Analyse von Maschinendaten treibt Optimierung voran
Maschinen im Shopfloor liefern sowohl Produktdaten (Fertig-, Gut-, Ausschussmengen, Durchlauf- und Taktzeiten) als auch Prozessdaten (Stand-, Betriebs-, Produktions- und Rüstzeiten, geplante und ungeplante Stillstände). Aus Prozessdaten lassen sich Effizienzverluste in Bezug auf Verfügbarkeit, Durchsatz oder Qualität ableiten, aus denen sich wiederum die Overall Equipment Effectiveness (OEE) berechnet, die sich unter anderem an Standards wie SEMI-E10 und SEMI-E79 orientiert.
Optimierungspotenzial ausschöpfen
Nur wenn diese Maschinendaten lückenlos digital erfasst und feingranular nahezu in Echtzeit analysiert werden, entsteht die Transparenz, die nötig ist, um die Prozesse in der Fertigung laufend zu verbessern und ihre Produktivität zu steigern. Das ist heutzutage ein geschäftskritischer Faktor.
Um das Optimierungspotenzial im Shopfloor bestmöglich auszureizen, ist der Einsatz einer leistungsstarken und skalierbaren Selfservice-Analyseplattform unerlässlich. Sie sollte über verschiedene Filter- und Drill-down-Funktionen verfügen und die Analyse von Livedaten erlauben, die vor dem Ausfall einer Maschine warnt und anzeigt, welche Aufträge noch bearbeitet werden dürfen.
Selbstverständlich sollte es sein, dass ein solches Tool Maschinendaten und -kennzahlen wie die OEE in Dashboards kompakt und übersichtlich visualisiert, als Diagramm, Grafik oder Tabelle und mit festgelegter Farbgebung. Das kann zum Beispiel ein Wasserfalldiagramm sein, das Maschinenzustände gemäß SEMI-E10 verteilt in unterschiedlichen Farben darstellt und Verbesserungspotenziale sichtbar macht.
Im besten Fall stellt eine solche Analyseplattform zudem Was-wäre-wenn-Analysen für Simulationen sowie Funktionen für Predictive Analytics, künstliche Intelligenz (KI) und maschinelles Lernen (ML) bereit. Diese Funktionen machen es möglich, die Wartungsintervalle präzise an die Produktion anzupassen, eine vorausschauende Wartung zu etablieren oder die Lebensdauer einer Anlage ohne Abstriche in puncto Herstellungsqualität und Produktivität zu verlängern. Integrierte Planungsfunktionen, die die Produktionsplanung vereinfachen und effizienter machen, sind ein weiterer Vorzug.
Mit der SAP Analytics Cloud (SAC) ist eine solche Plattform bereits auf dem Markt. Ein großer Vorteil dieser Software-as-a-Service-(SaaS)-Lösung ist ihre Skalierbarkeit – Stichwort Big Data – und die Tatsache, dass der Anwender seine Abfragen und Analysen jederzeit und überall durchführen und einsehen kann – am Desktop-PC oder mobil per Smartphone oder Tablet.
Die SAC lässt sich an eine Vielzahl von Cloud- und On-premises-Lösungen anbinden, an SAP- wie auch an Non-SAP-Systeme wie das Mes Valeris von WSW Software. Abfragen und Analysen können daher zentral in einer einzigen Lösung durchgeführt werden und bringen so zuverlässigere Ergebnisse.
Direkter Zugriff auf Livedaten
Die Anbindung der Quellsysteme erfolgt entweder per Datenimportverbindung – hier werden Daten in die Cloud repliziert – oder über eine Live-Datenverbindung, die es gegenwärtig für BW, BW/4, S/4 und die Hana-Datenbank gibt. Die Live-Datenverbindung ermöglicht etwa den Echtzeitzugriff auf in BW verdichtete und vereinheitlichte Produktionsdaten aus einem MES und aus ERP (Single Source of Truth), sodass Störungen sofort identifiziert werden und man unverzüglich reagieren kann.
Doch die mit der Einführung von SAP Analytics Cloud verbundenen Anforderungen sind komplex. Um sie effizient zu bewältigen, braucht es die Begleitung durch einen erfahrenen Partner mit dem nötigen Know-how sowohl in Bezug auf die SAC als auch auf die Shopfloor-Prozesse. Dann steht dem Erfolg einer datenbasierten Optimierung der Produktion nichts mehr im Weg.
