{"id":116231,"date":"2022-06-30T09:00:00","date_gmt":"2022-06-30T07:00:00","guid":{"rendered":"http:\/\/e3mag.com\/?p=116231"},"modified":"2025-02-05T15:33:23","modified_gmt":"2025-02-05T14:33:23","slug":"modellieren-der-digitalen-fabrik","status":"publish","type":"post","link":"https:\/\/e3mag.com\/de\/modellieren-der-digitalen-fabrik\/","title":{"rendered":"Modellieren der digitalen Fabrik"},"content":{"rendered":"\n

Doch in den Entwicklungslaboren der Softwareentwickler reifen schon neue Ideen. Orsoft, eines der f\u00fchrenden Entwicklungs- und Beratungsh\u00e4user im Bereich Planungssoftware, gew\u00e4hrt einen Einblick. Die Betrachtung der Planung als ganzheitliches Werkzeug der Steuerung von Unternehmensabl\u00e4ufen steht auf der Agenda ganz oben. Autonome Prozesse werden entsprechend in die gesamte Shop-Floor-Ebene inkludiert und auf der Grundlage digitaler Zwillinge modelliert.<\/p>\n\n\n\n

Bevor tiefer in die Materie eingestiegen wird, gilt es einige Begrifflichkeiten zu kl\u00e4ren. Bei der Einordnung des Begriffs k\u00fcnstliche Intelligenz (KI) verwendet Orsoft die Definition des Marktforschungsspezialisten f\u00fcr Supply Chain Management, Gartner. KI wendet (demnach) erweiterte Analyse- und logikbasierte Techniken, einschlie\u00dflich maschinellen Lernens, an, um Ereignisse zu interpretieren, Entscheidungen zu unterst\u00fctzen und zu automatisieren sowie Ma\u00dfnahmen zu ergreifen.<\/p>

\"\"<\/a><\/div><\/div>\n\n\n\n

Als eine Auspr\u00e4gung der KI hat das maschinelle Lernen (ML) das Ziel, einen Algorithmus durch repetitives Training so anzulernen, dass dieser selbstst\u00e4ndig Aufgaben erf\u00fcllen kann. Anders als bei herk\u00f6mmlichen Algorithmen wird dabei die Erkennung von (Daten-)Strukturen nicht durch einen impliziten Modellaufbau vorgegeben, sondern der \u201eMaschine\u201c autark \u00fcberlassen.<\/p>\n\n\n\n

Autonomisierung von Planungsprozessen<\/h3>\n\n\n\n

Mit den aus dem ML erkannten Mustern erlangt die Prognoseg\u00fcte zeitreihenbasierter Prozesse eine ganz neue Qualit\u00e4t. Als h\u00f6chstes bislang anzustrebendes Ziel des ML gilt die Autonomisierung. In Abgrenzung zur Automatisierung beschreibt das Fraunhofer IESE die Begriffe wie folgt: Wenn bekannt ist, wie sich ein System in einer bestimmten Situation verh\u00e4lt, ist es Automatisierung. Wenn dies unbekannt ist, sprechen wir von Autonomisierung.<\/p>\n\n\n\n

Eine smarte Erweiterung bestehender Enterprise-Resource-Planning (ERP)-Systeme durch Advanced-Planning-Systeme (APS) wird angestrebt. Da das ERP nicht explizit f\u00fcr Planungsaufgaben ausgelegt ist \u2013 es k\u00f6nnen beispielsweise nur rudiment\u00e4re Bestandskontrollen oder einfache Planungsprozesse wie MRP-L\u00e4ufe abgebildet werden \u2013, sind oftmals zus\u00e4tzliche Advanced-Planning-Systeme im Einsatz, die der Darstellung und Optimierung transaktionaler Gesch\u00e4ftsprozesse dienen. Jedoch werden diese nicht mehr den Erwartungen der heutigen Planungsrealit\u00e4t gerecht.<\/p>\n\n\n\n

Die oftmals wenig agilen Systeme bilden weder gesamte Lieferketten noch die M\u00f6glichkeit von Ad-hoc-Plananpassungen nah an der Losgr\u00f6\u00dfe eins ab. Orsoft verfolgt mit seinen Softwarewerkzeugen f\u00fcr die strategisch-taktische und operative Planung schon immer den integrativen End-to-End-Ansatz der Planung \u2013 das hei\u00dft, es werden s\u00e4mtliche Planungsinstanzen ganzheitlich modelliert, miteinander intelligent verkn\u00fcpft und vielf\u00e4ltige Simulations- und Prognosem\u00f6glichkeiten geschaffen. Diese Eigenschaften sind Grundvoraussetzung f\u00fcr die Anwendung (teil-)autonomer Planungsinstanzen, nach ERP und Advanced-Planning-Systemen die dritte gro\u00dfe Disruption im Supply Chain Management.<\/p>\n\n\n\n

Digitale Zwillinge<\/h3>\n\n\n\n

Mithilfe eines digitalen Zwillings sollen autonome Planungsinstanzen modelliert werden. Was ist eigentlich ein digitaler Zwilling? Analog zur Genetik \u2013 wo sich eineiige Zwillinge eine identische DNA teilen \u2013 teilt sich der digitale Zwilling spezifische funktionale Eigenschaften mit seinem realen Bruder. Das k\u00f6nnen \u2013 \u00fcbertragen in die industrielle Realit\u00e4t \u2013 beispielweise der Bereich Shopfloor und seine digitale Kopie im Bereich der Produktion oder ein digitaler Supply Chain Twin im Bereich der Planung sein.<\/p>\n\n\n\n

Der digitale Supply Chain Twin ist die Grundlage der Autonomisierung der Planung. Mit ihm werden Prozesse vernetzter, effizienter, agiler, schneller und transparenter. Je komplexer die Wertsch\u00f6pfungsketten \u2013 ein Werk mit Vertriebseinheit oder ein umfassendes Netzwerk aus Produktions-, Einkaufs- und Vertriebsprozessen macht einen gro\u00dfen Unterschied \u2013, desto notwendiger ist die Echtzeitsynchronisation der Daten zwischen den Planungsinstanzen und dem zentralen ERP. <\/p>\n\n\n\n

Ein einheitlicher Datenlayer mit maximaler Detailgenauigkeit, Datenintegrit\u00e4t und Reaktionsgeschwindigkeit kann \u00fcber die modular erweiterbare und schnittstellen-offene PaaS-Plattform Edge.One bereitgestellt werden. Damit lassen sich im Sinne der digitalen Fabrik vielz\u00e4hlige Prozesse aus dem Shopfloor und Topfloor abbilden und in den zentralen Plattformansatz integrieren.<\/p>\n\n\n\n

\"\"
Mithilfe eines digitalen Zwillings sollen autonome Planungsinstanzen modelliert werden.  In der industriellen Realit\u00e4t finden sich Digital Twins im Bereich Shopfloor, der Produktion oder in der digitalen Supply Chain im Bereich der Planung.<\/em><\/figcaption><\/figure>\n\n\n\n

Advanced Analytics<\/h3>\n\n\n\n

Advanced Analytics beschr\u00e4nkt sich nicht mehr auf die vergangenheitsbezogene deskriptive Analyse von Daten (die Frage nach dem \u201eWas ist passiert?\u201c), sondern fokussiert sich auf die pr\u00e4diktive (\u201eWas wird passieren?\u201c) und pr\u00e4skriptive (\u201eWie kann ich es erreichen?\u201c) Analyse.<\/p>\n\n\n\n

Mit Advanced Analytics lassen sich Szenarien automatisiert abbilden und auf Grundlage vordefinierter Ziele bzw. Zielhierarchien \u2013 etwa maximaler Kundenservice, Kundensegmentierung, margenoptimales Produktionsprogramm usw. \u2013 automatisiert ausf\u00fchren. Priorisierungsregeln helfen dabei, Konfliktsituationen bestm\u00f6glich zu beheben und durch maschinelles Lernen zu automatisieren.  Je nach Komplexit\u00e4t der Planoptimierung kann dem Faktor Mensch die Entscheidungshoheit teilweise oder auch komplett entzogen werden. <\/p>\n\n\n\n

Auf Grundlage der ML-Analyse von Zeitreihen werden zuverl\u00e4ssige Prognosewerte f\u00fcr das Demand Planning bereitgestellt. So lassen sich Schwankungen in der Lieferkette reduzieren und Folgeprozesse verbessern. Die R\u00fcckschl\u00fcsse auf das Bestandsmanagement sind ebenso evident: Die Reduktion von notwendigen Sicherheitsbest\u00e4nden zur Abdeckung von Bedarfsschwankungen ist ein weiteres wichtiges Ziel. Mithilfe von KI kann die Bestandsplanung auf dynamische Sicherheitsbest\u00e4nde umgestellt werden. Reactive Scheduling ist ein Schlagwort im Bereich KI-gest\u00fctzter Planung. Der Planungslauf wird hierbei als agiler, bis zur letzten Minute offener Prozess beschrieben. Das Ziel ist es, auf sich \u00e4ndernde Bedingungen \u2013 Ad-hoc-Bestellung eines A-Kunden, Umbestellungen, Lieferengp\u00e4sse, Mitarbeiter-\/Anlagenausf\u00e4lle o. \u00c4. \u2013 reagieren zu k\u00f6nnen. Kontinuierliches Lernen aus in der Vergangenheit get\u00e4tigten Entscheidungen \u201ef\u00fcttert\u201c die KI kontinuierlich mit Daten. Eine immer aktuelle und vom Livesystem gespeiste Planungsengine im Hintergrund hilft dabei, den initial vorausberechneten Plan nur marginal und kontinuierlich anpassen zu m\u00fcssen. <\/p>\n\n\n\n

Auch im Bereich des Konfliktmanagements ergeben sich durch Verfahren des maschinellen Lernens interessante Features. Auf der Grundlage eigener fr\u00fcherer Entscheidungen und der Analyse der Ergebnisse daraus werden Vorschl\u00e4ge zur L\u00f6sung erstellt und bei Wunsch autonomisiert. Mithilfe des Vergleichs von geplanter Produktion und realer R\u00fcckmeldung aus dem Shopfloor kann die G\u00fcte des Plans bewertet und in die Modellierung des Planungsalgorithmus \u2013 auch hinsichtlich der Implementierung von Wartungsprognosen \u2013 r\u00fcckgef\u00fchrt werden. Alarmfunktionalit\u00e4ten werden ebenso durch KI-gest\u00fctzte Entscheidungsprozesse (teil-)automatisiert und selbstlernend.<\/p>\n\n\n\n

SAP-Umfeld<\/h3>\n\n\n\n

Autonomisierung des Advanced Planning und Scheduling (APS) im SAP-Umfeld ist ein Orsoft-Use-Case. Die Aufgabe des Kunden war klar umrissen: Touchless-Autonomisierung der operativen Planung mit dem Ziel, ein System zu implementieren, das im Normalfall \u2013 also im sogenannten Happy Flow \u2013 autonom arbeitet und das Planer\/-innen bei bestimmten Ereignissen automatisiert einbeziehen kann. Folgende Nebenbedingungen wurden zus\u00e4tzlich vereinbart: automatische (iterative) Interaktion mit SAP, starke Konfigurierbarkeit des Datenmodells, automatische Reaktion auf bestimmte, frei konfigurierbare Ereignisse und die Ausf\u00fchrung von Funktionen auf einem eigenen Applikationskern, was ein Betreiben der Software auch ohne angemeldete Nutzer erm\u00f6glicht.<\/p>\n\n\n\n

Um einer Autonomisierung der operativen Planung gerecht zu werden, m\u00fcssen Ziele des Planungslaufs, die als vorgegebene Priorisierungsregelungen \u2013 auch abgestuft als Reihenfolge von Priorit\u00e4ten \u2013 abgebildet sind, definiert werden. Wie auch die Randbedingungen k\u00f6nnen diese detailliert eingestellt werden. Es k\u00f6nnen dabei alle SAP-Felder \u2013 auch von referenzierten Objekten, zum Beispiel den Kunden zum Kundenauftrag eines Planauftrags \u2013 sowohl manuell als auch automatisiert konfiguriert und \u00fcber die Pflege von Grenz- und genauen Pr\u00e4missenwerten gerankt werden. Im konkreten Fall wurden die Ber\u00fccksichtigung von Materialverf\u00fcgbarkeiten\/Wiederbeschaffungszeiten, Personalanwesenheit und -qualifikation vom Kunden als explizite Randbedingungen vorgegeben. <\/p>\n\n\n\n

Durch den bidirektionalen Echtzeitabgleich mit den Stamm- und Bewegungsdaten im SAP sind erstellte Pl\u00e4ne immer kapazitativ auf Anlagen- und Materialebene abgeglichen. Orsoft appliziert dabei einen komplexen MRCP (Material Resource Capacity Planning)-Lauf mit finiten, also begrenzt verf\u00fcgbaren, Ressourcen ohne \u00dcberlasten, der so in SAP nicht verf\u00fcgbar ist. Im konkreten Anwendungsfall werden zudem Materialbeistellungen von Kunden in den Planungslauf integriert. Eine von Orsoft implementierte und mit SAP interagierende CTP (Capable to Promise)-Sofortpr\u00fcfung fungiert als Trigger der Planungsautonomisierung. Erst wenn es zu Zielkonflikten bzw. fehlenden Ressourcen auf Material- und Kapazit\u00e4tsebene kommt, werden automatisierte Alarme angezeigt und als E-Mail-Alert versandt.<\/p>\n\n\n\n

PDF (auf englisch)<\/a><\/p>\n\n\n\n

\"Download<\/a><\/figure>\n","protected":false},"excerpt":{"rendered":"

Im heutigen Planungsalltag sind KI und maschinelles Lernen nicht mehr wegzudenken. Sie werden in Prozessen der Bedarfsplanung, dem Forecasting, dem Bestandsmanagement und im Bereich des automatisierten Schedulings angewandt.<\/p>\n","protected":false},"author":2589,"featured_media":116238,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"pmpro_default_level":"","footnotes":""},"categories":[40955,40957],"tags":[210,707,624,626,40960,14527,7631,1301],"coauthors":[40959,40958],"class_list":["post-116231","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-coverstory-22-07","category-mag-22-07","tag-big-data","tag-coverstory","tag-ki-joule","tag-kuenstliche-intelligenz","tag-mag-22-07","tag-orsoft","tag-scm","tag-supply-chain-management","pmpro-has-access"],"acf":[],"featured_image_urls_v2":{"full":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/06\/shutterstock_1767321221-ZinetroN.jpg",1000,450,false],"thumbnail":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/06\/shutterstock_1767321221-ZinetroN-150x150.jpg",150,150,true],"medium":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/06\/shutterstock_1767321221-ZinetroN.jpg",400,180,false],"medium_large":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/06\/shutterstock_1767321221-ZinetroN-768x346.jpg",768,346,true],"large":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/06\/shutterstock_1767321221-ZinetroN.jpg",1000,450,false],"image-100":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/06\/shutterstock_1767321221-ZinetroN-100x45.jpg",100,45,true],"image-480":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/06\/shutterstock_1767321221-ZinetroN-480x216.jpg",480,216,true],"image-640":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/06\/shutterstock_1767321221-ZinetroN-640x288.jpg",640,288,true],"image-720":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/06\/shutterstock_1767321221-ZinetroN-720x324.jpg",720,324,true],"image-960":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/06\/shutterstock_1767321221-ZinetroN-960x432.jpg",960,432,true],"image-1168":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/06\/shutterstock_1767321221-ZinetroN.jpg",1000,450,false],"image-1440":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/06\/shutterstock_1767321221-ZinetroN.jpg",1000,450,false],"image-1920":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/06\/shutterstock_1767321221-ZinetroN.jpg",1000,450,false],"1536x1536":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/06\/shutterstock_1767321221-ZinetroN.jpg",1000,450,false],"2048x2048":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/06\/shutterstock_1767321221-ZinetroN.jpg",1000,450,false],"trp-custom-language-flag":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/06\/shutterstock_1767321221-ZinetroN.jpg",18,8,false],"bricks_large_16x9":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/06\/shutterstock_1767321221-ZinetroN.jpg",1000,450,false],"bricks_large":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/06\/shutterstock_1767321221-ZinetroN.jpg",1000,450,false],"bricks_large_square":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/06\/shutterstock_1767321221-ZinetroN.jpg",1000,450,false],"bricks_medium":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/06\/shutterstock_1767321221-ZinetroN.jpg",600,270,false],"bricks_medium_square":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/06\/shutterstock_1767321221-ZinetroN.jpg",600,270,false],"profile_24":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/06\/shutterstock_1767321221-ZinetroN-24x24.jpg",24,24,true],"profile_48":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/06\/shutterstock_1767321221-ZinetroN-48x48.jpg",48,48,true],"profile_96":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/06\/shutterstock_1767321221-ZinetroN-96x96.jpg",96,96,true],"profile_150":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/06\/shutterstock_1767321221-ZinetroN-150x150.jpg",150,150,true],"profile_300":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/06\/shutterstock_1767321221-ZinetroN-300x300.jpg",300,300,true]},"post_excerpt_stackable_v2":"

Im heutigen Planungsalltag sind KI und maschinelles Lernen nicht mehr wegzudenken. Sie werden in Prozessen der Bedarfsplanung, dem Forecasting, dem Bestandsmanagement und im Bereich des automatisierten Schedulings angewandt.<\/p>\n","category_list_v2":"Coverstory 22-07<\/a>, Mag 22-07<\/a>","author_info_v2":{"name":"Martin Kohl, Orsoft","url":"https:\/\/e3mag.com\/de\/author\/martin-kohl\/"},"comments_num_v2":"0 comments","_links":{"self":[{"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/posts\/116231","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/users\/2589"}],"replies":[{"embeddable":true,"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/comments?post=116231"}],"version-history":[{"count":1,"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/posts\/116231\/revisions"}],"predecessor-version":[{"id":148761,"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/posts\/116231\/revisions\/148761"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/media\/116238"}],"wp:attachment":[{"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/media?parent=116231"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/categories?post=116231"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/tags?post=116231"},{"taxonomy":"author","embeddable":true,"href":"https:\/\/e3mag.com\/de\/wp-json\/wp\/v2\/coauthors?post=116231"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}