Was versteht man unter Manufacturing Analytics?

Hersteller aller Art, von Aluminium- und Stahlproduzenten bis hin zu Herstellern von elektronischen Bauteilen, Flugzeugtriebwerken und Chemikalien, nutzen Datenanalysen, um den reibungslosen Betrieb ihrer Fabriken zu unterstützen, die Leistung ihrer Zulieferer zu verfolgen, die Perfect Order-Rate zu erhöhen, Engpässe in der Lieferkette zu erkennen, die Produktivität ihrer Mitarbeiter zu verbessern, Produktrückrufe zu reduzieren und letztendlich Kosten zu senken und Gewinne zu steigern.

Was versteht man unter Manufacturing Analytics?

Hersteller nutzen Datenanalysen, um ungeplante Ausfallzeiten zu reduzieren, wichtige Leistungsindikatoren zu verfolgen und die Effizienz der Fabrik sowie die Kundenzufriedenheit zu verbessern. Der allgemeine Trend wird als Industrie 4.0 oder Smart Manufacturing bezeichnet. Dabei werden Daten aus konventionellen IT-Systemen sowie aus Industrieanlagen gesammelt und Analyseanwendungen eingesetzt, um fundiertere Entscheidungen zu treffen. Analysen helfen den Herstellern außerdem, die Ursachen von Produktionsfehlern zu ermitteln und Engpässe in den Fertigungs- und Lieferkettenprozessen vorherzusagen, die die Auftragsabwicklung stören könnten.

Wichtigste Erkenntnisse

• Hersteller tragen zur Aufrechterhaltung des Betriebs ihrer Anlagen während der Produktion bei, indem sie Sensordaten analysieren, um zu erkennen, wann diese Anlagen wahrscheinlich ausfallen werden.
• Hersteller helfen dabei, ihre Anlagen während der Produktion am Laufen zu halten, indem sie Sensordaten analysieren, um zu erkennen, wann ein Ausfall dieser Anlagen wahrscheinlich ist.
• Analysen helfen Herstellern bei der kontinuierlichen Überwachung ihrer Lieferketten, indem sie ihnen Einsicht in die Bewegung von Rohstoffen oder Teilen auf dem Transportweg von den Zulieferern sowie von Materialien, die sich in verschiedenen Werken befinden, verleihen.
• Hersteller nutzen Analysen, um die Anzahl und den Umfang von Produktrückrufen zu reduzieren, indem sie bestimmte Maschinen oder Produktionslinien identifizieren, bei denen Qualitätsprobleme aufgetreten sind. Auf diese Weise können sie statt ganzer Sendungen gezielt bestimmte Produktchargen zurückrufen.
• Hersteller nutzen Analysen, um wichtige Kennzahlen im Auge zu behalten und sicherzustellen, dass sie ihre Zielvorgaben für Perfect Orders erreichen.

Manufacturing Analytics erklärt

Die meisten Hersteller verwenden Sensoren zur Erfassung von Daten aus ihren Anlagen und Ausrüstungen, die als Betriebsdaten bezeichnet werden, sowie aus den IT-Systemen, auf denen Anwendungen zur Verwaltung ihrer Fertigungs-, Finanz-, Lieferketten- und Personalprozesse laufen. Fertigungsanalysen helfen Führungskräften, Entscheidungen auf der Grundlage dieser zusammengefassten Daten zu treffen.

Mithilfe von Analysesystemen können Führungskräfte beispielsweise wichtige Kennzahlen (KPIs) verfolgen, um herauszufinden, welche Zulieferer stets fristgerecht liefern, Engpässe in der Lieferkette erkennen und den Umfang von Produktrückrufen begrenzen. Analysesysteme interpretieren außerdem Bestands- und Arbeitsauftragsdaten aus dem ERP-System und Daten, die von Maschinen in der Fabrikhalle erzeugt werden. Sie warnen Manager, wenn ein wichtiges Ankunftsfenster wegen unzureichender Produktion oder Maschinenstillstand verpasst werden könnte. Diese Art der Analyse unterstützt Hersteller dabei, ihre Perfect Order-Rate zu verbessern – eine Kennzahl, die die Fähigkeit eines Unternehmens widerspiegelt, die richtige Anzahl von Waren zu liefern, und zwar ohne Verluste oder Schäden, in der richtigen Verpackung und mit Rechnungen, die den vereinbarten Preis und die Anzahl der gelieferten Waren genau wiedergeben.

Wie funktioniert die Fertigungsanalyse?

Bei den meisten Herstellern senden Sensoren, die mit wichtigen Ausrüstungsgegenständen verbunden sind, konstante Datenströme, die in der Regel in einem Data Warehouse gespeichert werden, über jede erdenkliche Art von Parametern. Das sind beispielsweise die Temperatur, mit der der Motor läuft, und der Grad der von den Kugellagern ausgehenden Vibrationen. All diese können auf ein potenzielles Problem hinweisen, das behoben werden muss, bevor die Ausrüstung ausfällt und eine Produktionslinie zum Stillstand bringt.

Anspruchsvollere Fabriken kombinieren Betriebsdaten mit der zugehörigen IT, um die Produktionseinheiten über eine mögliche Störung zu informieren und Führungskräfte darauf hinzuweisen, dass ein bestimmter Arbeitsauftrag oder die mit dieser Anlage verbundene Produktion gefährdet ist. Diese Art der Analyse kann auch den Bestand umfassen. Manager verwenden Anwendungen, um zu visualisieren, wo sich Bestände befinden (in verschiedenen Lagern oder auf dem Transportweg von einem Lieferanten) und wenden Analysen an, um bessere und schnellere Entscheidungen über den Umgang mit einem potenziellen Bestandsdefizit zu treffen, das einen Produktionslauf stoppen könnte, wenn es nicht schnell behoben wird.

Vorteile von Manufacturing Analytics

Fertigungsanalysen bieten erhebliche Vorteile, von denen die wichtigsten im Folgenden erläutert werden.

• Ungeplante Ausfallzeiten verhindern. Hersteller verwenden Analysen, um Sensordaten zu interpretieren, die darauf hindeuten können, dass ein Gerät wahrscheinlich in absehbarer Zeit ausfallen wird. So können Sensoren beispielsweise erkennen, dass die Kugellager in einer Getriebewelle mit einer ungewöhnlichen Frequenz vibrieren, was darauf hindeutet, dass sie bald zu blockieren drohen. Anhand solcher Daten lassen sich vorbeugende Wartungsmaßnahmen durchführen, um den planmäßigen Betrieb der Maschine und der Produktionslinie aufrechtzuerhalten.
• Verbesserte Produktivität. Laut McKinsey sind Hersteller in der Lage, mithilfe von Analysen die Produktivität ihrer Anlagen und Mitarbeiter zu steigern und ihre Gewinnspannen um bis zu 10 % zu erhöhen. Das Beratungsunternehmen führte das Beispiel eines weltweit tätigen Chemieunternehmens an, das seine Kosten um mehrere Millionen Euro pro Jahr senken konnte, indem es unter anderem seine Abhängigkeit von Drittanbietern für bestimmte Produktlinien verringerte und Möglichkeiten zur Kapazitätserweiterung durch Erhöhung des Durchsatzes einiger wichtiger Produktionsanlagen erkannte. Das Unternehmen steigerte seinen Umsatz außerdem durch die Erhöhung der Produktionskapazität für andere Produktkategorien. Der Hersteller verwendete ein Analysemodell, das über 500 Variablen, mehr als 3.000 Einschränkungen und Hunderte von Produktionsschritten berücksichtigte.
• Neue Geschäftsmodelle unterstützen. Viele Hersteller experimentieren mit neuen Geschäftsmodellen, die auf der Erbringung von Dienstleistungen und dem einfachen Verkauf fertiger Produkte beruhen, in manchen Kreisen auch als „Product-as-a-Service“ bekannt. Beispiele hierfür sind Hersteller von Flugzeugtriebwerken, die von Fluggesellschaften Gebühren für die Anzahl der Flugstunden erheben, in denen ein Triebwerk nicht repariert werden muss, oder Hersteller medizinischer Geräte, die von Krankenhäusern Gebühren auf Nutzungsbasis verlangen und die Betriebszeit der Geräte im Gegenzug für laufende Servicegebühren garantieren. Analysen machen diese Dienste möglich, da die Hersteller die von ihren Systemen gesammelten Daten analysieren, um zu ermitteln, wann eine vorbeugende Wartung erforderlich ist. Die gesammelten und analysierten Daten helfen den Herstellern nicht nur beim Aufbau einer differenzierten, wiederkehrenden Einnahmequelle, sondern auch bei der Verbesserung künftiger Produkte und beim Aufbau langfristiger Kundenbeziehungen.
• Kosten optimieren. Hersteller können ihre Gesamtkosten besser nachvollziehen, einschließlich Arbeits-, Material- und Gemeinkosten sowie anomale Ausgaben, wie z. B. die Bestellung eines zu hohen Sicherheitsbestands für einen Rohstoff, der zu überhöhten Lagerkosten führt. Eine solche Nutzung von Analysen kann zu besseren Gewinnspannen führen.
• Wichtige Kennzahlen im Auge behalten. Führungskräfte nutzen Analysen, um potenzielle Probleme zu erkennen, die sich auf wichtige Aspekte des Unternehmens auswirken könnten, sowohl in ihren Betrieben als auch in ihren Lieferketten. Kein einzelner KPI kann Aufschluss über die Leistung eines Werks oder Produktionsunternehmens geben. Darüber hinaus spiegeln einige KPIs, wie z. B. die Liefertermintreue, nicht nur die Leistung eines Werks, sondern einer gesamten Lieferkette wider. Führende Hersteller setzen Analysen ein, um ihren Managern zu helfen, die Probleme zu verstehen, die jedem dieser KPIs zugrunde liegen, und um zu verstehen, wie sie miteinander in Beziehung stehen.
  
  Zu den häufigsten KPIs gehören:
  • Perfect Order-Rate, die sich, wie bereits erwähnt, aus verschiedenen KPIs zusammensetzt, die widerspiegeln, wie ein Hersteller fertige Waren fehlerfrei liefert. Dazu gehören der Versand der richtigen Anzahl von Waren, ihre korrekte Verpackung und die Garantie, dass sie von einer Dokumentation begleitet werden, die mit der tatsächlich versandten Menge übereinstimmt und gemäß den vereinbarten Preisen in Rechnung gestellt wird.
  • Ausbeute, die die Effizienz der Warenproduktion misst, indem sie die Anzahl der nach Standardspezifikationen produzierten Einheiten als Prozentsatz der Gesamtzahl der produzierten Einheiten berechnet.
  • Gesamtanlageneffektivität (OEE), die den prozentualen Anteil der Zeit misst, in der eine Anlage produktiv ist, wobei Produktqualität, Anlagenverfügbarkeit und Leistung berücksichtigt werden. Durch die Analyse der OEE zu einem bestimmten Zeitpunkt können Hersteller potenzielle Anlagenausfälle vorhersagen und die Wartung entsprechend planen.
  • Liefertermintreue, die den prozentualen Anteil der Einheiten misst, die innerhalb eines bestimmten Zeitrahmens, wie dem Kunden versprochen, geliefert werden. Diese Analyse hilft dabei, potenzielle Verzögerungen bei der Auftragsabwicklung zu verstehen und ihre genaue Ursache zu ermitteln, unabhängig davon, ob sie mit Lieferproblemen von Lieferanten oder Engpässen im Auftragsmanagement zusammenhängen.
  • Durchsatz, der die Effizienz einer bestimmten Anlage oder eines bestimmten Herstellers berechnet, basierend auf der Gesamtanzahl der in einem bestimmten Zeitraum produzierten Waren. Durch die kontinuierliche Überwachung dieser Art von Daten können Hersteller potenzielle Ineffizienzen der Anlagen erkennen, Ressourcenrückstände verwalten und Produktionspläne anpassen, um ihre Ziele zu erreichen.
  • Zykluszeit, eine Methode zur Berechnung der Fähigkeit der Anlagen eines Herstellers, die Nachfrage zu befriedigen, gemessen an der Menge der Waren, die ein Werk vom Zeitpunkt der Bestellung eines Kunden bis zum Erhalt der Waren durch den Kunden produziert.
  • Produktionsvolumen, das die Gesamtzahl der innerhalb eines bestimmten Zeitraums produzierten Einheiten misst.
  • Kapazitätsauslastung, die misst, wie gut ein Hersteller seine Kapazität an die Nachfrage anpasst, wird berechnet, indem die in einem bestimmten Zeitraum genutzte Gesamtkapazität durch die gesamte verfügbare Produktionskapazität geteilt und mit 100 multipliziert wird, um einen Prozentsatz zu erhalten.
  • Ausschussrate, die die Menge des Materials misst, das nach Beendigung eines Auftrags verschrottet werden muss. Je niedriger die Rate, desto besser.
• Lieferantenleistung verfolgen. Hersteller nutzen Analysen, um Lieferanten zu finden, die Teile oder Rohstoffe stets pünktlich liefern. Außerdem überwachen sie damit die Qualität der Produkte ihrer Zulieferer, deren Preise im Vergleich zu denen der Konkurrenz sowie die Einhaltung von Arbeits- und Umweltstandards.
• Lieferkettensichtbarkeit erlangen. Hersteller nutzen Analysen zur Erstellung von Berichten über ihre Lagerbestände an Rohstoffen oder Teilen. Sie können sich ein Bild davon machen, welche Teile sich noch auf dem Transportweg befinden und wo in den verschiedenen Werken Bestände vorhanden sind, die verschoben werden können, um ein Defizit an einem anderen Standort auszugleichen. Das ist besonders wichtig für große Hersteller mit Tausenden von Lieferanten, die Hunderte von Aufträgen gleichzeitig ausführen.
• Arbeitsaufträge priorisieren. Analysen erleichtern den Fertigungsteams die Entscheidungsfindung darüber, welchen Projekten und Produktionsläufen sie Vorrang einräumen sollen, und zwar auf der Grundlage von Faktoren wie dem Zeitpunkt, zu dem ein Produkt versprochen wurde, ob es derzeit Störungen in der Lieferkette gibt und ob die Teams über den für jeden Auftrag benötigten Bestand verfügen. Analysen ermöglichen Vorgesetzten den Vergleich von Arbeitsaufträgen, Kundenaufträgen und Lagerbeständen, und die Produktionsleiter können erkennen, wie sich die verschiedenen Produktionsläufe in einen Gesamtfertigungsplan einfügen. Ein Werksleiter könnte beispielsweise beschließen, einen neueren Arbeitsauftrag für einen Premium- oder Großkunden, der schnell abgewickelt werden muss, auszuführen und einen früheren Auftrag eines weniger beständigen Kunden, dessen Abwicklung nicht so lange dauert, zurückzustellen.
• Gesteigerte Mitarbeiterproduktivität. Wie bereits erwähnt, können Analysen dazu beitragen, ungeplante Ausfallzeiten zu reduzieren, sodass die Produktionsmitarbeiter seltener untätig sind. Sie können aber auch dazu beitragen, dass die Mitarbeiter Wartungsarbeiten für Zeiten planen, in denen die Geräte nicht in Betrieb sind, was bei mehreren laufenden Arbeitsaufträgen in mehr als einer Anlage eine Herausforderung sein kann. Dadurch wird sichergestellt, dass die Wartungsteams nicht auf die Wartung der Maschinen warten müssen, was nicht selten der Fall ist. Schätzungen zufolge verbringt das Wartungspersonal nur etwa ein Viertel seiner Zeit mit produktiver Arbeit. Dieselbe Art von Analysen kann zur Anpassung anderer Prozesse verwendet werden, z. B. zur Anpassung der Anfangs- und Endzeiten von Schichten an Zeitfenster für Materiallieferungen oder andere externe Faktoren.
• Den Umfang von Produktrückrufen begrenzen. Analysen verwenden detaillierte Berichte von einzelnen Geräten, einschließlich Echtzeit-Produktionsdaten und Qualitätskontrollberichten, um Herstellern zu helfen, genau zu erkennen, wann ein Qualitätsproblem aufgetreten ist, an welcher Produktionslinie und an welchem Gerät. Dadurch lässt sich der Umfang von Produktrückrufen begrenzen, was die Kosten senkt und die Kundenzufriedenheit erhöht.
• Detailliertere Daten abrufen. Hersteller verwalten ihre Abläufe anhand von KPIs mit Daten, die im Allgemeinen auf Werksebene vorliegen. Diese Daten können auch mit einzelnen Produktionslinien und sogar Maschinen verknüpft werden, sodass Hersteller Durchsatz, Zykluszeiten und andere KPIs auf granularer Ebene verbessern können.
• Mitarbeiterfluktuation verringern. Analysen können Herstellern dabei helfen, Sicherheitsrisiken, schwierige Arbeitsbedingungen, übermäßig lange Arbeitsschichten und unzureichend ausgelastete Mitarbeiter zu erkennen, diese Probleme zu beheben und so die Arbeitsmoral, die Sicherheit und die Betriebszugehörigkeit zu verbessern. Darüber hinaus nutzen Hersteller Analysen, um Mitarbeiter mit anderen Fähigkeiten als denen, die sie für eine bestimmte Position benötigen, zu identifizieren, um sie in andere Unternehmensbereiche zu versetzen und ihre Karriere voranzutreiben.
• Einheitliche Finanzdaten erzeugen. Unternehmen, die immer noch mit Tabellen und anderen manuellen, unzusammenhängenden Mitteln zur Verwaltung von Finanzdaten arbeiten, verfügen häufig über uneinheitliche Daten. Das kann auf Fehler in der Berichterstattung zurückzuführen sein oder darauf, dass die Manager versuchen, eine schief gelaufene Situation so gut wie möglich darzustellen. Die Analyse von Daten, die sowohl aus Finanzanwendungen als auch aus Anlagen in der Produktion stammen, kann automatisierte und genaue Berichte erstellen, die keine menschlichen Fehler oder Manipulationen enthalten.

9 Best Practices für Manufacturing Analytics

Erfolgreiche Analyseprojekte weisen mehrere wichtige Merkmale auf, die in den folgenden Best Practices beschrieben werden.

Business Use Cases für Manufacturing Analytics

Hersteller nutzen Datenanalysen, um die Gesamteffizienz ihrer Betriebsabläufe und Lieferketten zu verbessern und einen besseren Einblick in die wichtigsten Kennzahlen zu erhalten – z. B. die Gesamteffizienz der Anlagen, die Betriebszeit der Anlagen und den Ertragsdurchsatz. Betrachten Sie die folgenden Beispiele.

• HarbisonWalker International. Große internationale Hersteller können Analysen nutzen, um die Prognosegenauigkeit und die termingerechte Lieferung von Bestellungen zu verbessern. So verfügt beispielsweise HarbisonWalker International, ein mehr als 150 Jahre altes Unternehmen, das feuerfeste Produkte herstellt (Produkte, die großer Hitze, hohem Druck oder chemischen Angriffen standhalten), über zahlreiche, über drei Kontinente verstreute Anlagen. Die Kombination aus Übernahmen und unzähligen Anwendungen, die in den letzten 20 Jahren zusammengefügt wurden, erschwerte die Datenerfassung und -analyse im Unternehmen. Durch die Konsolidierung von Daten und Anwendungen in einem einzigen Cloud-ERP-System hat HarbisonWalker unternehmensweit Produktions- und Finanzdaten analysiert, um die Prognosegenauigkeit zu verbessern, Überstunden zu reduzieren, die Lagerbestände fein abzustimmen und die Liefertreue auf über 90 % zu erhöhen.
• Western Digital. Analysen helfen großen Unternehmen, datengestützte Entscheidungen schneller zu treffen. So verlangsamten beispielsweise mehrere Faktoren wie die Übernahmen von Hitachi Global Storage Technologies und SanDisk, die jeweils unterschiedliche Daten- und Workflow-Plattformen verwendeten, die Arbeitsabläufe für die Datenberichterstattung beim Datenspeicherunternehmen Western Digital. Die drei Unternehmen hatten zusammen mehr als 2.000 Anwendungen zu verwalten, und die IT-Abteilung benötigte mehr als acht Stunden, um das Data Warehouse zu aktualisieren. Dadurch hatten die Geschäftsnutzer während des Arbeitstages keinen Zugriff auf Business Intelligence und Analysen, und wenn die Berichte dann verfügbar waren, waren die Daten bereits 24 bis 48 Stunden alt. Durch die Standardisierung von Daten und Arbeitsabläufen in einem neuen cloudbasierten System mit vorkonfigurierten Berichten ermöglichte Western Digital seinen Führungskräften den Zugriff auf analytische Daten innerhalb von etwa 20 Minuten. Darüber hinaus konnte das Unternehmen durch die Konsolidierung von Daten und Plattformen die Arbeitsabläufe straffen und sicherstellen, dass alle Manager und Führungskräfte mit denselben Datensätzen und Berichten arbeiten.
• Bitron. Hersteller nutzen Analysen, um den Zeitaufwand ihrer Führungskräfte für die Suche nach Daten zu reduzieren und ihnen die Entscheidungsfindung auf empirischer Basis statt auf der Grundlage des Bauchgefühls zu erleichtern. Bitron, ein italienischer Hersteller von mechanischen und elektronischen Komponenten für eine Vielzahl von Branchen, darunter Energie, Automobil und HLK, nutzt Cloud-Technologie, um Datensilos zu beseitigen. Mit Selfservice-Analysetools können Manager die Berichte erstellen, die sie benötigen. In der Regel müssen die Benutzer Daten aus verschiedenen Quellen exportieren und Analysen separat mit punktuellen Analysetools durchführen, was zu unzureichenden Erkenntnissen führt. Mit Oracle Analytics Cloud, das Funktionen zur Datenaufbereitung und -anreicherung enthält, können sie jedoch leichter Daten aggregieren und KPIs erstellen, die ihnen bei der Verwaltung von Fertigungsprozessen helfen.
• Bonnell Aluminum. Durch Analysen erhalten Hersteller mehr Einsicht in ihre Lieferketten und Abläufe, sodass sie die Kundenanforderungen besser erfüllen können. Bonnell Aluminum, ein Hersteller von kundenspezifisch gefertigten und veredelten Aluminium-Strangpressprofilen, versuchte, Daten aus dem Personal-, Finanz- und Betriebsführungssystem zu nutzen, einschließlich Daten aus fünf Produktionsstätten, die sich in nicht interoperablen Datenlagern befanden. Die Werksleiter kombinierten Daten aus Tabellen vor Ort mit einem selbst entwickelten ERP-Berichtssystem, was zu uneinheitlichen Daten und schlecht fundierten Entscheidungen führte. Aufgrund des Mangels an zuverlässigen Daten war es nicht möglich, weltweit Materialengpässe zu erkennen oder zuzuordnen, leistungsschwache Lieferanten zu identifizieren und Kundenbestellungen zu priorisieren. Diese Unklarheit wurde mit der Zeit unhaltbar, da 80 % des Geschäfts von Bonnell in der Auftragsfertigung angesiedelt waren, die die Lieferung von Waren nach vorgegebenen Spezifikationen zu einem bestimmten Zeitpunkt erfordert. Dank einer neuen cloudbasierten ERP- und Analyseplattform kann das Unternehmen nun bessere Einkaufs- und Bestandsentscheidungen treffen. Durch die Verknüpfung von Daten aus dem gesamten Unternehmen, einschließlich der Daten von Zulieferern, kann Bonnell zudem besser verstehen, welche Produkte am stärksten nachgefragt werden, Prozessengpässe (z. B. Verspätungen von Zulieferern und damit verbundene Bestandsprobleme) erkennen und notwendige Änderungen vornehmen (z. B. Umverteilung von Arbeitskräften und Ausgaben), um diese kundenspezifischen Anforderungen zu erfüllen.

Einsatz von Datenanalysen in der Fertigung

Die meisten Fertigungsunternehmen nutzen zwar bereits Datenanalysen, aber in vielen Fällen haben sie noch keine umfassende Strategie dafür. Dazu gehören die einheitliche Aggregation und Bereinigung von Daten, die Durchführung von analytischen Abfragen anhand dieser Daten und die Systematisierung von Reaktionen auf Warnmeldungen oder andere Informationen, die sich aus den Daten ergeben. Hersteller sollten die folgenden 10 Best Practices für die Umsetzung berücksichtigen.

1. Erstellen Sie eine Bestandsaufnahme des aktuellen Zustands Ihrer Datenbestände, und dokumentieren Sie, wie der Endzustand aussehen soll, einschließlich der Kennzahlen, die Sie gerne hätten (im Hinblick auf vorbeugende Wartung, Qualitätsverbesserung, Arbeitssicherheit usw.).
2. Bestandsaufnahme Ihrer Datentypen. Dazu gehören unstrukturierte Daten, die von Maschinen, Geräten, Transportmitteln und anderen Quellen gesammelt werden, sowie Daten aus der Fertigung, dem Finanzwesen, der Lieferkette, dem Vertrieb, dem Marketing, der Personalabteilung und anderen Anwendungen sowie strukturierte Daten, die in Data Warehouses oder Data Lakes organisiert sind.
3. Beginnen Sie einen Datenmigrationsprozess, indem Sie zunächst die Daten in einem einzigen Data Warehouse oder einem anderen Repository konsolidieren, das zur Gewährleistung der Geschäftskontinuität gesichert wird. Die Rationalisierung der Daten ist nicht nur ein entscheidender erster Schritt im Analyseprozess, sondern trägt auch zur Senkung der Speicherkosten bei, was ein guter erster Gewinn ist.
4. Erstellen Sie Konnektoren oder Datenfeeds von unterschiedlichen Datenquellen in das zentrale Repository.
5. Verwenden Sie Datenbereinigungssoftware, um doppelte, widersprüchliche oder anderweitig ungenaue Daten aus verschiedenen Systemen zu entfernen und sicherzustellen, dass die zentralisierten Daten sauber und zuverlässig sind.
6. Fangen Sie, wie bereits erwähnt, klein an. Nehmen Sie zunächst eine Produktionsanlage ins Visier, die als Engpass identifiziert wurde, damit die Teams Analysen zur vorbeugenden Wartung und zur Verringerung der Ausfallzeiten anwenden können. Oder ermitteln Sie eine Reihe von KPIs (Zykluszeiten, Durchsatz, Arbeitssicherheit usw.), die Sie mithilfe von Analysen verfolgen und verbessern können.
7. Verlegen Sie die Analysen auf wichtigere Produktionslinien oder Lieferkettenprozesse.
8. Lassen Sie Geschäftsnutzer ihre eigenen Berichte und Dashboards in den von ihnen gewünschten Abständen erstellen, um ihre Abhängigkeit von der IT-Abteilung zu verringern.
9. Konfigurieren Sie visuelle Berichte (im Gegensatz zu Berichten im Tabellenformat), um Ihren Mitarbeitern die Entscheidungsfindung auf der Grundlage von Datenanomalien oder anderen Merkmalen zu vereinfachen.
10. Verwenden Sie nach Möglichkeit vorgefertigte Berichte, die Teil des Analysesoftwarepakets sind und branchenübliche KPIs liefern, mit denen Sie Ihre Aktivitäten mit denen der Konkurrenz vergleichen können.

Die Zukunft von Manufacturing Analytics

Die meisten Hersteller setzen zwar bereits Informationstechnologie und in gewissem Maße auch Telematik oder andere Instrumente in ihren Maschinen ein, doch die Nutzung von Informationstechnologie und insbesondere von Analysemethoden ist eher uneinheitlich. Das liegt daran, dass sich die Daten in verschiedenen Silos befinden, was den Zugriff und die Analyse erschwert.

Die Standardisierung von cloudbasierten IT-Systemen hilft den Herstellern, all diese Daten – sowohl strukturierte als auch unstrukturierte – zu konsolidieren, sodass sie Analysen auf eine abgestimmte, einheitliche Art und Weise nutzen können, um genaue und verlässliche Einblicke zu gewinnen und die Entscheidungsfindung zu verbessern.

Und schließlich wird die Einführung von Low-Code- und No-Code-ML, die in die Analysen eingebettet sind, es den Geschäftsanwendern ermöglichen, selbständig Berichte zu erstellen, ohne ein Anfrage-Ticket ausfüllen oder anderweitig Hilfe von der IT-Abteilung erhalten zu müssen. Das führt zu einer häufigeren Nutzung von Daten und allen sich daraus ergebenden Vorteilen.

Zukunftssichere Fertigungsprozesse mit Oracle

Oracle Cloud Supply Chain & Manufacturing, Teil von Oracle Fusion Cloud ERP, hilft Herstellern, schnell auf dynamische Nachfrage-, Angebots- und Marktbedingungen zu reagieren. Hersteller, die diese Anwendungssuite nutzen, können die Bestandsmuster kontinuierlich überwachen, um das Risiko von Auftragsrückständen zu mindern, feststellen, ob die Leistung von Lieferanten die Produktionsziele beeinträchtigen könnte, und vieles mehr.

Oracle Fusion Supply Chain & Manufacturing Analytics ermöglicht es Herstellern, die Produktivität mit vorgefertigten Einblicken zu erhöhen, die Effizienz in der Fertigung durch schnelles Erkennen von Anomalien zu verbessern und sämtliche Prozesse – von Planung bis Herstellung – mit einer integrierten Ansicht der Lieferketten- und Fertigungsdaten zu optimieren.

Manufacturing Analytics – Häufig gestellte Fragen

Wie helfen Analysen Herstellern?
Hersteller nutzen Analysen für eine Vielzahl von Zwecken, z. B. um ungeplante Ausfallzeiten zu reduzieren, die Leistung von Zulieferern zu verfolgen und zu verbessern, Arbeitsaufträge zu priorisieren, die Produktivität der Mitarbeiter zu steigern und Produktfehler zu reduzieren.

Welche Arten von physischen Ereignissen können Sensoren erkennen?
Sensoren können das Auftreten von Flammen, Gaslecks und Ölständen erkennen und physikalische Eigenschaften wie Temperatur, Druck und Strahlung messen. Sie können zudem Bewegungen und die Nähe von Objekten zueinander erkennen.

Woher bekommen die Hersteller die Daten, die sie analysieren?
Hersteller korrelieren Daten aus einer Vielzahl von Quellen, darunter Maschinen in der Fabrik, Back-Office-IT-Anwendungen, Zulieferer und Drittanbieter von Daten zu Märkten, Demografie, Wetter, Vorschriften, Patenten, Umwelt-, Sozial- und Unternehmensführungspraktiken und anderen Informationskategorien.