ERP-Betrieb

Wissen aus Bewegungsdaten

Bessere Stammdaten in ERP-Systemen

Lesedauer: 5 Minuten

29. Juni 2021 von Dirk Schmalzried, Matthias Fiebig und Siegfried Schmalzried

Wissen aus Bewegungsdaten
© Pixabay / geralt

Die Erhöhung der Stammdatengüte ist ein wichtiges Ziel. Mit ihr verbunden sind geringere Fehlerkosten, zuverlässigere Prozesse, höhere Termintreue, bessere Produktqualität und Marge. Im Artikel werden einige Ideen illustriert, wie die Analyse der Bewegungsdaten zu besseren Stammdaten in ERP-Systemen führen kann. Dabei wird ein Rahmen aufgespannt, in dem verschiedene Methoden zum Einsatz kommen.

Die zunehmende Zahl anfallender und nötiger Daten, kürzere Zykluszeiten und Variantenkomplexität durch Produktkonfiguration stellen immer höhere Anforderungen an die Güte von Stammdaten. Mit den wachsenden Anforderungen entwickelt sich gleichzeitig auch das verfügbare Instrumentarium weiter, um zu besseren Stammdaten zu kommen; wie z. B. eine Datenspeicherung und schnellere Auswertung in In-Memory-Datenbanken oder KI-Methoden zur Datenanalyse. Bessere Stammdaten führen zu Wettbewerbsvorteilen, z. B. wegen höherer Kundenindividualität oder schnellerer Marktverfügbarkeit und zur Vermeidung von Verlusten oder Risiken. So führen falsche Maße zu schlecht ausgelasteten Transporten oder ein Produkt in der falschen Verpackung zu hohen Kosten.

Zielstellung

Ausgehend von verschiedenen praktischen Beispielen soll ein verallgemeinerter Rahmen helfen, in Unternehmen einen Verbesserungsprozess zu etablieren, der in einer höheren Stammdatenqualität resultiert. Dazu werden anfallende Bewegungsdaten kontinuierlich genutzt, um einige stammdatenbezogene Kennziffern zu verbessern. Dies sind insbesondere die drei in Tabelle 1 hervorgehobenen KPIs.

Fallbeispiele

Die folgenden praktischen Beispiele illustrieren, mit welchem Vorgehen bessere Stammdaten erzielt werden können.

Fallbeispiel 1: Mit mehr Daten zu einem besseren Fertigungsprozess

Die Unternehmenspraxis zeigt einen großen Einfluss der Konstruktion auf das Produktionsergebnis. Bereits während der Konstruktion werden die Randbedingungen für die Produktion festgelegt. Dies umfasst nicht nur das Produkt selbst mit seinen qualitativen Eigenschaften, sondern auch die Prozessfähigkeit und Prozessrobustheit bei der Herstellung des Produktes bis zum Beschaffungsprozess. Mit dem Design for Manufacturing and Assembly (DFMA) wird in den frühen Phasen des Entwurfs, der Entwicklung und der Konstruktion auf eine produktionsgerechte Auslegung und Produktgestaltung geachtet. Wesentlicher Ansatzpunkt für Verbesserungen in der Produktentwicklung ist ein robustes Design für eine hohe Zuverlässigkeit (Fehlerfreiheit) der zugrundeliegenden Unternehmens- und Produktionsprozesse. Messbar ist diese Robustheit von Produkten und Prozessen indirekt, z. B. mithilfe von internen oder externen Fehlerraten. Um robuste Systeme zu schaffen, schlägt die Literatur eine Unempfindlichkeit gegen die Streuung vor. Prozesse sind robust, wenn das Prozessergebnis möglichst wenig von unvermeidlichen Schwankungen der Parameter, Materialeigenschaften und Umgebungsbedingungen abhängt [1, 2]. 

schmalzried1 1
Bild 1: Vorschlag für ein Rahmenwerk zur kontinuierlichen Stammdatenverbesserung.

Veränderliche Materialeigenschaften innerhalb von Toleranzbändern sind eine Ursache für Streuungen der Qualität. Im Zerspanungsprozess von hochlegierten Stählen beispielsweise gibt es deutliche Streuungen während der Bearbeitung. Abhängig von der Materialcharge entwickeln sich zum Beispiel bei der Zerspanung medizinischer Bauteile teilweise handhabbare und taugliche Späne, aber auch unkontrollierbare und prozessstörende Späne. Diese Information liegt in Form von Bewegungsdaten im ERP-System vor. Weiterhin wird im gleichen Zusammenhang eine deutliche Streuung des Werkzeugverschleißes beobachtet, der auch als Bewegungsdatum im ERP-System erfasst werden kann. Erstaunlich ist dies, da die Materiallieferung aufgrund der Stammdaten jeweils identisch erfolgt und der Lieferant sich akribisch an die vorgegebenen Normen hält. Die dort zu findenden Toleranzkorridore bei Legierungsbestandteilen sind in diesem Zusammenhang ursächlich für unterschiedliches Prozessverhalten. Darüber hinaus werden einige übliche und notwendige Materialbestandteile in der Norm nicht genannt und bilden damit einen unkontrollierbaren Freiheitsgrad. Der Fertigungsbetrieb hat jedoch in der Regel kein vertiefendes werkstoffkundliches und chemisches Expertenwissen darüber, welche chemischen Bestandteile der Norm für einen stabilen Bearbeitungsprozess in einem besonders engen Toleranzkorridor gehalten werden sollten. Wird nun das Prozesswissen in Form von Bewegungsdaten aus dem PP-Modul mit dem Qualitätswissen aus dem QM-Modul und den Stammdaten zusammengeführt, so ermöglicht dies die Aufdeckung von Auffälligkeiten und Mustern. Sie zeigen, welche Stammdaten einen Einfluss auf das Prozessverhalten haben. Der Materialhersteller seinerseits nimmt bei jeder Materialcharge eine Materialprobe und kann daraus den tatsächlichen Anteil der Legierungsbestandteile wesentlich präziser als von der Norm gefordert für die zugehörige Charge benennen. Darüber hinaus können auch die Volumenanteile der enthaltenen nicht genormten chemischen Elemente erfasst und dem Kunden verfügbar gemacht werden. Werden nun die Stammdaten auf Kundenseite im MM-Modul mit Parametern erweitert, die dem Lieferanten bekannt sind, können mithilfe von KI hochinteressante Muster erkannt und der Prozess robuster geführt werden. Gleichzeitig können Erkenntnisse gewonnen werden, welche Vorgaben evtl. sogar zu eng bemessen wurden, aber im Prozess keinen störenden Einfluss haben.  Diese Vorgaben können zukünftig freier und ggf. kostengünstiger gestaltet werden. Zur kontinuierlichen Prozessverbesserung lässt sich diese Vorgehensweise zusätzlich erweitern auf eine Vielzahl von Parametern und Objekten, wie Daten von Werkzeugen, Aufspannungen und Kühlschmierstoffen.

Fallbeispiel 2: Mit Bewegungsdaten neue Stammdaten designen

In den rückgemeldeten Bewegungsdaten im ERP-System sind Prozessinformationen versteckt, die für das Design der Stammdaten benutzt werden können. Ein regelhafter Verschleiß von Elementen führt z. B. zu längeren Prozesszeiten. So führt der Verschleiß von Kugeln in einer Zementmühle dazu, dass über die Lebenszeit hinweg gesehen tendenziell immer länger gemahlen werden muss, um die gleiche Feinheit zu erhalten. Wenn die anfallenden Bewegungsdaten auf solche Muster hin ausgewertet werden, können daraus 

Lesen Sie weiter im Shop

zum Shop

ORSOFT GmbH

Martin-Luther-Ring 13
04109 Leipzig

zum AnbietereintragView Provider Entry



BewegungsdatenDatenanalyseERP-BetriebStammdatenWissen





Das könnte Sie auch interessieren

Anbieterportal

Premium

Eintragung ins ERP-Anbieterportal


alle Anbieter
Sharer Icon: facebookSharer Icon: TwitterSharer Icon: LindekInSharer Icon: XingSharer Icon: EnvelopeSharer Icon: Print
Banner

Neu: ERP 3/2022

Die vorliegende Ausgabe von ERP Management befasst sich mit der ERP-Implementation.  Lesen Sie hier, welchen Nutzen erfolgreiche Strategien der digitalen Transformation bringen.

Inhaltsverzeichnis

Leseprobe

JETZT bestellen!

The World of ERP in One Event!

The ERP competition of the year 2022

  • Meet the trendsetters in ERP – the best of the best and the most innovative
  • Intelligent solutions for the future – 11 winning categories
  • An independent jury with top-class digital and industry experts
  • Registration deadline ends June, 2022

Get your ticket now!

Wir verwenden Cookies, um die Nutzererfahrung stetig zu verbessern. Mehr Erfahren.

We use cookies to constantly improve our users’ experience. Learn more.

Essentielle Cookies

Essential Cookies

Cookie Settings
Speichert Einstellungen, die hier getroffen werden. (1 Jahr)

Cookie Settings
Saves selected settings. (1 Year)

Statistik

Statistics

Google Analytics | Google LLC | Datenschutz
Cookie von Google für Website-Analysen. Erzeugt statistische Daten darüber, wie der Besucher die Website nutzt. Alle Informationen werden anonymisiert gespeichert. (2 Jahre)

Google Analytics | Google LLC | Privacy Notice
Cookie used by Google for web site analysis. Collects statistical data on how visitors use the website. This data does not contain personal information. (2 years)