Intelligentes Enterprise Asset Management

Transkript

1 Intelligentes Enterprise Asset Management Steigerung der Leistungsfähigkeit der Instandhaltung durch smarte Analyse- und Optimierungswerkzeuge Hagen Neulen, Business Solution Manager (EAM)

2 Smartes Asset Care - Enterprise Asset Management (EAM) Betrieb und Unterhalt aller geschäftskritischen Assets sowie der unterstützenden Prozesse über den gesamten Asset-Lebenszyklus FACILITIES & PROPERTY BETRIEBS ASSETS IT ASSETS & DATEN Kommunikationsinfrastruktur Produktionsinfrastruktur 2 Rechenzentren Liegenschaften Übergreifende EAM Prozesse: Instandhaltung von (Produktions-) Anlagen Flotten- und Fuhrpark Management Facility- und Property Performance Management Energie-, Emissions- und CO 2 Management Allgemeine technische Dienste / Infrastruktur IT Asset- und Service Management Transport & Verkehrs - infrastruktur

3 Optimierungsbereiche für EAM Erweiterung des klassischen Instandhaltungsmanagements EAM Branchenlösungen, Mobile Anwendungen, Visualisierung Unterstützung von Konzepten wie Lean und TPM Integration in Unternehmensprozesse und Systeme Verbesserung der Instandhaltungsprozesse mit Analytics Driven Asset Management Dashboarding Data Mining / Korrelationsanalyse zur Schwachstellenerkennung Optimierung und Geschäftsregel-Management Ersatzteiloptimierung 3

4 Operatives Asset- und Service Management Verwaltung von Anlagen, Auftrags- und Material Management 4

5 IBM Tivoli/Maximo Enterprise Asset Management Einheitlicher Lösungsansatz für Asset- & Service Management auf einer gemeinsamen Prozessplattform 5

6 IBM MAXIMO rollenbasierende Dashboard Start-Center Maximo Dashboard Start Center - rollenbasierend / individuell - Start von Anwendungen - individuelle Workflow-Inbox - individuelle Übersichten / Listen - graph. Echtzeit KPI mit Ampelfunktion Operatives Reporting Maximo Reporting operatives Reporting geschieht über - Standardberichte - Abfragen am Bildschirm mit Darstellung der Ergebnismengen - Umwandlung von Abfragen in Ad-Hoc-Berichte 6

7 Zielsetzung: Performancesteigerung und Kostensenkung im Asset Management 7

8 die Voraussetzung: Integration in Unternehmenssysteme GLT RZ BSM & Monitoring MES / SCADA Netcool Reporting & DataWarehouse Enterprise- Systeme/ERP Analytics & Optimization Projekt-Mgmt Doku-Mgmt CAFM / GIS CAD PLM PDM 8

9 Analytics Driven Asset Management Analytics Driven Asset Management (ADAM) ist ist ein ein neuer Ansatz zur zur Nutzung bestehender fortschrittlicher Analyse- und Optimierungstechnologien auch für für die die Instandhaltung! EAM-, MES/SCADA- und ERP-Systeme sammeln heute einen Reichtum an Daten über den Zustand bzw. die Performance von Anlagen sowie deren Kosten Diese Datenbestände werden heute im Asset- und Service Management noch nicht systematisch ausgewertet und genutzt EAM beruht stark auf institutionellem Wissen und persönlicher Erfahrung einzelner Mitarbeiter ( Bauchgefühl und Kopfwissen) Zielsetzung: Einbeziehung ADAM in Enterprise Asset Management 9

10 Analytics und Optimierung in der Instandhaltung Industrialisierung der Instandhaltungsprozesse Was passiert im besten Fall? Optimierung Vorteil / Nutzen / Potential Standard Reports Ad Hoc Reports Was wird als nächstes passieren? Was passiert, wenn sich der Trend fortsetzt? Warum ist das passiert? Abfrage Drilldown Was ist passiert? Alarmierung Statistische Analyse Wie häufig, wo ist es passiert? Vorhersage Trendverlauf Was ist zu tun? Wo genau liegt das Problem? Vorhersage Modellierung Analytics & Optimierung Datenzugriff und operatives Reporting BIRT Grad der erforderlichen System-Intelligenz Maximo EAM Datenbasis 10 IBM MAXIMO Maximo Service Desk Desk Maximo Branchenlösungen Maximo Spatial Asset Asset Management

11 Anwendungsfälle für Analytics und Optimierung Notfall Auswirkungs- Analyse Geo-orientierte Visualisierung & Analyse Was-Wäre- Wenn- Szenarien Asset Ausfall Vorhersage Mitarbeiter, Crew, Fuhrpark Scheduling Wartungsplanung Alarmierung Visualisierungs- und Optimierungsfähigkeit OLAP Analyse Monitoring Dashboard Bewertungs- & Analyse Regeln Optimierung Scheduling / Einplanung Asset & Planungs Visualisierung Optimierung Wartungspläne Sensor Daten GPS Standort Sensor Daten Multi-Mode, selbstlernende Technologie Websphere Sensor Events Multi- Mode Problem Modelle Vorausschauende Analyse Zuordnungs Modellierung Kausale Analyse Geo-statistische Analyse Optimierte Auftragsplanung Geo-orientierte Asset- Lokalisierung & Analyse Optimierte Schwachstellenanalyse Optimierte Assetperformance Datenbank (DB2, Oracle, MS SQLServer) 11

12 Monitoring und Dashboard Funktionalität 12 IBM Cognos bietet: - strategischen Data Warehousing und Reportingfähigkeit über unterschiedliche Datenquellen hinweg - Dashboard- Überwachungs- und Alarmierungsfunktionen - Dynamische Darstellung von Datenänderung - Anstossen von Alarmierungsverfahren aufgrund einstellbarer Schwellwerte

13 Systemgestützte Schwachstellenanalyse Multiple Datenquellen SPSS Data Mining Auswertung Befunde Abhilfe und Plan Aktionen CRM SCM QM PPS MES SCADA EAM / ITAM Fact Finding & Korrelations Analyse (automatisiert und selbstlernend) Engineering & Prozess- Untersuchung Schluss- Folgerungen & Erkenntnisse Entwicklung von Abhilfen Aufnahme Problem und Abhilfe in der Knowledge-Base Anpassung von Prozessen in der Fertigung Aufsetzen Kampagnen zur Fehlerbehebung Anpassung von Stücklisten in der Fertigung Durchführung Aktionen (Beispiele) Anpassung von Prozessen in der Instandhaltung Anpassung von 13

14 Kundenbeispiele im Instandhaltungsumfeld 14

15 Automatisierte Auftragsplanung für komplexe Anforderungen: ILOG Optimierung Business Value Betriebskosten senken Einhaltung Service Level Verkürzen Servicezeiten Individuelle Einplanung von Arbeitsaufträgen Kunden-Service flexibler und präziser anbieten Risikomanagement Aufgabenstellungen (Probleme) werden über Modelle beschrieben Variablen, Attribute, Einschränkungen, Abhängigkeiten, Ziele generische Modelle werden mit Anwendungsdaten gefüttert ILOG engine erarbeitet Lösungen über spezielle mathemat. Algorithmen 15 Ergebnis: optimierte Pläne, Arbeitspakete oder Terminfolgen

16 ILOG Optimizer - Kundenerfolge Kundenerfolge mit dokumentiertem ROI: 16

17 Optimierung der Lagerbestände über IBM DIOS - Identifiziert Möglichkeiten zur Optimierung von Lagerbeständen durch Bestimmung optimaler Losgrößen. - DIOS kann unterschiedliche Parameter in die Berechnung einbeziehen wie z.b. SLAs, Nachfrageänderungen, Vorlaufzeiten, Losgrößen, Überalterung und Nutzungsgrade. - DIOS identifiziert sogenannte Quick Hits zur schnellen Bestandsreduzierung. DIOS Optimierungsziele Dynamic Inventory Optimization Solution (DIOS) Optimale Losgröße pro Artikel Optimaler Sicherheitsbestand pro Artikel Optimale Beschaffungspolitik für jede Artikelklasse Reduzierung überzähliger Artikel Übertreffen der Erwartungen bei der Einhaltung von Service Level 17

18 Was bedeutet Optimierung der Lagerbestände Maximo EAM Funktionalität Lagerverwaltung Beschaffung Auftragsverwaltung Vertragsverwaltung DIOS Optimierungs Funktionalität Kalkulation von Losgrößen Kalkulation von Pufferbeständen Kalkulation von Bestellpunkten Simulationen Vergleich von Szenarien Was Wäre Wenn-Analysen Kundennutzen Aufrechterhaltung / Erhöhung der Bestands-Service Level Senkung der Bestände und damit der Bestands-Kosten um durchschnittlich 30% - 50% Verbessertes Forecasting von Beständen Intelligentere Sicherheitsbestände Class NU Sums No. of Cumulative No. of batch days usage values SKUs 6000 Thousand EUR DIOS results No. of Batch Safety Stock batches value value value Values are in Thousand EUR / Overage Performance is % Inventory Classes Inventory Value Thousand EUR K=3750 K=2500 K=1750 K=1250 K=875 K=625 K=500 K=375 K=250 K=175 K=125 K=88 K=63 K=50 K=38K=25 K= Number of Batches Actual values No. of Batch Safety Stock batches value value value Potential Savings

19 Strategisches Asset- und Service-Management Optimierung von Anlagenperformance und unterstützenden Prozessen 19

20 Hagen Neulen Dipl. Kfm. Business Solution Manager Enterprise Asset Management IBM Deutschland GmbH Software Group Mobile