Digitalisierung in der Fertigung trotz mangelnder Datenqualität – das geht!

von Stipo Nad

Komplexe Fertigungsprozesse, wie sie in der variantenreichen Einzel- und Kleinserienfertigung oder im Maschinen- und Anlagenbau gängig sind, fordern zunehmend Digitalisierung, um eine möglichst hohe Termintreue in der Produktion zu erzielen. Hier stoßen gängige ERP-Systeme an ihre Grenzen. Intelligente Advanced Planning and Scheduling (APS)-Systeme können im Gegensatz zu klassischen Enterprise Resource Planning (ERP)-Systemen, die Daten lediglich verwalten, auch Planungs- und Dispositionsentscheidungen treffen und Handlungsempfehlungen vorschlagen. Dafür gleichen APS-Systeme Auftragsnetze aus der Fertigung mit den real verfügbaren Kapazitäten ab. Sie planen gegen begrenzte Ressourcen unter Berücksichtigung aller Materialverfügbarkeiten. So entsteht ein realistischer Produktionsplan, der dynamisch aktualisiert wird, wenn etwa Störfaktoren auftreten

Für den Einsatz solcher intelligenten Systeme ist eine gut aufbereitete Datengrundlage notwendig. Als Add-on-System zu dem bereits vorhandenen ERP-System können APS-Systeme nur präzise planen, wenn die Daten hier gut gepflegt sind. Vielen Planungsverantwortlichen verursacht der Zustand ihres Datenbestandes daher noch Bauchschmerzen.

Schätzwerte reichen meist

Diese Bauchschmerzen sind jedoch nicht unbedingt gerechtfertigt. Denn die Grunddaten sind für eine tagesgenaue Fertigungsplanung und Reihenfolgebildung bei den meisten Betrieben – hingegen der weit verbreiteten Meinung – in ausreichendem Umfang bereits vorhanden. Damit verfügen die meisten Fertigungsunternehmen über die nötige Basis, um ein APS-System einzusetzen und realistische Termine für die Auftragsbearbeitung zu vergeben.

Prinzipiell braucht ein APS-System Daten zu Bearbeitungs- und Rüstzeiten, zu den involvierten Ressourcen und der herzustellenden Menge, um planen zu können. Auch Informationen zu Lieferterminen der laufenden Bestellungen und zu aktuellen Lagerbeständen sind relevant. Schätzwerte sind hier häufig schon ausreichend, um eine hinreichend genaue Planung zu generieren. Die vom ERP-System ermittelten Ecktermine für Fertigungsaufträge und Arbeitsgänge sind hingegen unwichtig, da sie in der Regel bereits zu Beginn des Fertigungsprozesses bestimmt wurden und sich in seinem Verlauf verändern. Sie müssen daher nicht extra manuell angepasst werden, sondern werden im APS-System automatisch aktualisiert und wenn nötig angepasst.

Letztendlich zählen abgestimmte Prozesse

Auch die Übergangszeiten zwischen einzelnen Bearbeitungsschritten sind für die Berechnungen eines APS-Systems größtenteils irrelevant, da nicht zwischen Übergangszeiten als „Planungspuffer“ und tatsächlich notwendigen, technologisch bedingten Übergangszeiten (z.B. Transportzeit, Trockenzeit, etc.) unterschieden wird. Aus Vergangenheitsdaten ermitteln Betriebe oft eine durchschnittliche Übergangszeit zwischen zwei Arbeitsplätzen und ziehen diese als feste „Pufferzeit“ in die Planung ein. Tatsächlich jedoch handelt es sich dabei um eine Variable, die durch den dynamischen Planungsprozess gezielt beeinflusst werden soll – also nicht um eine Eingangs-, sondern um eine Ausgangsgröße der Planung. Kommt zum Beispiel ein wichtiger Eilauftrag herein, so werden dessen Arbeitsgänge schnell hintereinander abgearbeitet. Die Übergangszeiten zwischen diesen Arbeitsgängen sind daher minimal und entsprechen nicht mehr den zuvor ermittelten statischen Werten. Vielleicht wird ein anderer Auftrag dadurch bewusst zurückgestellt, was dessen Übergangszeiten wiederum verlängert. Im Sinne der Feinplanung muss die Übergangszeit also im Vorfeld gezielt variiert werden, um Ressourcen optimal zu nutzen und alle Aufträge termingerecht fertigzustellen.

Ein intelligentes APS-System plant nach diesem Prinzip und ermittelt jeden einzelnen Arbeitsgang im gesamten Auftragsnetz dynamisch. Weil es dabei alle relevanten Faktoren und Zusammenhänge im Blick behält, kann es die vorhandenen Kapazitäten bestmöglich auslasten und so für größtmögliche Effizienz in den Abläufen sorgen. Dafür ist es entscheidend, die Gesamtstruktur der realen Arbeitsgänge genau in das System zu übertragen. Abgestimmte Prozesse sind daher letztlich relevanter als genaue Daten.

An der Datenaufbereitung führt kein Weg vorbei

Am Anfang einer APS-Einführung steht dennoch immer eine Datenbereinigung. Diese geht allerdings schneller vonstatten, als viele Unternehmen annehmen. Um die Qualität der Daten nachhaltig zu verbessern, muss die Pflege fester Bestandteil der Prozesskette werden. Dies impliziert, abteilungsübergreifend ein entsprechendes Bewusstsein und eine einheitliche Planungsphilosophie zu entwickeln. Nur wenn der Produktionsmitarbeiter die Änderungen der Lieferzeit berücksichtigt, die der Einkäufer zuvor eingepflegt hat, kann er die Bearbeitungszeit korrekt planen. Hier ist der Vorteil von APS-Systemen, dass neu auftretende Fehler für den jeweiligen Verantwortlichen direkt sichtbar sind. Durch die transparenten Prozesse machen APS-Systeme auch strukturelle Fehler sichtbar. So verbessern sie die Datenqualität stetig.

Machine Learning für eine genaue Terminermittlung

Doch auch sauber gepflegte Daten können fehlerhaft sein. Unwissentlich kann ein Lieferant zum Beispiel einen falschen Liefertermin angeben – ein formal richtiges Datum, das aber nicht mit der Realität übereinstimmt. Daher sollten die eigenen Daten stetig überprüft werden. Als Teil von APS-Systemen können Machine-Learning-Algorithmen Datenbestände auf Muster und Zusammenhänge überprüfen und leiten daraus Schlüsse sowie Handlungsempfehlungen ab. Zum Beispiel sagen sie auf Basis diverser Informationen aus vergangenen Bestelldaten Lieferzeiten für Kaufteile vorher – dann allerdings nicht als festen Wert, sondern als dynamische Funktion, abhängig von den aktuellen Rahmenbedingungen. Auf diese Weise werden eine präzisere Terminermittlung und zuverlässigere Planung möglich.

Fazit

Die falsche Annahme, Planungssysteme funktionieren aufgrund schlechter Datenqualität nicht, ist in der Industrie weit verbreitet. Viele Fertigungsbetriebe glauben, ihre Datenqualität sei schlecht und ein Hindernis bei der Digitalisierung. Meist ist dies jedoch ein Irrglaube. Denn der vorhandene Datenbestand ist in den meisten Fällen völlig ausreichend, um intelligente Planungstools einzuführen. Und auch Datenbereinigung und -pflege sind weniger aufwendig als häufig angenommen. Die Grundlage für eine intelligente und automatisierte Fertigungsplanung ist dementsprechend schneller gelegt, als die meisten Unternehmen meinen.

Daher sollten Unternehmen ihre anstehenden Digitalisierungsprojekte schnellstmöglich angehen und Zweifel beiseite räumen. Schnell wird sich zeigen, dass an vielen Stellen weit weniger präzise Daten benötigt werden als angenommen – und dass der eigene Datenbestand schon einiges hergibt. Ist die Datenbereinigung erst einmal erledigt, sorgen intelligente APS-Systeme für eine nachhaltige stetige Verbesserung der Datenpflege. Machine Learning kann das Datenniveau zudem nachhaltig anheben – und so die Planungsgenauigkeit steigern.

Planen Sie bereits die Einführung einer Produktionsplanungssoftware? Haben Sie noch Zweifel an Ihrer Datenqualität?

Falls Sie weiteres Interesse an dem Thema Datenqualität haben, nehmen Sie auch an unserem kostenfreien Webinar am 8. November teil!

 

 



Diese Beiträge könnten Sie auch interessieren

Digitalisierung kennt keine Konjunktur!

Lesen

Predictive Maintenance – wirklich sinnvoll?

Lesen

Produktionsplanung - Drei Gründe, warum Ihr ERP-System nicht genügt

Lesen

Über den Autor

  • Stipo Nad

    Stipo Nad ist seit 2001 bei der INFORM GmbH tätig und beschäftigt sich hauptsächlich mit den Themenschwerpunkten Advanced Planning & Scheduling, Produktionsplanung sowie Business Intelligence.

    Alle Beiträge dieses Autors

    Mehr über diesen Autor unter:

Unsere Autoren

Finden Sie alle unsere Autoren auf einen Blick!

Alle Autoren

Nach oben