Bearbeitung und Analyse großer

Transkript

1 Auf dem Weg zur perfekten Fabrik: Bearbeitung und Analyse großer Datenmengen in MES 1

2 Fachthema: Bearbeitung und Analyse großer Datenmengen in MES Über den Autor Der Autor ist spezialisiert auf die MES Thematik. Er definiert heute MES neu als Manufacturing Efficiency System, das integriert den Produktionsprozess steuert und die Gesamteffizienz steigert. Der Autor berät Produktionsunternehmen bei der Optimierung ihrer Prozessabläufe und unterstützt sie bei der Auswahl eines geeigneten Produktionssteuerungssystems der neuen Generation (MES/MOM) Artikel vom Autor über folgenden Link mes-consult.de/auf%20dem%20weg%20zur%20perfekten%20fabrik%20mit%20mes.pdf Bücher vom Autor: MES Grundlage der Produktion von Morgen (Koautor; Oldenbourg Verlag) MES Integriertes Produktionsmanagement (Carl Hanser Verlag) 2

3 Inhaltsverzeichnis Inhaltszusammenfassung 4 Begriffe: Begriffserläuterungen zum Thema Data Warehouse 7 Fachthema: Bearbeitung und Analyse großer Datenmengen in MES 13 Produktvorstellung: mdice Manufacturing Data Warehouse von camline, Petershausen 22 Seminare: Seminar 1: MES Marktüberblick Individuelles Anforderungsprofil 31 Anbieter Vorauswahl Lastenheft Seminar 2: MES Schulungskurs 34 3

4 Inhaltzusammenfassung Begriffe: Begriffserläuterung zum Thema Data Warehouse Es werden die Begriffe OLTP, ETL, Data Mining, OLAP und Data Warehouse erläutert. Fachthema: Bearbeitung und Analyse großer Datenmengen in MES Durch das industrielle Internet der Dinge (IIoT) sind die darin involvierten Systeme, und hier speziell MES gefordert. Der Großteil der angebotenen Systeme ist noch nicht darauf ausgerichtet. Wir werden nachfolgend aufzeigen, wie ein MES der Zukunft aufgebaut sein muss, wenn es diesen Anforderungen gerecht werden will. Eine besondere Rolle kommt der Verarbeitung großer Datenmengen (Big Data)zu. Das betrifft einmal die Filterung der Massen Daten bzw. das Herausfinden relevanter Daten, die Echtzeit Weiterleitung dieser Daten an die im Netz beteiligten Personen und Objekte und ihre Speicherung in Datenbanken. Darauf baut eine schnelle, intelligente Analyse dieser Daten auf. Wir zeigen dabei auf, welche unterschiedlichen Formen der Datenhaltung erforderlich werden, insbesondere wollen wir beleuchten, welche Bedeutung einem universellen Datawarehouse zukommt, in dem aus unterschiedlichen Datenquellen Daten nach den OLAP Prinzipien gespeichert und diese entsprechend schnell auf Anfragen zur Verfügung gestellt und analysiert werden. 4

5 Produktvorstellung: mdice Manufacturing Data Warehouse von camline, Petershausen Mit dem Kunden Continental hat camline in den letzten Jahren das Data Warehouse Produkt mdice (Manufacturing Data and Information Cube) entwickelt. Dieses Daten Lager ist speziell für die Speicherung und Analyse von Produktionsdaten ausgelegt. Um die OLTP Systeme nicht unnötig zu belasten, setzt camline mit einem Zugriffs-Scheduler auf der OLTP Datenbank (Oracle) seiner MES Suite LineWorks auf und liest in einem einstellbaren Zyklus für die verschiedenen LineWorks Funktionsbausteine (WIP, CarMa, MaMa etc.) die Daten mit der dafür vorgesehenen Tabellen Struktur in einen Zwischenspeicher. Dieser Arbeitsspeicher ist Basis für die weiteren ETL Prozeduren. Mit vorgefertigten Plugins werden die Daten in das mdice Datenlager mit seinen multidimensionalen Zugriffsschlüsseln gebracht. Interessant dabei ist, dass der ETL Prozess auch mit anderen OLTP Datenbanken auf Kundenseite durchgeführt werden kann, um ein universelles Datenlager für große Datenmengen mit seinen Zugriffsmöglichkeiten zu bekommen. 5

6 Seminare: Seminar 1: MES Marktüberblick Individuelles Anforderungsprofil Anbieter Vorauswahl Lastenheft In diesem eintägigen Seminar erhält der Teilnehmer einen Überblick über das heutige MES Angebot am Markt. Es werden dabei die Stärken und Schwächen der einzelnen Anbieter beleuchtet. Wir stellen die unterschiedlichen Anforderungsprofile einzelner Branchen vor, die Grundlage für eine Vorauswahl von MES Anbietern ist. Abschließend diskutieren wir den Aufbau eines Lastenhefts für eine Ausschreibung. Die Teilnehmer erhalten für eigene Zwecke eine Lastenheft Vorlage. Seminar 2: MES Schulungskurs In diesem zweitägigen Seminar werden in einem Workshop neutral die Inhalte qualifizierter MES vermittelt. Dies geschieht auf der Basis eines MES Simulators, der im Rahmen langjähriger Beratungsprojekte im Produktionsumfeld entstanden ist. Es werden die Grundlagen der Prozessablaufmodellierung nach den Standards der ISA-88 und ISA-95 dargestellt. Darauf aufbauend zeigen wir die Funktionsweise der Feinplanung, speziell ausgerichtet an den Anforderungen einer bedarfsorientierten Produktionsplanung. Auf der Basis der Planungsvorgaben wird gezeigt, wie die Prozesskette im Rahmen eines Workflows abgearbeitet wird und die Leistungsdaten integriert aufgezeichnet und kontrolliert werden. Die Teilnehmer erhalten den MES Simulator kostenfrei für eigene Zwecke mitgeliefert. Zur Installation auf einem PC oder Laptop ist ein Speicherplatz von 120 GB erforderlich. 6

7 Begriffe: Begriffserläuterungen zum Data Warehouse Es werden Begriffe erläutert, die in einem Data Warehouse System eine Rolle spielen. Die Quelle für die Definitionen ist Wikipedia. Wir haben uns das Recht herausgenommen, Abänderungen bzw. Ergänzungen vorzunehmen. Quelle: MES-Consult OLTP Online-Transaction-Processing (OLTP), Online-Transaktionsverarbeitung, auch Echtzeit-Transaktionsverarbeitung, bezeichnet ein Benutzungsform von Datenbanksystemen und Geschäftsanwendungen, bei dem die Verarbeitung von Transaktionen direkt und schnell, also ohne nennenswerte Zeitverzögerung, abgewickelt wird. Das technische Hauptaugenmerk beim OLTP liegt auf der Transaktionssicherheit bei parallelen Anfragen und Änderungen, auf der Minimierung der Antwortzeit von Anfragen sowie auf einem möglichst hohen Durchsatz (Anzahl Transaktionen pro Zeiteinheit). 7

8 Die Effizienz von OLTP-Systemen ist dabei von der Auswahl geeigneter Hardware (Datenbankserver, Netzwerkkomponenten wie LAN und WAN) und Software (Datenbankmanagementsystem) abhängig. Durch die Beachtung von Transaktionskriterien wird sichergestellt, dass die Konsistenz der Datenbank erhalten bleibt und Daten nie unvollständig oder inkonsistent gespeichert werden. OLTP-Datenbank-Systeme speichern typischerweise die Transaktionen eines Geschäftsvorganges in dem höchsten Detaillierungsgrad, der für die operative Tätigkeit des Unternehmens erforderlich ist. Der klassische Anwendungsfall von OLTP ist die IT-gestützte Durchführung der Geschäftsprozesse von Unternehmen, aus denen das operationale Tagesgeschäft besteht. Diese Aufgabe wird unter anderem von so genannten ERP-PLM-MES Systemen wahrgenommen. Hier werden bei MES die Stammdaten zu den Produkten und den Ressourcen verwaltet und es erfolgt die Aufzeichnung des Tracking Prozesses. Zeitaufwendige Funktionen werden dabei ausgelagert und in anderen Systemen abgewickelt wie z.b. APS Planungsfunktionalität und die Online Datenanalyse in einem Data Warehouse (siehe dazu weiter unten). ETL Extract, Transform, Load (ETL) ist ein Prozess, der die Aufgabe hat, aus ein oder mehreren Daten Quellen Daten zu extrahieren und in die Ziel Tabellen des Data Warehouse zu bringen. Vor diesem Ladeprozess wird in ETL eine Transformation der Business Logik vollzogen, d.h. es erfolgt eine ev. notwendige Bereinigung des Datenmaterials und eine entsprechende Harmonisierung bzw. eine Neustrukturierung der Warehouse Datenbank mit seinen Zugriffsschlüsseln. OLAP Dieser Technik kommt in einem Data Warehouse System eine besondere Bedeutung zu; daher werden wir hier etwas tiefer einsteigen. Mit Online Analytical Processing (OLAP) (eine Definition von Microsoft) bezeichnet man die Analyse und Auswertung von multidimensional aufbereiteten Daten, um Informationen für Unternehmensentscheidungen zu gewinnen. OLAP strukturiert Daten auf hierarchische Weise und erlaubt in der Regel sowohl Einzelals auch Trendanalysen sowie die Zusammenfassung und Rotation von Daten für Vergleichsberechnungen. OLAP beschreibt auch eine Kategorie von Werkzeugen, die aus dem Datenbestand eines Unternehmens geschäftsrelevante, multidimensionale Datenverknüpfungen extrahieren und deren Analyse aus mehreren Blickwinkeln ermöglichen. Dazu verwendet man multidimensionale Datenwürfel (sogenannte Cubes). 8

9 Diese Art der Darstellung ist für die Analyse von Daten von Vorteil, da auf verschiedene Aspekte (Dimensionen) der Daten auf gleiche Weise zugegriffen wird. OLAP Online Analytical Processing (OLAP) ist kein Werkzeug, sondern vielmehr eine Art der Datenspeicherung und Verarbeitung. Es wird neben dem Data-Mining zu den Methoden der analytischen Informationssysteme gezählt. OLAP-Systeme beziehen ihre Daten entweder aus den OLTP Datenbeständen eines Unternehmens oder aus einem Data-Warehouse (Datenlager). Hierdurch wird verhindert, dass die Analysedaten mit den transaktionsorientierten Datenbeständen in Kontakt kommen und die Leistungsfähigkeit beeinträchtigt wird. Im Gegensatz zum Online Transaction Processing (OLTP) steht hier die Durchführung komplexer Analysevorhaben im Vordergrund, welche ein sehr hohes Datenaufkommen verursachen. OLTP dagegen zeichnet sich dadurch aus, dass viele Anwender gleichzeitig Daten eingeben und ändern können. Damit verbunden sind allerdings in aller Regel Ressourcenkonflikte. Denn Analysen und Auswertungen während der normalen Geschäftszeit führen bei OLTP stets zu einer Überlastung des Gesamtsystems. Deswegen lassen sich Berichte und komplexe Abfragen mit OLTP meistens nur abends oder in der Nacht durchführen. Das ist nicht besonders effizient und für alle, die sich mit der Analyse von Daten beschäftigen, kein befriedigender Zustand. Das Ziel von OLAP ist, durch multidimensionale Betrachtung dieser Daten ein schnelles, entscheidungsunterstützendes Analyseergebnis zu gewinnen. Als besondere Zielgruppe wird hier das Management in seiner Rolle als Entscheidungsträger genannt. Die OLAP zugrunde liegende Struktur ist ein OLAP-Würfel (englisch cube), der aus der operationalen Datenbank erstellt wurde. Dieser folgt einer multidimensionalen, datenpunktorientierten Logik im Gegensatz zur zeilenorientierten Logik beim OLTP. Die Lösung des Problems heißt OLAP. In drei Schritten gelangen die Daten vom OLTP-System ins OLAP-basierte Data Warehouse: Zunächst werden die Analysedaten konsolidiert, d.h. auf separater Hardware in Kopie gespeichert. Anschließend optimiert man die Datenstruktur der OLAP-Quelldaten für die Analyse. Daraufhin werden die Daten zusammengeführt, vorgefertigte Antworten auf häufig gestellte Fragen ermittelt und so die Antwortzeiten des Systems erheblich minimiert. 9

10 Gegenüberstellung von OLTP und OLAP 10

11 Einige Grundoperationen bei einem OLAP Würfel Ein OLAP-Cube ist ein in der Data-Warehouse Theorie gebräuchlicher Begriff zur logischen Darstellung von Daten. Die Daten werden dabei als Elemente eines multidimensionalen Würfels (engl. Cube) angeordnet. Die Dimensionen des Cubes beschreiben die Daten und erlauben auf einfache Weise den Zugriff. Daten können über eine oder mehrere Achsen des Würfels ausgewählt werden. Die Bezeichnung OLAP stammt aus der Datenanalyse, dem Online Analytic Processing. Schematisches Beispiel eines Dimensionswürfel mit den Dimensionen Zeit, Produkt, Maschine Quelle: nach Wikipedia Slicing: Ausschneiden von Scheiben aus dem Datenwürfel Hiermit ist das Anzeigen von Teilen des Cubes gemeint. Es wird also nicht der gesamte Cube, sondern nur eine Scheibe (Slice) dargestellt. Quelle: nach Wikipedia 11

12 Dicing: Gleichzeitige Slicing-Vorgänge in unterschiedlichen Dimensionen. Hierbei wird ein kleinerer Würfel erzeugt, der einen Teilbereich des Gesamtwürfels enthält. Mit Dice meint man das Ändern der Bezugsgröße. Es wird also der Blickwinkel der Analyse verändert. Quelle: nach Wikipedia Drill-Down: Aggregationen eines Informationsobjekts auf detaillierte Werte herunterbrechen; Beim Drill down werden dargestellte Daten detaillierter aufgeschlüsselt. Werden zum Beispiel Produktgruppen angezeigt, so kann man sich ohne viel Aufwand die darin liegenden Produkte und ihre Ausbringung etc. ansehen. Quelle: nach Wikipedia 12

13 Fachthema: Bearbeitung und Analyse großer Datenmengen in MES Zusammenfassung Durch das industrielle Internet der Dinge (IIoT) sind die darin involvierten Systeme, und hier speziell MES gefordert. Der Großteil der angebotenen Systeme ist noch nicht darauf ausgerichtet. Wir werden nachfolgend aufzeigen, wie ein MES der Zukunft aufgebaut sein muss, wenn es diesen Anforderungen gerecht werden will. Eine besondere Rolle kommt der Verarbeitung großer Datenmengen (Big Data)zu. Das betrifft einmal die Filterung der Massen Daten bzw. das Herausfinden von relevanten Daten, die Echtzeit Weiterleitung dieser Daten an die im Netz beteiligten Personen und Objekte und ihre Speicherung in Datenbanken. Darauf baut eine schnelle, intelligente Analyse dieser Daten auf. Wir zeigen dabei auf, welche unterschiedlichen Formen der Datenhaltung erforderlich werden, insbesondere wollen wir beleuchten, welche Bedeutung einem universellen Datawarehouse zukommt, in dem aus unterschiedlichen Datenquellen Daten nach den OLAP Prinzipien gespeichert und diese entsprechend schnell auf Anfragen zur Verfügung gestellt und analysiert werden. Nach den allgemeinen Ausführungen zu diesem Thema zeigen wir anhand des Produkts mdice von camline auf, wie ein solches Data Warehouse speziell in der Produktionsumgebung eingesetzt werden kann. Das System wurde von camline zusammen mit Continental entwickelt und ist nicht an das camline MES LineWorks gebunden, d.h. auch andere MES können dieses Produkt nutzen. Besonders interessant sind hier die Möglichkeiten des Data Mining mittels Cornerstone, einem sehr leistungsfähigen Tool zur explorativen Statistik, das ebenfalls von camline angeboten wird. 13

14 Der Aufbau von MES im IIoT Mit einem MES, das den Anforderungen des IIoT gerecht wird, haben Anbieter ein großes Marktpotenzial. Das MES der Zukunft ist einmal geprägt durch Unabhängigkeit von ERP und steuert auf der Basis eines konsistenten Produkt- und Produktionsdatenmodells in standardisierter, integrierter Form die Produktionsprozesse. Der zentrale MES Teil synchronisiert und koordiniert die Prozessketten, verteilt Funktionen an ein dezentrales Embedded Maschinen MES, indem es jede Maschine individuell mit seinen selbststeuernden Funktionen konfiguriert. Das dezentrale Maschinen MES übernimmt Steuerungsfunktionen der darunterliegenden Sensor- bzw. Automationsebene mittels intelligenter Apps, Überwachungsfunktionen in eigener Sache und Filterfunktionen der Massendaten, die in einem ersten Schritt in einer Realtime Datenbank landen. Quelle: MES-Consult 14

15 Die Datenmodelle in der Produktion Unter den angebotenen MES gibt es kaum ein System mit einem umfassenden, konsistenten Produkt- und Produktionsdatenmodell. Die Systeme beruhen im Einzelfall immer auf einer zentralen, relationalen OLTP Datenbank. Diese Datenbanken haben die Aufgabe Transaktionen direkt und schnell, also ohne nennenswerte Zeitverzögerung durchzuführen. Das bezieht sich auf das Verwalten von Stammdaten, Erfassung von Bewegungsdaten, Durchführung von Updates und das Anzeigen von gespeicherten Daten, meist in Form von Leistungs-Indikatoren. Funktionen der Feinplanung, die Inhalt eines qualifizierten MES sind, werden nicht innerhalb der OLTP Datenbank bearbeitet, sondern verwenden aus Geschwindigkeitsgründen ein binäres Filesystem, parallel zur OLTP Datenbank. Quelle: MES Consult Beim IIoT mit dezentraler Intelligenz in den einzelnen Maschinenobjekten, den dort anfallenden Massendaten, ihrer Filterung und Vorverarbeitung wird eine Realtime Datenbank erforderlich. Da es bislang nur Ansätze für ein Embedded Maschinen MES gibt, muss hier in der Zukunft noch viel Entwicklungsarbeit geleistet werden. 15

16 Universelles Datawarehouse Nach Wikipedia ist ein Data-Warehouse, deutsch Datenlager, eine Datenbank, in der Daten aus unterschiedlichen Quellen in einem einheitlichen Format zusammengefasst werden (Informationsintegration). Dadurch verbessert sich der Komfort beim Zugang zu diesen Daten. Die Daten werden von den Datenquellen bereitgestellt und im ETL-Prozess in das Data-Warehouse geladen und dort vor allem für die Datenanalyse (OLAP) und zur betriebswirtschaftlichen Entscheidungshilfe in Unternehmen sowie zum Data-Mining langfristig gespeichert. Der Erstellung eines Data-Warehouses liegen zwei Leitgedanken zugrunde: Integration von Daten aus verteilten und unterschiedlich strukturierten Datenbeständen, um im Data-Warehouse eine globale Sicht auf die Quelldaten und damit übergreifende Auswertungen zu ermöglichen. Separation der Daten, die für das operative Geschäft genutzt werden, von solchen Daten, die im Data-Warehouse etwa für Aufgaben des Berichtswesens, der Entscheidungsunterstützung, der Geschäftsanalyse sowie des Controllings und der Unternehmensführung verwendet werden. Das Data-Warehouse ist die zentrale Komponente eines Data-Warehouse- Systems. Daten werden aus verschiedenen Quellen extrahiert, durch Transformation bereinigt und vereinheitlicht, um danach in das Data- Warehouse geladen zu werden (ETL-Prozess). Dieser Prozess kann turnusgemäß durchgeführt werden, so dass im Data-Warehouse nicht nur Daten nach inhaltlichen Aspekten, sondern auch nach dem Aspekt Zeit also langfristig vorgehalten werden, was Analysen über die Zeit ermöglicht. Das Data-Warehouse ist für die Aggregierung und Analyse großer Datenmengen optimiert. Aggregierung und Analyse können auf zahlreiche unterschiedliche, scheinbar unvorhersehbare Art und Weisen ablaufen. 16

17 Quelle: MES Consult Es geht also zuerst darum, auf der Automationsebene das Phänomen der Massendaten aus dem Steuerungsprozess mit intelligenten Apps zu beherrschen, d.h. unter anderem die Massendaten auf eine relevante Datenmenge zu reduzieren mit Speicherungsmechanismen einer Realtime DB. Im nächsten Schritt geht es darum diese Daten in die zentrale MES OLTP Datenbank zu übertragen und zu integrieren. In der OLTP Datenbank werden die Daten im Regelfall kurz- bis mittelfristig gehalten. Für die Langfristspeicherung und eine schnelle Analyse kommt nun das Data Warehouse ins Spiel. Hier greifen dann die Mechanismen von ETL bzw. OLAP, die das OLTP Datenmaterial in multidimensionale Ziel Tabellen bringen. Die Ziel Tabellen sind im Regelfall relationale Tabellen (meist nach dem Star Schema aufgebaut) aus einer Kombination von Fakten Tabellen und Dimensions- Tabellen für die Zielobjekte. 17

18 Beispiel für OLTP Datenbank Tabellen Struktur in MES Quelle: MES Consult 18

19 Die zu verwaltenden Daten werden als Fakten bezeichnet; sie werden typischerweise fortlaufend in der Faktentabelle gespeichert. Andere Namen für die Fakten sind Metriken, Messwerte oder Kennzahlen. Faktentabellen können sehr groß werden, was ein Data-Warehouse zwingt, die Daten nach und nach zu verdichten (aggregieren) und schließlich nach einer Halteperiode zu löschen oder auszulagern (Archivierung). Beispiel für Kumulations-Daten Tabellen in MES OLTP Datenbank Quelle: MES Consult Die Tabellen enthalten Kenn- oder Ergebniszahlen, die sich aus dem laufenden Geschäft ableiten lassen und wirtschaftliche Leistung widerspiegeln, wie z.b. in der Produktion Leistungskennzahlen zum Produkt und den eingesetzten Ressourcen über die Zeit betrachtet. 19

20 Jedoch erst wenn diese Zahlen in einen Zusammenhang gebracht werden, ergeben sie auch einen Sinn, z.b. den Durchsatz an bestimmten Maschinen zu festgelegten Produkten in einem definierten Zeitraum zu vergleichen. Dimensionstabellen sind vergleichsweise statisch und üblicherweise erheblich kleiner als Faktentabellen. Die Bezeichnung Dimension rührt daher, dass jede Dimensionstabelle eine Dimension eines multidimensionalen OLAP-Würfels darstellt. Einfach ausgedrückt in den Faktentabellen werden eine Mehrzahl von Dimensionen als Keys oder Kombinationen aus den einzelnen Dimensions-Keys den eigentlichen Fakten vorangestellt, die relational mit den Keys der Dimensionstabellen verknüpft sind. Dadurch können die Abfragen sehr schnell beantwortet werden. Quelle: Wikipedia 20

21 Die Hauptaufgabe der OLAP Tools ist die schnelle Datenanalyse und das Berichtswesen auf der Basis von sehr großen Datenbeständen. Es lädt die durch ETL extrahierten und ins Data Warehouse übertragenen Daten aus den Ziel Tabellen in das OLAP Repositorium mit den vorgefertigten, mehrdimensionalen OLAP Cubes bzw. es erfolgen ad hoc Anfragen. Ein weiterer wichtiger Punkt ist OLAP und Data Mining zu kombinieren.. Data Mining heißt Wissen aus dem Datenmaterial zu generieren. Dies gelingt unter Einsatz der explorativen Statistik. Die MES Anbieter haben sich bislang kaum mit der Langzeitspeicherung und Analyse der großen Datenmengen aus der Produktion auseinandergesetzt. Durch das Internet der Dinge werden die Datenmengen weiter gewaltig ansteigen und es wird geradezu unabdingbar, dass die Datenmengen aus dem operativen Datenmanagement regelmäßig in ein Data Warehouse System mit seinen multidimensionalen Zugriffsstrukturen gebracht werden, um effiziente, schnelle Analysen der Daten für das Leitungsmanagement durchführen zu können. Eine Ausnahme unter den MES Anbietern ist camline, ein Anbieter, der bislang als einziger ein universelles Data Warehouse System unter dem Namen mdice anbietet. Der Name steht für Manufacturing Data and Information CubE. Er soll zum Ausdruck bringen, dass mit diesem System speziell Produktionsdaten analysiert werden sollen. Nachfolgend werden wir die besonderen Features und Möglichkeiten des Systems erläutern, insbesondere auch die Möglichkeiten des Data Mining mit Cornerstone, einem leistungsfähigen Tool zur explorativen statistischen Analyse. 21

22 mdice Manufacturing Data and Information CubE Das Data Warehouse System für die Produktion der Firma camline 22

23 Hintergrunddaten zu camline camline entwickelt seit ca. 20 Jahren MES Software, speziell für die Groß Industrie wie u.a. Continental.. In der Kategorie der Anbieter von Monitoring Software (BDE, MDE, SPC, SQC, WIP, Instandhaltung) für die Groß Industrie hat camline eine absolute Führungsstellung, d.h. man konzentriert sich auf den Execution Teil von MES (Manufacturing Flow Execution). In der Groß Industrie sind im Regelfall die zwei anderen Säulen eines MES (Manufacturing Flow Design und Manufacturing Flow Planning) auf der Ebene von ERP angesiedelt. Im Einzelfall wird die Komponente des Prozessablauf Design von camline mitgeliefert, bei APS Bedarf wird ein Fremdprodukt eingebunden. mdice Mit dem Kunden Continental hat camline in den letzten Jahren das Data Warehouse Produkt mdice entwickelt. Dieses Daten Lager ist speziell für die Speicherung und Analyse von Produktionsdaten ausgelegt. Um die OLTP Systeme nicht unnötig zu belasten, setzt camline mit einem Zugriffs-Scheduler auf der OLTP Datenbank (Oracle) seiner MES Suite LineWorks auf und liest in einem einstellbaren Zyklus für die verschiedenen LineWorks Funktionsbausteine (WIP, CarMa, MaMa etc.) die Daten mit der dafür vorgesehenen Tabellen Struktur in einen Zwischenspeicher. Dieser Arbeitsspeicher ist Basis für die weiteren ETL Prozeduren. Mit vorgefertigten Plugins werden die Daten in das mdice Datenlager mit seinen multidimensionalen Zugriffsschlüsseln gebracht. Interessant dabei ist, dass der ETL Prozess auch mit anderen OLTP Datenbanken auf Kundenseite durchgeführt werden kann, um ein universelles Datenlager für große Datenmengen mit seinen Zugriffsmöglichkeiten zu bekommen. 23

24 Die Tabellen Struktur in mdice Data Warehouse Die vorgefertigte Tabellen Struktur richtet sich an den Fragestellungen aus, die grundsätzlich mit Produktionsdaten verbunden sind. Der unterste Daten Record ist immer der Datensatz für eine produzierte Einheit in einem bestimmten Prozessschritt zu einem bestimmten Zeitpunkt. Das kann eine Seriennummer sein oder ein Behälter mit einer bestimmten Menge. Dahinter steht immer ein Auftrag für ein bestimmtes Produkt. Es geht nun immer darum die mit dem Prozess verbundenen Leistungsdaten schnell aus einer großen Datenmenge (Datenbestände im TB Bereich) nach den verschiedensten Fragestellungen herauszufiltern. Dafür hat camline eine entsprechende Grundstruktur geschaffen, die für jedes Unternehmen verwendet werden kann. Quelle: camline 24

25 Entscheidend ist, dass mit der kontinuierlichen Auffüllung des Data Warehouses mit den Daten Records der feinsten Auflösung auch parallel dazu aggregierte Tabellen für eine schnelle verdichtete Betrachtung gebildet werden. Beispiel einer Suchanfrage zu einer Seriennummer Quelle: camline Durch Drill Down wird die Prozessstruktur der Seriennummer angezeigt und welches Material aus einer Liefercharge in einem Prozessschritt eingeflossen ist. Quelle: camline 25

26 Durch Anklicken der Liefercharge wird dann auf alle Seriennummern verlinkt, in die die Liefercharge eingegangen ist. Quelle: camline Die nächste Frage könnte sein, welche der Seriennummern aus der Liefercharge zeigten beim ICT Test einen Fehler. Diese und ähnliche Fragen tauchen in jedem Unternehmen auf und können über das mdice Data Warehouse System mit seinen vorgedachten Strukturen sehr effizient beantwortet werden. 26

27 Production Performance and Quality Reporting (PPQR) PPQR wird periodisch aus dem mdice Datawarehouse System gefüllt. Die Daten des DWH werden in PPQR komprimiert und als multidimensionaler Cube für unterschiedliche KPI Reports zur Verfügung gestellt. Eine wichtige Dimension ist dabei die Zeit, über die verdichtet wird. Eine Verdichtung der Daten erfolgt in mehreren Schritten 10 Minuten (feinste Granularität) Stunde Woche Monat Quartal Jahr Nach einer definierten Zeit werden die Daten in die jeweils nächste Zeitscheibe verdichtet. Dadurch können die Daten über viele Jahre hinweg gespeichert werden und der Zugriff bleibt auch bei Auswertungen über Jahre hinweg sehr schnell. PPQR bietet Auswertungen über Produktions- KPIs wie First Pass Yield Qualitätslage Ausschuss Taktzeit Output sowie Analyse und Nacharbeit KPIs wie DPMO (Fehler pro Million Output) Fehler Rate (PPM) Nacharbeit Rate Effektive Ausschuss Rate Nacharbeitszeit Fehler Analyse und andere 27

28 Der Report lässt sich in unterschiedlichen Darstellungsformen anzeigen. Quelle: camline 28

29 Data Mining mit Cornerstone mdice bietet die Möglichkeit Daten aus dem DWH in flacher Form auszulesen, um sie mit den Mitteln der explorativen Statistik in Cornerstone weiterzubearbeiten. Das Data Mining Tool bietet hier entsprechende erweiterte Möglichkeiten, die mit den üblichen OLAP Analyse Funktionen gekoppelt werden können. Mit Cornerstone werden Prozesse optimiert und Zusammenhänge aufgezeigt. Dieses Tool kombiniert leistungsstarke Datenanalyse Techniken mit einer intuitiven Benutzeroberfläche. Die Software ist speziell für typische Engineering-Aufgaben ausgelegt. Die aufeinander abgestimmte Zusammenstellung von statistischen Analyse-Tools macht die Cornerstone Software so interessant. Explorative Datenanalyse (EDA), Modellierung, und statistischer Versuchsplanung (DoE) sind unter den Herausforderungen von IIoT mit seinen riesigen Datenmengen ein wichtiges Instrument. Quelle: Cornerstone 29

30 Forbes veröffentlichte vor kurzem die Ergebnisse zu einer Untersuchung von McKinsey & Company, wie Advanced Analytics angewendet auf Big Data die Produktionsprozesse entscheidend verbessern können. Quelle: McKinsey & Company Dies verdeutlicht, dass camline mit seinen MES Modulen mdice und Cornerstone zwei Edelsteine im Produktportfolio hat, die es zu nutzen gilt. Innerhalb des MES Markts bietet nur camline ein Data Warehouse System kombiniert mit dem Data Mining System Cornerstone an. Das ist auch Hintergrund für eine Einstufung der MES Produktpalette von camline in die Qualitätsklasse I. 30

31 Seminar 1: Tagesseminar MES Marktüberblick Einzelbeurteilung MES Anbieter 31

32 Globaler Markt: - Veränderte Anforderungen an Produktionssysteme Paradigmenwechsel bei Produktionssystemen: - MES/MOM Systeme verdrängen ERP Systeme in der Produktion MES/MOM Systeme Ausrichtung am Leitungs- und Entscheidungsmanagement: - Monetärer Nutzennachweis vor Einführung eines MES/MOM Systems Veränderte Anforderungen an MES/MOM Systeme: - Integrations-Management mit einem Manufacturing Flow Management für - Design, Planung, Ausführung (Intelligent Adaptive Manufacturing) - Intern und extern vernetzte Systeme (Webtechnologie) - Werke vergleichende Systeme (Multi Plant Management) - Anspruchsvolle Analytik Systeme (Advanced Analytics) Individuelles Anforderungsprofil: - Ermittlung des Unternehmensqualitätsstatus - Prozessablaufdesign und individuelles Anforderungsprofil Beurteilung des MES/MOM Marktangebots: - Beurteilungskriterien eines MES/MOM Systems - Einordnung der Systeme in Qualitätsklassen - MES/MOM Anforderungsspektrum gespiegelt am deutschsprachigen MES Produktangebot bei adicom, Apriso, itac, GFOS, SIMATIC IT, SAP ME, camline, InQu Informatics, Werum Software & Systems, Felten Group, Wonderware, SYNCOS, Proxia, FASTEC, FORCAM, PSIPENTA, Industrie Informatik, Grass, IBS AG, apromace, AIS, ADVARIS, GEFASOFT, Plex Systems, DE Software, ifm Datalink, TIG, Critical Manufacturing. 32

33 Vorgehen beim Auswahlprozess: - Vorauswahl gemäß der Kernanforderungen - Simulation der Prozessabläufe durch die verbleibenden Anbieter MES/MOM Einführung: - Einführungsmanagement des ausgewählten Systems - Nutzenkontrollmanagement An wen wendet sich das Seminar: Das Seminar wendet sich an Alle, die in den Entscheidungsprozess für ein MES eingebunden sind: Geschäftsführer, Werksleiter, Produktionsleiter, Arbeitsvorbereitung, Controlling Preis: EUR Im Preis enthalten sind umfassende Unterlagen und eine CD mit dem MES Simulator System SI MES. Die Preise verstehen sich ohne Mehrwertsteuer. Das Seminar kann auch individuell abgestimmt auf die jeweilige Firma abgehalten werden. Teilnehmerzahl unbeschränkt. Preis: EUR plus Mehrwertsteuer, Fahrtkosten, Übernachtungskosten. Veranstaltungsort: in der jeweiligen Firma 33

34 Seminar 2: 2 Tage Seminar MES Schulungskurs 34

35 Seminarbasis In diesem Schulungskurs werden in Form eines zweitägigen Workshops die Inhalte eines qualifizierten MES vermittelt. Dies erfolgt anhand eines MES Simulators, der im Rahmen von Beratungsprojekten im Produktionsumfeld in den letzten zwei Jahrzehnten entwickelt wurde. Dieser Simulator enthält sämtliche Funktionsbausteine eines qualifizierten MES im Sinne eines integrierten, flexiblen und anpassungsfähigen Produktionsmanagementsystems der neuen Generation. Für den Workshop erhält jeder Seminarteilnehmer eine CD mit dem Simulator, der gemeinsam auf den Laptops der Teilnehmer installiert wird, weil er die praktische Grundlage für die Vermittlung der MES Funktionsinhalte ist. Die Teilnehmer können diesen Simulator kostenlos für eigene Anwendungsfälle verwenden (Simulationen, Ausschreibungsprojekte). Seminarinhalte 1.Tag Modell eines integrierten, flexiblen, adaptiven Produktionsmanagementsystems. Es folgt die Entwicklung und Erläuterung eines Produktionsmanagementsystems der neuen Generation anhand der Bausteine Manufacturing Flow Design Manufacturing Flow Planning Manufacturing Flow Execution Dabei wird auf die Kriterien eingegangen, die bei der Auswahl eines MES zu berücksichtigen sind. Es folgt die Darstellung und Einordnung der einzelnen MES Funktionsbausteine. 35

36 Manufacturing Flow Design Als erstes werden die Grundlagen eines qualifizierten MES erläutert. Es ist dies das Produktdatenmodell, das anhand der Richtlinien der ISA 95 und 88 dargestellt wird. Es betrifft dies die Thematik Product Definition Management und das Resources Management. Hier wird insbesondere die Bedeutung des Arbeitsplans als Datendrehscheibe für sämtliche Planungs- und Ausführungsfunktionen aufgezeigt. Anhand von Beispielen wird ein allgemeingültiger Ansatz zur Arbeitsplanverwaltung und -gestaltung simuliert. Simulation Arbeitsplan Der Stoff bezüglich Manufacturing Flow Design wird anhand eines gemeinsam entwickelten Beispiels aufgefrischt und vertieft. Hier wird auch gezeigt, wie das Auftragsmanagement Eingang in den Arbeitsplan finden kann. Manufacturing Flow Planning Zuerst wird den Teilnehmern ein Überblick über die Inhalte eines operativen Planungssystems gegeben. Es werden die verschiedenen Planungsphilosophien anhand ausgewählter qualifizierter Planungstools erläutert. 36

37 Order Management Danach erfolgt die Darstellung eines Auftragsmanagement der neuen Generation. Insbesondere wird hier die Demand Driven Manufacturing Philosophie als Kern einer auf den Einzelbedarf ausgerichteten Produktion dargestellt mit den verschiedenen Inhalten zur Produktionsglättung und zu einem elektronischen Kanban. Zur Simulation werden einzelne Aufträge erfasst, die verplant werden. Es wird die Integration der Bestell- und Wareneingangsfunktionen in ein MES anhand eines Simulationsbeispiels abgebildet. Terminierungsmanagement Es folgt die eigentliche Terminierung. Hier wird anhand eines Beispiels gezeigt, wie ausgehend von einem Einzelbedarf die Prozesskette rückwärts aufgelöst und synchronisiert wird bei simultaner Berücksichtigung der Ressourcenverfügbarkeit. Danach wird der Einzelauftrag in den Kontext mit einem bestehenden Auftragspool gebracht mit einer Reihenfolgebestimmung auf der Basis von Prioritäten und Regeln (Rüstmatrix). 37

38 Änderungsmanagement Hier wird gezeigt, wie ein MES Anpassungen aufnimmt, verarbeitet und die Auswirkungen in Echtzeit aufzeigt. Anhand von Beispielen werden verschiedene Szenarien simuliert, wie Kalenderänderungen, Schichtmodellanpassungen, Änderung des Termins und Änderungen der Auftragsmenge. Personaleinteilung In einer weiteren Sektion wird gezeigt, wie in einem MES die kurzfristige Personaleinteilung zu erfolgen hat, die Voraussetzung ist für die Ausführungsfreigabe der verplanten Aufträge. 2.Tag Rekapitulation des Themas Planung Es werden die Planungsinhalte kurz rekapituliert und mittels eines Beispiels wird ein Auftrag erfasst, verplant und einzelne Änderungen vorgenommen, um die Inhalte praktikabel zu vertiefen und zu verankern. Manufacturing Flow Execution Es werden die klassischen Inhalte der Ausführungssysteme in ihrem Ablauf dargestellt. Dabei wird anhand eines Simulationsbeispiels gezeigt, wie mittels eines Workflows die einzelnen Funktionen im Arbeitsgang abzuarbeiten sind. Insbesondere wird gezeigt, wie in einem qualifizierten MES die Materialflusssteuerung (Vorgänger-, Nachfolgerbeziehungen) auf unterster Einheitenebene durchzuführen ist. 38

39 Rüst-, Fertigungs-, Reinigungsvorgänge Es werden die BDE Abläufe für das Rüsten, das Fertigen und den Ausbau- bzw. Reinigungsprozess mit den Zeitstempeln gezeigt sowie die Funktionsabläufe innerhalb dieses BDE Rahmens für die Materialbereitstellung, den Materialeinsatz, die Werkzeugzuordnung sowie die Output Erstellung mit den Prüfabläufen. Tracking und Tracing Funktionen Ein besonderes Gewicht wird auf die Aufzeichnung des Tracking Prozesses gelegt mit den verketteten Input-, Output Vorgängen, die Voraussetzung ist für eine lückenlose Auftragsrückverfolgung. 39

40 Prüfdatenerfassung und -kontrolle Gesondert wird gezeigt, wie die Arbeitsgang spezifische Prüfdatenerfassung variabler wie attributiver Prüfmerkmale mit den damit verbunden Kontrollfunktionen zu einem SPC/SQC erfolgt. Echtzeitkostenkontrolle Es wird in einem gesonderten Kapitel die Echtzeitkostenkontrolle behandelt, die in einem künftigen MES eine immer größere Bedeutung bekommt. Hinzukommen die Echtzeitereignismeldungen im laufenden Prozess. Diese Kontrollprozesse werden anhand der simulierten Beispiele präsentiert. Performance Management Abschließend wird ein Überblick über die Darstellung der erfassten Leistungsdaten in Dashboards gegeben. Zertifikat Jeder Teilnehmer erhält ein Teilnahmezertifikat am Seminar. Wer an einer qualifizierten Beurteilung interessiert ist, erhält ein Beispiel zur Simulation des Lernstoffs. Dieses ist innerhalb von 14 Tagen mittels des mitgelieferten Simulators abzubilden und dem Seminarleiter zuzuschicken. Es erfolgt eine Beurteilung, die zum Zertifikat des MES Informations-Manager (MIM) führt. 40

41 An wen wendet sich das Seminar: Das Seminar wendet sich an Alle, die mit einem MES arbeiten müssen. Preis: EUR Im Preis enthalten sind umfassende Unterlagen und eine CD mit dem MES Simulator System SI MES. Die Preise verstehen sich ohne Mehrwertsteuer. Der Veranstaltungsort wird frühzeitig bekanntgegeben. Das Seminar kann auch individuell abgestimmt auf die jeweilige Firma abgehalten werden. Teilnehmerzahl unbeschränkt. Preis: EUR plus Mehrwertsteuer, Fahrtkosten, Übernachtungs-kosten. Veranstaltungsort: in der jeweiligen Firma. 41