DIPLOMARBEIT Manfred · PDF fileV KPI = Key Performance Indicator KVP = Kontinuierlicher Verbesserungsprozess mBDE = mobile Betreibsatenerfassung MDE = Maschinendatenerfassung

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

I

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 Datenanalyse .............................................................................................. 9

2.3.1 OLAP ............................................................................................. 9

2.3.1.1 Multidimensionalität ........................................................... 10

2.3.1.2 Operationen ......................................................................... 11

2.3.2 Data Mining ................................................................................... 12

2.4 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

II

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

III

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

IV

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

V

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

VI

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

1

1 Einleitung

Informations- und Kommunikationstechnik in der Wirtschaft ist heute unerlässliche

Komponente in Unternehmensinfrastrukturen. Sie leistet einen unverzichtbaren Bei-

trag 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 ge-

setzt 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 da-

bei erschwerend. Mächtige Instrumente, die hier helfen können, sind unter dem Be-

griff „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 gewonne-

nen Erkenntnisse entsprechende Marketinginstrumente zielgerichtet angesetzt wer-

den, 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, Finanzbuchhal-

tung 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 „unter-

stützende Dienstleistungen“. Als sog. Hilfskostenstellen sind sie gleichwohl wichtig.

2

Jedoch liegt die eigentliche Wertschöpfung in produzierenden Unternehmen am Ort

der Leistungserstellung selbst. Produktion und Fertigung generieren bei ihren Aktivi-

täten 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 Intelli-

gence für spezielle Problemstellungen der industriellen Fertigung, also außerhalb der

angestammten betriebswirtschaftlich ökonomischen Domäne gelegen. Ziel zum ei-

nen 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 ge-

wonnenen 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 nachgegan-

gen, wie unterschiedliche Unternehmen der IT-Branche die Felder ‚Business Intel-

ligence‘ und ‚Fertigung‘ kombinieren und diese in konkreten Lösungen in der Indu-

strie zur Umsetzung bringen. Die Rechercheergebnisse kommen dann in Kapitel 7

abschließend zur Auswertung.

3

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 Über-

setzungen und bedeutet in vorliegenden Kontext nicht „Intelligenz“ oder „Klugheit“,

sondern vielmehr „Aufklärung“, „Einsicht“, „Information“. Das Wort wird im glei-

chen 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 Geschäfts-

daten 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 BI-

Begriff 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 analy-

tischen 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 be-

handeln, die bei allen drei der genannten Schritte eine Rolle spielen.

4

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 ideal-

typisch anzusehen, da in der Praxis die Grenzen fließend sind (siehe Abbildung 2,

Seite VII). Aufgabe der Datenbereitstellung besteht darin, Daten aus einer hetero-

genen 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 Da-

tenbanktransaktionen schnell vonstatten gehen sollen, nicht praktikabel. Zweiter

Grund ist, dass Daten aus völlig unterschiedlichen Systemen zusammengeführt wer-

den 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 wie-

dergeben. Dabei wird nicht nur auf unternehmensinterne Quellen zurückgegriffen,

sondern auch auf externe. Auch ist das Datenformat nicht auf relationale Daten-

banken beschränkt. Gleichfalls kann es sich auch um Bilder oder Audiodaten han-

deln. 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.

5

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 re-

levanter Daten, und zu anderen deren Bereitstellung zur persistenten Datenhaltung

für Analysezwecke. Man kann dies als einen periodisch wiederholbaren Prozess ver-

stehen, der über regelmäßige Replikation die Datenaktualität sicherstellt. Dieser Pro-

zess 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 Ar-

beitsbereich 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 Über-

tragung 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 Übertra-

gung, sobald sich eine Änderung im operationalen System ergibt. Asynchrone Ex-

traktion findet nur innerhalb fest definierter Zeitfenster statt. Die Differenzierung

6

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 be-

stimmter 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. Ent-

scheidungsfaktor 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 geforder-

ter Qualität zu späteren Auswertungszwecken tauglich sind. Da meist verschiedene

Datenquellen existieren, ist ein weiteres Ziel die Vereinheitlichung z.B. von Datum-

angaben, 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.

7

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 Plausibili-

tätsprüfungen, erkannt und entfernt werden. Bei der Harmonisierung geht es darum,

Übernahmedaten syntaktisch und semantisch anzupassen. Syntaktische Harmonisie-

rung bedeutet z.B. einheitliche Maßeinheiten für gleichen Daten (km, Meilen). Se-

mantisch wird harmonisiert, um z.B. vergleichbare Zeitbezüge herzustellen (Umsatz-

zahlen 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 sol-

len 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 er-

zeugt. 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 be-

rechnet werden. Gegebene Umsatzerlöse und bekannte variablen Kosten ermög-

lichen z.B. zusätzlich den Deckungsbeitrag zu berechnen. So gewonnene Ergebnisse

werden mit in die bisherige Datenbasis integriert und stehen zusätzlich für Analyse-

zwecke 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 Auswer-

tungen 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].

8

2.2.3 Data Warehouse

Die wörtliche Übersetzung als “Datenwarenhaus” trifft nicht den Kern der eigent-

lichen Definition. Vielmehr kann ein Data Warehouse als ein Datenvorrat aus inter-

nen und externen Quellen verstanden werden, der als Basis für nachfolgende Infor-

mationssysteme für Analysezwecke dient. Abbildung 5 auf Seite IX zeigt die Posi-

tionierung 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 Normal-

fall 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.

9

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 da-

bei aufgedeckt werden. Weiterhin will man aufgestellte Hypothesen überprüfen und

evaluieren. Nicht zuletzt werden über Kennzahlen quantitativ erfassbare Sachver-

halte 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 Ver-

fahren 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 An-

sprüchen gerecht zu werden. Was für ein operatives System vorteilhaft ist, wirkt sich

allerdings negativ aus, wenn es um komplexe Analysezwecke geht. Die Fragmen-

tierung des Datenbestandes in zahlreiche flache Tabellen erlauben keine ganzheit-

liche 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 rele-

vanten Daten). Kurz: FASMI [vgl. Engels 2008, Seite 153].

10

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 abbil-

den. Dies kann in Form von Zeithierarchien geschehen, indem z.B. Umsätze pro

Monat, pro Quartal oder pro Jahr abgebildet werden, oder auch nach Organisations-

struktur 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 darge-

stellt werden, wobei die Würfelkanten die Dimensionen versinnbildlichen. Bei nur

einer Dimension ergibt sich eine Linie (z.B. ein Zeitstrahl). Zweidimensionalität ent-

spricht 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 Zielana-

lysen (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 je-

weils ganz bestimmte Perspektiven aus deren Blickwinkel Fakten in Form von Kenn-

zahlen den Kontext beschreiben. Eine Sonderrolle fällt der Dimension ‚Zeit‘ zu, da

sie bei den meisten Analysen ein bestimmender Faktor ist. Damit erfährt die Zeit-

dimension eine gesonderten Behandlung, indem Fakten für alle gängigen Zeitaus-

prägungen (Monat, Quartal, Jahr) aggregiert werden [vgl. Schaaf 2010, Seite 6].

11

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 Untersu-

chungen auf unterschiedlichen Aggregationsniveaus ausführen und verschiedene

Sichtweisen einnehmen. Zu diesem Zweck stehen standardmäßig OLAP-Funktiona-

litäten, 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 vor-

gedrungen. 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 Wür-

fel gewissermaßen eine einzelne Scheibe herausgeschnitten, um dadurch die Dimen-

sionalität zu verringern. In Abbildung 9 auf Seite XII ist ersichtlich, über Slice er-

folgt 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 Dimen-

sionen 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].

12

2.3.2 Data Mining

Das vorangehend beschriebene OLAP-Verfahren ist maschinengestützt, wobei die

Durchführung benutzergetrieben und intuitiv erfolgt. Data Mining grenzt sich hier-

von ab, indem es manuell gestützt, jedoch weitgehend maschinell und autonom nach

verborgenen Zusammenhängen in großen Datenbeständen sucht. Das Ziel lautet hier-

bei Mustererkennung zum Zweck der Wissensentdeckung (Knowledge Discovery in

Databases = KDD) [vgl. Steinlein 2004, Seite 39].

Treffender lässt sich Data Mining allerdings mit ‚Erkenntnisgewinnung‘ umschrei-

ben, da letztendlich von bereits bestehendem Wissen ausgegangen wird [vgl. Peter-

son 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: Segmen-

tierung, Klassifizierung, Assoziation und Vorhersage. Segmentierung (Clustering)

ermöglicht die Einteilung von Datenobjekten in vorher nicht bekannte in sich homo-

gene 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 Assozia-

zionen geht es um kausale Abhängigkeiten zwischen Objekten (z.B. wer Bier kauft,

kauft auch gerne Kartoffelchips) [vgl. Gabriel 2009, Seite 15]. Aufgrund identifi-

zierter funktionaler Beziehungen sollen zukünftige quantitative Variablen prognosti-

zierbar gemacht werden. Derartige Vorhersagen basieren auf Verfahren wie künstli-

chen neuronalen Netzen (KNN), Entscheidungsbäumen oder Reggressionsanalysen

[vgl. Gabriel 2009, Seite 16].

Verfahren mit verschiedenen Freiheitsgraden führen zu unterschiedliche Ergebnis-

sen. Deshalb müssen Data-Mining-Resultate evaluiert werden. So soll sich am Ende

ein Modell ergeben, bei dessen Anwendung sich im Umkehrschluss abhängige Vari-

able durch unabhängige Variable wieder rekursiv berechnen lassen [vgl. Peterson

2005, Seite 12].

13

2.4 Datennutzung

2.4.1 Kennzahlen als Ergebnis

Dank der heutigen Informations- und Kommunikationssystem sind Informationen je-

derzeit 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), Beziehungs-

kennzahlen (z.B. Pro-Kopf-Umsatz) oder Indexkennzahlen, die eine zeitliche Ent-

wicklung aufzeigen (z.B. Preisindex) Wichtige bekannte betriebswirtschaftliche

Kennzahlen sind Umsatz, Betriebsergebnis, Cash Flow, Deckungsbeitrag und Liqui-

dität [vgl. Engels 2008, Seite 13]. Werden unterschiedliche Kennzahlen in Beziehung

gesetzt, spricht man von Kennzahlensystemen. Man kann zwischen Ordnungssyste-

men und Rechensystemen unterscheiden. Bei den Letztgenannten besteht ein mathe-

matischer 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 Anwen-

dung 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).

14

2.5 Rolle der Metadaten

Es wurden nun die Funktionen Datenbereitstellung, Datenanalyse und Datennutzung

einer Business Intelligence-Lösung betrachtet. Um die genannten Funktionen wahr-

nehmen zu können, benötigt ein BI-System für sich selbst bestimmte Regeln und Be-

schreibungen. Diese wiederum werden in sog. Metadaten festgeschrieben. Es handelt

sich dabei genau genommen um Daten über Daten. Nutzdaten werden durch sie be-

schrieben 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. be-

rücksichtigen administrativen Eigenschaften von Daten. Es geht um Datenbanksche-

mata in logischer/physischer Hinsicht [vgl. Schmidt 2008, Seite 65]. Fachliche Meta-

daten wiederum enthalten Berechnungsvorschriften für Kennzahlen, Fachbegriffe,

Datumsformate und Maßeinheiten [vgl. Navrade 2008, Seite 25]. Operationale Me-

tadaten enthalten Informationen zu Quelldatensystemen, deren Datenstrukturen und

zum Transformationsprozess [vgl. Holthuis 1999, Seite 98]. Passive Metadaten do-

kumentieren 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 ‚Kon-

taktdaten’ (Email, Adresse usw.) versehen wird. Diese können als Datensatzes in ei-

ner relationalen Datenbank gespeichert werden [vgl. Schmitt 2005, Seite 89]. Meta-

daten beschreiben auch strukturell, indem sie Aussagen über Datentyp und Länge

eines Nutzdatenfeldes machen. Bei der semantischen Beschreibung werden Synony-

me und Homonyme verwendet [vgl. Pellegrini, 2006, Seite 342]. Eine Pressemel-

dung kann als Fax, als txt-Datei oder auch als PDF-Dokument vorliegen. Solche Ein-

teilungen 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 gängi-

gen Terminologie eines Unternehmens orientiert werden, um Missverständnisse zu

vermeiden [vgl. Kemper 2009, Seite 50].

15

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 Pro-

blemstellungen der industriellen Fertigung zu ergründen. Um dazu als Basis ein

systematisches Herangehen zugrunde legen zu können, soll zunächst eine entspre-

chend 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 Systembe-

griff. Hiernach besteht ein System aus Einzelkomponenten, die über Eigenschaften

und Funktionen verfügen und untereinander bzw. mit ihrer Umwelt in Beziehung ste-

hen. Nach DIN 66201 liegt eine wohldefinierte Anordnung von aufeinander einwir-

kenden Prozessen vor [vgl. Vogel 2003, Seite 13]. Über Systemgrenzen hinweg wer-

den 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 bil-

den Einzelziele die Systemelemente, Teilziele stellen Subsysteme dar und Oberziele

entsprechen dem Gesamtsystem [vgl. Vogel 2003, Seite 17]. Bei der Auseinander-

setzung mit Systemen kann zwischen deduktivem und induktivem Vorgehen unter-

schieden 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 Vorgehens-

modelle [vgl. Vogel 2003, Seite 21]. Beim sog. Wasserfallmodell bauen verschie-

dene Phasen zyklisch aufeinander auf. Rücksprünge zu Vorphasen scheiden dabei

aus. Das V-Modell hingegen bildet zwei Äste ab. Im linken Ast werden Einzel-

16

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 wie-

derum vom Konkreten zum Generellen abstrahiert [vgl. Balzert 2009, Seite 53].

Systemische Ziele erfordern eine Problemanalyse. Und zwar in der Form, dass An-

nahmen in Bezug auf Ursachen getroffen werden. Hieraus wird darauf aufbauend der

Bedarf abgeleitet, denen Optimierungsvorgaben folgen. Zweckmäßig ist in dem Zu-

sammenhang 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 Verän-

derung 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 Unter-

scheidung von Manufakturen, ist der Einsatz von Anlagen und Werkzeugmaschinen,

17

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 Berech-

nungen 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 Produktions-

prozesses hat die Fertigungsart (Einzel-, Serien-, Massenfertigung). Das macht es er-

forderlich, entsprechende Klassifizierungen näher zu untersuchen. Dies auch vor dem

Hintergrund, dass die Fertigungsart gemäß ihren zugrunde liegenden unterschiedli-

chen Fertigungsstückzahlen bestimmend für die Auswahl des Fertigungsverfahrens

entscheidend ist. Jedes Fertigungsverfahren wiederum unterliegt physikalischen Ge-

setzmäßigkeiten, 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 Unternehmens-

bereich stellt zu diesem Zweck die sog. Verfahrensentwicklung dar, die quantifizier-

bare Einflussgrößen in Bezug auf die Fertigungstechnik liefern kann (und um diese

geht es uns hier letztendlich). Sind Einflussgrößen identifiziert, müssen diese mit In-

halten 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).

18

Fertigung Produktion Gesamtbetrieb

Abbildung 13: Zielsystem: Fertigung – Produktion – Gesamtbetrieb

positives Betriebsergebnis

niedrige Kosten

hohe Umsatzerlöse

hohe Produktivität

hohe Qualität und Termintreue

Produktivität

optimierte Fertigungs-prozesse

Maßhaltigkeit, geringe

Ausschussquote

19

Abbildung 14: Übersicht: Ermittlung fertigungsspezifischer Fragestellungen

Fertigung

Fertigungsarten

setzt ein

Fertigungsverfahren

legen fest

Verfahrensentwicklung

optimiert

fertigungsrelevante Quellsysteme

( PPS, CAQ, CNC usw. )

liefern Daten

bringt neue Erkenntnisse

BI-System

Fertigung im weiteren Sinne ( Produktion ) im Fokus: betriebswirtschaftlich relevante Daten ( Stückzahlen, Auslastungsgrade, Termine usw. )

Fertigung im engeren Sinne im Fokus: fertigungstechnisch relevante Daten ( Werkzeugstandzeiten, Maßhaltigkeit, Oberflächengüte usw. )

Produktions-management

plant, steuert, kontrolliert

liefert entscheidungs- unterstützende Kennzahlen

20

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 ver-

wandt. 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 Abgren-

zung der Fertigungstechnik gegenüber der Verfahrens- oder Energietechnik ist hier-

bei 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 Begriffsdefi-

nition 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 an-

ders ausgeprägt. Bei weiteren Betrachtungen werden wir das berücksichtigen und

beiden Varianten Rechnung tragen.

21

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 Produktionsab-

läufen. Ebenso entstehen hieraus Wechselwirkungen zum eigentlichen Fertigungs-

prozess [vgl. Mathar 2009, Seite 123]. Folgerichtig resultieren unterschiedliche

quantitative und qualitative Einflussparameter, deren Kenntnis für das Produktions-

management 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 Abbil-

dungen 15 und 16, Seite XV). Im ersten Fall können drei Prinzipien genannt werden.

Beim Verrichtungsprinzip werden gleichartige Betriebsmittel zu Organisationsein-

heiten zusammengefasst. Das Objekt- oder Flussprinzip hingegen ordnet Betriebs-

mittel 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, er-

fordert die Baustellenfertigung den Transport der Betriebsmittel hin zum zu bearbei-

tenden Werkstück [vgl. Mathar 2009, Seite 124].

Die pro Auftrag zu fertigende Stückzahl ergibt die Losgröße. Je nach Höhe der Los-

größe kommen andere Fertigungsarten zum Einsatz: Die Einzelfertigung betrifft nur

eine einzige Einheit eines Produktes. Von Serienfertigung spricht man, wenn perio-

disch wiederkehrende Aufträge mit begrenzter Stückzahl durchgeführt werden. Hier-

von 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 Fixkos-

tendegression den Kapitaleinsatz und wirkt sich entscheidend aus auf die Wahl des

eingesetzten Fertigungsverfahrens.

22

4.3 Fertigungsverfahren

Während die Grundstoffverarbeitung über verfahrenstechnische Prozesse die Werk-

stoffe 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 Qua-

lität zählen Fertigungskosten sowie die erzielbare Mengenleistung zu den Einfluss-

faktoren [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.

23

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 gewon-

nenes Know-how findet seinen Eingang in die Industrie zum Zwecke der Produktent-

wicklung 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 Lösungs-

konzepte für eine wirtschaftliche Bearbeitung [vgl. Weinert 2001, Seite 16].

Verfahrensentwicklung stützt sich auf Erfahrungswerte, Erkenntnisse der wissen-

schaftlichen 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 Aufberei-

tung und Rückführung aus Informationen direkt aus operativen Fertigungsabläufen.

Aggregiertes Zahlenmaterial resultiert dabei z.B. aus der Ansammlung von Qualitäts-

daten über eine Reihe von Fertigungsaufträgen hinweg. Wesentlich für die Verfah-

rensentwicklung ist das Auftreten systematischer Abweichungen in den Prozess-

schritten, um ggf. Änderungen in den Verfahren vornehmen zu können.

[vgl. Mühlendahl 2001, Seite 44].

Verfahrensentwicklung versteht sich als interdisziplinärisches Betätigungsfeld. Ver-

schiedene Sachkompetenzen wirken zusammen. Zugleich ist planmäßiges sowie met-

hodisches Vorgehen maßgeblich [vgl. Hampe 1997, Seite 17]. Sowohl die Nutzung,

als auch die Schaffung von Kennzahlen kann als fester Bestandteil dieser Aktivitäten

angesehen werden.

24

4.5 Typische Kennzahlen der Fertigung

Kennzahlen können allgemein in verschiedene Gruppen klassifiziert werden. Z.B. in

Finanzkennzahlen, Produktionskennzahlen, Kundenkennzahlen, Mitarbeiterkenn-

zahlen usw. Solche, die den Fertigungsprozess betreffen, werden als Prozesskenn-

zahlen bezeichnet. Als Beispiele hierfür können Ausschuss, Nacharbeit, Durchlauf-

zeiten, Maschinenauslastung, Maschinenproduktivität, Maschinenkapazität, Maschi-

nenausfälle 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 Termin-

einhaltung. 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 Perspek-

tiven 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 Stück-

leistungen. Einfluss darauf hat wesentlich die Schnittgeschwindigkeit [vgl. Fandel

1994, Seite 154].

Das Datenmaterial aller genannten Beispiele liegt am Entstehungsort.

25

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 Eigenstän-

digkeit, mit der unabhängig von anderen Einheiten, entsprechend dem eigenen Ei-

genschaftspotenzial, andere Ziele verfolgt werden können. Nicht zuletzt ermöglicht

die Lose Kopplung zu anderen Systemen eine fallweise Kommunikation im Bedarfs-

fall [vgl. Brocke 2003, Seite 170].

Im Gegensatz hierzu stehen monolithische Systeme der Vergangenheit, die aufgrund

ihrer schwachen Strukturiertheit und begrenzten Erweiterbarkeit an Bedeutung ver-

loren 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 Kom-

ponenten 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.

26

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 Pro-

duktion inklusive der angrenzenden Bereiche wie z.B. die Konstruktion. Im Laufe

der Zeit entwickelte sich ein erweitertes Verständnis, indem die gesamte Auftrags-

abwicklung, beginnend beim Einkauf bis hin zum Vertrieb, einbezogen wurde. Auf-

grund dieses umfassenden Anwendungsbereichs wurde der Begriff ERP (Enterprise

Resource Planning) gebräuchlich. Mit Blick über Unternehmensgrenzen hinaus ent-

stand erweiternd das Konzept SCM (Supply Chain Management), welches sämtliche

Prozesse entlang der Wertschöpfungskette auch überbetrieblich betrachtet. Schwer-

punkte 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 verbrauchs-

orientiert. Dies wird ermöglicht durch deterministische Bedarfsermittlung, wobei die

Auflösung von Stücklisten die Grundlage bildet. PPS erweitert das Konzept um Ar-

beitspläne. 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: Produktionsprogramm-

planung, 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.

27

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 herzu-

stellen, um realistische Soll-/Ist-Vergleiche zu ermöglichen und Planungen entspre-

chend anpassen zu können. Als Betriebsdaten kommen u.a. produzierte Menge, be-

nötigte Zeiten, Ausschussmengen und Rüstzeiten in Frage, aber auch Personalanwe-

senheitszeiten [vgl. Kurbel 2005, Seite 298]. In der Praxis erfolgt BDE über Rück-

meldungen, die sobald bestimmte Ereignisse eintreten, von Mitarbeitern der Produk-

tion an Terminals durchgeführt werden. Rückmeldungen werden dabei durch manu-

elle Eingaben über die Terminaltastatur, berührungsempfindliche Bildschirme oder

über Barcodeleser getätigt. Ereignisse können z.B. Ende eines Arbeitsganges, Rüst-

beginn, 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 Zu-

stände 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 Feinpla-

nungen hinsichtlich der Terminierung stets eine Aktualitätslücke zur Realität auf-

weisen. Rückkopplungen finden lediglich periodisch, allenfalls zum Schichtwechsel

statt. Der eigentlich „steuernde“ Aspekt kommt nicht effizient zum tragen. Lösungs-

ansatz hierzu stellt MES (Manufacturing Execution System) dar [vgl. Kurbel 2005,

Seite 263]. Hier sollen im Rahmen der Feinplanung Rückkopplungen im Stunden-

bzw. Minutentakt einen Abgleich schaffen. MES kann als Symbiose zwischen be-

triebswirtschaftlichem ERP und ingenieurwissenschaftlicher Informatik, basierend

auf technischen Steuerungssystemen, verstanden werden. Kernfunktionen sind elek-

tronischer Fertigungsleitstand, BDE/MDE sowie Qualitätsmanagement, die im MES

gebündelt werden [vgl. Kurbel 2005, Seite 264].

28

4.6.4 C*-Technologien

Bei der IT-Landschaft in Unternehmen lassen sich zwei Gruppen von Anwendungs-

systemen kategorisieren. Einmal betriebswirtschaftliche und zum anderen technische

Insellösungen. Letztere gehören zur Gruppe der sog. C-Technologien. Computer In-

tegrated Manufacturing (CIM) hat die Integration beider zum Ziel [vgl. Vahrenkamp

2010, Seite 115]. Beim Y-CIM-Modell (Abbildung 17, Seite XVI) sind sie im rech-

ten 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-Syste-

me 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 Zusammen-

hang mit CAE (Computer Aided Engineering) spricht man von einem „intelligenten

Zeichenbrett.

Zu Beginn ging es darum, das Zeichenbrett zu ersetzen. Jedoch ist heute CAD-Inte-

gration in andere Systeme längst realisiert. Datenaustausch z.B. mit ERP-Systemen

vermeidet in manchen Bereichen doppelte (redundante) Datenhaltung, schafft Trans-

parenz und fördert Synergieeffekte [vgl. Wannenwetsch 2005, Seite 401]. Gemein-

same 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].

29

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 darge-

stellt, sondern es können darüberhinaus Berechnungen und Simulationen durchge-

führt 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 kosten-

mäßig verglichen werden. Um die Teilevielfalt zu verringern, werden mehrfach in

Konstruktionen vorkommende Wiederholteile ermittelt und katalogisiert [vgl. Mer-

tens 2005, Seite 86].

Im Rahmen der Dimensionierung von Bauteilen liefert CAE z.B. Daten wie Festig-

keit, 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 Ver-

bindung 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 Bearbeitungspro-

zess simuliert werden. Dadurch ist es möglich, diese bereits vor Realisierung zu opti-

mieren 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. Werkzeug-

kollisionen vermeiden zu können. Als Resultat solcher Simulationen stehen u.a. die

zu erwartende Stückzeiten eines Teiles zur Verfügung.

30

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 Qualitäts-

planung und -lenkung, und auf operativem Gebiet die Qualitätsprüfung. Einsatzbe-

reiche bilden Wareneingangskontrolle und Warenausgangskontrolle, Fertigungsend-

und 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 Qualitätsprü-

fung erfolgt über Prüfaufträge, die eine Reihe von Prüfmerkmalen beinhaltet. Merk-

male 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 wer-

den Reklamationen abgewickelt. Reklamationsaufträge beinhalten Maßnahmen wie

Prüfbericht erstellen, Belastung an Lieferanten, Rücklieferschein erstellen, 8D-

Report erstellen usw., die als Workflow abgearbeitet werden. Zu Prüfauftragsrück-

meldung und Reklamationshäufigkeiten besteht ein Teilenummern- und Lieferanten-

nummernbezug, die entsprechende Auswertungen ermöglichen.

4.6.4.5 CNC

Computerized Numerical Control (CNC) ist computergestützte numerische Steue-

rung von Werkzeugmaschinen. Das bedeutet, die in der Vergangenheit durch Men-

schenhand notwendig ausgeführte Bewegungen (z.B. Vorschub) an Werkzeugma-

schinen (Ständerbohrmaschinen, Drehmaschinen, Fräsmaschinen etc.) werden durch

die Maschine selbst vollzogen. Bewegungsausführung erfolgt hydraulisch oder über

elektrische Stellmotoren. Sog. Bearbeitungszentren beinhalten gleich mehrere Ferti-

gungsverfahren (z.B. Bohren und Fräsen) und setzen mehrere Werkzeuge nacheinan-

der 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), Schnitt-

daten (Vorschübe, Schnittgeschwindigkeiten), Bearbeitungswege sind den jeweiligen

Zeichnungsnummern des Werkstücks zuordenbar, und können entsprechend aufbe-

reitet für weitere Analysen zur Verfügung stehen.

31

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 vorlie-

genden 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 Son-

dermaschinen 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 CNC-

Programmen steht ein CAM/DNC-System einschließlich Werkzeugverwaltung zur

Verfügung. Über BDE/MDE werden alle Auftragsdaten lückenlos aufgezeichnet.

Problemstellung: Der Fertigungsablauf wird erheblich gestört durch Maschinen-

Stillstandszeiten, insbesondere durch die Notwendigkeit des Werkzeugwechsels

aufgrund von Verschleiß oder Werkzeugbruch. Betroffen sind dann auch nachfol-

gende 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 Ad-

hoc-Auswertungen bzw. eine Ranking-Bildung hinsichtlich der Werkzeugwechsel-

zeiten 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.

32

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.

A126 - CNC-Dreherei M0421 - Gildemeister MF Twin 300

M0536 - UVA-Unverzagt T

M0566 - Okuma MacTurn

M0603 - Hwacheon Hi-Tech

. . . etc.

. . . etc. . . .

1/002 - Waiblingen A213 - Segment PORSCHE

Querlenker 123456 Transferstraße Linie 3

S0125 - Bohrstation

S0137 - Bohrstation

S0153 - Frässtation

. . . etc.

A267 - Segment DAIMLER Abtriebsflansch

101.123.03.01

Transferstraße Linie 6

S0325 - Bohrstation



. . . etc.

. . . 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.

Gewindebohrer WZ00661 - Maschinengewindebohrer M6

WZ00681 - Maschinengewindebohrer M8

. . . etc.

. . . etc. . . .

Fräswerkzeuge Schaftfräser WZ00785 - Schaftfräser lang D 25, Typ N

WZ00795 - Viertelkreisfräser R10, HSSE

. . . etc.

Walzenstirnfräser WZ00853 - D 63, RAXA DIN 1880

WZ00977 - D 125, ORION

. . . etc.

. . . etc. . . .

Drehwerkzeuge Außendrehwerkzeuge WZ00978 - Gebogener Drehmeißel DIN 4972

WZ00988 - Stirndrehmeißel DIN 4977

. . . etc.

. . . 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‘

33

Abbildung 21: OLAP-Beispiel, Dimensionen und Fakten

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

34

Abbildung 22: OLAP-Beispiel, Starschema

Werkzeuge Werkzeug-ID WerkzeugBezeichnung WerkzeugTyp WerkzeugArt

Maschinen Maschinen-ID MaschinenBezeichnung Hersteller Standort Abteilung

Zeitraum Zeit-ID Maschinen-ID Firma Werk Jahr Monat Woche Schicht

F a k t e n t a b e l l e Maschinen-ID Werkzeug-ID Zeit-ID Werkzeugwechselzeit

35

Abbildung 23: OLAP-Beispiel, Datenquellen

BDE / MDE

BDE-Rückmeldungen

PPS

Arbeitsgänge

CAM / DNC

CNC-Programme

AuftragsNr

ArbeitsgangNr

Firma / Werk

Ereignis

StartZeit

EndeZeit

lfdNr

hat

1

n

Fertigungsaufträge

hat

1

n

nutzt

1

1

AuftragsNr

ArbeitsgangNr

MaschinenNr

Firma / Werk

TeileNr

Firma / Werk

TeileNr

ArbeitsgangNr

AuftragsNr

Werkzeuge

hat

1

1

Werkzeugsätze

gehört

zu

1

n

WerkzeugNr

(Werkzeugwechsel)

(Datum und Uhzeit)

36

5.2 Beispiel für Data Mining im Fertigungsbereich

Im vorgenannten OLAP-Beispiel stand der schnelle und interaktive Zugriff auf rele-

vante Daten im Hinblick auf das Ereignis der zu untersuchenden ‚Werkzeugwechsel-

zeit‘ im Vordergrund. Über die, im Kapitel 2.3.1.2 beschriebenen, Operationen kön-

nen so beliebige Perspektiven eingenommen werden. Dies auf Initiative und Veran-

lassung 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 Warenaus-

gänge, 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 To-

leranz, 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 (wo-

möglich falsch unterwiesen wurden) oder ein nicht erkannter Maschinenschaden z.B.

in Form eines ausgeschlagenen Hauptspindellagers. Data Mining könnte sich in sol-

chen Fällen als wertvolles Frühwarnsystem erweisen.

37

Lösung: Die Erfassung der Messwerte im CAQ-System kann durch manuelle Ein-

gaben erfolgen oder aber über direkte Messmittelanbindung. Im letzten Fall sind

elektrische Messschieber oder Bügelmesschrauben über ein Kabel mit einer Schnitt-

stelle 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 Uhr-

zeit 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 Maschinen-

nummer periodengerecht ermittelt. Es entstehen auf diese Weise Zeitreihen, die zu

statistischen Auswertungen zur Verfügung stehen. Mit Hilfe linearer Regressions-

rechnung 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 Kor-

relationszahl genannt werden. Mit diesen kann eine Aussage darüber getroffen wer-

den, ob überhaupt eine lineare Tendenz vorhanden ist oder nicht. Bei einem Be-

stimmtheitsmaß von 100% liegen sämtliche Punkte genau auf einer Geraden. Bei 0%

ist überhaupt keine Tendenz zu erkennen. In ähnlicher Weise findet die Korrelations-

zahl Verwendung. Diese liegt zwischen -1 und +1. Ist der Wert 0, so liegt keine Ten-

denz 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. Wer-

den diese Werte für sämtliche Maschinen berechnet, ist es auf diese Weise möglich,

ein Ranking zu bilden und auffällige Abweichungen von der Norm frühzeitig zu er-

kennen. Abbildung 24 auf Seite 38 verdeutlicht das Prinzip.

38

Maschine Steigung a Rang

M0139 - TRAUB Bohr- und Fräszentrum 1,235 1 M0603 - Hwacheon Hi-Tech 1,096 2 M0234 - HEDELIUS Bearbeitungszentrum 0,785 3 M0566 - Okuma MacTurn 0,755 4 M0142 - HÜLLER-HILLE Bearbeitungszentrum 0,654 5 M0421 - Gildemeister MF Twin 300 0,551 6 M0536 - UVA-Unverzagt T 0,542 7 M0356 - KABAN Bohrzentrum 0,502 8

. . . etc. . . . . . .

Abbildung 24: 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 Aus-

wahl 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.

Anzahl NIO-Fälle

Zeit

Tag 0

Tag 1 Tag 3 Tag 5 Tag 7 Tag 9 Tag 11

Tag 2 Tag 4 Tag 6 Tag 8 Tag 10 Tag 12 Tag 14 Tag 16

Tag 13 Tag 15

Produktionseinheit:

M0142 - HÜLLER-HILLE

Bearbeitungszentrum

∆ t

∆ n

∆ n a = ------- ∆ t !

39

Abbildung 25: Data Mining-Beispiel, Datenquellen

CAQ

Prüfaufträge

PPS

Arbeitsgänge

FertAuftragsNr

ArbeitsgangNr

Firma / Werk

hat

1

Fertigungsaufträge

hat

1

n

FertAuftragsNr

ArbeitsgangNr

MaschinenNr

Firma / Werk

TeileNr

Firma / Werk

AuftragsNr

1

PrüfAuftragsNr

Messungen

Prüfmerkmale

hat

1

n

hat n 1

Firma / Werk

Firma / Werk

PrüfAuftragsNr

PrüfAuftragsPos

PrüfAuftragsNr

PrüfAuftragsPos

lfdNr

timestamp

IO_NIO_Kennz

40

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 Dienst-

leistungen 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 wider-

spiegeln. Letztere bilden die ’Einsatzmöglichkeiten’ um die es uns hier geht.

Vorliegende Arbeit ist keine Marktstudie und will auch nicht den „Stand der Tech-

nik“ in der Branche ermitteln. So stellt nachfolgende Auswahl mit einem Stichpro-

benumfang von n = 10 statistisch gesehen sicherlich nur einen groben Abriss mög-

licher Facetten dar. Gleichwohl bietet sie querschnittsmäßig einen gewissen Über-

blick über die Möglichkeiten, die sich erschließen. Dies werden wir dann im An-

schluss in Kapitel 7 weiter analysieren.

41

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 Industrie-

automation 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 An-

wender auf allen Unternehmensebenen mit Informationen versorgt werden. Die

Informationsbereitstellung erfolgt dabei einerseits über Reports zu Leistungs-

indikatoren, 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 stili-

siertes 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 ver-

schiedenen 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 Fertigungs-

daten 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

42

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 Unter-

nehmen stehen. Ein Anwendungsbeispiel ist die Berichterstellung über Stillstands-

zeiten. [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 Trans-

portzeiten, Prüfzeiten oder Wartenzeiten sein. Also immer dann, wenn keine physi-

sche 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 Perfor-

mance 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 Gegen-

satz zu vergangenheitsorientierten Kennzahlen [vgl. Sihler 2009, Seite 2].

43

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 Zusammen-

arbeit 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 Ampel-

funktionen. Zahlen, Daten und Fakten werden vorzugsweise in Tabellenform dar-

gestellt. Anwendungsmöglichkeiten bieten sich in der werkstattorientierte Einzel-

und Kleinserienfertigung. Die dort vorkommende Intransparenz und Ineffizienz führt

oft zu schlechten Durchlaufzeiten, Kapitalbindung und unbefriedigender Termin-

treue. Die Ursache liegt im nicht gerichteten Materialfluss, da die Fertigung nach

dem Verrichtungsprinzip organisiert ist. Um dieses Problem zu lösen, muss die Kom-

plexität 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 Teile-

familien, die gleichen Bearbeitungsfolgen durchlaufen, d.h. über gleiche Fertigungs-

verfahren 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].

44

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 Pro-

duktions-Cockpit dient dem Monitoring und liefert wichtige Kennzahlen aus dem

Produktionsbereich. Hierzu gehören u.a. Interne Termintreue, Durchlaufzeiten von

Fertigungsaufträgen, Flussfaktor, Maschinenbelegungsgrad sowie Mitarbeiter-

produktivität. Die Darstellung von Ergebnisdaten wird durch Visualisierung über

Diagramme und Zeigerinstrumenten-Metaphern unterstützt. Operative Quelldaten-

systeme können CAQ-, BDE- oder MES-Systeme sein. Eine Standard-Konfiguration

umfasst bereits wichtigste Kennzahlen, jedoch können auch darüber hinaus indivi-

duelle Anpassungen vorgenommen werden. Außer der Analyse von Ist-Daten besteht

die Möglichkeit über Simulationen diverse Szenarien aufzubauen, welche die Aus-

wirkungen 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 vorgenom-

men werden. Typische BI-Funktionalitäten wie Verdichtung von Kennzahlen, Drill-

downs 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 Wert-

schöpfung im Fertigungsbereich [vgl. beyenet_15542].

45

6.3 FME: OEE-Analyse mit Qlikview

Die fme-Gruppe mit Sitz in Braunschweig ist ein weltweit tätiges IT-Dienst-

leistungsunternehmen. 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 ge-

gründet, und hat weltweit über 1.000 Mitarbeiter. Mit seinem Produkt QlikView-

Business-Discovery-Plattform ist QlikTech tätig auf dem Gebiet Business Intel-

ligence [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 Montage-

linien zu ermitteln. In diesem Zusammenhang sind laut FME die Faktoren Verfüg-

barkeit, 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 Ver-

fügbarkeit 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-

46

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 beispiels-

weise aus einem SAP-System stammen, während Maschinendaten aus Manufactu-

ring Execution Systemem (MES) und Maschinen- und Betriebsdaten aus MDE/BDE-

Systemen extrahiert werden. CAQ-Themen wie Qualitätskennzahlen, Fehlerdaten-

banken 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 (OLAP-

Würfel) 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, Maß-

nahmenplan/-controlling sowie die Analyse der Verlustquellen bilden dabei einen

geordneten Regelkreislauf. Visualisierung der Analyse einzelner Verlustquellen

hinsichtlich Verfügbarkeit, Leistung und Qualität geschieht zusätzlich über „Zeiger-

instrumenten“-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].

47

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 gemein-

samer Projektlösungen für eine kennzahlen-basierte Steuerung von Produktions-

prozessen. Die Actinium Consulting GmbH wurde 1999 gegründet und hat ihren

Sitz in Lindau (Bodensee). Der Beratungsschwerpunkte liegt u.a. bei Business Intel-

ligence. Die beidseitigen Kompetenzen dieser Unternehmen sollen sich strategisch

ergänzen [vgl. lean_2011].

FELTEN bietet mit dem Produkt PILOT Suite eine Lösungsstrategie zur Opti-

mierung 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 Auto-

matisierung 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 betriebs-

wirtschaftlichen ERP-Systemen wie etwa SAP und soll damit das Zusammenspiel

von Produktions- und Geschäftsprozessen verbessern. Auftretende Veränderungen

wie Störungen, Ausfallzeiten, Fehlproduktionen, Qualitätsmängel und höherer

48

Materialverbrauch sollen rechtzeitig erkannt werden. Der im PILOT MES beinhal-

tete 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 Konti-

nuierlicher Verbesserungsprozesse (KVP) zu berechnen. Messwerte können dabei

frei definiert werden. Es bestehen Abrufmöglichkeiten von aktuellen und histori-

schen 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 Ver-

fügung. Die Auswertungen der Maschinendaten können schicht-, auftrags-, chargen-

oder 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. Produktions-

management-Cockpit grafisch dar. Bei kritischen Entwicklungen werden Alarm-

funktionen 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 Tole-

ranzbereiche (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]

49

6.5 LineWorks-Suite und Cornerstone von camLine Datensysteme

Die camLine GmbH mit Hauptsitz in Petershausen (Deutschland) ist ein Unter-

nehmen der camLine Holding AG, wurde 1989 gegründet und versteht sich als IT-

Lösungsanbieter für die Produktionsautomatisierung. Zu den Betätigungsfeldern

zählen Automatisierung, vertikale Integration, die Verbesserung des Informations-

flusses und u.a. auch die Datenanalyse. Insgesamt liegt dabei der Aufgabenschwer-

punkt auf der Erhöhung der Produktivität in der Fertigung. Zu den Kernkompetenzen

zählen maßgeschneiderter Software-Lösungen sowie die Anbindung von Fertigungs-

anlagen. Als Ziel-Branchen werden Halbleiterindustrie, Photovoltaik sowie Elek-

tronik & 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 Halbleiter-

produktion 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 Standard-

berichte 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].

50

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 Plug-

ins, 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, Korre-

lationen 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 opera-

tiver Abläufe im Produktionsbereich zu vermeiden, kann ein stationäres Data-Ware-

house 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].

51

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 be-

schäftigt 60 Mitarbeiter im deutschsprachigen Raum. Zielgruppe sind mittel-

ständische Unternehmen [vgl. stas_home].

Hinter dem Produktnamen STAS CONTROL steht ein Bündel schlüsselfertiger

Softwarelösungen für unterschiedliche Funktionsbereiche im Unternehmen unter-

gliedert 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 kennzahlenorien-

tierten Berichtswesen im Rahmen von Business Intelligence zur Verfügung stehen.

Dies auf durchgängiger Plattform mit einheitlicher Benutzeroberfläche. STAS CON-

TROL 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 Strategieum-

setzung, 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 Sechsfeld-

Matrix, 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].

52

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 End-

terminen, Abweichungen, Status offen/erledigt, Material/Artikel und Fertigungsart.

Hierarchisierungsmöglichkeiten bilden Arbeitsplatz, Arbeitsgang, Kostenstelle und

Verantwortungsbereich. Als signifikante Kennzahlen werden ausgewertet Freigabe-

datum, Startdatum, Rückmelde- und Fertigstellungsdatum, Rückstand, Bedarfs-

menge, Rückmelde- und Ausschussmenge, Ausschussquote und -grund, Maschinen-

und Personalzeit Soll/Ist, Planabweichungen sowie die Anzahl der Fertigungsauf-

träge [vgl. stas_fert].

Erwähnt sei noch, dass STAS CONTROL die BI-Technologie von IBM Cognos,

Microsoft/Cubeware und SAP-BusinessObjects umfasst [vgl. stas_control].

53

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 Optimie-

rung von betrieblichen Ressourcen und Auftragsfolgen [vgl. inform_home1].

Als Kernkompetenz führt INFORM voran, dass ihr Augenmerk auf sog. „entschei-

dungsintelligenten“ 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 APS-

System (Advanced Planning System). FELIOS versteht sich als Zusatzmodul zu be-

stehenden 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 Fertigungs-

steuerung 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 Kun-

denaufträgen 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-

54

warnsystem für die Fertigungssteuerung dar. Dies in der Form, dass bei drohenden

Lieferproblemen in Bezug auf Kundenaufträge gezielt nach Ursachen im oben er-

wähnten Auftragsnetz gesucht wird, um diese aufzuzeigen. Dabei werden automa-

tisch 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 unab-

hängiges Modul aus dem FELIOS-Gesamtpaket. Zur Anwenderzielgruppe zählen

Unternehmen des Maschinen- und Anlagenbaus, da hier auftragsbezogene Produk-

tion 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 Daten-

materials sind einerseits bereits standardmäßig vorbereitete Formeln und Defini-

tionen 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 Zu-

kunft in unterschiedlicher Fristigkeit aufgezeigt [vgl. felios_4].

55

6.8 SIMATIC IT von Siemens-Division Industry Automation

Die Siemens-Division Industry Automation ist ein Geschäftsbereich des Unter-

nehmens Siemens AG, und versteht sich als Automatisierungsspezialist und Soft-

wareanbieter. Die Betätigungsfelder liegen dabei entlang der Wertschöpfungs-

kette und befassen sich in produzierenden Unternehmen, angefangen von Produkt-

design und -entwicklung über Produktion und Vertrieb, bis hin zum Service. Im

Fokus der Zielgruppe steht die Fertigungs- und Prozessindustrie mit dem Ziel, Pro-

duktion, Betriebswirtschaft und Service digital nahtlos miteinander zu verbinden

[vgl. siemens_1].

Das Produkt SIMATIC IT ist ein Manufacturing Execution System. Unternehmens-

weit sollen hiermit in Echtzeit auf sämtliche Prozessinformationen zugegriffen wer-

den können [vgl. simatic_1].

SIMATIC IT beinhaltet verschieden Komponenten. Zu ihnen gehört SIMATIC IT

Intelligence Suite. Mit seinem Konzept wird argumentiert, dass Anpassungsfähig-

keit am Markt durch betriebliche Verbesserungen und fundierte Echtzeit-Entschei-

dungen erreicht werden. Letzteres erfordert als Datenbasis Manufacturing Intelli-

gence. Dies hat wiederum zum Inhalt: Erfassung, Kontextualisierung und Aus-

wertung von Fertigungsdaten. Wesentlich ist dabei deren Verknüpfung mit überge-

ordneten Unternehmensdaten. Erschwernisse allgemein sind hier immer heterogene

IT-Umgebungen und die Unterschiede zwischen Echtzeit-Fertigungsdaten und be-

triebswirtschaftlichen Systemen. SIMATIC IT Intelligence Suite will als Data Engine

die Echtzeit-Rohdaten aus der Fertigung in betriebswirtschaftliche Leistungskenn-

zahlen transferieren. Zielsystem ist ein gemeinsames Data Warehouse, wo Daten

erfasst und mit einer konfigurierbaren einheitlichen Datenstruktur gespeichert wer-

den. 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

56

können und vorhandene Systeme weiter zu nutzen können, wird an der Stelle heraus-

gestellt [vgl. simatic_2]. Letztgenannter Umstand sollte für ein BI allerdings selbst-

verständlich 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 indivi-

duelle Anwenderbedürfnisse anpassbar. Simatic IT realisiert durchgängige Integra-

tion der Funktionen aus den Systemen Manufacturing Execution und Manufactu-

ring 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 Kenn-

zahlen (Key Performance Indicators / KPIs) erstellen. Die zu analysierenden Para-

meter können selbst eingestellt sowie die Dichte der benötigten Informationen be-

liebig definiert werden. Bereits bewährte branchenspezifische Bibliotheken stehen

schon vorab zur Verfügung. Der Informationszugriff ist zentral, aber auch per Fern-

zugriff 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 Effizienzstei-

gerung von Prozessen sorgen. U.a. sind verschiedene gesetzliche Vorschriften und

Qualitätsanforderungen in der Lösung integriert [vgl. simatic_3].

57

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 Er-

fassung, Planung, Monitoring und Analyse sind dabei in schnittstellenfreien Soft-

warelösungen 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 Daten-

Management [vgl. proxia_1].

PROXIA MES will die Lücke zwischen kommerziellen ERP/PPS-Systemen und der

Fertigungsebene schließen. Dies durch gezielte Erfassung und Analyse von Betriebs-

und 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 Ter-

mintreue 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 sol-

len situationsabhängige Strategien ermöglichen, indem Mitarbeiter zu erforderlichen

Zeitpunkten in ausreichender Anzahl zur Verfügung stehen. In einem speziellen Per-

sonenkalender werden zu diesem Zweck geplante Anwesenheiten konkret definiert.

Die Planung des Personaleinsatzes erfolgt dann über einen Abgleich mit Schicht-

modellen und den individuell vorhandenen Qualifikationsattributen der Mitarbeiter

[vgl. proxia_3].

58

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 Auftrags-

An- und Abmeldung, Personalidentifikation, Stückzahlen, Mengen, Laufzeiten, Still-

stände und Qualitätsdaten dar. Die Erfassungsterminals sind rollenbasiert einge-

richtet, und können somit von Mitarbeitern für unterschiedliche Aufgaben genutzt

werden [vgl. proxia_4].

Die direkte Anbindung einzelner Betriebsmittel ermöglicht die Maschinendaten-

erfassungs-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 Alar-

mierungsszenarien sind konfigurierbar. So auch eine automatisierte Benachrichti-

gung über Mobilfunk [vgl. proxia_5].

Der ToolDIRECTOR stellt den Kern zur Verwaltung aller relevanten Daten und

Informationen hinsichtlich der Fertigungsprozesse dar, und dient der unternehmens-

weiten Bereitstellung von Fertigungsinformationen. Die Rede ist von Fertigungs-

daten-Management (FDM). Erforderlichen Daten werden zentral in einer Datenbank

abgelegt und können über LAN ortsunabhängig zur Verfügung gestellt werden. We-

sentliche 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].

59

6.10 key2 von advenco

Die advenco Consulting GmbH mit Sitz in Gießen versteht sich als IT-Dienst-

leistungsunternehmen mit Produktionsunternehmen als Zielgruppe, die sie beim

Einsatz von Manufacturing IT-Systemen berät und Projekte für diese ausführt.

Schwerpunkte liegen auf Produktionsmanagement, Produktionsfeinplanung, Daten-

analyse 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 Softwarekompo-

nenten, 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 Darstel-

lungen 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). Kenn-

zahlen wie Maschinennutzung, Wartezeiten, Alarme und Störungen stehen hierbei im

Mittelpunkt. Erfasste Daten werden automatisch an das übergeordnete System ge-

sendet, dass für die Auswertung der Performance-Kennzahlen in Echtzeit zuständig

ist [vgl. advenco_3].

60

Im Rahmen der Statistischen Prozesslenkung (SPC) kommen allgemein Qualitätsre-

gelkarten (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 Eingriffsgrenzen-

überschreitungen werden bei tournusmäßigen Prüfläufen automatisch an den An-

wender z.B. per Email gemeldet. Bei hoher Werteanzahl kann über einen Verdich-

tungsfaktor eine Komprimierung erfolgen. Als Nachweisdokument kann die Regel-

karte 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 Kenn-

zahlen aus der Produktion ortsunabhängig und in Echtzeit zur Verfügung stellt.

Dashboards und Reports können nutzerbasiert zusammengestellt werden. Leistungs-

kennzahlen (KPIs) kommen in unterschiedlichen Darstellungsformen wie Tachome-

ter, 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].

61

7 Schlussbetrachtungen

7.1 Auswertung recherchierter fertigungsspezifischer BI-Lösungsanbieter

Die Philosophien und Zielsetzungen der einzelnen, im vorherigen Kapitel untersuch-

ten Anbieter unterscheiden sich. Im Anhang fasst Abbildung 26 auf Seite XVII noch-

mals 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 Sys-

temen als gewichtiges Merkmal einer BI-Lösung findet wohl in der Praxis nicht im-

mer 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 BI-

Begriff 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 brow-

serbasiert. Mit Datenausgabemöglichkeiten auf Mobilfunk-Endgeräten wird dem zu-

nehmenden 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. Produktkompo-

nenten sollen als solche die geforderte Beschaffenheit aufweisen und die Ausschuss-

quote 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

62

kurzfristigen Entscheidungsunterstützung verfügbar sein müssen. Dies betrifft The-

matiken 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/Ist-

Vergleichen, 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 (Ferti-

gung vs. Produktion) aus Kapitel 4.1 hinzu, kann eine zweidimensionale Matrix ge-

bildet werden, die Einsatzmöglichkeiten von Business Intelligence für spezielle Pro-

blemstellungen der industriellen Fertigung ordnet. Der Autor stellt aufgrund der, aus

der Arbeit gewonnenen, Erkenntnisse nachfolgendes Portfolio zusammen:

BI im engeren Sinne BI im weiteren Sinne

Fertigung im weiteren Sinne

Operativer Produktionsbereich (kurzfristig, Werkstattebene) Adressaten: Fertigungssteuerer, Terminverfolger, Fertigungsleitstand Daten: hoher Detaillierungsgrad z.B. Durchlaufzeiten, Maschinenbelegung

Strategisches Produktionsmanagement (langfristig, standortübergreifend) Adressaten: Produktionsleiter, Controlling, Betriebsleiter, Geschäftsleitung Daten: stark komprimiert z.B. Produktivität, Ausstoß, Produktionskosten

Fertigung im engeren Sinne

Operativer Fertigungsbereich

(kurzfristig, Maschinenebene) Adressaten: Meister, Vorarbeiter, Instandhaltung Daten: hoher Detaillierungsgrad z.B. Maschinenstörungen, MDE, Energieverbrauch

Strategische Fertigungsplanung (langfristig, abteilungsübergreifend) Adressaten: Verfahrensentwickler, Arbeitsvorbereiter, QS, Konstruktion Daten: detailliert und aggregiert z.B. Werkzeugstandzeiten, Ausschussquoten, Teilefamilien, Schnittdaten

Abbildung 27: 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 Kenn-

zahlen aus Vertrieb und Controlling auf einer Ebene.

63

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 vielfäl-

tiger gestaltet sich der Bereich ‚Fertigung‘. Die eigenen Beispiele entstammen dem

Gebiet der spanenden Metallverarbeitung. Es ist aber festzuhalten, dass Problemstel-

lungen 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 BI-

lösungen „von der Stange“ sind hier über Customizing eher möglich. Fertigungs-BI-

Systeme 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 ein-

bringt, 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 domi-

nieren, 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 gemein-

samen Entwicklung eines neuen Getriebes. Die Schaffung eines globalen unterneh-

mensübergreifenden Pools für fertigungstechnologische Daten in ähnlicher Weise,

könnte nicht nur Synergien schaffen, sondern auch den SCM-Gedanken fördern.

Dies kann als Zukunftsvision gesehen werden.

VII

ANHANG

Unternehmens-, Markt- und Wettbewerbsdaten

- größtenteils quantitativ - strukturiert

- quantitativ und qualitativ - kaum strukturiert

Bereitstellung Operative Systeme, Data Warehouse, Multidimensionale Modelle

Internet/Intranet, Diskussionsforen, Implizites Wissen (human ressource)

Entdeckung Multidimensionale Analysen, Balanced Scorecard, Kennzahlenanalysen, Simulationen

Data Mining, Text Mining, Web Mining

Kommunikation Förderung von Wissensaustausch, ereignisgesteuertes Reporting Abbildung 1: Business Intelligence Portfolio nach Grothe und Gentsch [vgl. Oehler 2006, Seite 34]

Abbildung 2: BI-Architekturbausteine [vgl. Gluchowski 2007, Seite 109]

Integration und Speicherung

externe Daten und operative Vorsysteme

Zugriff

und Ausgabe

Aufbereitung

und Auswertung

Variante A : präsentationsdominant

Variante B : gleichberechtigt

Variante C : analysedominant

Präsentations-schicht

Analyse- schicht

Bereitstellungs-schicht

Datenquellen

VIII

Klassifikation Beispiele

Herkunft intern Lagerbestandsführung, Buchhaltung extern Markforschungsinstitute, Börsendienste, Internet, Presse

Format

Text E-Mails, Word-Dokumente Bild Fotos, Grafiken Video Videokonferenzen, Podcasts Audio Gesprächsaufzeichnungen, Diktate

Struktur strukturiert Datenbanken, Webformulare, XML-Dokumente semistrukturiert Internetbilder, dokumentierte Videos unstrukturiert E-Mails, Gespräche, Zeitungsartikel

Abbildung 3: Systematisierung von Datenquellen [vgl. Kendzia 2010, Seite 75]

Transformation

Laden

Extraktion

Anreicherung Berechnung betriebswirtschaftlicher Kenngrößen

Filterung Extrakte à bereinigte Extrakte [ Bereinigungsregeln ]

Aggregation Dimensions-Hierarchisierung

Harmonisierung - betriebswirtschaftlich - syntaktisch

Abbildung 4: Transformation innerhalb von ETL [vgl. Kemper 2009, Seite 48]

Quellsysteme : ERP, SCM, CRM, E-Procurement Internet, File Server etc.

IX

Abbildung 5: Positionierung des Data Warehouse [vgl. Schäfer 2009, Seite 18] Abbildung 6: Prinzip: Data Mart [vgl. Fröhlich 2008, Seite 577]

Quellsysteme

Arbeitsbereich Basis-

datenbank Data

Warehouse

atenbank

Extraktion Laden Laden

Transformation

Benutzerschnittstelle

Vertrieb Controlling Finanzen Marketing

Data

Warehouse

atenbank

Data Marts

X

Abbildung 7: OLAP-Würfel [vgl. Hoffmann 2011, Seite 10]

Kundengruppe

Region

Artikelgruppe

Dimensionen Region : Bayern Artikelgruppe: Bücher Kundengruppe: Bibliotheken

Fakten Umsatzerlöse: 125.000 € Absatzmenge: 36.850 Stk. Abweichung: - 5,6 % . . .

XI

Abbildung 8: OLAP-Operationen, Roll-up und Drill-down [vgl. Röger 2010, Seite 38]

Artikelgruppe

Artikelgruppe

Kundengruppe

Region

Kundengruppe

Region

Schweiz

Österreich

Deutschland

Baden-Württemberg

Bayern

Hessen

Roll-up

Drill-down

XII

Abbildung 9: OLAP-Operationen, Slice und Dice [vgl. Röger 2010, Seite 39]

Artikelgruppe

Kundengruppe

Region

Schweiz

Österreich

Deutschland

Artikelgruppe

Kundengruppe

Deutschland

Slice Dice

XIII

Abbildung 10: OLAP-Operation, Rotation [vgl. Röger 2010, Seite 40]

Artikelgruppe

Kundengruppe

Region

Kundengruppe

Artikelgruppe

Region

Rotation

XIV

Abbildung 11: DuPont-Kennzahlensystem [Engels 2008, Seite 15]

Abbildung 12: Dashboard-Beispiel [dash_ex]

XV

Abbildung 15: Fertigungsarten entsprechend der Fertigungsstruktur [vgl. Mathar 2009, Seite 127] Abbildung 16: Fertigungsarten entsprechend der Losgröße [vgl. Mathar 2009, Seite 127]

Fertigungsarten

Gruppenprinzip Fluss- / Objektprinzip Verrichtungsprinzip

Gruppen- fertigung

Baustellen-fertigung

Werkstatt- fertigung

Fließ-fertigung

Wander-fertigung

Fertigungsarten

Einzelfertigung Serienfertigung Sortenfertigung Massenfertigung

XVI

Abbildung 17: Y-CIM-Modell nach August-Wilhelm Scheer [vgl. Strickmann 2008, Seite 64]

XVII

Firma Produkt BI-Relevanz im Fokus

Rockwell Automation

FactoryTalk VantagePoint EMI

Data Warehouse, Reports, Dashboards, Data Mining

Produktivität, Produktqualität, Anlagennutzung, Stillstandszeiten, KPIs

CIM Aachen

cc-sequencer Visualisierung in Tabellenform

Produktivität, Durchlaufzeiten, Termintreue, gerichteter Materialfluss, Teilefamilien, Maschinenaufstellung (Werkstatt-Layout), definierter Reihenfolge von Fertigungsaufträgen

Produktions-Cockpit Visualisierung über Metaphern, Simulationen, OLAP

interne Termintreue, Durchlaufzeiten, Flussfaktor, Maschinenbelegungsgrad, Mitarbeiterproduktivität

fme-Gruppe OEE-Analyse mit Qlikview

Zeigerinstrumenten-Metaphern, „Hit-Listen“

Bewertung der Effizienz von Maschinen Maschinenverfügbarkeit, Stillstandszeiten, Qualitätskennzahlen

FELTEN Group

PILOT Suite frei konfigurierbares Berichtswesen, Dashboards, grafischen Visualisierung Alarmfunktionen, Drill-Down-Funktionen

Störungen, Ausfallzeiten, Fehlproduktionen, Qualitätsmängel und höheren Materialverbrauch erkennen, KPI und OEE

camLine Daten-systeme

LineWorks-Suite Reporting, Analysehierarchien, Suchfunktionen, Objektverknüpfungen, Gruppierung

OEE-Effizienz Leistungskennzahlen nach SEMI-E10 bessere Maschinenverfügbarkeit

Cornerstone Data-Warehouse, Abhängigkeiten finden, Korrelationen erkennen, Rechnersimulationen

Produktionsdaten

STAS GmbH

STAS CONTROL Kennzahlenorientiertes Berichtswesen, Reporting und Analyse, Monitoring, Simulationen, Corporate Performance Management

Rückstand, Bedarfsmenge, Rückmelde- und Ausschussmenge, Ausschussquote und -grund, Maschinen- und Personalzeit Soll/Ist, Planabweichungen

INFORM FELIOS-Kennzahlen Data-Warehouse, Vorschläge optimierter Lösungen, vorbereitete Formeln und Definitionen, Reports, Charts, Balanced-Scorecards

optimalen Reihenfolge von Produktionsaufträgen, Maschinenauslastung und Termintreue, bereichsübergreifend Teilebedarfe synchronisieren, Prozesskennzahlen

Siemens-Division Industry Automation

SIMATIC IT Data Warehouse, ereignisgesteuerte Dashboards

Erfassung, Kontextualisierung und Auswertung von Fertigungsdaten, Daten zu Aufträgen, Materialien, Anlagenaus-lastung, Produktionsqualität und -kosten, KPIs

PROXIA PROXIA MES Planung, Monitoring und Analyse

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

ToolDIRECTOR Verknüpfungstechnologien für Zeichnungen, Videos, Skizzen, Listen, NC-Programme, Werkzeuglisten und Aufspannpläne Erstellen von Reports

Standards des Qualitätsmanagements, Fertigungsdaten-Management (FDM)

advenco key2 Reportingmöglichkeiten, Dashboards, Reports, Trend-, Ampel- oder Tabellenansichten

manuelle Geschäftsprozesse, Maschinennutzung, Wartezeiten, Alarme und Störungen, Performance-Kennzahlen, SPC, QRK, KPIs

Abbildung 26: Anbieterübersicht

XVIII

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: Dienstleistungs-

management, 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

XIX

[Fandel, 1994] FANDEL, Günther, DYCKHOFF, Harald, REESE, Joachim:

Industrielle Produktionsentwicklung: Eine empirisch-deskrip-

tive Analyse ausgewählter Branchen, Gabler Wissenschafts-

verlage, 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 Wissenschafts-

verlage, 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

XX

[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 Manage-

mentunterstützung, Vieweg+Teubner, 2009

[Kendzia, 2010] KENDZIA, Robert: Business Intelligence für das Beschaf-

fungsmarketing, 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 Enter-

prise Resource Planning und Supply Chain Management,

Oldenbourg Verlag, 2005

[Manitz, 2003] MANITZ, Rene: Untersuchung der Möglichkeiten zur Auto-

matisierung von Geschäftsprozessen, GRIN Verlag, 2003

[Mathar, 2009] MATHAR, Hans-Joachim, SCHEURING, Johannes: Unter-

nehmenslogistik: Grundlagen für die betriebliche Praxis,

Compendio Bildungsmedien AG, 2009

XXI

[Mertens, 2005] MERTENS, Peter, BODENDORF, Freimut, KÖNIG, Wolf-

gang, PICOT, Arnold, SCHUMANN, Matthias: Grundzüge

der Wirtschaftsinformatik, Gabler Wissenschaftsverlage, 2005

[Michels, 2009] MICHELS, Knut, JÄGER, Tim: Realisierung eines Manage-

ment 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 Industrie-

unternehmen, expert verlag, 2001

[Navrade, 2008] NAVRADE, Frank: Strategische Planung mit Data-

Warehouse-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

XXII

[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 Know-

ledge Managament- Neue Dimensionen für den Unterneh-

mungserfolg, Gabler Wissenschaftsverlage, 1999

[Scheer, 2002] SCHEER, August-Wilhelm, JOST, Wolfram: Aris in der

Praxis, Gabler Wissenschaftsverlage, 2002

[Schiefers, 2011] SCHIEFERS, Manfred: Ersatz einer textbasierten RPG-

Greenscreen-Benutzeroberfläche durch einen Java-GUI-

Frontend (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 Multimedia-

Datenbanken, 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 Wissen-

schaftsverlage, 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

XXIII

[Sihler, 2009] SIHLER, Patrick: Key Performance Indicators aus

Controlling-Sicht, GRIN Verlag, 2009

[Spörrer, 2009] SPÖRRER, Stefan: Content-Management-Systeme: Begriffs-

struktur 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-Manage-

ment- 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: Just-

in-time für das ganze Unternehmen, MI Wirtschaftsbuch, 2006

[Vahrenkamp, 2010] VAHRENKAMP, Richard: Von Taylor zu Toyota: Rationali-

sierungsdebatten 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 pro-

mechanica , 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 Industrie-

prozesse, Gabler Wissenschaftsverlage, 2000

XXIV

[Zülich, 2010] ZÜLICH, Gert: Integrationsaspekte der Simulation: Technik,

Organisation und Personal, KIT Scientific Publishing, 2010

XXV

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

XXVI

[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/cc-

sequencer/?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-fuer-

modernes-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-performance-

management/produktionscockpit/?file=daten/downloads/produkte/performance_mm/Produktions-

Cockpit.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

XXVII

[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-of-

ownership.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

XXVIII

[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-consulting-

kooperieren-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

XXIX

[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

XXX

[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

XXXI

[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-system-

mes/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

XXXII

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)

Documents

DIPLOMARBEIT Manfred · PDF fileV KPI = Key Performance Indicator KVP = Kontinuierlicher Verbesserungsprozess mBDE = mobile Betreibsatenerfassung MDE = Maschinendatenerfassung