2001, Seite 16]. Verfahrensentwicklung stützt sich auf Erfahrungswerte, Erkenntnisse der wissenschaftlichen Fachliteratur, Versuch, Experiment und rechnergestützte Simulationen [vgl. Schuler 2008, Seite 156]. Bei der Produktentstehung arbeiten mehrere Abteilungen in verschiedenen Phasen zusammen. Sie alle erhalten, verarbeiten und erzeugen Informationen. Mit zu den kooperierenden Abteilungen können u.a. die Qualitätssicherung, Produktion und der Vertrieb genannt werden. Verbesserungsmöglichkeiten ergeben sich bei Aufbereitung und Rückführung aus Informationen direkt aus operativen Fertigungsabläufen. Aggregiertes Zahlenmaterial resultiert dabei z.B. aus der Ansammlung von Qualitätsdaten über eine Reihe von Fertigungsaufträgen hinweg. Wesentlich für die Verfahrensentwicklung ist das Auftreten systematischer Abweichungen in den Prozessschritten, um ggf. Änderungen in den Verfahren vornehmen zu können. [vgl. Mühlendahl 2001, Seite 44]. Verfahrensentwicklung versteht sich als interdisziplinärisches Betätigungsfeld. Verschiedene Sachkompetenzen wirken zusammen. Zugleich ist planmäßiges sowie methodisches Vorgehen maßgeblich [vgl. Hampe 1997, Seite 17]. Sowohl die Nutzung, als auch die Schaffung von Kennzahlen kann als fester Bestandteil dieser Aktivitäten angesehen werden. 23 4.5 Typische Kennzahlen der Fertigung Kennzahlen können allgemein in verschiedene Gruppen klassifiziert werden. Z.B. in Finanzkennzahlen, Produktionskennzahlen, Kundenkennzahlen, Mitarbeiterkennzahlen usw. Solche, die den Fertigungsprozess betreffen, werden als Prozesskennzahlen bezeichnet. Als Beispiele hierfür können Ausschuss, Nacharbeit, Durchlaufzeiten, Maschinenauslastung, Maschinenproduktivität, Maschinenkapazität, Maschinenausfälle und Rüstzeiten genannt werden [vgl. Dietrich 2007, Seite 2]. Prozesskennzahlen befassen sich in erster Linie mit den Themen Fertigungsablauf, Qualität und Logistik. Ergebniskennzahlen betreffen Produktionsmenge und Termineinhaltung. Faktorkennzahlen setzen sich mit den Ressourcen Material, Personal und Anlagen auseinander [vgl. Steven 2007, Seite 540]. Bei der Anwendung einer Balanced Scorecard (BSC) können verschiedene Perspektiven eingenommen werden. Die Perspektive ‚Maschinen und Anlagen‘ beinhaltet Kennzahlen wie Verfügbarkeit und Energieverbrauch. Die Perspektive ‚Mitarbeiter‘ zielt ab auf Kennzahlen wie Arbeitsplatzanzahl, Planverfügbarkeit und Pausenzeiten [vgl. Mostert 2007, Seite 166]. Speziell im Montagebereich können Untersuchungen hinsichtlich der Komplexität von Verschraubungen vorgenommen werden. Als relative Kennzahl ergibt sich hier u.a. der Kompliziertheitsgrad als Quotient aus Anzahl Verbindungen und Anzahl Bauteile [vgl. Scharf 1994, Seite 241]. Bei der spanenden Bearbeitung kommen Wendelbohrer (Spiralbohrer) zum Einsatz. Hier kann der Einfluss der mechanischen Belastung und der Spantransport analysiert werden: Kennzahl S = zerspantes Volumen / (Hauptzeit * Radius) [vgl. Weinert, Seite 188]. Der Einsatz von Werkzeugmaschinen erfolgt mit dem Ziel hoher Stückleistungen. Einfluss darauf hat wesentlich die Schnittgeschwindigkeit [vgl. Fandel 1994, Seite 154]. Das Datenmaterial aller genannten Beispiele liegt am Entstehungsort. 24 4.6 Quellsysteme für fertigungsrelevante Daten Wie in vielen Unternehmensbereichen, so existieren auch im Bereich der Fertigung zahlreiche, teils proprietäre, Anwendungssysteme parallel nebeneinander. Gründe hierfür sind nicht nur historisch bedingt. Verteilte Systeme zeichnen sich u.a. durch drei Merkmale aus. Zum einen steht die Arbeitsteilung im Vordergrund. Durch starke Spezialisierung auf einen bestimmten Anwendungsbereich wird mehr Effizienz bewirkt. Zweiter Punkt ist die Eigenständigkeit, mit der unabhängig von anderen Einheiten, entsprechend dem eigenen Eigenschaftspotenzial, andere Ziele verfolgt werden können. Nicht zuletzt ermöglicht die Lose Kopplung zu anderen Systemen eine fallweise Kommunikation im Bedarfsfall [vgl. Brocke 2003, Seite 170]. Im Gegensatz hierzu stehen monolithische Systeme der Vergangenheit, die aufgrund ihrer schwachen Strukturiertheit und begrenzten Erweiterbarkeit an Bedeutung verloren haben [vgl. Gronau 2009, Seite 262]. Primäres Ziel von Enterprise Application Integration (EAI) besteht darin, heterogene Applikationen miteinander zu verknüpfen [vgl. Seyffert 2009, Seite 2]. Festzustellen ist allerdings, dass durch diesen Flexibilitätszugewinn der Vorteil der Integration verloren geht. Bei EAI-Komponenten ist das Unternehmen selbst für die fachliche Prozessintegration verantwortlich. Erschwerend wirkt sich aus, wenn Komponenten von unterschiedlichen Herstellern stammen [vgl. Scheer 2002, Seite 34]. Industriespezifische Anwendungssysteme spiegeln sich wider im Y-CIM-Modell von August-Wilhelm Scheer. Hiernach wird der integrierte DV-Einsatz insbesondere in der Produktion behandelt [vgl. Niemczyk 2011, Seite 10] (Abbildung 17, Seite XVI). Es werden nachfolgend verschiedene Anwendungssysteme betrachtet, die Daten mit Relevanz zur Fertigung beinhalten. 25 4.6.1 PPS-Systeme Der Ausdruck ‚Produktionsplanung und -steuerung‘ (kurz PPS) stammt aus den 80er-Jahren. Als Ziel stand ein übergreifendes Konzept für Materialwirtschaft und Zeitwirtschaft für die Fertigungsindustrie im Raum. Im Fokus stand hierbei die Produktion inklusive der angrenzenden Bereiche wie z.B. die Konstruktion. Im Laufe der Zeit entwickelte sich ein erweitertes Verständnis, indem die gesamte Auftragsabwicklung, beginnend beim Einkauf bis hin zum Vertrieb, einbezogen wurde. Aufgrund dieses umfassenden Anwendungsbereichs wurde der Begriff ERP (Enterprise Resource Planning) gebräuchlich. Mit Blick über Unternehmensgrenzen hinaus entstand erweiternd das Konzept SCM (Supply Chain Management), welches sämtliche Prozesse entlang der Wertschöpfungskette auch überbetrieblich betrachtet. Schwerpunkte im Kern liegen beim PPS jedoch nach wie vor bei der Planung und Steuerung der Ressourcen und Produktionsprozesse [vgl. Schuh 2006, Seite 4]. Ursprünge von PPS-Systemen liegen bei MRP (Material Requirements Planning). MRP-Systeme arbeiten bei Dispositionsabläufen bedarfsorientiert statt verbrauchsorientiert. Dies wird ermöglicht durch deterministische Bedarfsermittlung, wobei die Auflösung von Stücklisten die Grundlage bildet. PPS erweitert das Konzept um Arbeitspläne. Aufgrund der dort hinterlegten Stückzeiten für einzelne Arbeitsgänge der Fertigungsabläufe können Durchlaufzeiten berechnet werden. In Kombination mit Lagerbestandsführung können so Material-Nettobedarfe terminbezogen ermittelt werden. Anhand der Durchlaufterminierung kann zudem die Kapazitätsbelastung einzelner Betriebsmittel festgestellt werden [vgl. Kiener 2009, Seite 154]. Als die Hauptfunktionen von PPS können genannt werden: Produktionsprogrammplanung, Mengenplanung, Termin- und Kapazitätsplanung, Auftragsveranlassung, und Auftragsüberwachung [vgl. Manit, 2003, Seite 4]. Hauptziele sind Schaffung von Transparenz im Produktionsablauf, der Erhalt niedriger Lagerbestände sowie das Erreichen eines höheren Auftragsdurchsatzes. [vgl. Manit, 2003, Seite 5]. Die Grundlage bildet eine für alle PPS-Funktionen gemeinsam gehaltene Datenbasis. 26 4.6.2 BDE/MDE Betriebsdatenerfassung (BDE) hat die Erhebung von Ist-Daten aus dem betrieblichen Geschehen zum Gegenstand. Ziel ist, Aktualität bezüglich geplanter Vorgaben herzustellen, um realistische Soll-/Ist-Vergleiche zu ermöglichen und Planungen entsprechend anpassen zu können. Als Betriebsdaten kommen u.a. produzierte Menge, benötigte Zeiten, Ausschussmengen und Rüstzeiten in Frage, aber auch Personalanwesenheitszeiten [vgl. Kurbel 2005, Seite 298]. In der Praxis erfolgt BDE über Rückmeldungen, die sobald bestimmte Ereignisse eintreten, von Mitarbeitern der Produktion an Terminals durchgeführt werden. Rückmeldungen werden dabei durch manuelle Eingaben über die Terminaltastatur, berührungsempfindliche Bildschirme oder über Barcodeleser getätigt. Ereignisse können z.B. Ende eines Arbeitsganges, Rüstbeginn, Rüstende, Maschinenstörung, Werkzeugwechsel oder auch Schichtende sein. Die Terminals liegen im betriebsinternen Netzwerk und kommunizieren mit einem Server [vgl. Klusmann 2012, Seite 21]. Eindeutige Identifikationsmerkmale können Fertigungsauftragsnummern in Verbindung mit Arbeitsgangnummern sein, die eine Rückmeldung zuordenbar machen. Bei MDE (Maschinendatenerfassung) werden Daten durch die Produktionsanlage selbst automatisiert weitergegeben. Über eine eingebundene Sensorik werden so zeitnah vorwiegend technische Größen und Zustände wie Temperatur, Drehzahl, Taktzahlen ermittelt [vgl. Kurbel 2005, Seite 298]. 4.6.3 MES Als nachteilig werden bei ERP-/PPS-Systemen bemängelt, dass Grob- und Feinplanungen hinsichtlich der Terminierung stets eine Aktualitätslücke zur Realität aufweisen. Rückkopplungen finden lediglich periodisch, allenfalls zum Schichtwechsel statt. Der eigentlich „steuernde“ Aspekt kommt nicht effizient zum tragen. Lösungsansatz hierzu stellt MES (Manufacturing Execution System) dar [vgl. Kurbel 2005, Seite 263]. Hier sollen im Rahmen der Feinplanung Rückkopplungen im Stundenbzw. Minutentakt einen Abgleich schaffen. MES kann als Symbiose zwischen betriebswirtschaftlichem ERP und ingenieurwissenschaftlicher Informatik, basierend auf technischen Steuerungssystemen, verstanden werden. Kernfunktionen sind elektronischer Fertigungsleitstand, BDE/MDE sowie Qualitätsmanagement, die im MES gebündelt werden [vgl. Kurbel 2005, Seite 264]. 27 4.6.4 C*-Technologien Bei der IT-Landschaft in Unternehmen lassen sich zwei Gruppen von Anwendungssystemen kategorisieren. Einmal betriebswirtschaftliche und zum anderen technische Insellösungen. Letztere gehören zur Gruppe der sog. C-Technologien. Computer Integrated Manufacturing (CIM) hat die Integration beider zum Ziel [vgl. Vahrenkamp 2010, Seite 115]. Beim Y-CIM-Modell (Abbildung 17, Seite XVI) sind sie im rechten Ast angeordnet. Enger gefasst als C*- sind CA*-Technologien. Sie umfassen alle Anwendungen mit dem Präfix „Computer Aided ...“ [vgl. Favre-Bulle 2004, Seite 186]. 4.6.4.1 CAD Computer Aided Design (CAD) ist computergestützte Konstruktion am Bildschirm ermöglicht im zwei- und dreidimensionalen Raum. 2D-Systeme arbeiten mit Linien und enthalten genormte Zeichenelemente wie beim manuellen Zeichnen. 3D-Systeme ermöglichen räumliche Darstellungen in Draht-, Flächen oder Volumenmodellen (solids) [vgl. Reiß 2012, Seite 9]. Durch die Möglichkeit komplexer Berechnungen und Simulationen versteht sich CAD mehr als reine „Zeichenhilfe“. Im Zusammenhang mit CAE (Computer Aided Engineering) spricht man von einem „intelligenten Zeichenbrett. Zu Beginn ging es darum, das Zeichenbrett zu ersetzen. Jedoch ist heute CAD-Integration in andere Systeme längst realisiert. Datenaustausch z.B. mit ERP-Systemen vermeidet in manchen Bereichen doppelte (redundante) Datenhaltung, schafft Transparenz und fördert Synergieeffekte [vgl. Wannenwetsch 2005, Seite 401]. Gemeinsame Datenbasis bieten hier beispielsweise Teilestämme, Zeichnungsnummern und Stücklisten. Das Thema von CAD-Schnittstellen besteht nicht nur innerbetrieblich. Zulieferer, Dienstleister und Kunden benötigen als Kooperationspartner den überbetrieblichen Datenaustausch elektronischer Zeichnungsdaten. Unterschiedliche Datenformate stellen dabei eine Herausforderung dar [vgl. Vogel 2006, Seite 197]. 28 4.6.4.2 CAE CAD befasst sich mittels Computergrafik im Wesentlichen mit den Geometriedaten eines Erzeugnisses. CAE (Computer Aided Enginering) stellt dazu eine Erweiterung dar. Es wird hier nicht nur das konstruierte Produkt am Bildschirm räumlich dargestellt, sondern es können darüberhinaus Berechnungen und Simulationen durchgeführt werden. Virtuelle Körperlichkeit ersetzt damit den Bau von teuren Prototypen, um z.B. Crashtests zu fahren oder Luftwiderstände im Windkanal im praktischen Versuch zu ermitteln. [vgl. Mertens 2005, Seite 85]. Über Schnellkalkulationen können überdies verschiedene Produktvarianten kostenmäßig verglichen werden. Um die Teilevielfalt zu verringern, werden mehrfach in Konstruktionen vorkommende Wiederholteile ermittelt und katalogisiert [vgl. Mertens 2005, Seite 86]. Im Rahmen der Dimensionierung von Bauteilen liefert CAE z.B. Daten wie Festigkeit, Volumen und Gewicht [vgl. Hehenberger 2011, Seite 120]. 4.6.4.3 CAM CAM (Computer Aided Manufacturing) hat technische Steuerung und Überwachung von Produktionsanlagen zu Gegenstand. CAM-Systeme sollen die Prozessplanung automatisieren helfen. CAM nutzt dabei Geometriedaten aus CAD-Systemen in Verbindung mit Werkzeugbibliotheken sowie Maschinendaten, um NC-Programme zu generieren, die letztendlich Werkzeugmaschinen automatisch steuern. Jedoch steht nicht nur Planung einzelner technischer Fertigungsprozessschritte im Mittelpunkt. Es können vorab Bewegungsabläufe virtuell visualisiert und somit der Bearbeitungsprozess simuliert werden. Dadurch ist es möglich, diese bereits vor Realisierung zu optimieren und die künftige Herstellkosten zu reduzieren [vgl. Zeichen 2000, Seite 166]. CAM liefert damit auch die Möglichkeit von Machbarkeitsstudien im Vorfeld. Man kann die räumliche Situation im Bearbeitungsraum nachstellen, um z.B. Werkzeugkollisionen vermeiden zu können. Als Resultat solcher Simulationen stehen u.a. die zu erwartende Stückzeiten eines Teiles zur Verfügung. 29 4.6.4.4 CAQ CAQ steht für Computer Aided Quality Assurance und nutzt IT-Unterstützung für qualitätssichernde Aktivitäten. Gemeint sind auf strategischer Ebene die Qualitätsplanung und -lenkung, und auf operativem Gebiet die Qualitätsprüfung. Einsatzbereiche bilden Wareneingangskontrolle und Warenausgangskontrolle, Fertigungsendund Fertigungsbegleitprüfung sowie statistische Prozesslenkung (SPC). Methoden wie FMEA (Fehlermöglichkeits- und Einflussanalyse) dienen der Prävention vor Serienbeginn [vgl. Grote 2007, Seite 96]. Die Steuerung im Bereich der Qualitätsprüfung erfolgt über Prüfaufträge, die eine Reihe von Prüfmerkmalen beinhaltet. Merkmale können attributiv (z.B. Oberfläche IO/NIO) oder variabel (z.B. Längenmaß 20 mm) sein. Jedes der Merkmale wird an einer ausgewählten Stichprobenmenge an Werkstücken geprüft und mit der Fehlerursache erfasst. Ebenso über Aufträge werden Reklamationen abgewickelt. Reklamationsaufträge beinhalten Maßnahmen wie Prüfbericht erstellen, Belastung an Lieferanten, Rücklieferschein erstellen, 8DReport erstellen usw., die als Workflow abgearbeitet werden. Zu Prüfauftragsrückmeldung und Reklamationshäufigkeiten besteht ein Teilenummern- und Lieferantennummernbezug, die entsprechende Auswertungen ermöglichen. 4.6.4.5 CNC Computerized Numerical Control (CNC) ist computergestützte numerische Steuerung von Werkzeugmaschinen. Das bedeutet, die in der Vergangenheit durch Menschenhand notwendig ausgeführte Bewegungen (z.B. Vorschub) an Werkzeugmaschinen (Ständerbohrmaschinen, Drehmaschinen, Fräsmaschinen etc.) werden durch die Maschine selbst vollzogen. Bewegungsausführung erfolgt hydraulisch oder über elektrische Stellmotoren. Sog. Bearbeitungszentren beinhalten gleich mehrere Fertigungsverfahren (z.B. Bohren und Fräsen) und setzen mehrere Werkzeuge nacheinander ein. Die Steuerung der Bewegungen übernehmen dabei spezialisierte Programme [vgl. Wannenwetsch 2005, Seite 172]. Beim Erstellen derartiger CNC-Programme leistet CAM (s.o) Hilfe. Werkzeugdaten (für die Werkzeugvoreinstellung), Schnittdaten (Vorschübe, Schnittgeschwindigkeiten), Bearbeitungswege sind den jeweiligen Zeichnungsnummern des Werkstücks zuordenbar, und können entsprechend aufbereitet für weitere Analysen zur Verfügung stehen. 30 5 Herleitung möglicher BI-Anwendungsfälle für die Fertigung Die, in den vorangegangen verschiedenen Kapiteln, gewonnenen Erkenntnisse sollen nun zusammengeführt werden. Dies in der Form, dass basierend auf dem nun vorliegenden Wissensstand, zwei fiktive Anwendungsfälle beispielhaft zur Darstellung kommen sollen. 5.1 Beispiel für OLAP im Fertigungsbereich Szenario: Ein Zulieferunternehmen fertigt Einzelteile für den Automobilbau. Im Zentrum steht die spanende Bearbeitung. Für mittlere Stückzahlen (Ersatzteile, Musterserien) werden CNC-Bearbeitungszentren und -Drehmaschinen eingesetzt (Werkstattfertigung). Für die Großserie sind in einem anderen Werk spezielle Sondermaschinen eingerichtet worden. Verschiedene Bearbeitungsstationen sind hier untereinander zu Transferstraßen verkettet (Fließprinzip). Die Fertigung wird über Fertigungsaufträge eines PPS-Systems gesteuert. Dort werden auch Teilestämme, Stücklisten und Arbeitspläne gepflegt. Zur Erstellung und Archivierung von CNCProgrammen steht ein CAM/DNC-System einschließlich Werkzeugverwaltung zur Verfügung. Über BDE/MDE werden alle Auftragsdaten lückenlos aufgezeichnet. Problemstellung: Der Fertigungsablauf wird erheblich gestört durch MaschinenStillstandszeiten, insbesondere durch die Notwendigkeit des Werkzeugwechsels aufgrund von Verschleiß oder Werkzeugbruch. Betroffen sind dann auch nachfolgende Arbeitsgänge, da diese warten müssen. Ziel ist es, die größten Problemfälle zu entdecken, um dort gezielt im Rahmen der Verfahrensentwicklung tätig werden zu können. In Kombination von Werkzeug-, Maschinen- und BDE-Daten sollen Adhoc-Auswertungen bzw. eine Ranking-Bildung hinsichtlich der Werkzeugwechselzeiten in Minuten je Periode möglich sein (Abbildungen 18 bis 21, Seite 32 ff.). Lösung: Zur Datenanalyse werden multidimensionale Datenstrukturen in einem Starschema (Abbildung 22, Seite 34) verknüpft, das beliebige OLAP-Operationen erlaubt. Aus den operativen Datenquellen BDE/MDE, PPS und CAM werden zuvor die notwendigen Daten extrahiert und aufbereitet. Abbildung 23 (Seite 35) zeigt die dabei erforderlichen Fremdschlüsselbeziehungen als ER-Modell. 31 Produktionseinheit Gesamtunternehmen Produktionsstandort Fertigungsabteilung Maschine Metallica GmbH 1/001 - Esslingen A112 - CNC-Bohrerei/Fräserei M0139 - TRAUB Bohr- und Fräszentrum M0142 - HÜLLER-HILLE Bearbeitungszentrum M0234 - HEDELIUS Bearbeitungszentrum M0356 - KABAN Bohrzentrum . . . etc. M0421 - Gildemeister MF Twin 300 M0536 - UVA-Unverzagt T M0566 - Okuma MacTurn M0603 - Hwacheon Hi-Tech . . . etc. ... S0125 - Bohrstation S0137 - Bohrstation S0153 - Frässtation . . . etc. S0325 - Bohrstation S0325 - Frässtation S0353 - Frässtation . . . etc. ... A126 - CNC-Dreherei . . . etc. A213 - Segment PORSCHE Querlenker 123456 Transferstraße Linie 3 1/002 - Waiblingen A267 - Segment DAIMLER Abtriebsflansch 101.123.03.01 Transferstraße Linie 6 . . . etc. Roll-up Drill-down Abbildung 18: OLAP-Beispiel, Dimension ‘Produktionseinheit‘ Werkzeug Werkzeuge gesamt Werkzeugtyp Werkzeugart Werkzeugnummer alle Werkzeuge Bohrwerkzeuge Wendelbohrer WZ00121 - Spiralbohrer D 3,3 HSS WZ00232 - Spiralbohrer D 5,0 HM TiN . . . etc. WZ00661 - Maschinengewindebohrer M6 WZ00681 - Maschinengewindebohrer M8 . . . etc. ... WZ00785 - Schaftfräser lang D 25, Typ N WZ00795 - Viertelkreisfräser R10, HSSE . . . etc. WZ00853 - D 63, RAXA DIN 1880 WZ00977 - D 125, ORION . . . etc. ... WZ00978 - Gebogener Drehmeißel DIN 4972 WZ00988 - Stirndrehmeißel DIN 4977 . . . etc. ... ... Gewindebohrer . . . etc. Schaftfräser Fräswerkzeuge Walzenstirnfräser . . . etc. Außendrehwerkzeuge Drehwerkzeuge . . . etc. ... . . . etc. Roll-up Drill-down Abbildung 19: OLAP-Beispiel, Dimension ‘Werkzeug‘ Zeitraum Jahr Monat Woche Schicht Basis: Fabrikkalender bzw. Maschinenkalender Roll-up Drill-down Abbildung 20: OLAP-Beispiel, Dimension ‘Zeitraum‘ 32 Produktionseinheit Werkzeug Zeitraum Dimensionen Produktionseinheit: M0142 - HÜLLER-HILLE Bearbeitungszentrum Werkzeug: WZ00785 - Schaftfräser lang D 25, Typ N Zeitraum: KW 10/2012 Fakten Summe der Werkzeugwechselzeiten: 120,7 min Abbildung 21: OLAP-Beispiel, Dimensionen und Fakten 33 Maschinen Maschinen-ID MaschinenBezeichnung Hersteller Standort Abteilung Werkzeuge Werkzeug-ID WerkzeugBezeichnung WerkzeugTyp WerkzeugArt Faktentabelle Maschinen-ID Werkzeug-ID Zeit-ID Werkzeugwechselzeit Zeitraum Zeit-ID Maschinen-ID Firma Werk Jahr Monat Woche Schicht Abbildung 22: OLAP-Beispiel, Starschema 34 (Werkzeugwechsel) ArbeitsgangNr AuftragsNr Firma / Werk Ereignis StartZeit BDE-Rückmeldungen BDE / MDE (Datum und Uhzeit) n EndeZeit hat lfdNr 1 AuftragsNr Arbeitsgänge PPS ArbeitsgangNr n TeileNr 1 MaschinenNr hat Firma / Werk 1 Fertigungsaufträge nutzt TeileNr AuftragsNr 1 ArbeitsgangNr Firma / Werk CNC-Programme 1 CAM / DNC hat 1 1 Werkzeuge gehört zu Abbildung 23: WerkzeugNr 35 Werkzeugsätze n OLAP-Beispiel, Datenquellen 5.2 Beispiel für Data Mining im Fertigungsbereich Im vorgenannten OLAP-Beispiel stand der schnelle und interaktive Zugriff auf relevante Daten im Hinblick auf das Ereignis der zu untersuchenden ‚Werkzeugwechselzeit‘ im Vordergrund. Über die, im Kapitel 2.3.1.2 beschriebenen, Operationen können so beliebige Perspektiven eingenommen werden. Dies auf Initiative und Veranlassung des Anwenders selbst. Beim nachfolgenden Data Mining-Beispiel soll die Möglichkeit einer Abweichungsanalyse aufgezeigt werden, die automatisiert abläuft. Im Zentrum stehen jetzt untypische oder fehlerhafte Werte, die es zu identifizieren gilt. Es geht sozusagen um die Aufdeckung von Abweichungen zu „Normalfällen“. Szenario: Das, bereits beschriebene (fiktive) Fertigungsunternehmen verfügt über ein CAQ-System. Über Prüfaufträge wird, außer Wareneingänge und Warenausgänge, auch die interne laufende Fertigung QS-seitig überwacht. Jeder Arbeitsgang eines Fertigungsauftrages erhält einen Prüfauftrag zugeordnet. Dieser enthält diverse Prüfmerkmale (z.B. Flanschbreite 20, Aussparung 14+/-0.1, Bohrung 10H7 usw.). Liegt der gemessene Ist-Wert einzelner dieser Prüfplanpositionen außerhalb der Toleranz, wird über den Verwendungsentscheid des betroffenen Werkstücks befunden (Nacharbeit oder Ausschuss). Im Ausschussfall entscheidet die tolerierte Anzahl der Teile, die nicht in Ordnung (NIO) sind, darüber, ob der gesamte Prüfauftrag als NIO gewertet wird. Problemstellung: Ein gewisser Anteil an NIO-Prüfaufträgen bezogen auf einzelne Teilenummer kann im Durchschnitt als „normal“ angesehen werden. Z.B., wenn der, im letzten Abschnitt behandelte, bevorstehende und notwendige Werkzeugwechsel zu spät erkannt wurde oder plötzlich ein spontaner Werkzeugbruch aufgetreten ist. Es handelt sich in dem Fall um Ausreißer, die außerhalb des gewünschten Idealfalls liegen. Was ist aber, wenn sich NIO-Tendenzen über längere Perioden fortsetzen, und diese unerkannt bleiben? Gründe für plötzlich eintretende Änderungen können vielfältig sein. Neue Maschinenbediener, die noch nicht richtig eingelernt sind (womöglich falsch unterwiesen wurden) oder ein nicht erkannter Maschinenschaden z.B. in Form eines ausgeschlagenen Hauptspindellagers. Data Mining könnte sich in solchen Fällen als wertvolles Frühwarnsystem erweisen. 36 Lösung: Die Erfassung der Messwerte im CAQ-System kann durch manuelle Eingaben erfolgen oder aber über direkte Messmittelanbindung. Im letzten Fall sind elektrische Messschieber oder Bügelmesschrauben über ein Kabel mit einer Schnittstelle mit dem CAQ-System verbunden. Die jeweilige Datenübernahme wird dann über Fußtaster ausgelöst. Im Idealfall nimmt die Werkzeugmaschine Messungen über Sensoren selbst vor. Alle Messungen werden im CAQ-System mit Datum und Uhrzeit der Erfassung und der jeweiligen Prüfauftragsposition zugeordnet gesammelt. Prüfaufträge haben Bezug zu Fertigungsauftragsnummern und deren Arbeitsgänge. Diese finden sich im PPS-System wieder, wo in den Arbeitsplänen wiederum die zugehörige Maschinennummer hinterlegt ist. So kann der Bezug zum betroffenen Arbeitsplatz hergestellt werden. Zur weiteren Auswertung werden die genannten Daten aus den Quellsystemen CAQ und PPS extrahiert und in ein DWH übertragen. Abbildung 25 auf Seite 39 zeigt das zugehörige ER-Modell. Im BI-System selbst wird tournusmäßig die Anzahl der NIO-Fälle pro Maschinennummer periodengerecht ermittelt. Es entstehen auf diese Weise Zeitreihen, die zu statistischen Auswertungen zur Verfügung stehen. Mit Hilfe linearer Regressionsrechnung können mittels der ‚Methode der kleinsten Quadrate‘ Ausgleichgeraden durch das „Gebirge“ der NIO-Anzahlen gelegt werden. Als Kennwerte können in dem Zusammenhang das Bestimmtheitsmaß und die Korrelationszahl genannt werden. Mit diesen kann eine Aussage darüber getroffen werden, ob überhaupt eine lineare Tendenz vorhanden ist oder nicht. Bei einem Bestimmtheitsmaß von 100% liegen sämtliche Punkte genau auf einer Geraden. Bei 0% ist überhaupt keine Tendenz zu erkennen. In ähnlicher Weise findet die Korrelationszahl Verwendung. Diese liegt zwischen -1 und +1. Ist der Wert 0, so liegt keine Tendenz vor. Bei positivem Wert ist liegt ein steigender Trend vor, bei negativem ein fallender Trend. Die Ausgleichsgerade selbst stellt sich als lineare Gleichung dar. Die Höhe der Geradensteigung gibt Auskunft über die Steilheit eines Anstiegs. Werden diese Werte für sämtliche Maschinen berechnet, ist es auf diese Weise möglich, ein Ranking zu bilden und auffällige Abweichungen von der Norm frühzeitig zu erkennen. Abbildung 24 auf Seite 38 verdeutlicht das Prinzip. 37 Anzahl NIO-Fälle Produktionseinheit: M0142 - HÜLLER-HILLE Bearbeitungszentrum ∆n a = ------∆t ! ∆n ∆t Zeit Tag 1 Tag 0 Tag 2 Tag 3 Tag 5 Tag 4 Tag 7 Tag 6 Tag 8 Maschine M0139 - TRAUB Bohr- und Fräszentrum M0603 - Hwacheon Hi-Tech M0234 - HEDELIUS Bearbeitungszentrum M0566 - Okuma MacTurn M0142 - HÜLLER-HILLE Bearbeitungszentrum M0421 - Gildemeister MF Twin 300 M0536 - UVA-Unverzagt T M0356 - KABAN Bohrzentrum . . . etc. Abbildung 24: Tag 9 Tag 11 Tag 10 Tag 13 Tag 12 Tag 15 Tag 14 Tag 16 Steigung a Rang 1,235 1,096 0,785 0,755 0,654 0,551 0,542 0,502 ... 1 2 3 4 5 6 7 8 ... Data Mining-Beispiel, Abweichungsanalyse Es werden über einen bestimmten Zeitraum die Vergangenheitswerte ausgewertet. Dabei ist zu beachten, dass je länger der Zeitraum gewählt wird, desto „träger“ wirken sich Veränderungen im Verlauf aus. Auch sollten nur Ergebnisse in die Auswahl kommen, die eine vorher festgelegte Mindestkorrelation aufweisen. Für die übrigen Maschinen kann letztendlich eine „Hitliste“ erstellt werden, die dann den Ausgangspunkt für weitere Untersuchungen vor Ort bilden. 38 Firma / Werk PrüfAuftragsNr PrüfAuftragsPos lfdNr Firma / Werk timestamp PrüfAuftragsNr hat n 1 IO_NIO_Kennz Messungen Prüfmerkmale n hat PrüfAuftragsPos 1 Firma / Werk Prüfaufträge CAQ 1 FertAuftragsNr PrüfAuftragsNr hat ArbeitsgangNr 1 FertAuftragsNr Arbeitsgänge PPS ArbeitsgangNr n TeileNr MaschinenNr hat Firma / Werk 1 Fertigungsaufträge AuftragsNr Abbildung 25: Firma / Werk 39 Data Mining-Beispiel, Datenquellen 6 Konkrete Anbieter mit fertigungsspezifischen BI-Lösungen Die bisherigen Betrachtungen waren theoretischer Natur. Das folgende Kapitel will nun klären, wie verschiedene Softwareunternehmen den Zusammenhang zwischen BI und Fertigung in der Praxis herstellen. Die Primärliteratur behandelt die spezielle Themenstellung in dieser Form offenbar nicht, da diesbezüglich keine entsprechenden Quellen ermittelt werden konnten. Internetpräsenz hingegen ist für Firmen ein strategisch wichtiges Medium, und im Bereich der IT-Branche ohnehin geradezu ein Muss. So eignen sich einschlägige Präsentationen in Form von Unternehmens-Websites zur Informationsgewinnung in zeitnaher Aktualität. Mit rund 180 Millionen registrierten Domains werden fast 90 % aller Suchanfragen über Google abgewickelt [vgl. Rupp 2010, Seite 11]. Diesen Umstand kennen auch die Webmaster, die den Internetauftritt von Unternehmen suchmaschinenoptimiert ausstatten. Analog zum Google-Ranking können wir so eine adäquate Relevanz zu den Suchbegriffen „Business Intelligence + Fertigung“ erwarten. Die Objektivität der Aussagen hinsichtlich der angebotenen Produkte und Dienstleistungen hinterfragen und überprüfen wir nicht. Ziel ist es vielmehr zu ermitteln, welches Verständnis Anbieter von der Begriffskombination „BI und Fertigung“ haben und welche Art von Lösungen dazu bereitgestellt werden. Die Betonung liegt auf „Lösungen“, denn diese stellen letztendlich Antworten auf die realen Probleme potenzieller Kunden dar, welche wiederum tatsächlich existierende Bedarfe widerspiegeln. Letztere bilden die ’Einsatzmöglichkeiten’ um die es uns hier geht. Vorliegende Arbeit ist keine Marktstudie und will auch nicht den „Stand der Technik“ in der Branche ermitteln. So stellt nachfolgende Auswahl mit einem Stichprobenumfang von n = 10 statistisch gesehen sicherlich nur einen groben Abriss möglicher Facetten dar. Gleichwohl bietet sie querschnittsmäßig einen gewissen Überblick über die Möglichkeiten, die sich erschließen. Dies werden wir dann im Anschluss in Kapitel 7 weiter analysieren. 40 6.1 FactoryTalk VantagePoint EMI von Rockwell Automation Die Rockwell Automation, Inc. mit Hauptsitz in Milwaukee, Wisconsin, U.S.A. bietet weltweit Antriebs-, Steuerungs- und Informationslösungen für die Industrieautomation an. Im Unternehmen sind ca. 20000 Mitarbeiter in über 80 Ländern beschäftigt. Deutscher Standort der Rockwell Automation GmbH ist Haan-Gruiten bei Düsseldorf. Zielgruppe von Rockwell Software sind Fertigungsunternehmen, welche mit Fabrikmanagementlösungen unterstützt werden [vgl. pressebox_2010_2]. Das Produkt FactoryTalk VantagePoint EMI wird von Rockwell als Business Intelligence Software speziell für die Fertigung vorgestellt. Hiermit sollen Anwender auf allen Unternehmensebenen mit Informationen versorgt werden. Die Informationsbereitstellung erfolgt dabei einerseits über Reports zu Leistungsindikatoren, andererseits über webgestützte Dashboards [vgl. pressebox_2010_1]. Dashboards stellen Cockpit-Metaphern dar. Der Fokus liegt bei ihnen auf der Anzeige von kritischen Kennzahlen im zeitlichen Verlauf, die möglichst schnell und eindeutig visuell erfasst werden sollen. Dies lässt sich vorzugsweise über ein stilisiertes Armaturenbrett realisieren [vgl. Schubbe 2011, Seite 159]. Zu untersuchende Leistungsindikatoren bilden bei FactoryTalk VantagePoint EMI u.a. Produktivität, Produktqualität und Anlagennutzung. Schwerpunkte bei den Benutzer-Frontends sind Web-Browser. Die Software hat Verbindungen mit verschiedenen Datenquellen, die zum Fertigungsbetrieb gehören, wobei sie selbst als einheitliche Ressource (Data Warehouse) fungiert. Zentraler Begriff ist das Unified Production Model (UPM). Hiermit wird eine vereinheitlichte Sicht auf Fertigungsdaten bereitgestellt. Aus diesen, zunächst scheinbar nicht zusammenhängenden, Fertigungsdaten soll ein gemeinsamer Kontext gefunden werden. Dieses Vorgehen kann als Data Mining verstanden werden. Geräte, Produkte, Chargen, Fertigungslose, Materialien, Menschen im Betrieb sind dabei Geschäftsbegriffe, die Gegenstand der Untersuchung sind. Entsprechend aufbereitet stellen so gewonnenen Daten die Grundlage für Entscheidungsprozesse im Fertigungsbereich dar. So beispielsweise bei Wartung oder Qualitätsmanagement. Zur Auswertung stehen bei FactoryTalk 41 VantagePoint EMI weiterhin Schnittstellen zu anderen Applikationen zur Verfügung. Als Beispiele hierzu können Microsoft Excel, Business Objects Dashboard Builder von SAP oder Microsoft SharePoint genannt werden. Hinsichtlich der Granularität bei der Aggregierung des Datenmaterials können im Betrachtungsschwerpunkt einzelne Betriebsmittel, einzelne Fertigungslinien oder auch das gesamte Unternehmen stehen. Ein Anwendungsbeispiel ist die Berichterstellung über Stillstandszeiten. [vgl. pressebox_2010_1]. Die Durchlaufzeit in der Produktion setzt sich Zusammen aus der eigentlichen wertschöpfenden Bearbeitungszeit und unproduktiven Stillstandszeiten, welche wiederum möglicht gering gehalten werden sollen. Stillstandszeiten können Transportzeiten, Prüfzeiten oder Wartenzeiten sein. Also immer dann, wenn keine physische Veränderungen am zu bearbeitenden Gegenstand stattfindet [vgl. Takeda 2006, Seite 71]. FactoryTalk VantagePoint EMI basiert konkret auf der Technologie von Incuity Software. Eine erste Version wurde bereits 2008 entwickelt. Die Incuity Software Inc. hat ihren Sitz in Kalifornien und ist Anbieter von Enterprise Manufacturing Intelligence (EMI). Eine wesentliche Rolle bei EMI stellen sog. KPIs (Key Performance Indicators) dar. [vgl. automationworld_2008]. Key Performance Indicators sind Messgrößen und stellen Faktoren dar, die für den gegenwärtigen oder zukünftigen Erfolg von Bedeutung sind. Diese stehen im Gegensatz zu vergangenheitsorientierten Kennzahlen [vgl. Sihler 2009, Seite 2]. 42 6.2 cc-sequencer und Produktions-Cockpit von CIM Aachen Die 1987 gegründete CIM Aachen GmbH mit Sitz in Aachen versteht sich als Managementberatung für Produktivität und schlanke Prozesse im Industriebetrieb. Zu den Kunden zählen Unternehmen aus der Automobil-(zuliefer-)industrie, der Luft- und Raumfahrt, dem Maschinen- und Anlagenbau, der Halbleiterbranche und der Konsumgüterindustrie [vgl. cim_aachen]. Ein Geschäftsbereich der CIM Aachen ist CIMSOURCE Software. In Zusammenarbeit mit den CIM Aachen Management Consultants entwickelt CIMSOURCE seit 2008 auch Business Intelligence-Tools. Zu den Produkten zählt u.a. der cc-Sequencer und das Produktions-Cockpit [vgl. cimsource]. Der cc-Sequencer ist eine BI-Applikation. Die Basis stellt hier die Funktionalität dar, komplexe Datenzusammenhänge zu konsolidieren und zu analysieren. Im Frontend liegt der Schwerpunkt nicht bei der Visualisierung durch Diagramme oder Ampelfunktionen. Zahlen, Daten und Fakten werden vorzugsweise in Tabellenform dargestellt. Anwendungsmöglichkeiten bieten sich in der werkstattorientierte Einzelund Kleinserienfertigung. Die dort vorkommende Intransparenz und Ineffizienz führt oft zu schlechten Durchlaufzeiten, Kapitalbindung und unbefriedigender Termintreue. Die Ursache liegt im nicht gerichteten Materialfluss, da die Fertigung nach dem Verrichtungsprinzip organisiert ist. Um dieses Problem zu lösen, muss die Komplexität analysiert und die Fertigung am Wertstrom ausgerichtet werden. Datenbasis bilden Fertigungsaufträge aus dem operativen System. Der Datenpool wird weiterhin angereichert mit Informationen zu unterschiedlichen Auftragsarten (Kunden-, Lager-, Ersatzteilauftrag etc.). Der cc-Sequencer identifiziert anhand dieser Daten Teilefamilien, die gleichen Bearbeitungsfolgen durchlaufen, d.h. über gleiche Fertigungsverfahren auf gleichen Werkzeugmaschinen bearbeitet werden müssen. Auf diese Art erhält man Hinweise für eine optimierte die Materialflusssteuerung, die in weiterer Konsequenz eine Reorganisation der Maschinenaufstellung (Werkstatt-Layout) zur Folge hat. Durch Abarbeitung von Fertigungsaufträgen in definierter Reihenfolge werden Durchlaufzeiten verkürzt, bessere Termintreue erreicht [vgl. beyenet_15542]. 43 Zusammenfassend ermöglicht der cc-Sequencer Auswertungen zu folgenden Kriterien: Bearbeitungsreihenfolge, Vorgänger-/Nachfolgebeziehungen, Maschinenbelegungsgrade, Auftragsarten sowie Anzahl von Artikeln, Fertigungsaufträgen und Fertigungsstunden, die auf einer bestimmten Maschine anfallen [vgl. cc_sequencer]. Ein weiteres Produkt von CIMSOURCE ist das Produktions-Cockpit. Das Produktions-Cockpit dient dem Monitoring und liefert wichtige Kennzahlen aus dem Produktionsbereich. Hierzu gehören u.a. Interne Termintreue, Durchlaufzeiten von Fertigungsaufträgen, Flussfaktor, Maschinenbelegungsgrad sowie Mitarbeiterproduktivität. Die Darstellung von Ergebnisdaten wird durch Visualisierung über Diagramme und Zeigerinstrumenten-Metaphern unterstützt. Operative Quelldatensysteme können CAQ-, BDE- oder MES-Systeme sein. Eine Standard-Konfiguration umfasst bereits wichtigste Kennzahlen, jedoch können auch darüber hinaus individuelle Anpassungen vorgenommen werden. Außer der Analyse von Ist-Daten besteht die Möglichkeit über Simulationen diverse Szenarien aufzubauen, welche die Auswirkungen geänderte Rahmenbedingungen aufzeigen. Eine tragende Rolle spielt bei den Auswertungen der Faktor „Zeit“. Jedoch kann auch die Dimension „Kosten“ mit aufgenommen werden. Derart können Kostenstellenberichte über unterschiedliche Dimensionen ausgewertet sowie Perioden- und Plan-/Istkostenvergleiche vorgenommen werden. Typische BI-Funktionalitäten wie Verdichtung von Kennzahlen, Drilldowns bis auf die Ursprungsdaten und automatisierte Reports an definierte Verteiler sind beinhaltet. Weitere Funktionalitäten stellen Bookmarks für häufig genutzte Analysen und die Möglichkeit des Datenexports in Office-Anwendungen dar [vgl. cim_cockpit]. Ein interessanter Aspekt stellt die Kennzahl des sog. „Flussfaktors“ dar. Hierbei wird die Summe der Hauptzeiten über alle Fertigungsfolgen in Relation zur Durchlaufzeit gebildet. Somit erhält man einen aussagekräftigen Indikator für die erfolgte Wertschöpfung im Fertigungsbereich [vgl. beyenet_15542]. 44 6.3 FME: OEE-Analyse mit Qlikview Die fme-Gruppe mit Sitz in Braunschweig ist ein weltweit tätiges IT-Dienstleistungsunternehmen. Die Wurzeln des Unternehmens reichen zurück bis 1989 mit der Gründung der Frank Mittelstaedt EDV-Beratung und Systementwicklung. Die Mitarbeiterzahl betrug 2009 über 100. Mit zum Leistungsportfolio gehört neben anderen Bereichen auch Business Intelligence. FME arbeitet strategisch zusammen mit QlikTech, [vgl. fme_home]. QlikTech mit Hauptsitz in Radnor PA, USA wurde 1993 in Lund, Schweden gegründet, und hat weltweit über 1.000 Mitarbeiter. Mit seinem Produkt QlikViewBusiness-Discovery-Plattform ist QlikTech tätig auf dem Gebiet Business Intelligence [vgl. qliktech]. Schlechte Ergebnisse hinsichtlich Zeit, Menge und Qualität betreffen letztendlich nicht nur die Produktion selbst. Tatsächlich fallen hierdurch in Folge auch höhere Personal- und Materialkosten sowie zusätzliche Aufwendungen für die Lagerlogistik an. Der gesamte Auftragsdurchlauf im Unternehmen leidet. Mangelnde Qualität und Termintreue wirken sich auf die Kundenzufriedenheit aus [vgl. fme_oee]. Bei OEE geht es um Bewertung der Effizienz von Maschinen bzw. Anlagen. OEE steht für Overall Equipment Effectiveness und ist definiert im VDMA-Einheitsblatt 66412-1. Die OEE-Analyse hat zum Ziel, Wirkungsgrade von Einzelmaschinen, von Fertigungszellen bestehend aus mehreren Maschinen oder auch gesamter Montagelinien zu ermitteln. In diesem Zusammenhang sind laut FME die Faktoren Verfügbarkeit, Leistung und Qualität maßgeblich. Diese beeinflussen sich gegenseitig. Verfügbarkeitsverlust, Leistungsverlust und Qualitätsverlust bedeuten zusammen Effizienzverluste in der Produktion. Ausgehend von einer Gesamtzeit, bereinigt um geplante Stillstandszeiten, ergibt sich zunächst eine sog. geplante Laufzeit. Die Verfügbarkeit von Betriebsmitteln wird beeinflusst durch Ausfallzeiten und Wartezeiten. Werden diese von der geplanten Laufzeit subtrahiert, bleibt eine effektive Laufzeit. Leistungsverluste sind auf Verlangsamungen im Fertigungsablauf oder auf kurze Stillstandszeiten zurückzuführen. Unter dem Strich steht dann letztendlich eine Ist- 45 Produktion. Qualitätsverluste aufgrund von Ausschuss und Nacharbeit verringern die Ist-Produktion noch einmal. Am Ende steht eine produzierte Gut-Menge. Um nun Transparenz in die Gesamtheit der Einflussgrößen zu gewinnen, werden Daten aus unterschiedlichen Quellsystemen zusammengeführt. Planwerte können beispielsweise aus einem SAP-System stammen, während Maschinendaten aus Manufacturing Execution Systemem (MES) und Maschinen- und Betriebsdaten aus MDE/BDESystemen extrahiert werden. CAQ-Themen wie Qualitätskennzahlen, Fehlerdatenbanken und Maßnahmenpläne werden mit integriert, da gerade hier Aufschluss über Effizienzpotentiale bzw. deren Auswirkung auf die Gesamteffizienz gewonnen werden kann [vgl. chemanager_fme]. FME empfiehlt Qlikview als BI-Tool. Auf eine Aggregation der betrieblichen Kennzahlen und Analysen in Form von mehrdimensionalen Matrizen (OLAPWürfel) wird dabei verzichtet. Vielmehr liegt das Augenmerk auf der intuitiven Nutzung des Auswertesystems direkt durch den Fachbereich. Ohne Unterstützung der IT sollen so leicht neue Auswertungen erstellt oder weitere Kennzahlen integriert werden können. Die Komponenten Datengenerierung, Datensammlung, Maßnahmenplan/-controlling sowie die Analyse der Verlustquellen bilden dabei einen geordneten Regelkreislauf. Visualisierung der Analyse einzelner Verlustquellen hinsichtlich Verfügbarkeit, Leistung und Qualität geschieht zusätzlich über „Zeigerinstrumenten“-Metaphern, welche noch um trendanzeigende Pfeile ergänzt sind. In „Hit-Listen“ können z.B. die fünf schlechtesten Maschinen gemäß OEE-Analyse aufgelistet werden. So ergeben sich konkrete Ansätze, Optimierungspotenziale zu identifizieren [vgl. chemanager_fme]. 46 6.4 PILOT Suite von der FELTEN Group Die FELTEN Group GmbH ist ein Software- und Beratungsunternehmen und entwickelt seit 1990 an verschiedenen Standorten (in Deutschland, Frankreich, Luxemburg, Großbritannien, Singapur) Lösungen für das Produktions-management. Unterstützt werden internationale Unternehmen der Prozessindustrie bei Einführung von MES-Systemen auf Basis der Production Intelligence-Philo-sophie [vgl. felten_profil]. FELTEN kooperiert mit dem Beratungshaus Actinium bei der Entwicklung gemeinsamer Projektlösungen für eine kennzahlen-basierte Steuerung von Produktionsprozessen. Die Actinium Consulting GmbH wurde 1999 gegründet und hat ihren Sitz in Lindau (Bodensee). Der Beratungsschwerpunkte liegt u.a. bei Business Intelligence. Die beidseitigen Kompetenzen dieser Unternehmen sollen sich strategisch ergänzen [vgl. lean_2011]. FELTEN bietet mit dem Produkt PILOT Suite eine Lösungsstrategie zur Optimierung der Prozesse im Produktionsmanagement an. Als kennzeichnend wird der ganzheitlichen Production Intelligence-Ansatz (PI) herausgestellt, der sich von reinen konventionellen MES-Systemen unterscheiden soll. Die PILOT-Plattform besteht aus verschiedenen Einzelmodulen. Dies sind im einzelnen PILOT MES, PILOT TPM, PILOT WDS sowie PILOT green. [vgl. felten_produkt]. Production Intelligence (PI) soll im Fertigungsbereich den Gegensatz von Automatisierung und Flexibilität überbrücken. PI verfolgt ähnliche Prinzipien wie Business Intelligence (BI). Während jedoch bei BI der Fokus auf Geschäftsprozesse gerichtet ist, orientiert sich PI an den Produktionsprozessen [vgl. cio_pi]. Zu den Kernmodulen ist Produktionsmanagement PILOT MES zu zählen. PILOT MES versteht sich als Bindeglied zwischen der Maschinenebene und den betriebswirtschaftlichen ERP-Systemen wie etwa SAP und soll damit das Zusammenspiel von Produktions- und Geschäftsprozessen verbessern. Auftretende Veränderungen wie Störungen, Ausfallzeiten, Fehlproduktionen, Qualitätsmängel und höherer 47 Materialverbrauch sollen rechtzeitig erkannt werden. Der im PILOT MES beinhaltete Technologieansatz für Production Intelligence soll vor allem für Flexibilität bei Feinplanung, Steuerung und Rückmeldung der Auftragsbearbeitung sorgen. [vgl. pilot_mes]. Ein weiteres Kernmodul stellt PILOT TPM Total Productive Management dar. Diese Lösung ist in der Lage, Kennzahlen zur Initiierung systematischer Kontinuierlicher Verbesserungsprozesse (KVP) zu berechnen. Messwerte können dabei frei definiert werden. Es bestehen Abrufmöglichkeiten von aktuellen und historischen Prozesswerten oder Zuständen. Trends können individuell dargestellt werden. Zur Visualisierung und Dokumentation der erfassten Daten und Ergebnisse stehen zahlreiche Diagrammarten und ein frei konfigurierbares Berichtswesen zur Verfügung. Die Auswertungen der Maschinendaten können schicht-, auftrags-, chargenoder linienbezogen differenziert werden. Ebenso gehören zum Funktionsumfang die Berechnung von KPI und OEE mit Hilfe von Formeleditoren [vgl. pilot_tpm]. Das Dashboard der PILOT-Lösung stellt relevante Daten auf dem sog. Produktionsmanagement-Cockpit grafisch dar. Bei kritischen Entwicklungen werden Alarmfunktionen aktiv. Zur grafischen Visualisierung nutzt das PILOT-Cockpit u.a. Ampelfunktionen, Tachometer und Landkarten. Klassische Tabellen und Diagramme ergänzen die Darstellung. Liegen Schlüsselindikatoren außerhalb definierter Toleranzbereiche (beispielsweise ob Störungen in einer bestimmten Produktionslinie entstanden sind), lässt sich dies so auf einen Blick erkennen. Für differenziertere Informationen, kann mittels Drill-Down-Funktionen von aggregierten Kennzahlen der obersten Ebene auf tiefere Detaillierungsebenen eingedrungen werden. [vgl. pilot_cockpit] 48 6.5 LineWorks-Suite und Cornerstone von camLine Datensysteme Die camLine GmbH mit Hauptsitz in Petershausen (Deutschland) ist ein Unternehmen der camLine Holding AG, wurde 1989 gegründet und versteht sich als ITLösungsanbieter für die Produktionsautomatisierung. Zu den Betätigungsfeldern zählen Automatisierung, vertikale Integration, die Verbesserung des Informationsflusses und u.a. auch die Datenanalyse. Insgesamt liegt dabei der Aufgabenschwerpunkt auf der Erhöhung der Produktivität in der Fertigung. Zu den Kernkompetenzen zählen maßgeschneiderter Software-Lösungen sowie die Anbindung von Fertigungsanlagen. Als Ziel-Branchen werden Halbleiterindustrie, Photovoltaik sowie Elektronik & Mechatronik genannt [vgl. camline_home]. LineWorks ist eine MES-Lösung, die modular aufgebaut ist. Die Module können einzeln betrieben oder auch als komplette Softwarelösung implementiert werden [vgl. lineworks_suite]. Eines dieser Module ist LineWorks PULSE, welches sich mit der OEE-Effizienz beschäftigt. Es handelt sich um ein Werkzeug für Zeitanalysen und Anlageneffizienz, das zur Bestimmung von Leistungskennzahlen nach SEMI-E10 verwendet wird [vgl. lineworks_pulse]. Standardisierte Richtlinien für Logistik, Beschaffung, Produktion und Distribution sind in VDI 4400, Blatt 1 bis 3 festgelegt. Speziell für die Belange der Halbleiterproduktion ist der Standard ‚SEMI’ von Bedeutung [Zülch 2010, Seite 601]. Wichtige Funktionalitäten von LineWorks PULSE im Bereich ‚Reporting’ stellen Anpassung von Zeitzuständen, Suchfunktion in Analysehierarchien und Standardberichte dar, während im ‚administrativen Bereich’ webbasierte Analysehierarchien, Suchfunktionen, Objektverknüpfungen, Gruppierung von Administrationsobjekten, und der Zeitzustandskatalog eine Rolle spielen. Durch den Einsatz von LineWorks PULSE soll insbesondere eine bessere Maschinenverfügbarkeit durch schnellere Problemerfassung erreicht werden [vgl. lineworks_pulse]. 49 Als weiteres Modul der LineWorks-Linie ist LineWorks iGate zu nennen. Es handelt sich um ein webbasiertes Framework zur Livedaten-Visualisierung, das interaktives, unternehmensweites Reporting ermöglicht. Auf grafischen Bedienoberflächen von Standard-Internetbrowser können Abfragen auf hoher Verdichtungsstufe erstellt und dynamische Berichte formiert werden. Zu den Funktionalitäten gehören Chart Plugins, Pivot-Tabellen sowie Stilvorlagen für Charts und Tabellen [lineworks_igate]. Als eigenständige Produktlinie kann Cornerstone gesehen werden und versteht sich als Ergänzung zur LineWorks Suite. Ziel ist es, Abhängigkeiten zu finden, Korrelationen zu erkennen oder Besonderheiten zu entdecken. Es wird eine Umgebung zur Verfügung gestellt, die sowohl eine explorative Datenanalyse (EDA), als auch Modellbildung und statistische Versuchsplanung (DOE) ermöglicht. EDA-Techniken finden Einsatz im Data-Mining. DOE steht für ‚design of experiments’ und soll über Rechnersimulationen Zusammenhänge zwischen Einflussfaktoren und Zielgrößen identifizieren. Die Cornerstone Extension Language (CEL) ermöglicht es, eigene Benutzeroberflächen, Dialoge und Menüs zu erstellen. Ändern sich Daten, dann werden außerdem die, auf Verknüpfungen basierenden, Grafiken, Ergebnisse und Analysen sofort aktualisiert. [vgl. cornerstone]. Als Anwendungsfall seiner Lösungen nennt camLine explizit ‚Data-Warehouse für die Fertigung’. Um das Ablegen und Archivieren von Produktionsdaten in einer OLTP-Datenbank und die damit verbundenen Performanzbeeinträchtigung operativer Abläufe im Produktionsbereich zu vermeiden, kann ein stationäres Data-Warehouse speziell für die Produktion betrieben werden. In Verbindung mit einem MES können so auf Basis extrahierter Datenbestände komplexe Langzeitberichte und Trendanalysen durchgeführt werden. Ein DWH ist dabei für die Datenhaltung von vielen Terabytes ausgelegt. Gleichzeitig ermöglich dieses Verfahren aber auch eine verbesserte Archivierung für die Rückverfolgbarkeit durch zeitbasierte Partitionen [vgl. camline_dwh]. 50 6.6 STAS CONTROL von der STAS GmbH Die STAS GmbH mit Sitz in Reilingen bei Hockenheim wurde 1991 gegründet, ist eine Tochtergesellschaft der Ulmer FRITZ & MACZIOL group, und gehört damit zum niederländischen Technologiekonzerns Imtech N.V. Das Unternehmen beschäftigt 60 Mitarbeiter im deutschsprachigen Raum. Zielgruppe sind mittelständische Unternehmen [vgl. stas_home]. Hinter dem Produktnamen STAS CONTROL steht ein Bündel schlüsselfertiger Softwarelösungen für unterschiedliche Funktionsbereiche im Unternehmen untergliedert in Geschäftsleitung, Vertrieb, Finanzen, Kosten, Einkauf/Materialwirtschaft, Personal, Fertigung, Marketing und Projekte. Hierbei werden relevante Daten im Unternehmen zu einer Sicht zusammengeführt, die dann einem kennzahlenorientierten Berichtswesen im Rahmen von Business Intelligence zur Verfügung stehen. Dies auf durchgängiger Plattform mit einheitlicher Benutzeroberfläche. STAS CONTROL fasst Instrumente für Reporting und Analyse, für Monitoring und Steuerung sowie Planung und Simulation mit dem Begriff CPM zusammen [vgl. stas_control]. CPM steht für Corporate Performance Management (Synonyme sind BPM bzw. EPM). CPM hat die Abstimmung operativer Maßnahmen auf Unternehmensziele und Unternehmensstrategien als Ziel. CPM bedeutet jedoch nicht allein Strategieumsetzung, sondern setzt auf die Beobachtung und Analyse aller Unternehmensdaten. Es kann als Ausweitung der Balanced Scorecard-Idee auf das gesamte Unternehmen verstanden werden [vgl. Barthélemy 2010, Seite 110]. Auswertungs- und Reporting-Instrument sind rollenbasiert. Aufgrund einer sog. Vierschicht-Architektur wird sichergestellt, dass jeder Mitarbeiter seine für sich relevante Umgebung erhält. Ein Bestandteil des Frontends bildet die SechsfeldMatrix, bei der in einem Window sechs ausgewählte Elemente aus dem jeweiligen Arbeitsgebiet auf einem Blick erfasst werden können. „Drill-Throughs“ ermöglichen den direkten Durchgriff auf die zugehörigen Detailberichte [vgl. stas_control]. 51 Datenextrahierung kann aus verschiedenen Quellsystemen erfolgen. Zu diesen gehören die Plattformen Mainframe, AS/400, Unix-/Linux-Server oder Windows. Ebenso werden Datenformate wie Excel, Textdatei, CSV oder XML unterstützt. Integrierter Bestandteil von STAS CONTROL ist dabei STAS CONTROL ETL. Hervorgehoben wird, dass Änderungen im Data Warehouse und Weiterentwicklung des ETL-Prozesses durch Mitarbeiter der Fachabteilungen selbstständig gehandelt werden können, ohne die IT-Abteilung zu belasten [vgl. stas_etl]. Speziell im Funktionsbereich ‚Fertigung’ werden die Auswertungskriterien zunächst differenziert nach periodischen und nach bereichsbezogenen Auswertungen. Varianten bei periodischen Auswertungen bilden Periode, Vorjahresvergleich, Vergleich 12 Monate rollierend, letzte 12 Monate, nächste 12 Monate und kombinierter Vorjahresvergleich auf Monats- und Periodenbasis. Bereichbezogene Auswertungen unterscheiden nach Fertigungsaufträgen nach Typ, Start- und Endterminen, Abweichungen, Status offen/erledigt, Material/Artikel und Fertigungsart. Hierarchisierungsmöglichkeiten bilden Arbeitsplatz, Arbeitsgang, Kostenstelle und Verantwortungsbereich. Als signifikante Kennzahlen werden ausgewertet Freigabedatum, Startdatum, Rückmelde- und Fertigstellungsdatum, Rückstand, Bedarfsmenge, Rückmelde- und Ausschussmenge, Ausschussquote und -grund, Maschinenund Personalzeit Soll/Ist, Planabweichungen sowie die Anzahl der Fertigungsaufträge [vgl. stas_fert]. Erwähnt sei noch, dass STAS CONTROL die BI-Technologie von IBM Cognos, Microsoft/Cubeware und SAP-BusinessObjects umfasst [vgl. stas_control]. 52 6.7 FELIOS-Kennzahlen von INFORM INFORM - Institut für Operations Research und Management GmbH befasst sich mit Software, die spezialisiert ist auf Planungs- und Dispositionsentscheidungen. Das 1969 gegründete Unternehmen hat seinen Sitz in Aachen und betreut mit 400 Mitarbeitern weltweit über 1000 Kunden. Der Schwerpunkt liegt auf der Optimierung von betrieblichen Ressourcen und Auftragsfolgen [vgl. inform_home1]. Als Kernkompetenz führt INFORM voran, dass ihr Augenmerk auf sog. „entscheidungsintelligenten“ Softwaresystemen liegt. D.h. nicht nur reine Datenbereitstellung, sondern Lieferung von Vorschlägen optimierter Lösungen, die vom Anwender bei Bedarf übernommen werden können. Als ein Anwendungsbeispiel wird das Finden der optimalen Reihenfolge von Produktionsaufträgen genannt, wobei das System einen Kompromiss zwischen Maschinenauslastung und Termintreue ermitteln soll [vgl. inform_home2]. Mit zur Produktpalette von INFORM gehört FELIOS. Es handelt sich um ein APSSystem (Advanced Planning System). FELIOS versteht sich als Zusatzmodul zu bestehenden PPS/ERP-Systemen. Integrierte Lösungen finden sich zu SAP, Proalpha, Abas, Infor, Navision, Axapta, PSI, Baan und weiteren [vgl. felios_1]. Zielgruppe von FELIOS sind vor allem Einzel- und Kleinserienfertiger insbesondere dann, wenn komplexen Produktionsstrukturen und wachsende Teilevielfalt vorliegen. Vor allem hier stellt sich die Problematik, dass die Transparenz in der Fertigungssteuerung oft gering, zugleich die Personaldecke im administrativen Bereich dünn ist [vgl. felios_2]. FELIOS arbeitet nach dem sog. Pull-Prinzip. Gemeint ist, dass ausgehend von Kundenaufträgen notwendige Fertigungsaufträge sowie Zulieferungen zu Auftragsnetzen verknüpft werden. Hierbei sind tatsächliche Kapazitäten (Personal, Maschinen) und die Materialverfügbarkeit mit einbezogen. Im Rahmen dieser Auftragsnetze werden bereichsübergreifend Teilebedarfe synchronisiert. Fehlteile, aber auch unnötige Lagerbestände sollen gleichzeitig vermieden werden. FELIOS stellt sich als Früh- 53 warnsystem für die Fertigungssteuerung dar. Dies in der Form, dass bei drohenden Lieferproblemen in Bezug auf Kundenaufträge gezielt nach Ursachen im oben erwähnten Auftragsnetz gesucht wird, um diese aufzuzeigen. Dabei werden automatisch Lösungsvorschläge ermittelt und dem Fertigungssteuerer in übersichtlicher Form zur Verfügung gestellt. Unterstützend wirkt sich in dem Zusammenhang die sog. Online-Simulation aus. Damit können Situationen durchgespielt werden, die sich aus kurzfristigen Kundenanfragen oder durch Maschinenstörungen ergeben könnten. Somit können Erfolg oder Misserfolg angedachter Maßnahmen bereits im Vorfeld abgeschätzt werden [vgl. felios_3]. FELIOS-Kennzahlen stellt eine Business-Intelligence Lösung dar, und ist ein unabhängiges Modul aus dem FELIOS-Gesamtpaket. Zur Anwenderzielgruppe zählen Unternehmen des Maschinen- und Anlagenbaus, da hier auftragsbezogene Produktion in kleinen Losgrößen im Vordergrund stehen. Unabhängig vom eingesetzten ERP-/PPS-System werden über die integrierte Schnittstelle Daten in das FELIOS Data-Warehouse übertragen und dort archiviert. Zur Auswertung dieses Datenmaterials sind einerseits bereits standardmäßig vorbereitete Formeln und Definitionen integriert, andererseits sind individuelle Anpassungen durch den Anwender selbst möglich. Prozesskennzahlen spielen hierbei eine Rolle. Am Frontend können Reports, Charts oder auch Balanced-Scorecards generiert werden. Die Auswertungen sind zum einen vergangenheitsorientiert, andererseits werden auch Trends in der Zukunft in unterschiedlicher Fristigkeit aufgezeigt [vgl. felios_4]. 54 6.8 SIMATIC IT von Siemens-Division Industry Automation Die Siemens-Division Industry Automation ist ein Geschäftsbereich des Unternehmens Siemens AG, und versteht sich als Automatisierungsspezialist und Softwareanbieter. Die Betätigungsfelder liegen dabei entlang der Wertschöpfungskette und befassen sich in produzierenden Unternehmen, angefangen von Produktdesign und -entwicklung über Produktion und Vertrieb, bis hin zum Service. Im Fokus der Zielgruppe steht die Fertigungs- und Prozessindustrie mit dem Ziel, Produktion, Betriebswirtschaft und Service digital nahtlos miteinander zu verbinden [vgl. siemens_1]. Das Produkt SIMATIC IT ist ein Manufacturing Execution System. Unternehmensweit sollen hiermit in Echtzeit auf sämtliche Prozessinformationen zugegriffen werden können [vgl. simatic_1]. SIMATIC IT beinhaltet verschieden Komponenten. Zu ihnen gehört SIMATIC IT Intelligence Suite. Mit seinem Konzept wird argumentiert, dass Anpassungsfähigkeit am Markt durch betriebliche Verbesserungen und fundierte Echtzeit-Entscheidungen erreicht werden. Letzteres erfordert als Datenbasis Manufacturing Intelligence. Dies hat wiederum zum Inhalt: Erfassung, Kontextualisierung und Auswertung von Fertigungsdaten. Wesentlich ist dabei deren Verknüpfung mit übergeordneten Unternehmensdaten. Erschwernisse allgemein sind hier immer heterogene IT-Umgebungen und die Unterschiede zwischen Echtzeit-Fertigungsdaten und betriebswirtschaftlichen Systemen. SIMATIC IT Intelligence Suite will als Data Engine die Echtzeit-Rohdaten aus der Fertigung in betriebswirtschaftliche Leistungskennzahlen transferieren. Zielsystem ist ein gemeinsames Data Warehouse, wo Daten erfasst und mit einer konfigurierbaren einheitlichen Datenstruktur gespeichert werden. Ziel ist es, eigentliche Fertigungsdaten in einen betriebswirtschaftlichen Kontext zu ermitteln. Das System reagiert auf Anwender-Datenanfragen in Echtzeit bzw. mit ereignisgesteuerten Dashboards, realisiert einen rollenbasiertem Datenzugriff, liefert Navigation, Filterung, Berechnungen, Datenverdichtung, aber auch Detaillierung. Als Vorteil wird hervorgehoben, dass Geschäftsinformationen in Echtzeit geliefert werden können. Die Möglichkeit, Daten aus verschiedenen Systemen beziehen zu 55 können und vorhandene Systeme weiter zu nutzen können, wird an der Stelle herausgestellt [vgl. simatic_2]. Letztgenannter Umstand sollte für ein BI allerdings selbstverständlich sein. Simatic IT for Manufacturing Execution and Intelligence liefert Produktionsdaten aus der Fertigungsebene (Shop Floor) bis hin zur Managementebene (Top Floor). Es geht um Daten zu Aufträgen, Materialien, Anlagenauslastung, Produktionsqualität und -kosten. Die visualisierte Datenpräsentation ist rollenbasiert und somit für individuelle Anwenderbedürfnisse anpassbar. Simatic IT realisiert durchgängige Integration der Funktionen aus den Systemen Manufacturing Execution und Manufacturing Intelligence mit dem Ziel, die die Kommunikation zwischen Produktions- und Managementebene ohne weitere Schnittstellen zu erleichtern. Der Anwender kann individuelle Balanced Scorecards unter Zuhilfenahme industriespezifischer Kennzahlen (Key Performance Indicators / KPIs) erstellen. Die zu analysierenden Parameter können selbst eingestellt sowie die Dichte der benötigten Informationen beliebig definiert werden. Bereits bewährte branchenspezifische Bibliotheken stehen schon vorab zur Verfügung. Der Informationszugriff ist zentral, aber auch per Fernzugriff über mobile Geräte, zum Beispiel Microsoft Windows Phone, möglich. Dies bietet Unabhängigkeit vom jeweiligen Standort. Insgesamt ist der Grundgedanke, die Lücke zwischen unterschiedlichen IT-Ebenen in der Produktion und der Verwaltung zu schließen [vgl. siemens_2]. Besonderen Herausforderungen unterliegt die Diskrete Fertigung. Sie ist oft durch begrenzte Stückzahlen und sehr hohe Komplexität gekennzeichnet. SIMATIC IT for Discrete Industry will speziell hier für höhere Flexibilität sowie für Effizienzsteigerung von Prozessen sorgen. U.a. sind verschiedene gesetzliche Vorschriften und Qualitätsanforderungen in der Lösung integriert [vgl. simatic_3]. 56 6.9 PROXIA MES und ToolDIRECTOR von PROXIA Die PROXIA Software AG hat ihren Sitz in Ebersberg östlich von München gelegen und ist Mitglied der COSCOM Group. PROXIA bezeichnet sich selbst als die MES Company, da das Unternehmen seit mehr als 20 Jahren MES-Lösungen für Fertigungs- und Produktionsunternehmen entwickelt. MES-Schwerpunkte wie Erfassung, Planung, Monitoring und Analyse sind dabei in schnittstellenfreien Softwarelösungen vereint. Zugleich ist PROXIA ein SAP-Partner. Auf diese Weise sollen sich komplette Prozessstrukturen durchgängig abbilden lassen. Die Kunden stammen aus den Branchen Maschinen und Anlagenbau, Automotive, Chemie-/ Kunststoffindustrie sowie Werkzeug- und Formenbau. Zum Produkt-Portfolio gehören Software für MES, DNC, Werkzeugverwaltung, Lager/Logistik und DatenManagement [vgl. proxia_1]. PROXIA MES will die Lücke zwischen kommerziellen ERP/PPS-Systemen und der Fertigungsebene schließen. Dies durch gezielte Erfassung und Analyse von Betriebsund Maschinendaten aus Teilefertigung und Montage. Über ein Monitoring kann aktuell über relevante Betriebszustände informiert werden. Dazu gehört auch die Ermittlung von Kennzahlen wie z. B. von OEE. Bestandteil von PROXIA MES ist der Leitstand ProXIA. Grobplanungsdaten des ERP/PPS-Systems können hiermit verfeinert werden und hinsichtlich der Zielkonflikte Kapazitätsauslastung und Termintreue optimiert werden. Engpässe bei Maschinen, Fertigungshilfsmitteln oder Mitarbeitern sollen damit rechtzeitig erkannt werden [vgl. proxia_2]. Die Antwort auf den Trend zu vielfältigeren und individuelleren Arbeitszeitmodellen soll PROXIA PEP zur Personaleinsatzplanung geben. Flexible Schichtbetriebe sollen situationsabhängige Strategien ermöglichen, indem Mitarbeiter zu erforderlichen Zeitpunkten in ausreichender Anzahl zur Verfügung stehen. In einem speziellen Personenkalender werden zu diesem Zweck geplante Anwesenheiten konkret definiert. Die Planung des Personaleinsatzes erfolgt dann über einen Abgleich mit Schichtmodellen und den individuell vorhandenen Qualifikationsattributen der Mitarbeiter [vgl. proxia_3]. 57 Ein Rückmeldesystem für den Leitstand bildet PROXIA BDE. Ist-Zustände in der Fertigung sollen direkt am Entstehungsort manuell oder auch automatisch erfasst werden. Die Philosophie verfolgt dabei, dass auch IT-unerfahrene Mitarbeiter durch selbsterklärende Benutzeroberflächen zur Bedienung in der Lage sind. Die Software stellt wiederum den Bezug zum zugehörigen Fertigungsauftrag her, und bildet die Informationen dann am Leitstand ab. Konkrete Betriebsdaten stellen hier AuftragsAn- und Abmeldung, Personalidentifikation, Stückzahlen, Mengen, Laufzeiten, Stillstände und Qualitätsdaten dar. Die Erfassungsterminals sind rollenbasiert eingerichtet, und können somit von Mitarbeitern für unterschiedliche Aufgaben genutzt werden [vgl. proxia_4]. Die direkte Anbindung einzelner Betriebsmittel ermöglicht die Maschinendatenerfassungs-Software PROXIA MDE. Störungen an Maschinen oder Anlagen werden auf diese Weise sofort registriert. Unterschiedliche Maschinentypen und -baujahre finden Berücksichtigung und werden über folgende Technologien und Protokolle integriert: OPC-Server, SPS- und I/O-Module, EUROMAP 63. Verschiedene Alarmierungsszenarien sind konfigurierbar. So auch eine automatisierte Benachrichtigung über Mobilfunk [vgl. proxia_5]. Der ToolDIRECTOR stellt den Kern zur Verwaltung aller relevanten Daten und Informationen hinsichtlich der Fertigungsprozesse dar, und dient der unternehmensweiten Bereitstellung von Fertigungsinformationen. Die Rede ist von Fertigungsdaten-Management (FDM). Erforderlichen Daten werden zentral in einer Datenbank abgelegt und können über LAN ortsunabhängig zur Verfügung gestellt werden. Wesentliche Funktion bildet eine Verknüpfungstechnologie, die Zeichnungen, Videos, Skizzen, Listen, NC-Programme, Werkzeuglisten und Aufspannpläne direkt in der Datenbank strukturiert abspeichert, und dabei automatisch den Bezug zu Aufträgen oder Artikeln herstellt. Das Erstellen von Reports zu einzelnen Prozessschritten dienen der Nachweispflicht im Rahmen von Standards des Qualitätsmanagements. [vgl. proxia_6]. 58 6.10 key2 von advenco Die advenco Consulting GmbH mit Sitz in Gießen versteht sich als IT-Dienstleistungsunternehmen mit Produktionsunternehmen als Zielgruppe, die sie beim Einsatz von Manufacturing IT-Systemen berät und Projekte für diese ausführt. Schwerpunkte liegen auf Produktionsmanagement, Produktionsfeinplanung, Datenanalyse und Auswertung. Ein ganz spezieller Fokus liegt aber auf nicht automatisch erfassbaren Geschäftsprozessen, für die advenco eigene mobile Lösungen anbietet [vgl. advenco_1]. Die key2software-Produktlinie besteht aus mehreren unabhängigen Softwarekomponenten, die in der Produktion und hauptsächlich auf mobilen Geräten zum Einsatz kommen [vgl. advenco_2]. Als sog. Task-Managementsystem versteht sich key2operate. Es übernimmt die Funktion eines mobilen Entscheidungsunterstützungssystems und zielt eigens auf manuelle Geschäftsprozesse ab. Frontends bilden mobile Geräte, wie Smartphones, Barcode-/RFID-Scanner sowie Tablets. Der Betrieb kann online-, aber auch offline mit automatischer Replikation erfolgen. Online-Verbindung kann via LAN, WLAN, UMTS und GPRS hergestellt werden. Bei der eigentlichen Anwendung geht es um die menügeführte Erstellung von Workflows (Arbeitsabläufen). Grafische Darstellungen sowie hinzufügbare Anleitungen, Fotos und Dokumentationen ergänzen den Funktionsumfang. Rückmeldungen zum Abarbeitungsstatus können manuell oder durch Scannen von Barcodes oder RFID-Tags erfasst werden. Ein zentraler Server übernimmt die Datensynchronisation und ermöglicht zusätzlich die Integration zum angeschlossenen Manufacturing IT System. Ein weiterer Anwendungsfall stellt die nachträgliche Reportingmöglichkeit der Arbeitsschritte dar. Im Produktionsumfeld bietet sich die Möglichkeit einer mobilen Betriebsdatenerfassung (mBDE). Kennzahlen wie Maschinennutzung, Wartezeiten, Alarme und Störungen stehen hierbei im Mittelpunkt. Erfasste Daten werden automatisch an das übergeordnete System gesendet, dass für die Auswertung der Performance-Kennzahlen in Echtzeit zuständig ist [vgl. advenco_3]. 59 Im Rahmen der Statistischen Prozesslenkung (SPC) kommen allgemein Qualitätsregelkarten (QRK) zum Einsatz. Diese spielen im Qualitätsmanagement eine Rolle. Stichprobenkennwerte wie Mittelwert, Warngrenzen, Eingriffsgrenzen usw. werden dabei über die Zeit grafisch dargestellt. Hier findet das advenco-Produkt key2analyze Anwendung, das zur statistischen Auswertung und Analyse von Prozesswerten dient. Die Applikation ist gänzlich webbasiert. Aufgrund der Browserdarstellung ist eine Client-Installation überflüssig. Prüfregelverletzungen, Warn-und Eingriffsgrenzenüberschreitungen werden bei tournusmäßigen Prüfläufen automatisch an den Anwender z.B. per Email gemeldet. Bei hoher Werteanzahl kann über einen Verdichtungsfaktor eine Komprimierung erfolgen. Als Nachweisdokument kann die Regelkarte in Microsoft Word exportiert werden [vgl. advenco_4]. Ein Manufacturing Intelligence System in mobiler Form ist key2value. Es stellt eine Business App für iPhone, iPad und iPod touch dar, welche Informationen und Kennzahlen aus der Produktion ortsunabhängig und in Echtzeit zur Verfügung stellt. Dashboards und Reports können nutzerbasiert zusammengestellt werden. Leistungskennzahlen (KPIs) kommen in unterschiedlichen Darstellungsformen wie Tachometer, Trend-, Ampel- oder Tabellenansichten zur Anzeige. Eine Online-Verbindung in verschlüsselter Form kann über LAN, WLAN, LTE, UMTS, EDGE sowie GPRS erfolgen, womit der Datenaustausch mit anderen Produktionssystemen möglich ist. [vgl. advenco_5]. 60 7 Schlussbetrachtungen 7.1 Auswertung recherchierter fertigungsspezifischer BI-Lösungsanbieter Die Philosophien und Zielsetzungen der einzelnen, im vorherigen Kapitel untersuchten Anbieter unterscheiden sich. Im Anhang fasst Abbildung 26 auf Seite XVII nochmals wesentliche Kernaussagen zusammen. Es fällt zunächst auf, dass der Begriff ‚Data Warehouse‘ lediglich in vier von zehn Fällen explizit Erwähnung findet. Gerade die Entkopplung von den operativen Systemen als gewichtiges Merkmal einer BI-Lösung findet wohl in der Praxis nicht immer seine Entsprechung. Im Gegenteil wird dieser Umstand oft noch als vorteilhaft herausgestellt, wenn in diesem Zusammenhang immer wieder die Begrifflichkeit „in Echtzeit“ genannt wird. Jedoch wurde bereits in Kapitel 2.1 festgestellt, dass der BIBegriff offiziell nicht exakt definiert ist. Die Visualisierung von Ergebnisdaten an Frontends in Form von Dashboards wird beim Großteil der Systeme umgesetzt. Benutzerfreundlichkeit und Unabhängigkeit der fachlichen Anwender von der IT-Abteilung werden dabei hervorgehoben. Die Anwenderprofile sind hierbei häufig rollenspezifisch. Oft erfolgt die Ausgabe browserbasiert. Mit Datenausgabemöglichkeiten auf Mobilfunk-Endgeräten wird dem zunehmenden Trend nach Ubiquitous Computing und Ortsunabhängigkeit Rechnung getragen. Was die Anwendungsschwerpunkte fertigungsspezifischer BI-Lösungen betrifft, können diese nun nach bestimmten Kriterien klassifiziert werden. Zum einen nach den Einsatzgebieten und zum anderen nach der Fristigkeit der Datennutzung. Das erste große Einsatzgebiet betrifft die Sicherung der Produktqualität. Produktkomponenten sollen als solche die geforderte Beschaffenheit aufweisen und die Ausschussquote verringert werden. Das zweite Gebiet widmet sich alles in allem der Sicherung des Produktionsablaufes. Hierauf zielen sämtliche Parameter wie Durchlaufzeiten, Termintreue, Rückstand, Störungen, Ausfallzeiten usw. ab. Bei der Fristigkeit der Datennutzung ist wesentlich, ob im operativen Fertigungsablauf Informationen zur 61 kurzfristigen Entscheidungsunterstützung verfügbar sein müssen. Dies betrifft Thematiken wie optimalen Reihenfolge von Produktionsaufträgen, Maschinenausfälle, Terminverfolgung. Gerade hier findet der, oben erwähnte, „Echtzeit“-Ansatz seine Berechtigung. Im Gegensatz hierzu steht das strategische Produktionsmanagement. Hier stehen Gesichtspunkte wie Produktivität, Anlagennutzung, Maschineneffizienz, Produktionskosten usw. im Mittelpunkt, die in Form von Kennzahlen und Soll/IstVergleichen, meist in hochkonzentrierter Aggregation zum Ausdruck kommen. Die genannten Kriterien finden in unterschiedlichen Adressaten unter den BI-Anwendern ihre Entsprechung. Nehmen wir jetzt noch die Überlegungen hinsichtlich des Fertigungsbegriffs (Fertigung vs. Produktion) aus Kapitel 4.1 hinzu, kann eine zweidimensionale Matrix gebildet werden, die Einsatzmöglichkeiten von Business Intelligence für spezielle Problemstellungen der industriellen Fertigung ordnet. Der Autor stellt aufgrund der, aus der Arbeit gewonnenen, Erkenntnisse nachfolgendes Portfolio zusammen: BI im engeren Sinne Fertigung im weiteren Sinne Fertigung im engeren Sinne Abbildung 27: Operativer Produktionsbereich (kurzfristig, Werkstattebene) Adressaten: Fertigungssteuerer, Terminverfolger, Fertigungsleitstand Daten: hoher Detaillierungsgrad z.B. Durchlaufzeiten, Maschinenbelegung Operativer Fertigungsbereich (kurzfristig, Maschinenebene) Adressaten: Meister, Vorarbeiter, Instandhaltung Daten: hoher Detaillierungsgrad z.B. Maschinenstörungen, MDE, Energieverbrauch BI im weiteren Sinne Strategisches Produktionsmanagement (langfristig, standortübergreifend) Adressaten: Produktionsleiter, Controlling, Betriebsleiter, Geschäftsleitung Daten: stark komprimiert z.B. Produktivität, Ausstoß, Produktionskosten Strategische Fertigungsplanung (langfristig, abteilungsübergreifend) Adressaten: Verfahrensentwickler, Arbeitsvorbereiter, QS, Konstruktion Daten: detailliert und aggregiert z.B. Werkzeugstandzeiten, Ausschussquoten, Teilefamilien, Schnittdaten Portfolio fertigungsspezifischer BI-Lösungen Die Übergänge zwischen den einzelnen Feldern dürften fließend sein. Jedoch werden unterschiedliche Motivationen der BI-Nutzung im Fertigungsbereich deutlich. Im Segment des ‚Strategischen Produktionsmanagements‘ liegt schlussendlich auch die Schnittstelle zur Betriebswirtschaft. Die dortigen Ergebniszahlen stehen mit Kennzahlen aus Vertrieb und Controlling auf einer Ebene. 62 7.2 Fazit Das Thema Business Intelligence ist weitläufig. So war es im theoretischen Teil nur möglich den allgemeinen BI-Ansatz in Grundlagen zu verdeutlichen. Noch vielfältiger gestaltet sich der Bereich ‚Fertigung‘. Die eigenen Beispiele entstammen dem Gebiet der spanenden Metallverarbeitung. Es ist aber festzuhalten, dass Problemstellungen eines Stanzereibetriebes, eines kunststoffverarbeitenden Betriebes oder diese einer Gießerei selbstverständlich wieder ganz anders gestaltet sein können. Hierin liegt auch eine gewisse Erklärung für die Schwierigkeit der BI-Umsetzung in der Fertigung. Betriebswirtschaftliche Kennzahlen wie Umsatz, Gewinn, Verkaufszahlen können branchenübergreifend verwendet werden. Ein Rückgriff auf vorgefertigte BIlösungen „von der Stange“ sind hier über Customizing eher möglich. Fertigungs-BISysteme dürften daher in aller Regel maßgeschneidert sein. Dennoch ist BI in der Fertigung angekommen, was die genannten Beispiele zeigen. Häufig bündeln zwei Geschäftspartner ihre Kompetenzen, indem einer von ihnen die, bereits im betriebswirtschaftlichen Bereich eingesetzte, technisch BI-Plattform einbringt, und der andere das beraterseitige Fachwissen auf dem Gebiet der Fertigung. Der vom Autor ursprünglich vermutete Anwendungsschwerpunkt im Bereich der Fertigung im engeren Sinne, wo Themen der reinen Fertigungstechnologie dominieren, konnte an selbstgewählten Beispielen zwar dargestellt werden, jedoch bei den recherchierten BI-Unternehmen in diesem Maße nicht wiedergefunden werden. Gerade aber hier stünden enorme Potenziale zur Verfügung, da trotz CAM bei einer Produkteinführung unter zeitlichen Druck meist Kompromisse eingegangen werden. Über „Versuch und Irrtum“ wird das Rad der verfahrenstechnischen Umsetzung immer wieder neu erfunden, um die Produktion schnell ins Laufen zu bringen. Automobilfirmen gehen gelegentlich strategische Allianzen ein z.B. bei der gemeinsamen Entwicklung eines neuen Getriebes. Die Schaffung eines globalen unternehmensübergreifenden Pools für fertigungstechnologische Daten in ähnlicher Weise, könnte nicht nur Synergien schaffen, sondern auch den SCM-Gedanken fördern. Dies kann als Zukunftsvision gesehen werden. 63 ANHANG Unternehmens-, Markt- und Wettbewerbsdaten - größtenteils quantitativ - quantitativ und qualitativ - strukturiert - kaum strukturiert Bereitstellung Entdeckung Kommunikation Abbildung 1: Operative Systeme, Data Warehouse, Internet/Intranet, Diskussionsforen, Multidimensionale Modelle Implizites Wissen (human ressource) Multidimensionale Analysen, Data Mining, Balanced Scorecard, Text Mining, Kennzahlenanalysen, Simulationen Web Mining Förderung von Wissensaustausch, ereignisgesteuertes Reporting Business Intelligence Portfolio nach Grothe und Gentsch [vgl. Oehler 2006, Seite 34] Variante A : präsentationsdominant Variante B : gleichberechtigt Variante C : analysedominant Präsentationsschicht Zugriff und Ausgabe Aufbereitung und Auswertung Integration und Speicherung externe Daten und operative Vorsysteme Abbildung 2: BI-Architekturbausteine [vgl. Gluchowski 2007, Seite 109] VII Analyseschicht Bereitstellungsschicht Datenquellen Klassifikation Herkunft Format Struktur Abbildung 3: Beispiele intern extern Text Bild Video Audio strukturiert semistrukturiert unstrukturiert Lagerbestandsführung, Buchhaltung Markforschungsinstitute, Börsendienste, Internet, Presse E-Mails, Word-Dokumente Fotos, Grafiken Videokonferenzen, Podcasts Gesprächsaufzeichnungen, Diktate Datenbanken, Webformulare, XML-Dokumente Internetbilder, dokumentierte Videos E-Mails, Gespräche, Zeitungsartikel Systematisierung von Datenquellen [vgl. Kendzia 2010, Seite 75] Laden Transformation Anreicherung Berechnung betriebswirtschaftlicher Kenngrößen Aggregation Dimensions-Hierarchisierung Harmonisierung - betriebswirtschaftlich - syntaktisch Filterung Extrakte bereinigte Extrakte [ Bereinigungsregeln ] Extraktion Quellsysteme : Abbildung 4: ERP, SCM, CRM, E-Procurement Internet, File Server etc. Transformation innerhalb von ETL [vgl. Kemper 2009, Seite 48] VIII Extraktion Basisdatenbank Laden Arbeitsbereich Laden Data Warehouse atenbank Transformation Quellsysteme Benutzerschnittstelle Abbildung 5: Positionierung des Data Warehouse [vgl. Schäfer 2009, Seite 18] Vertrieb Controlling Finanzen Marketing Data Marts Data Warehouse atenbank Abbildung 6: Prinzip: Data Mart [vgl. Fröhlich 2008, Seite 577] IX Kundengruppe Region Artikelgruppe Dimensionen Region : Bayern Artikelgruppe: Bücher Kundengruppe: Bibliotheken Fakten Umsatzerlöse: 125.000 € Absatzmenge: 36.850 Stk. Abweichung: - 5,6 % ... Abbildung 7: OLAP-Würfel [vgl. Hoffmann 2011, Seite 10] X Kundengruppe Region Schweiz Österreich Deutschland Artikelgruppe Drill-down Roll-up Kundengruppe Region Baden-Württemberg Bayern Artikelgruppe Abbildung 8: Hessen OLAP-Operationen, Roll-up und Drill-down [vgl. Röger 2010, Seite 38] XI Kundengruppe Region Schweiz Österreich Deutschland Artikelgruppe Slice Dice Kundengruppe Artikelgruppe Abbildung 9: Deutschland OLAP-Operationen, Slice und Dice [vgl. Röger 2010, Seite 39] XII Kundengruppe Region Artikelgruppe Rotation Artikelgruppe Region Kundengruppe Abbildung 10: OLAP-Operation, Rotation [vgl. Röger 2010, Seite 40] XIII Abbildung 11: DuPont-Kennzahlensystem [Engels 2008, Seite 15] Abbildung 12: Dashboard-Beispiel [dash_ex] XIV Fertigungsarten Verrichtungsprinzip Baustellenfertigung Abbildung 15: Werkstattfertigung Gruppenprinzip Gruppenfertigung Fluss- / Objektprinzip Fließfertigung Wanderfertigung Fertigungsarten entsprechend der Fertigungsstruktur [vgl. Mathar 2009, Seite 127] Fertigungsarten Einzelfertigung Abbildung 16: Serienfertigung Sortenfertigung Massenfertigung Fertigungsarten entsprechend der Losgröße [vgl. Mathar 2009, Seite 127] XV Abbildung 17: Y-CIM-Modell nach August-Wilhelm Scheer [vgl. Strickmann 2008, Seite 64] XVI Produkt FactoryTalk VantagePoint EMI cc-sequencer BI-Relevanz Data Warehouse, Reports, Dashboards, Data Mining Visualisierung in Tabellenform Produktions-Cockpit Visualisierung über Metaphern, Simulationen, OLAP fme-Gruppe OEE-Analyse mit Qlikview Zeigerinstrumenten-Metaphern, „Hit-Listen“ FELTEN Group PILOT Suite frei konfigurierbares Berichtswesen, Dashboards, grafischen Visualisierung Alarmfunktionen, Drill-Down-Funktionen Reporting, Analysehierarchien, Suchfunktionen, Objektverknüpfungen, Gruppierung Data-Warehouse, Abhängigkeiten finden, Korrelationen erkennen, Rechnersimulationen Kennzahlenorientiertes Berichtswesen, Reporting und Analyse, Monitoring, Simulationen, Corporate Performance Management Data-Warehouse, Vorschläge optimierter Lösungen, vorbereitete Formeln und Definitionen, Reports, Charts, Balanced-Scorecards Data Warehouse, Firma Rockwell Automation CIM Aachen camLine Datensysteme LineWorks-Suite Cornerstone STAS GmbH STAS CONTROL INFORM FELIOS-Kennzahlen SiemensDivision Industry Automation PROXIA SIMATIC IT PROXIA MES ToolDIRECTOR advenco Abbildung 26: key2 ereignisgesteuerte Dashboards Planung, Monitoring und Analyse Verknüpfungstechnologien für Zeichnungen, Videos, Skizzen, Listen, NC-Programme, Werkzeuglisten und Aufspannpläne Erstellen von Reports Reportingmöglichkeiten, Dashboards, Reports, Trend-, Ampel- oder Tabellenansichten im Fokus Produktivität, Produktqualität, Anlagennutzung, Stillstandszeiten, KPIs Produktivität, Durchlaufzeiten, Termintreue, gerichteter Materialfluss, Teilefamilien, Maschinenaufstellung (Werkstatt-Layout), definierter Reihenfolge von Fertigungsaufträgen interne Termintreue, Durchlaufzeiten, Flussfaktor, Maschinenbelegungsgrad, Mitarbeiterproduktivität Bewertung der Effizienz von Maschinen Maschinenverfügbarkeit, Stillstandszeiten, Qualitätskennzahlen Störungen, Ausfallzeiten, Fehlproduktionen, Qualitätsmängel und höheren Materialverbrauch erkennen, KPI und OEE OEE-Effizienz Leistungskennzahlen nach SEMI-E10 bessere Maschinenverfügbarkeit Produktionsdaten Rückstand, Bedarfsmenge, Rückmelde- und Ausschussmenge, Ausschussquote und -grund, Maschinen- und Personalzeit Soll/Ist, Planabweichungen optimalen Reihenfolge von Produktionsaufträgen, Maschinenauslastung und Termintreue, bereichsübergreifend Teilebedarfe synchronisieren, Prozesskennzahlen Erfassung, Kontextualisierung und Auswertung von Fertigungsdaten, Daten zu Aufträgen, Materialien, Anlagenauslastung, Produktionsqualität und -kosten, KPIs Ermittlung von Kennzahlen wie z. B. von OEE, Kapazitätsauslastung und Termintreue, Engpässe bei Maschinen, Planung des Personaleinsatzes, Stückzahlen, Mengen, Laufzeiten, Stillstände, Qualitätsdaten, Störungen an Maschinen oder Anlagen Standards des Qualitätsmanagements, Fertigungsdaten-Management (FDM) manuelle Geschäftsprozesse, Maschinennutzung, Wartezeiten, Alarme und Störungen, Performance-Kennzahlen, SPC, QRK, KPIs Anbieterübersicht XVII LITERATURVERZEICHNIS [Alpaydin, 2008] ALPAYDIN, Ethem: Maschinelles Lernen, Oldenbourg Verlag, 2008 [Balzert, 2009] BALZERT, Helmut: Lehrbuch Der Softwaretechnik: Basiskonzepte und Requirements Engineering, Springer, 2009 [Barthélemy, 2010] BARTHÉLEMY, Frank, KNÖLL, Heinz-Dieter, SALFELD, André, SCHULZ-SACHAROW, Christoph, VÖGELE, Dorothee: Balanced Scorecard: Erfolgreiche IT-Auswahl, Einführung und Anwendung: Unternehmen berichten, Springer, 2010 [Brocke, 2003] BROCKE, Jan vom: Referenzmodellierung, Jan vom Brocke, 2003 [Burr, 2006] BURR, Wolfgang, STEPHAN, Michael: Dienstleistungsmanagement, W. Kohlhammer Verlag, 2006 [Dietrich, 2007] DIETRICH, Edgar, SCHULZE, Alfred, WEBER, Stefan: Kennzahlensystem für die Qualitätsbeurteilung in der industriellen Produktion, Hanser Verlag, 2007 [Discher, 2010] DISCHER, Maik: Führungsinformationen aus dem World Wide Web: Business Intelligence mit Web Content Mining, Diplomica Verlag, 2010 [Dyckhoff, 1994] DYCKHOFF, Harald: Betriebliche Produktion: Theoretische Grundlagen einer umweltorientierten Produktionswirtschaft, Gabler Wissenschaftsverlage, 1994 [Engels, 2008] ENGELS, Christoph: Basiswissen Business Intelligence, W3l GmbH, 2008 [Ennen, 2008] ENNEN, Heiko: Business-Intelligence - Eine Übersicht über Systeme, Methoden und Leistungsmerkmale, GRIN Verlag, 2008 XVIII [Fandel, 1994] FANDEL, Günther, DYCKHOFF, Harald, REESE, Joachim: Industrielle Produktionsentwicklung: Eine empirisch-deskriptive Analyse ausgewählter Branchen, Gabler Wissenschaftsverlage, 1994 [Favre-Bulle, 2004] FAVRE-BULLE, Bernard: Automatisierung komplexer Industrieprozesse, Gabler Wissenschaftsverlage, 2004 [Fröhlich, 2008] FRÖHLICH, Lutz: Oracle 11g: Das umfassende Handbuch, Hüthig Jehle Rehm, 2008 [Gabriel, 2009] GABRIEL, Roland, PASTWA, Alexander, GLUCHOWSKI, Peter: Data Warehouse & Data Mining, W3l GmbH, 2009 [Gienke, 2007] GIENKE, Helmuth, KÄMPF, Rainer: Handbuch Produktion: Innovatives Produktionsmanagement: Organisation, Konzepte, Controlling, Hanser Verlag, 2007 [Gluchowski, 2007] GLUCHOWSKI, Peter, GABRIEL, Roland, CHAMONI, Peter, DITTMAR, Carsten: Management Support Systeme und Business Intelligence: Computergestützte Informationssysteme für Fach- und Führungskräfte, Springer, 2007 [Gómez, 2008] GÓMEZ, Jorge Marx, RAUTENSTRAUCH, Claus, CISSEK, Peter: Einführung in Business Intelligence mit SAP NetWeaver 7.0, Springer, 2008 [Gronau, 2009] GRONAU, Norbert, GÄBLER, Andreas: Einführung in die Wirtschaftsinformatik, Band 2, GITO mbH Verlag, 2009 [Grote, 2007] GROTE, Karl-Heinrich, FELDHUSEN, Jorg: Dubbel: Taschenbuch für den Maschinenbau, Gabler Wissenschaftsverlage, 2007 [Hampe, 1997] HAMPE, Manfred, BLASS, Eckhart, MÜLLER, K., STICHLMAIR, J.: Entwicklung Verfahrenstechnischer Prozesse, Gabler Wissenschaftsverlage, 1997 [Hartmann, 2007] HARTMANN, Tobias: Das Konzept des Benchmarkings, GRIN Verlag, 2007 XIX [Hehenberger, 2011] HEHENBERGER, Peter: Computerunterstützte Fertigung, Gabler Wissenschaftsverlage, 2011 [Hoffmann, 2011] HOFFMANN, Andre: Data Warehouse, GRIN Verlag, 2011 [Hoffmann, 2010] HOFFMANN, Dieter: Data Warehouse im Rahmen der Business Intelligence: Konzeption eines Vorgehensmodells, Diplomica Verlag, 2010 [Holthuis, 1999] HOLTHUIS, Jan: Der Aufbau von Data Warehouse-Systemen: Konzeption - Datenmodellierung - Vorgehen, DUV, 1999 [Huthmann, 2007] HUTHMANN, Andreas: Metadaten und Datenqualität in Data Warehouses, GRIN Verlag, 2007 [Jochem, 2010] JOCHEM, Roland: Prozessmanagement: Strategien, Methoden, Umsetzung, Symposion Publishing GmbH, 2010 [Kemper, 2009] KEMPER, Hans-Georg, BAARS, Henning, MEHANNA, Walid: Business Intelligence: Grundlagen und praktische Anwendungen: Eine Einführung in die IT-basierte Managementunterstützung, Vieweg+Teubner, 2009 [Kendzia, 2010] KENDZIA, Robert: Business Intelligence für das Beschaffungsmarketing, epubli, 2010 [Kiener, 2009] KIENER, Stefan: Produktions-Management: Grundlagen der Produktionsplanung und-steuerung, Oldenbourg Verlag, 2009 [Klusmann, 2012] KLUSMANN, Jens: Optimierung der Betriebsdatenerfassung im Produktionsbereich eines Kaltwalzwerkes, GRIN 2012 [Koether, 2007] KOETHER, Reinhard, RAU, Wolfgang: Fertigungstechnik für Wirtschaftsingenieure, Hanser Verlag, 2007 [Kurbel, 2005] KURBEL, Karl: Produktionsplanung und -steuerung im Enterprise Resource Planning und Supply Chain Management, Oldenbourg Verlag, 2005 [Manitz, 2003] MANITZ, Rene: Untersuchung der Möglichkeiten zur Automatisierung von Geschäftsprozessen, GRIN Verlag, 2003 [Mathar, 2009] MATHAR, Hans-Joachim, SCHEURING, Johannes: Unternehmenslogistik: Grundlagen für die betriebliche Praxis, Compendio Bildungsmedien AG, 2009 XX [Mertens, 2005] MERTENS, Peter, BODENDORF, Freimut, KÖNIG, Wolfgang, PICOT, Arnold, SCHUMANN, Matthias: Grundzüge der Wirtschaftsinformatik, Gabler Wissenschaftsverlage, 2005 [Michels, 2009] MICHELS, Knut, JÄGER, Tim: Realisierung eines Management Cockpits mit Microsoft Business Intelligence, GRIN Verlag, 2009 [Mostert, 2007] MOSTERT, Clemens H.: Fabrik-Umfeld Simulationsmodell zur kennzahlenbasierten Bewertung von Produktionstrategien, kassel university press GmbH, 2007 [Mühlendahl, 2001] MÜHLENDAHL, Christoph von: Strukturmodelle und Informationssysteme für Qualitätsregelkreise in Industrieunternehmen, expert verlag, 2001 [Navrade, 2008] NAVRADE, Frank: Strategische Planung mit DataWarehouse-Systemen, Gabler Verlag, 2008 [Niemczyk, 2011] NIEMCZYK, Maciej: Analyse von komplexen Produkt- und Prozess-Datentypen zur Unterstützung wissensintensiver Prozesse, GRIN Verlag, 2011 [Oehler, 2006] OEHLER, Karsten: Corporate Performance Management mit Business Intelligence Werkzeugen, Hanser Verlag, 2006 [Pellegrini, 2006] PELLEGRINI, Tassilo: Semantic Web: Wege zur vernetzten Wissensgesellschaft, Springer, 2006 [Peterson, 2005] PETERSON, Helge: Data Mining: Verfahren, Prozesse, Anwendungsarchitektur, Oldenbourg Verlag, 2005 [Reiß, 2012] REIß, Andreas: CAD-CAM, BoD – Books on Demand, 2012 [Richter, 2008] RICHTER, Alexander, DERBALLA, Volker: IT-gestütztes Wissensmanagement: Theorie, Anwendungen und Barrieren, Edition Wissensmanagement, 2008 [Röger, 2010] RÖGER, Matthias: Konzeption und Realisierung eines Data Warehouses zur Analyse chirurgischer Workflows, Diplomica Verlag, 2010 XXI [Rupp, 2010] RUPP, Susanne: Google Marketing: Werben mit AdWords, Analytics, AdSense & Co, Pearson Deutschland GmbH, 2010 [Schaaf, 2010] SCHAAF, Thomas: Konzepte und Werkzeuge zum Online Analytical Processing, GRIN Verlag, 2010 [Schäfer, 2009] SCHÄFER, Simon: Data Warehouse- Komponente der Business Intelligence und Qualitätsfaktor des Reportings, GRIN Verlag, 2009 [Scharf, 1994] SCHARF, Peter: Die automatisierte Montage mit Schrauben, expert verlag, 1994 [Scheer, 1999] SCHEER, August-Wilhelm: Electronic Business und Knowledge Managament- Neue Dimensionen für den Unternehmungserfolg, Gabler Wissenschaftsverlage, 1999 [Scheer, 2002] SCHEER, August-Wilhelm, JOST, Wolfram: Aris in der Praxis, Gabler Wissenschaftsverlage, 2002 [Schiefers, 2011] SCHIEFERS, Manfred: Ersatz einer textbasierten RPGGreenscreen-Benutzeroberfläche durch einen Java-GUIFrontend (Projektbericht), AKAD Hochschule, Stuttgart, 31.05.2011 [Schmidt, 2008] SCHMIDT-VOLKMAR, Pascal: Betriebswirtschaftliche Analyse auf operationalen Daten, Gabler Verlag, 2008 [Schmitt, 2005] SCHMITT, Ingo: Ähnlichkeitssuche in MultimediaDatenbanken, Oldenbourg Wissenschaftsverlag, 2005 [Schubbe, 2011] SCHUBBE, Fred: Personalkennzahlen, BoD – Books on Demand, 2011 [Schuh, 2006] SCHUH, Günther: Produktionsplanung und -Steuerung: Grundlagen, Gestaltung und Konzepte, Gabler Wissenschaftsverlage, 2006 [Schuler, 2008] SCHULER, Hans: Prozess-Simulation, John Wiley & Sons, 2008 [Seyffert, 2009] SEYFFERT, Anna-Maria: Entwicklung eines Leitfaden zur Entwicklung einer SOA, GRIN Verlag, 2009 XXII [Sihler, 2009] SIHLER, Patrick: Key Performance Indicators aus Controlling-Sicht, GRIN Verlag, 2009 [Spörrer, 2009] SPÖRRER, Stefan: Content-Management-Systeme: Begriffsstruktur und Praxisbeispiel, Kölner Wissenschaftsverlag, 2009 [Steinlein, 2004] STEINLEIN, Uwe: Data Mining als Instrument der Responseoptimierung im Direktmarketing, Cuvillier Verlag, 2004 [Steven, 2007] STEVEN, Marion: Handbuch Produktion: Theorie-Management- Logistik- Controlling, W. Kohlhammer Verlag, 2007 [Strickmann, 2008] STRICKMANN, Jan: Analysemethoden zur Bewertung von Entwicklungsprojekten, GITO mbH Verlag, 2008 [Struck 2012] STRUCK, Christian: Konzeption und Umsetzung eines kennzahlenbasierten Managementcockpits, GRIN Verlag, 2012 [Takeda, 2006] TAKEDA, Hitoshi: Das synchrone Produktionssystem: Justin-time für das ganze Unternehmen, MI Wirtschaftsbuch, 2006 [Vahrenkamp, 2010] VAHRENKAMP, Richard: Von Taylor zu Toyota: Rationalisierungsdebatten im 20. Jahrhundert, BoD – Books on Demand, 2010 [Vogel, 2003] VOGEL-HEUSER, Birgit: Systems Software Engineering, Oldenbourg Industrieverlag, 2003 [Vogel, 2006] VOGEL, Manfred, EBEL,Thomas: Pro-engineer und promechanica , Hanser Verlag, 2006 [Wannenwetsch, 2005] WANNENWETSCH, Helmut: Vernetztes Supply Chain Management, Gabler Wissenschaftsverlage, 2005 [Weinert, 2001] WEINERT, Klaus: Spanende Fertigung, Vulkan-Verlag GmbH, 2001 [Westkämper, 2005] WESTKÄMPER, Engelbert: Einführung in die Organisation der Produktion, Gabler Wissenschaftsverlage, 2005 [Westkämper, 2010] WESTKÄMPER, Engelbert, WARNECKE, Hans-Jürgen: Einführung in die Fertigungstechnik, Vieweg +Teubner, 2010 [Zeichen, 2000] ZEICHEN, Gerfried, FÜRST, Karl: Automatisierte Industrieprozesse, Gabler Wissenschaftsverlage, 2000 XXIII [Zülich, 2010] ZÜLICH, Gert: Integrationsaspekte der Simulation: Technik, Organisation und Personal, KIT Scientific Publishing, 2010 XXIV WEITERE QUELLEN [advenco_1] Homepage advenco GmbH, Unternehmensprofil http://www.advenco.de/unternehmen-_29.html Version: 24.03.2012, Aufruf: 24.03.2012 [advenco_2] Homepage advenco GmbH, Produktübersicht http://www.key2software.com/ Version: 24.03.2012, Aufruf: 24.03.2012 [advenco_3] Homepage advenco GmbH, Produkt key2operate http://key2software.com/home/produkte/key2operate/ Version: 24.03.2012, Aufruf: 24.03.2012 [advenco_4] Homepage advenco GmbH, Produkt key2analyze http://key2software.com/home/produkte/key2analyze/ Version: 24.03.2012, Aufruf: 24.03.2012 [advenco_5] Homepage advenco GmbH, Produkt key2value http://key2software.com/home/produkte/key2value/ Version: 25.03.2012, Aufruf: 25.03.2012 [automationworld_2008] AutomationWorld: Rockwell Automation to Acquire Incuity Software http://www.automationworld.com/asset-management/rockwell-automation-acquire-incuity-software Version: 07.05.2008, Aufruf: 14.03.2012 [beyenet_15542] BeyeNETWORK: Business Intelligence ist in der Produktion angekommen (Dipl.-Ing. Ingo Laqua) http://www.beyenetwork.de/view/15542 Version: 05.10.2011, Aufruf: 15.03.2012 XXV [camline_dwh] Homepage camLine GmbH, Data-Warehouse für die Fertigung http://www.camline.com/de/loesungen/anwendungsfaelle/data-warehouse-fuer-die-fertigung.html Version: 18.03.2012, Aufruf: 18.03.2012 [camline_home] Homepage camLine GmbH, Unternehmensprofil http://www.camline.com/de/camline/ueber-camline.html Version: 18.03.2012, Aufruf: 18.03.2012 [cc_sequencer] CIMSOURCE Software, PDF-Download: cc-sequencer www.cimsource.de/produkt-wertstrom-applikation/ccsequencer/?file=daten/downloads/produkte/wertstrom_app/cc-Sequencer.pdf Version: 15.03.2012, Aufruf: 15.03.2012 [chemanager_fme] CHEManager: Business Intelligence für modernes Produktionscontrolling http://www.chemanager-online.com/themen/informationstechnologie/business-intelligence-fuermodernes-produktionscontrolling Version: 20.05.2011, Aufruf: 16.03.2012 [cim_aachen] Homepage CIM Aachen GmbH http://www.cim-aachen.de Version: 15.03.2012, Aufruf: 15.03.2012 [cim_cockpit] CIMSOURCE Software, PDF-Download: Produktions-Cockpit www.cimsource.de/produkt-performancemanagement/produktionscockpit/?file=daten/downloads/produkte/performance_mm/ProduktionsCockpit.pdf Version: 15.03.2012, Aufruf: 15.03.2012 [cimsource] Homepage CIMSOURCE Software http://www.cimsource.de/cimsource/ Version: 15.03.2012, Aufruf: 15.03.2012 XXVI [cio_pi] CIO: Production Intelligence - ein hehres Ziel (Tanja Wolff) http://www.cio.de/dynamicit/aktuelles/878362/index.html Version: 30.03.2009, Aufruf: 17.03.2012 [cornerstone] Homepage camLine GmbH, Cornerstone http://www.camline.com/de/produkte/cornerstone.html Version: 18.03.2012, Aufruf: 18.03.2012 [dash_ex] Dashboards By Example: Xcelsius TCO Dashboard http://dashboardsbyexample.com/wp-content/uploads/2008/10/xcelsius-dashboard-total-cost-ofownership.png Version: 21.10.2008, Aufruf: 17.03.2012 [felios_1] Homepage INFORM, Produktdaten, FELIOS http://www.inform-software.de/produkte/felios/ Version: 20.03.2012, Aufruf: 20.03.2012 [felios_2] Homepage INFORM, Produktdaten, Einsatzgebiet http://www.inform-software.de/produkte/felios/einsatzgebiet/ Version: 20.03.2012, Aufruf: 20.03.2012 [felios_3] Homepage INFORM, Produktdaten, Produktion http://www.inform-software.de/produkte/felios/marktsynchrone-produktion/ Version: 20.03.2012, Aufruf: 20.03.2012 [felios_4] Homepage INFORM, Produktdaten, BI http://www.inform-software.de/produkte/felios/kennzahlen-business-intelligence/ Version: 21.03.2012, Aufruf: 21.03.2012 [felten_produkt] Homepage FELTEN Group, Produktbeschreibung http://www.felten-group.com/produkte/ Version: 17.03.2012, Aufruf: 17.03.2012 XXVII [felten_profil] Homepage FELTEN Group, Unternehmensprofil http://www.felten-group.com/unternehmen/profil/ Version: 17.03.2012, Aufruf: 17.03.2012 [fme_home] Homepage FME AG http://www.fme.de Version: 16.03.2012, Aufruf: 16.03.2012 [fme_oee] fme AG, PDF-Download: Datenblatt OEE-Analyse www.fme.de/index.php?id=768&no_cache=1&print=1&type=98 Version: 16.03.2012, Aufruf: 16.03.2012 [inform_home1] Homepage INFORM, Unternehmensdaten http://www.inform-software.de/unternehmen/ Version: 20.03.2012, Aufruf: 20.03.2012 [inform_home2] Homepage INFORM, Kernkompetenzen http://www.inform-software.de/unternehmen/kernkompetenz/ Version: 20.03.2012, Aufruf: 20.03.2012 [lean_2011] LEANmagazin: FELTEN und Actinium Consulting kooperieren bei Production Intelligence http://www.leanmagazin.de/lean-praxis/lean-production/491-felten-und-actinium-consultingkooperieren-bei-production-intelligence.html Version: 11.01.2011, Aufruf: 17.03.2012 [lineworks_igate] Homepage camLine GmbH, LineWorks-iGate http://www.camline.com/de/produkte/lineworks-suite/monitoring-reporting/lineworks-igate.html Version: 18.03.2012, Aufruf: 18.03.2012 [lineworks_pulse] Homepage camLine GmbH, LineWorks-PULSE http://www.camline.com/de/produkte/lineworks-suite/oee-effizienz/lineworks-pulse.html Version: 18.03.2012, Aufruf: 18.03.2012 XXVIII [lineworks_suite] Homepage camLine GmbH, LineWorks-Suite http://www.camline.com/de/produkte/lineworks-suite.html Version: 18.03.2012, Aufruf: 18.03.2012 [pilot_cockpit] Homepage FELTEN Group, PILOT-Cockpit http://www.felten-group.com/news/detail/alarm-bei-fehlentwicklungen-in-der-produktion/ Version: 17.03.2012, Aufruf: 17.03.2012 [pilot_mes] Homepage FELTEN Group, Produktionsmanagement PILOT [MES] http://www.felten-group.com/produkte/pilot-mes/ Version: 17.03.2012, Aufruf: 17.03.2012 [pilot_tpm] Homepage FELTEN Group, Total Productive Managementnagement PILOT [TPM] http://www.felten-group.com/produkte/pilot-tpm/ Version: 17.03.2012, Aufruf: 17.03.2012 [pressebox_2010_1] Pressebox: Business Intelligence für die Fertigung http://www.pressebox.de/pressemeldungen/rockwell-automation-gmbh/boxid/314464 Version: 11.01.2010, Aufruf: 14.03.2012 [pressebox_2010_2] Pressebox: Rockwell Automation, Firmenbeschreibung http://www.pressebox.de/pressefach/rockwell-automation-gmbh/firmeninfo Version: 14.03.2012, Aufruf: 14.03.2012 [proxia_1] Homepage PROXIA, Unternehmensdaten http://www.proxia.com/de/unternehmen/ueber-uns.html Version: 23.03.2012, Aufruf: 23.03.2012 [proxia_2] Homepage PROXIA, MES-Software http://www.proxia.com/de/produkte/mes-software.html Version: 23.03.2012, Aufruf: 23.03.2012 XXIX [proxia_3] Homepage PROXIA, Personaleinsatzplanung http://www.proxia.com/de/produkte/mes-software/pep-personaleinsatzplanung.html Version: 23.03.2012, Aufruf: 23.03.2012 [proxia_4] Homepage PROXIA, Betriebsdatenerfassung http://www.proxia.com/de/produkte/mes-software/bde-betriebsdatenerfassung.html Version: 23.03.2012, Aufruf: 23.03.2012 [proxia_5] Homepage PROXIA, Maschinendatenerfassung http://www.proxia.com/de/produkte/mes-software/mde-maschinendatenerfassung.html Version: 23.03.2012, Aufruf: 23.03.2012 [proxia_6] Homepage PROXIA, ToolDIRECTOR http://www.proxia.com/de/produkte/daten-management.html Version: 23.03.2012, Aufruf: 23.03.2012 [qliktech] Homepage QlikTech http://www.qlikview.com/de/company Version: 16.03.2012, Aufruf: 16.03.2012 [stas_control] Homepage STAS GmbH, Produktbeschreibung http://www.stas.de/de/loesungen/stas_control_im_ueberblick.php?thisID=431&path=44,431, Version: 19.03.2012, Aufruf: 19.03.2012 [stas_etl] Homepage STAS GmbH, ETL-Prozesse http://www.stas.de/de/technologie/Komponenten/STAS_CONTROL_ETL.php?thisID=460&path=40, 66,460, Version: 19.03.2012, Aufruf: 19.03.2012 [stas_fert] Homepage STAS GmbH, PDF-Download: Funktionsbereich Fertigung www.stas.de/share/stas.de/Broschueren/STAS_CONTROL/STAS_CONTROL_Funktionsbereich_Fer tigung.pdf Version: 19.03.2012, Aufruf: 19.03.2012 XXX [stas_home] Homepage STAS GmbH, Firmenbeschreibung http://www.stas.de/de/unternehmen/profil.php?thisID=198&path=37,198, Version: 19.03.2012, Aufruf: 19.03.2012 [siemens_1] Homepage Siemens AG, Division Industry Automation http://www.siemens.com/about/de/unser_geschaeft/industry/industry_automation.htm Version: 21.03.2012, Aufruf: 21.03.2012 [siemens_2] Homepage Siemens AG, Presseinformation: MES-System Simatic IT erhält Manufacturing Intelligence http://www.siemens.com/press/de/pressemitteilungen/?press=/de/pressemitteilungen/2011/industry_au tomation/iia2011032701.htm Version: 31.03.2011, Aufruf: 22.03.2012 [simatic_1] Homepage Siemens AG, Produktbeschreibung SIMATIC IT http://www.automation.siemens.com/mcms/automation/de/manufacturing-execution-systemmes/Seiten/Default.aspx Version: 21.03.2012, Aufruf: 21.03.2012 [simatic_2] Homepage Siemens AG, Produktbeschreibung Intelligence Suite http://www.automation.siemens.com/mcms/mes/de/mes_suites/intelligencesuite/Pages/Default.aspx Version: 21.03.2012, Aufruf: 21.03.2012 [simatic_3] Homepage Siemens AG, Diskrete Fertigung http://www.automation.siemens.com/mcms/mes/de/industry/diskrete_fertigung/Pages/Default.aspx Version: 21.03.2012, Aufruf: 21.03.2012 XXXI EIDESSTATTLICHE ERKLÄRUNG Ich versichere, dass ich die beiliegende Diplomarbeit selbstständig verfasst, keine anderen als die angegebenen Quellen und Hilfsmittel benutzt sowie alle wörtlich oder sinngemäß übernommenen Stellen in der Arbeit gekennzeichnet habe. ______________________________ _______________________________ (Ort, Datum) (Unterschrift) XXXII
