Informationsarchitekturen moderner logistischer Systeme

Transkript

1 Informationsarchitekturen moderner logistischer Systeme Sebastian Steinbuß Berlin, 21.Oktober 2014

2 Agenda Industrie 4.0, Big Data und Cloud Computing Implikationen für die Informationsarchitektur im Unternehmen Entwurf moderner logistischer Systeme 2

3 Die Digitalisierung der Wirtschaft ist ein Megatrend Quelle: Financial Times,

4 Für das Verbundprojekt SmaRTI gibt es eine klare betriebswirtschaftliche Motivation Im Einzelhandel sind heute durchschnittlich 5 bis 10% aller Produkte nicht in ihren Regalen verfügbar. Etwa ein Drittel davon wird durch Bestellprozessfehler hervorgerufen. Damit liegen allein durch Bestellprozessfehler verursachte Umsatzverluste zwischen 2 und 3 %. Die vollständige Transparenz im Distributionsprozess kann diese Quote auf unter 0,5% reduzieren. Für den deutschen Handel (400 Mrd. EUR Jahresumsatz) kann das bis zu 8 Mrd. EUR bzw. 2% mehr Umsatz bedeuten. Palettenverluste lassen sich auf Industrie-Handelsseite um bis zu 50% senken. Damit und durch eine höhere Effizienz lässt sich der Bestand von Ladungsträgern um etwa 10% reduzieren. 4

5 Die Projekt liefert Ergebnisse in vier Handlungsfeldern Entwicklung intelligenter Ladungsträger am Beispiel von Handelspaletten Luftfrachtpaletten Briefpostbehälter Entwicklung eines Datendienstes, der die Echtzeitdaten der Ladungsträger verwaltet Cloud-basiert Servicebasiert Standardisiert Modellierung von Prozessen nach dem Prinzip des Internet der Dinge Selbststeuernd Dezentral Autark Umsetzung des Internet der Dienste auf der entwickelten Datenbasis Datendrehscheibe Business Intelligence Apps 5

6 Der Pilot in der Konsumgüterkette belegt Machbarkeit und Wirtschaftlichkeit Europaletten-Kreislauf zwischen CHEP, Mars und Rewe: 18 Readpoints smarti-paletten im Kreislauf (Stand August 2013) generierte EPCIS-Events (Stand Mai 2013) Bisherige Ergebnisse: Mechanische und technische Beständigkeit der Paletten bewiesen Fehlerquellen an den Readpoints identifiziert und beseitigt Quick-Roll-Out-Methoden entwickelt und stark verbessert Usergroup-Piloten bei Auchant (F), Unilever (E), Carrefour (E), Claas, Globus, Zentek 6

7 Der intelligente Behälter inbin trifft Entscheidungen, überwacht die Umgebung und steuert Logistikprozesse Intelligenter Ladungsträger mit u.a.: Display Taster/Schalter Autarker Energieversorgung Funkanbindung Lokalisierung Ausgewählte Applikationen: Kommissionierung Monitoring Steuerung von Materialflusssystemen Chargennachverfolgung 7

8 Ein wichtiger Anwendungsfall des inbin ist die Kommissionierung Signalisierung der Pickinformation Quittierung oder Fehlmengeneingabe direkt am Behälter Keine Verkabelung notwendig 8

9 Moderne logistische Systeme organisieren sich selbst Zellulare Transportsysteme Autonome Flurförderzeuge implementieren Schwarmintelligenz und kommunizieren miteinander. Rackracer Bewegt sich diagonal im Hochregal, zum Wechsel der Ebene wird kein Lift benötigt. InventAIRy Der autonome, selbstorganisierende Flugroboter kann sich eigenständig durch ein Lager bewegen und Objekte erkennen. 9

10 Fähigkeiten des Big Data Management Ad-hoc-Abfragen Fähigkeit, jede Anfrage jederzeit beantworten zu können Beispiel:»Welche Rohstoffe haben wir in welchem Umfang in einem Umkreis von 50 km um das KKW in Fukushima in den ersten drei Tagen nach dem Unfall bezogen?«echtzeittransparenz Fähigkeit der vollständigen Transparenz zu Material- und Informationsflüssen Beispiel:»Was ist der Value at Risk unseres weltweiten Logistiknetzwerks in Echtzeit?«Vorhersagefähigkeit Fähigkeit, Daten zur proaktiven Geschäftssteuerung zu nutzen nicht als Quelle für Probleme Beispiel:»Wie können Daten zum Reifegrad der Bananen auf einem Maersk- Containerschiff die Abfertigungsprozesse im Hafen von Rotterdam optimieren?«10

11 Ein Beispiel: Der Pizza-Code Arbeitsbedingungen Sojalecithin (Brasilien) Backmischung (Deutschland) L F10647 Tomaten (Emilia-Romagna und Latium, Italien) Knoblauch (Shandong, China) Vollmilchpulver Weizen (Feld in Hochborn, Deutschland) Weizenmehl (Pfalzmühle Mannheim, Deutschland) Teig Tomatensauce Gewürzmischung (Deutschland) Pfeffer (Muntok, Indonesien) Chili (Muntok, Indonesien) Nutzung von Pestiziden Oregano (Türkei) Hygienevorschriften Thymian (Aschersleben, Deutschland) Basilikum (Kairo, Ägypten) Rosemarin (Marokko) Milch (Höfe in Bayreuth, Deutschland) Beta- Carotin Edamerkäse (Bayernland, Germany) Ascorbinsäure (China, Deutschland, Thailand) Salami Salami (Deutschland) Gewürze (China, Deutschland, Thailand) Buchenhölzer (Deutschland) Buchenbäume (Westerwald, Deutschland) Maltodextrin (EU, USA) Schweinehälften (Belgien, Dänemark, Frankreich, [Vital-Fleisch] Deutschland, Niederlande) Schweinezuchtbed. Natriumnitrat Schwein (Belgien, Dänemark, Frankreich, Deutschland, Niederlande) Speck Salz NB: Das Beispiel folgt der Argumentation von Rohwetter, M.; Willmann, U.: Der Pizza-Code. In: Zeit Online Wirtschaft; ( ), abgerufen am

12 Die Quintessenz laut»transparenz und Rückverfolgbarkeit sind möglich, dank moderner Informationstechnik bis in den letzten Winkel der Erde. Wer sagt, er wisse etwas nicht, der lügt, ist schlecht organisiert oder kriminell.«12

13 P&G Business Sphere Bildquelle: 40 verbundene Business Spheres weltweit 200 TB Daten verfügbar Supply Chain Beispiel reduzierte Lagerbestände um 25% 13

14 Die Logistics Mall senkt Eintrittsbarrieren und verbindet isolierte Systeme IT-Landschaft heute 14

15 Die Virtualisierung von Prozessen und Daten macht Komplexität handhabbar und senkt die Kosten IT-Landschaft in der Cloud 15

16 Basis für den Erfolg der Logistics Mall sind einheitliche Geschäftsobjekte und Services 16

17 Agenda Industrie 4.0, Big Data und Cloud Computing Implikationen für die Informationsarchitektur im Unternehmen Entwurf moderner logistischer Systeme 17

18 Die bisherigen Informationsarchitekturen genügen den aktuellen Anforderungen nicht mehr Kommunikaion Kommunikaion Produktionsplanung (ERP) Produktionssteuerung (MES) Bedien- und Beobachtungssystem (HMI/SCADA) Maschinen- und Anlagensteuerung (SPS) Internet der Dienste Ein- / Ausgabesignale (Aktoren / Sensoren) Internet der Dinge Fertigung /Produktionsprozess 18

19 Moderne Informationsarchitekturen differenzieren verschiedene Datenklassen Daten in äußeren Schalen sind weniger kontrollierbar, unternehmenskritisch, eindeutig Petabytes Terabytes Daten in den äußeren Schalen sind von höherer Unbestimmtheit, höherem Volumen, höherer Änderungsfrequenz Nukleus-Daten (Kundenstamm, Produktstamm etc.) Gigabytes Megabytes Open Big Data (Tweets, Social-Media- Streams, Sensordaten etc.) Community- Daten (Geoinformation, GTIN, Adressen, ISO-Codes, GS1- Daten etc.) 19

20 Flexibilität und Anpassungsfähigkeit sind aus unterschiedlichen Perspektiven wichtig Standardisierte Schnittstellen Flexibel Kostengünstig Externe Vorgaben Prozessflexibilität Bedarfsorientiert Sicher Kürzere Planungszyklen Anpassung an Endgeräte Steigender Variantenreichtum Ähnliche technologische Basis Kontextbezogen 20

21 Agenda Industrie 4.0, Big Data und Cloud Computing Implikationen für die Informationsarchitektur im Unternehmen Entwurf moderner logistischer Systeme 21

22 Ein Referenzmodell moderner logistischer Systeme basiert auf Dezentralisierung und Virtualisierung 22

23 Die Transformation logistischer Systeme hat Implikationen für Unternehmen Logistik-Management Datengetrieben statt modellgetrieben? Ad-hoc-Agilität statt geplante Flexibilität? Logistik-Prozesse Probabilistisch ( fuzzy ) statt deterministisch? Informationsfluss Streams statt Records? Materialfluss Selbststeuernd statt zentral gesteuert? Mensch Entscheiden statt ausführen? Generalist statt Spezialist? 23

24 Alles klar? Sebastian Steinbuß Fraunhofer ISST Emil-Figge-Str Dortmund +49 (0)