SlideShare una empresa de Scribd logo
1 de 28
Descargar para leer sin conexión
Welche Schätze stecken in den
Produktionsdaten?
29. August 2013
Zum Heckeshorn 42k
14109 Berlin
Telefon +49 30 804 823 00
Fax +49 30 804 823 00
Email info@BEST-group.eu
www.BESTgroup.eu
IHK Berlin/SIBB e.V.
Effektive Produktions-prozesse mit IT –
KMU auf dem Weg zu Industrie 4.0
Welche Schätze stecken in den
Produktionsdaten?
§  Lernen Sie Ihre Daten kennen!
§  Holen Sie mehr aus Industrie 4.0 heraus!
1.  Prozesse gestalten
2.  Vorausschauend planen
3.  Qualität verbessern
§  Machen Sie die ersten Schritte zu Industrie 4.0!
29. August 2013© 2013 BESTgroup 130829-313 2
Lernen Sie Ihre Daten kennen!
Der Logistikleiter eines Unternehmens sollte
den Anstieg der Bestände begründen ....
29. August 2013© 2013 BESTgroup 130829-313 4
Für den letzten Monat lagen die Tageswerte vor
– der Prozess ist nicht beherrscht
29. August 2013© 2013 BESTgroup 130829-313 5
Die weiteren Analysen führten zu interessanten
Ergebnissen
§  Der höchste Bestandswert war meistens am Mittwoch
§  Ursache war die wöchentliche Anlieferung eines Lieferanten mit den
hochwertigen Teilen in hohen Mengen
§  Die anderen Tageswerte ergaben sich im Wesentlichen durch den
Abbau dieser hochwertigen Teile bis zur nächsten Lieferung
§  Die Spitze im Februar war dadurch begründet, dass der 29.2.2012
ein Mittwoch war
§  Und der A-Lieferant angeliefert hatte
§  Die Prognose, dass es im September nach unten gehen wird,
stellte sich hinterher als wahr heraus
§  Ende September war kein Mittwoch
§  Die Wahrscheinlichkeit, dass der Wert für das Monatsende niedriger war,
war sehr hoch
29. August 2013© 2013 BESTgroup 130829-313 6
Wissen Sie, welche Werte sich ergeben
können?
§  Viele Daten sind vorhanden
§  Viele Datenstrukturen sind nicht vorhanden
§  Prüfen Sie, ob eine natürliche Streuung vorliegt, bevor Sie Maßnahmen
ergreifen
§  Von der Analyse geht es zu Verbesserungen
§  Aus der Analyse der Daten entsteht Wissen
§  Aus Wissen entstehen Handlungen
§  Aus Handlungen entstehen Verbesserungen
29. August 2013© 2013 BESTgroup 130829-313 7
Holen Sie mehr aus Industrie 4.0 heraus!
Ziel von Industrie 4.0:
Produktivität verdoppeln
29. August 2013© 2013 BESTgroup 130829-313 9
© 2013, VDI
Produktivität Ist
Produktivität
verdoppeln
100%
200%
Industrie 4.0
Mit Industrie 4.0 die Produktivität steigern
29. August 2013© 2013 BESTgroup 130829-313 10
© 2013, VDI
Industrie 4.0 1. Prozesse gestalten
2. Vorausschauend planen
3. Qualität verbessern
Prozesse gestalten
Die Materialbereitstellung für eine
Motorenmontage wird geplant
29. August 2013© 2013 BESTgroup 130829-313 12
Material bereitstellen
Unterschiedliche
Anlieferorte
Unterschiedliche
Anlieferhäufigkeit
Unterschiedliche
Behälter
Effiziente Bereitstellung
Routenzug
Montagelinie 1 Montagelinie 2 Montagelinie 3
1. Zugwechselzeit
2. Fahrzeit
3. Wegezeit am
Zug
4. Wegezeit zum
Regal
5. Behälter-
wechselzeit
6. Informationszeit
Die Daten liegen in vielen unterschiedlichen
Quellen vor
29. August 2013© 2013 BESTgroup 130829-313 13
Behälter Menge BedarfsortTeil
Viele Daten aus unterschiedlichen
Quellen müssen genutzt werden
•  Regalplanung
•  Stückliste
•  Arbeitsplan
•  Motorenprogramm
•  Layout
•  Zeiten (Konzernzeitwirtschaft)
•  Anlagenplanung
1. Zugwechsel-
zeit
2. Fahrzeit
3. Wegezeit am
Zug
4. Wegezeit zum
Regal
5. Behälter-
wechselzeit
6. Informations-
zeit
Mit den Daten lässt sich berechnen, wie viele
Mitarbeiter benötigt werden
29. August 2013© 2013 BESTgroup 130829-313 14
Band 3Band 1 Band 2 Gesamt
Zeit Zeit Zeit
Zeit Zeit Zeit
Zeit Zeit Zeit
Zeit Zeit Zeit
Zeit Zeit Zeit
Zeit Zeit Zeit
Zeit
Zeit
Zeit
Zeit
Zeit
Zeit
Anzahl
Mitarbeiter
Anzahl
Mitarbeiter
Anzahl
Mitarbeiter
Anzahl
Mitarbeiter
Motoren je Tag Motoren je Tag Motoren je Tag
Schichtanzahl Schichtanzahl Schichtanzahl
Schichtdauer Schichtdauer Schichtdauer
Motoren je
Tag
Schichtanzahl
Schichtdauer
Eingangsgrößen
Anzahl Züge Anzahl Züge Anzahl Züge Anzahl Züge
Legende:
Zwischenergebnis
Endergebnis
Zeit
Zeit
1. Zugwechselzeit
2. Fahrzeit
3. Wegezeit am Zug
4. Wegezeit zum Regal
5. Behälterwechselzeit
6. Informationszeit
Mit dem Routenzug plus analytischer
Optimierung verdoppelt sich die Produktivität
29. August 2013© 2013 BESTgroup 130829-313 15
- 50%
Vorausschauend planen
Für die Produktion vorausschauend
Kapazitäten planen
Vertriebs-
daten
• Kundenbedarf
• Aufträge
• Anfragen
• Neue Projekte
• Trends aus der
Vergangenheit
Produktions-
kapazität
• Kapazitäten
• Personen
• Maschinen
Demand
Supply
Balancing
Planung
umsetzen
Lieferanten-
kapazität
• Materialversorgung
• Engpässe
• Fehlteile
• Lange Lieferzeiten
• Alternativlieferanten
Convert
to capacity
Zeit
Kapazität
Nachfrage
Produktion
Material
Prozessübersicht
29. August 2013© 2013 BESTgroup 130829-313 17
Ziel ist eine einheitliche Darstellung der
Bedarfe – Basis ist ein Datenmodell
29. August 2013© 2013 BESTgroup 130829-313 18
Anlage 1
Anlage 2
Anlage 3
Anlage 3
Teil 1
Teil 2
Teil 3
Teil 4
Werkstatt 1
Werkstatt 2
Projekt 1
Projekt 2
W1 W2 W3
M1
Zeithierarchie
Kunden-/Produkthierarchie
Kunde -> Projekt -> Baugruppe -> Teil
Prozess-
hierarchie
Kapazitäts-
einheiten/
Technologien
Stück
Stunden
W4 W5 W6
M2
J1
Kunde 1
Ergebnisse eines Planungsprozesses
§  Anzahl Produktionsschichten
§  Engpassmaschinen
§  Bedarf für Lagerbestandsauf- und –abbau
§  Vertriebsmaßnahmen
29. August 2013© 2013 BESTgroup 130829-313 19
Qualität verbessern
Qualität verbessern, um Produktivität zu
steigern
§  Ziel ist eine Maßabweichung von wenigen Mikrometern (µm)
29. August 2013© 2013 BESTgroup 130829-313 21
Der Prozess ist mehrstufig, um die Ergebnisse
zu erreichen
29. August 2013© 2013 BESTgroup 130829-313 22
Bei der Auswertung von mehreren Daten
kamen Muster zum Vorschein
29. August 2013© 2013 BESTgroup 130829-313 23
§  Einheitliche Probleme zeigen
einen systematischen Fehler
§  Ursachen suchen
§  Optimierungen identifizieren
§  Zielwerte abstimmen
§  Verbesserungen erproben
Aus der Auswertung wurden verschiedene
Maßnahmen eingeleitet
§  Insgesamt wurden 30 Maßnahmen identifiziert
§  Zur Qualitätsverbesserung
§  Zur Produktionsbeschleunigung
29. August 2013© 2013 BESTgroup 130829-313 24
Geschwindigkeitsverbesserung
Genauigkeitsveränderung
+-
-
+
Machen Sie die ersten Schritte zu
Industrie 4.0!
Das Geheimnis der erfolgreichen Industrie 4.0-
Nutzung ist einfach:
29. August 2013© 2013 BESTgroup 130829-313 26
Daten Wissen
Produktivitäts-
steigerung+ =
BESTgroup hilft Ihrem Unternehmen, die
Produktivität zu steigern
29. August 2013© 2013 BESTgroup 130829-313 27
Daten Wissen
Produktivitäts-
steigerung+ =
BESTgroup-Know how
•  Datenquellen
•  Auswerte-
möglichkeiten
•  Anwendungen
•  Lösungen
BESTgroup-
Umsetzungs-
erfahrung in vielen
produzierenden
Branchen
Ihr Erfolg
29. August 2013© 2013 BESTgroup 130829-313 28
Vielen Dank für Ihre Aufmerksamkeit
www.BESTgroup.eu

Más contenido relacionado

Similar a Datenschätze in der Produktion heben

Rainer Bindeus (Team43), Peter Rogy (Schoeller Network)
Rainer Bindeus (Team43), Peter Rogy (Schoeller Network)Rainer Bindeus (Team43), Peter Rogy (Schoeller Network)
Rainer Bindeus (Team43), Peter Rogy (Schoeller Network)Praxistage
 
Automatisierte Materialanlage mit SAP MDG
Automatisierte Materialanlage mit SAP MDGAutomatisierte Materialanlage mit SAP MDG
Automatisierte Materialanlage mit SAP MDGIBsolution GmbH
 
JAX 2013: Feedback aus der Produktion. Ein Blick in den DevOps-Baukasten
JAX 2013: Feedback aus der Produktion. Ein Blick in den DevOps-BaukastenJAX 2013: Feedback aus der Produktion. Ein Blick in den DevOps-Baukasten
JAX 2013: Feedback aus der Produktion. Ein Blick in den DevOps-BaukastenAndreas Schmidt
 
Reportings & Insights mit Google Data Studio | Google Analytics Konferenz 2019
Reportings & Insights mit Google Data Studio | Google Analytics Konferenz 2019Reportings & Insights mit Google Data Studio | Google Analytics Konferenz 2019
Reportings & Insights mit Google Data Studio | Google Analytics Konferenz 2019luna-park GmbH
 
Blue Collar Workers - Produktionsmitarbeiter im Social Workplace
Blue Collar Workers - Produktionsmitarbeiter im Social WorkplaceBlue Collar Workers - Produktionsmitarbeiter im Social Workplace
Blue Collar Workers - Produktionsmitarbeiter im Social Workplacenetmedianer GmbH
 
VerbesserungsKATA – Umsetzung in einem Kommunalunternehmen – ein Praxisbericht!
VerbesserungsKATA – Umsetzung in einem Kommunalunternehmen – ein Praxisbericht!VerbesserungsKATA – Umsetzung in einem Kommunalunternehmen – ein Praxisbericht!
VerbesserungsKATA – Umsetzung in einem Kommunalunternehmen – ein Praxisbericht!Learning Factory
 
Tipps und Tricks für ein effizientes Arbeiten mit SAP MDG for Material
 Tipps und Tricks für ein effizientes Arbeiten mit SAP MDG for Material Tipps und Tricks für ein effizientes Arbeiten mit SAP MDG for Material
Tipps und Tricks für ein effizientes Arbeiten mit SAP MDG for MaterialIBsolution GmbH
 
Michael Sifkovits, MSc, MAS (multiply)
Michael Sifkovits, MSc, MAS (multiply)Michael Sifkovits, MSc, MAS (multiply)
Michael Sifkovits, MSc, MAS (multiply)Praxistage
 
Scrum days 2016_scrum_bei_festo_frank-m.hoyer_nadine.kärcher
Scrum days 2016_scrum_bei_festo_frank-m.hoyer_nadine.kärcherScrum days 2016_scrum_bei_festo_frank-m.hoyer_nadine.kärcher
Scrum days 2016_scrum_bei_festo_frank-m.hoyer_nadine.kärcherJuergen Hohnhold
 
Wertstromanalyse 4.0 –Startpunkt und Roadmap zur Smart Factory
Wertstromanalyse 4.0 –Startpunkt und Roadmap zur Smart FactoryWertstromanalyse 4.0 –Startpunkt und Roadmap zur Smart Factory
Wertstromanalyse 4.0 –Startpunkt und Roadmap zur Smart FactoryLean Knowledge Base UG
 
IBS QMS:forum MES MOM Rottweil 01.10.2015
IBS QMS:forum MES MOM Rottweil 01.10.2015IBS QMS:forum MES MOM Rottweil 01.10.2015
IBS QMS:forum MES MOM Rottweil 01.10.2015Tanja Böttcher
 
Saubere Datenmigrations-Konzepte
Saubere Datenmigrations-KonzepteSaubere Datenmigrations-Konzepte
Saubere Datenmigrations-KonzepteIBsolution GmbH
 
Historisierung und Analyse von Daten aus Oracle Enterprise Manager Cloud Cont...
Historisierung und Analyse von Daten aus Oracle Enterprise Manager Cloud Cont...Historisierung und Analyse von Daten aus Oracle Enterprise Manager Cloud Cont...
Historisierung und Analyse von Daten aus Oracle Enterprise Manager Cloud Cont...OPITZ CONSULTING Deutschland
 
Google Analytics Konferenz 2019_Machine Learning in der Praxis_Kateryna Salii...
Google Analytics Konferenz 2019_Machine Learning in der Praxis_Kateryna Salii...Google Analytics Konferenz 2019_Machine Learning in der Praxis_Kateryna Salii...
Google Analytics Konferenz 2019_Machine Learning in der Praxis_Kateryna Salii...e-dialog GmbH
 
Dv 20 sdlc_oss_automation
Dv 20 sdlc_oss_automationDv 20 sdlc_oss_automation
Dv 20 sdlc_oss_automationTorsten Glunde
 
CV Libor Scerba DE
CV Libor Scerba  DECV Libor Scerba  DE
CV Libor Scerba DELibor Scerba
 

Similar a Datenschätze in der Produktion heben (20)

Rainer Bindeus (Team43), Peter Rogy (Schoeller Network)
Rainer Bindeus (Team43), Peter Rogy (Schoeller Network)Rainer Bindeus (Team43), Peter Rogy (Schoeller Network)
Rainer Bindeus (Team43), Peter Rogy (Schoeller Network)
 
Automatisierte Materialanlage mit SAP MDG
Automatisierte Materialanlage mit SAP MDGAutomatisierte Materialanlage mit SAP MDG
Automatisierte Materialanlage mit SAP MDG
 
Agile BI in der Praxis - Agiles Testen
Agile BI in der Praxis - Agiles TestenAgile BI in der Praxis - Agiles Testen
Agile BI in der Praxis - Agiles Testen
 
INDUSTRIE 4.0 - INSTANDHALTUNG 4.0
INDUSTRIE 4.0 - INSTANDHALTUNG 4.0INDUSTRIE 4.0 - INSTANDHALTUNG 4.0
INDUSTRIE 4.0 - INSTANDHALTUNG 4.0
 
JAX 2013: Feedback aus der Produktion. Ein Blick in den DevOps-Baukasten
JAX 2013: Feedback aus der Produktion. Ein Blick in den DevOps-BaukastenJAX 2013: Feedback aus der Produktion. Ein Blick in den DevOps-Baukasten
JAX 2013: Feedback aus der Produktion. Ein Blick in den DevOps-Baukasten
 
Reportings & Insights mit Google Data Studio | Google Analytics Konferenz 2019
Reportings & Insights mit Google Data Studio | Google Analytics Konferenz 2019Reportings & Insights mit Google Data Studio | Google Analytics Konferenz 2019
Reportings & Insights mit Google Data Studio | Google Analytics Konferenz 2019
 
Blue Collar Workers - Produktionsmitarbeiter im Social Workplace
Blue Collar Workers - Produktionsmitarbeiter im Social WorkplaceBlue Collar Workers - Produktionsmitarbeiter im Social Workplace
Blue Collar Workers - Produktionsmitarbeiter im Social Workplace
 
VerbesserungsKATA – Umsetzung in einem Kommunalunternehmen – ein Praxisbericht!
VerbesserungsKATA – Umsetzung in einem Kommunalunternehmen – ein Praxisbericht!VerbesserungsKATA – Umsetzung in einem Kommunalunternehmen – ein Praxisbericht!
VerbesserungsKATA – Umsetzung in einem Kommunalunternehmen – ein Praxisbericht!
 
Tipps und Tricks für ein effizientes Arbeiten mit SAP MDG for Material
 Tipps und Tricks für ein effizientes Arbeiten mit SAP MDG for Material Tipps und Tricks für ein effizientes Arbeiten mit SAP MDG for Material
Tipps und Tricks für ein effizientes Arbeiten mit SAP MDG for Material
 
Michael Sifkovits, MSc, MAS (multiply)
Michael Sifkovits, MSc, MAS (multiply)Michael Sifkovits, MSc, MAS (multiply)
Michael Sifkovits, MSc, MAS (multiply)
 
Scrum days 2016_scrum_bei_festo_frank-m.hoyer_nadine.kärcher
Scrum days 2016_scrum_bei_festo_frank-m.hoyer_nadine.kärcherScrum days 2016_scrum_bei_festo_frank-m.hoyer_nadine.kärcher
Scrum days 2016_scrum_bei_festo_frank-m.hoyer_nadine.kärcher
 
Prozessdaten in der Administration
Prozessdaten in der AdministrationProzessdaten in der Administration
Prozessdaten in der Administration
 
Wertstromanalyse 4.0 –Startpunkt und Roadmap zur Smart Factory
Wertstromanalyse 4.0 –Startpunkt und Roadmap zur Smart FactoryWertstromanalyse 4.0 –Startpunkt und Roadmap zur Smart Factory
Wertstromanalyse 4.0 –Startpunkt und Roadmap zur Smart Factory
 
IBS QMS:forum MES MOM Rottweil 01.10.2015
IBS QMS:forum MES MOM Rottweil 01.10.2015IBS QMS:forum MES MOM Rottweil 01.10.2015
IBS QMS:forum MES MOM Rottweil 01.10.2015
 
Saubere Datenmigrations-Konzepte
Saubere Datenmigrations-KonzepteSaubere Datenmigrations-Konzepte
Saubere Datenmigrations-Konzepte
 
Forum alpbach
Forum alpbachForum alpbach
Forum alpbach
 
Historisierung und Analyse von Daten aus Oracle Enterprise Manager Cloud Cont...
Historisierung und Analyse von Daten aus Oracle Enterprise Manager Cloud Cont...Historisierung und Analyse von Daten aus Oracle Enterprise Manager Cloud Cont...
Historisierung und Analyse von Daten aus Oracle Enterprise Manager Cloud Cont...
 
Google Analytics Konferenz 2019_Machine Learning in der Praxis_Kateryna Salii...
Google Analytics Konferenz 2019_Machine Learning in der Praxis_Kateryna Salii...Google Analytics Konferenz 2019_Machine Learning in der Praxis_Kateryna Salii...
Google Analytics Konferenz 2019_Machine Learning in der Praxis_Kateryna Salii...
 
Dv 20 sdlc_oss_automation
Dv 20 sdlc_oss_automationDv 20 sdlc_oss_automation
Dv 20 sdlc_oss_automation
 
CV Libor Scerba DE
CV Libor Scerba  DECV Libor Scerba  DE
CV Libor Scerba DE
 

Datenschätze in der Produktion heben

  • 1. Welche Schätze stecken in den Produktionsdaten? 29. August 2013 Zum Heckeshorn 42k 14109 Berlin Telefon +49 30 804 823 00 Fax +49 30 804 823 00 Email info@BEST-group.eu www.BESTgroup.eu IHK Berlin/SIBB e.V. Effektive Produktions-prozesse mit IT – KMU auf dem Weg zu Industrie 4.0
  • 2. Welche Schätze stecken in den Produktionsdaten? §  Lernen Sie Ihre Daten kennen! §  Holen Sie mehr aus Industrie 4.0 heraus! 1.  Prozesse gestalten 2.  Vorausschauend planen 3.  Qualität verbessern §  Machen Sie die ersten Schritte zu Industrie 4.0! 29. August 2013© 2013 BESTgroup 130829-313 2
  • 3. Lernen Sie Ihre Daten kennen!
  • 4. Der Logistikleiter eines Unternehmens sollte den Anstieg der Bestände begründen .... 29. August 2013© 2013 BESTgroup 130829-313 4
  • 5. Für den letzten Monat lagen die Tageswerte vor – der Prozess ist nicht beherrscht 29. August 2013© 2013 BESTgroup 130829-313 5
  • 6. Die weiteren Analysen führten zu interessanten Ergebnissen §  Der höchste Bestandswert war meistens am Mittwoch §  Ursache war die wöchentliche Anlieferung eines Lieferanten mit den hochwertigen Teilen in hohen Mengen §  Die anderen Tageswerte ergaben sich im Wesentlichen durch den Abbau dieser hochwertigen Teile bis zur nächsten Lieferung §  Die Spitze im Februar war dadurch begründet, dass der 29.2.2012 ein Mittwoch war §  Und der A-Lieferant angeliefert hatte §  Die Prognose, dass es im September nach unten gehen wird, stellte sich hinterher als wahr heraus §  Ende September war kein Mittwoch §  Die Wahrscheinlichkeit, dass der Wert für das Monatsende niedriger war, war sehr hoch 29. August 2013© 2013 BESTgroup 130829-313 6
  • 7. Wissen Sie, welche Werte sich ergeben können? §  Viele Daten sind vorhanden §  Viele Datenstrukturen sind nicht vorhanden §  Prüfen Sie, ob eine natürliche Streuung vorliegt, bevor Sie Maßnahmen ergreifen §  Von der Analyse geht es zu Verbesserungen §  Aus der Analyse der Daten entsteht Wissen §  Aus Wissen entstehen Handlungen §  Aus Handlungen entstehen Verbesserungen 29. August 2013© 2013 BESTgroup 130829-313 7
  • 8. Holen Sie mehr aus Industrie 4.0 heraus!
  • 9. Ziel von Industrie 4.0: Produktivität verdoppeln 29. August 2013© 2013 BESTgroup 130829-313 9 © 2013, VDI Produktivität Ist Produktivität verdoppeln 100% 200% Industrie 4.0
  • 10. Mit Industrie 4.0 die Produktivität steigern 29. August 2013© 2013 BESTgroup 130829-313 10 © 2013, VDI Industrie 4.0 1. Prozesse gestalten 2. Vorausschauend planen 3. Qualität verbessern
  • 12. Die Materialbereitstellung für eine Motorenmontage wird geplant 29. August 2013© 2013 BESTgroup 130829-313 12 Material bereitstellen Unterschiedliche Anlieferorte Unterschiedliche Anlieferhäufigkeit Unterschiedliche Behälter Effiziente Bereitstellung Routenzug Montagelinie 1 Montagelinie 2 Montagelinie 3 1. Zugwechselzeit 2. Fahrzeit 3. Wegezeit am Zug 4. Wegezeit zum Regal 5. Behälter- wechselzeit 6. Informationszeit
  • 13. Die Daten liegen in vielen unterschiedlichen Quellen vor 29. August 2013© 2013 BESTgroup 130829-313 13 Behälter Menge BedarfsortTeil Viele Daten aus unterschiedlichen Quellen müssen genutzt werden •  Regalplanung •  Stückliste •  Arbeitsplan •  Motorenprogramm •  Layout •  Zeiten (Konzernzeitwirtschaft) •  Anlagenplanung 1. Zugwechsel- zeit 2. Fahrzeit 3. Wegezeit am Zug 4. Wegezeit zum Regal 5. Behälter- wechselzeit 6. Informations- zeit
  • 14. Mit den Daten lässt sich berechnen, wie viele Mitarbeiter benötigt werden 29. August 2013© 2013 BESTgroup 130829-313 14 Band 3Band 1 Band 2 Gesamt Zeit Zeit Zeit Zeit Zeit Zeit Zeit Zeit Zeit Zeit Zeit Zeit Zeit Zeit Zeit Zeit Zeit Zeit Zeit Zeit Zeit Zeit Zeit Zeit Anzahl Mitarbeiter Anzahl Mitarbeiter Anzahl Mitarbeiter Anzahl Mitarbeiter Motoren je Tag Motoren je Tag Motoren je Tag Schichtanzahl Schichtanzahl Schichtanzahl Schichtdauer Schichtdauer Schichtdauer Motoren je Tag Schichtanzahl Schichtdauer Eingangsgrößen Anzahl Züge Anzahl Züge Anzahl Züge Anzahl Züge Legende: Zwischenergebnis Endergebnis Zeit Zeit 1. Zugwechselzeit 2. Fahrzeit 3. Wegezeit am Zug 4. Wegezeit zum Regal 5. Behälterwechselzeit 6. Informationszeit
  • 15. Mit dem Routenzug plus analytischer Optimierung verdoppelt sich die Produktivität 29. August 2013© 2013 BESTgroup 130829-313 15 - 50%
  • 17. Für die Produktion vorausschauend Kapazitäten planen Vertriebs- daten • Kundenbedarf • Aufträge • Anfragen • Neue Projekte • Trends aus der Vergangenheit Produktions- kapazität • Kapazitäten • Personen • Maschinen Demand Supply Balancing Planung umsetzen Lieferanten- kapazität • Materialversorgung • Engpässe • Fehlteile • Lange Lieferzeiten • Alternativlieferanten Convert to capacity Zeit Kapazität Nachfrage Produktion Material Prozessübersicht 29. August 2013© 2013 BESTgroup 130829-313 17
  • 18. Ziel ist eine einheitliche Darstellung der Bedarfe – Basis ist ein Datenmodell 29. August 2013© 2013 BESTgroup 130829-313 18 Anlage 1 Anlage 2 Anlage 3 Anlage 3 Teil 1 Teil 2 Teil 3 Teil 4 Werkstatt 1 Werkstatt 2 Projekt 1 Projekt 2 W1 W2 W3 M1 Zeithierarchie Kunden-/Produkthierarchie Kunde -> Projekt -> Baugruppe -> Teil Prozess- hierarchie Kapazitäts- einheiten/ Technologien Stück Stunden W4 W5 W6 M2 J1 Kunde 1
  • 19. Ergebnisse eines Planungsprozesses §  Anzahl Produktionsschichten §  Engpassmaschinen §  Bedarf für Lagerbestandsauf- und –abbau §  Vertriebsmaßnahmen 29. August 2013© 2013 BESTgroup 130829-313 19
  • 21. Qualität verbessern, um Produktivität zu steigern §  Ziel ist eine Maßabweichung von wenigen Mikrometern (µm) 29. August 2013© 2013 BESTgroup 130829-313 21
  • 22. Der Prozess ist mehrstufig, um die Ergebnisse zu erreichen 29. August 2013© 2013 BESTgroup 130829-313 22
  • 23. Bei der Auswertung von mehreren Daten kamen Muster zum Vorschein 29. August 2013© 2013 BESTgroup 130829-313 23 §  Einheitliche Probleme zeigen einen systematischen Fehler §  Ursachen suchen §  Optimierungen identifizieren §  Zielwerte abstimmen §  Verbesserungen erproben
  • 24. Aus der Auswertung wurden verschiedene Maßnahmen eingeleitet §  Insgesamt wurden 30 Maßnahmen identifiziert §  Zur Qualitätsverbesserung §  Zur Produktionsbeschleunigung 29. August 2013© 2013 BESTgroup 130829-313 24 Geschwindigkeitsverbesserung Genauigkeitsveränderung +- - +
  • 25. Machen Sie die ersten Schritte zu Industrie 4.0!
  • 26. Das Geheimnis der erfolgreichen Industrie 4.0- Nutzung ist einfach: 29. August 2013© 2013 BESTgroup 130829-313 26 Daten Wissen Produktivitäts- steigerung+ =
  • 27. BESTgroup hilft Ihrem Unternehmen, die Produktivität zu steigern 29. August 2013© 2013 BESTgroup 130829-313 27 Daten Wissen Produktivitäts- steigerung+ = BESTgroup-Know how •  Datenquellen •  Auswerte- möglichkeiten •  Anwendungen •  Lösungen BESTgroup- Umsetzungs- erfahrung in vielen produzierenden Branchen Ihr Erfolg
  • 28. 29. August 2013© 2013 BESTgroup 130829-313 28 Vielen Dank für Ihre Aufmerksamkeit www.BESTgroup.eu