Diskuze

Production Intelligence - téma, o němž se bude hovořit na SiS 2009

Mezinárodní konference Svět informačních systémů (20. a 21. duben 2009) se neúprosně blíží. Proto dovolte, abychom vám ještě před představením jejího programu nabídli k zamyšlení první z důležitých témat, které bude na tomto fóru prezentováno. Jeho název zní: Production Intelligence aneb změříte-li to, dokážete to zlepšit. Prezentovat jej bude dr. Konrad Pfadenhauer (Rakousko), specialista na oblast průmyslového inženýrství a implementaci informačních systémů ve výrobních podnicích ze společnosti Siemens IT Solutions and Services. K dalším prestižním přednášejícím, kteří se s účastníky konference podělí o zkušenosti z výrobních podniků, budou patřit Lumír Al-Dabagh, ředitel společnosti Beneš a Lát, oceněné titulem PX Firma roku 2007 a Národní cenou kvality 2008 a Karl M. Troeger (SRN), autor knihy Multisite - ERP für den Mittelstand. Nemusíte tedy váhat a můžete se registrovat již dnes!

Registrovat svou účast můžete na stránkách konference http://sis.cvis.cz, a to prostřednictvím menu REGISTRACE.

1. Úvod

"Změříte-li to, dokážete to zlepšit". Narůstající náklady a tržní tlak nutí společnosti optimalizovat obchodní procesy a jednat rychleji, přesněji a efektivněji na základě neustále se měnících a nových informací. Díky propojení systémů řízení výroby na úrovni automatizace a řízení výroby (MES) se systémy ERP (Enterprise Resource Planning) a Business Intelligence (BI), lze ukazatele nákladů a výkonnosti procesů (např. lhůtu mezi zadáním a vyřízením objednávky, spolehlivost dodání) propojit s monitoringem výkonu v celé společnosti. Production Intelligence tyto ukazatele výkonu shromáždí a prezentuje v uživatelských prostředích (cockpits) a na výsledkových kartách pro specifické cílové skupiny v dané společnosti. Tím systém podporuje interakci v rámci jednotlivých výrobních závodů a mezi nimi. Tato soudržná informační architektura navíc podporuje různé role uživatelů na provozní úrovni výroby i v ostatních odděleních podniku.

2. Co je Production Intelligence?

Řešení Business Intelligence (BI) se používají ke zlepšení podnikových procesů s cílem dosáhnout maximálního výkonu, přizpůsobit tyto procesy podnikové strategii a dosáhnout prvotřídních výsledků v podnikání. V průmyslových podnicích se věnovalo značné úsilí zlepšení výrobních a logistických procesů, např. pomocí konceptů Lean Production, TQM, TPM, Six Sigma nebo Just-in-time (JIT). Jenže informace z podnikového hospodářství i z výrobních a logistických procesů dokáže zkombinovat pouze několik informačních prostředí. Stejně tak jen málo informačních systémů podporuje metodiky průběžného zlepšování ve výrobě prostřednictvím online regulačních obvodů, které napomáhají rozhodování podle jednotlivých rolí. Tuto propast by mohla překlenout Production Intelligence (obr. č. 1).

Podívejme se na tento problém ze tří hledisek:

  • Data z administrativních procesů, jako je zpracování objednávek nebo služby zákazníkům, jsou zkombinována a zkonsolidována s daty z provozních procesů, jako je výroba, logistika nebo údržba. Umožňuje to přizpůsobit výrobní provozy v závodech s několika provozy obchodní strategii, a to pokud jde např. o kvalitu, výkonnost strojů nebo lhůty mezi zadáním a vyřízením objednávek. Abychom získali skutečně ucelený obrázek, je třeba zkombinovat údaje finanční i nefinanční povahy.
  • Provozní údaje tvoří ve většině případů informace v reálném čase. Zatímco obchodně zaměřené informace ze systémů BI se aktualizují během dnů nebo měsíců, koncepce Production Intelligence vyžaduje interval aktualizace v sekundách nebo minutách, a umožní tak rychlou reakci na provozní události a chyby.
  • Production Intelligence je krokem k řízení podniku v reálném čase. Zkonsolidovaná a vyhodnocená data automaticky spouští provozní akce na základě obchodních pravidel odvozených z obchodní strategie a taktiky. Tento systém je rovněž znám jako datový sklad s uzavřenou smyčkou. Typickým využitím by mohla být automatická objednávka údržby vycházející z on-line stavu strojů a statistického řízení procesů (SPC).

Obr. č. 1: Návrh hodnot Production Intelligence v podnikovém kontextu
(Klikněte na obrázek pro zvětšení)


Tento článek se zabývá popisem současné situace ve výrobním průmyslu, včetně pohledu na typickou situaci ve výrobních podnicích (3. kapitola). Cílem řešení Production Intelligence je zlepšit výkon podniku průběžnou kontrolou a změnou procesů ve výrobě a logistice i v příslušných administrativních procesech (4. kapitola). V 5. kapitole budou uvedeny příklady úspěšných realizací, a to první dva projekty v diskrétním výrobním prostředí, a dále náročný projekt, jenž realizuje úplnou informační pyramidu zobrazenou na obrázku č. 1.

3. Současná situace ve výrobních podnicích

3.1 Tržní požadavky

Průzkum analytické agentury Aberdeen Group mezi výrobními společnostmi pozoruhodně ukazuje, že se průmyslový sektor potýká s vážnými vnitřními problémy, které všechny souvisí s integrací vertikálních informací (obr. č. 2).

Obr. č. 2: Průzkum Aberdeen Group v sektoru výrobních firem zaměřený na charakteristiku vnitřních problémů (květen 2006, n = 137)
(Klikněte na obrázek pro zvětšení)


V současné situaci, kdy je třeba činit zásadní rozhodnutí a opatření vůči hospodářskému poklesu, mají uvedené problémy na toto odvětví ještě větší vliv než v roce 2006.

Každý, kdo rozhoduje, potřebuje mnoho informací. Ve většině případů se dnes tyto informace shromažďují ručně, a to kvůli nekompatibilním systémům nebo neexistenci informační strategie. I metody sběru informací se mohou v rámci jedné organizace lišit. Důvodem je buď rozdíl ve výkladu toho, co by mělo být shromažďováno, nebo skutečnost, že někdo může úmyslně zmanipulovat informace, aby dosáhl individuálních cílů. Proto je standardizace podnikových a průmyslových aplikací a systémů řízení ústředním tématem.

Zpráva Aberdeen Group také odhaluje tržní poptávku po výrobní inteligenci: obdržet v reálném čase správné informace ze správného zdroje (jedinou verzi pravdy) ke správnému adresátovi. A k tomu můžeme dodat: ve správné agregaci a intuitivní vizualizaci.

Průzkum dále ukázal, že stejně důležitým klíčovým požadavkem je i lokální a globální optimalizace. Každý závod je třeba optimalizovat jako takový, ale zároveň i ve vztahu k ostatním provozům ve světě. Tak, aby globální podnik dokázal nalézt dokonalou rovnováhu mezi náklady a rizikem.

3.2 Požadavky výrobních podniků

Kvůli vnějším faktorům, jako je tlak na snižování nákladů, stagnující růst nebo globální konkurence, se musí společnosti snažit ovlivňovat svůj vnitřní potenciál. Aby si zajistily udržitelný úspěch, potřebují:

  • systematickou metodu identifikace ukazatelů výkonu a metriku na všech úrovních společnosti - schopnost kvantifikovat výkon a informovat o něm,
  • zhodnocení výkonu založené na skutečných údajích o výkonu spíše než na subjektivních odhadech a vyjádřené ve formě klíčových ukazatelů výkonu (Key Performance Indicators, KPI) – transparentní, změřitelná a variabilní kritéria výkonu pro zaměstnance,
  • systematické a stálé shromažďování cílových/skutečných odchylek – využít odchylky jako základ pro průběžné učení a zlepšovací procesy,
  • monitoring výroby, který není založen výhradně na zprávách zaměřených na náklady, ale i na relevantních procesních ukazatelích – efektivní řízení výrobních a logistických činností.

Projekty Production Intelligence zahrnují dvě oblasti s různými dovednostmi a jazyky: na jedné straně svět IT a obchodních procesů a na druhé straně svět výrobního provozu a automatizace výroby. Proto je potřeba mít znalosti jak o informačních technologiích, tak i o výrobě, a navíc rovněž disponovat manažerskými dovednostmi pro řízení projektového týmu. Ty jsou pro úspěch projektu klíčové, protože v mnoha společnostech stále chybí integrovaný pohled na výrobní IT. To vede k izolovaným řešením řízeným výrobou, ale mimo kontrolu oddělení informačních technologií. Často se stává, že IT řešení ve výrobním prostředí nedokázala v minulosti splnit očekávání výroby a ještě posílila výše uvedené negativní vlivy.

Podstatné je zjistit, jaké typy informací potřebují jednotlivé rozhodovací subjekty. Kombinace analytických dat s plánovanými a skutečnými procesními údaji vždy dokáže ukázat odchylky aktuálního stavu od plánu nebo optimálního stavu. Implementace podobných řešení na všech úrovních podniku bezesporu poskytuje přidanou hodnotu a je proto v současné době jedním z hlavních cílů. Globální rozhodovací subjekty se již nespoléhají na opožděné zprávy, ale ke všem důležitým číslům ze všech pracovišť se dostanou stejnou systematikou a v reálném čase. Se stejným základním datovým modelem mají hodnoty nejen stejný název, ale i význam – což v současnosti rozhodně není ve výrobních podnicích obvyklá situace.

4. Popis řešení

Oproti klasickému řešení Business Intelligence, které pracuje víceméně s historickými daty, kombinuje Production Intelligence skutečná procesní data s historickými a analytickými údaji (obr. č. 3). Překlenuje propast mezi analytickým a provozně-obchodním monitoringem procesů. Proto získává data z nejrůznějších zdrojů, např. z MES (Manufacturing Execution Systems), nebo ERP systémů. Tyto údaje jsou pak shromážděny pro definované KPI, které jsou určeny pro různé rozhodovací subjekty.

Jakmile jsou data k dispozici pro rozhodování, mohou být také použita k automatickému výpočtu vhodné akce. Statistické řízení procesů (SPC) je metoda průběžného zlepšování stávajících výrobních procesů. Kombinace skutečných údajů a historických záznamů pomůže odvodit nejvhodnější výrobní parametry a ručně nebo automaticky je zadat zpět do systémů podporujících operativní úroveň řízení.

Obr. č. 3: Základní koncepce řešení Production Intelligence
(Klikněte na obrázek pro zvětšení)


Hlavní charakteristika Production Intelligence:

  • vertikální a horizontální integrace provozních a administrativních podnikových procesů
  • standardní rozhraní, architektura orientovaná na služby
  • rychlá reakce na události a chyby
  • větší transparentnost
  • jednoduše ovládané cockpits uzpůsobené konkrétní roli

Z obecného hlediska lze definovat dva druhy uživatelských skupin. Každá z nich obdrží příslušné zobrazení informací.

1. Plánování/Administrativa: v oblasti ERP/BI se informace o provozních datech zobrazují především na pracovní ploše informačního systému. Příkladem by mohl být stav produkce nebo aktuální provedení dodávky ve srovnání s průměrem. Pro tyto skupiny uživatelů jsou typickými uživatelskými rozhraními tzv. "dashboards" s přednastavenými KPI.

2. Výrobní provoz: uživatelská rozhraní zobrazovacích zařízení na úrovni výrobního provozu signalizují především údaje o aktuálním stavu výrobní linky. Data získávají z ERP systémů nebo přímo z programovatelných logických automatů (PLC) přes technologii OPC (OLE pro řízení procesů: průmyslový standard pro propojení PLC). Oproti detailním historickým datům lze dosáhnout uzavřených smyček, které podporují jak krátkodobé, tak dlouhodobé rozhodování. Rozhodování v dlouhodobém horizontu velice závisí na roli uživatele. Kontroloři kvality musí rychle reagovat na špatnou kvalitu právě probíhající výroby, zatímco výzkum a vývoj si žádá obecné zkušenosti z produkce výrobků v rámci celého životního cyklu produktů. Ke splnění svých úkolů požadují jednoduché a snadno ovladatelné předřazené počítače. Množství informací musí být omezeno pouze na jejich skutečné potřeby.

V následujícím textu jsou popsány dva základní modely Production Intelligence rozdělené podle činitelů, které akcelerují podnikání zákazníka. První řešení je orientováno "sestupně" a Production Intelligence se soustředí hlavně na obchodní úroveň. Propojení s výrobním provozem je pouze prostředkem k získání:

  • výrobních dat časově blízkých k vysokoúrovňovým systémům,
  • hrubého přehledu o dané výrobní situaci.

Klíčová je historická analýza a zpracování shromážděných dat. Podpořeny jsou rozhodovací subjekty, které monitorují dlouhodobé uzavřené smyčky.Druhý přístup nazýváme přístup "vzestupně". Důraz koncepce Production Intelligence je samozřejmě kladen na provozní podporu výrobního provozu tak, aby bylo dosaženo konektivity výrobních zařízení a provozních systémů s daty pořizovanými na operativní úrovni. Podstatná je podpora krátkodobých a střednědobých uzavřených smyček s ohledem na velký počet osob zapojených do procesů a přidávajících hodnotu (obsluha strojů, manažeři jakosti, vedoucí údržby a dělnické profese, atd.). Oproti výše uvedenému případu jsou od kontrolní úrovně zapotřebí mnohem přesnější data. Vzhledem ke skutečnosti, že se podstatná část obchodní logiky týká výrobního provozu, bude její úroveň vyžadovat větší přizpůsobení potřebám zákazníka a samozřejmě i "vertikálnější obsah".

5. Příklady využití

5.1 Production Intelligence v diskrétní výrobě

Pro zákazníky s diskrétní výrobou v Rakousku již byly úspěšně realizovány dva projekty Production Intelligence. V obou případech bylo cílem zavést on-line systémy řízení výrobních příkazů s uzavřenou smyčkou, které zahrnovaly role pracovní přípravy, mistra a operátora. Realizovaný systém založený na řešení SAP ERP a SAP MII jako internetovém middlewaru pro výrobní provoz nabízí tyto funkční závislosti:

Úroveň pracovní přípravy:

  • Plánování a vydávání objednávek
  • Monitoring objednávek a plnění provozu, řešení chyb

Úroveň mistra:

  • Stahování výrobních objednávek
  • Uvolnění provozu do pracovních stanic/operátorům
  • Změna pracoviště
  • Přidání dalšího výrobního provozu z katalogu
  • Editování potvrzení
  • Monitoring postupu výroby
  • Porovnání času obsluhy: produktivita versus docházka (rozhraní na systémy zápisu pracovní doby)

Úroveň operátora:

  • Přihlášení do/odhlášení ze systému (rozhraní na čtečku čipových karet Mifare)
  • Potvrzení provozu (rozhraní na skener čárového kódu)
  • Údaje o prostojích ve výrobě
  • Informační tok týkající se objednávek mezi pracovními stanicemi
  • Odeslání interních objednávek (CO)

Hlavními měřenými hodnotami při monitoringu postupu objednávek je on-line provozní stav (nedokončená práce, porucha stroje, chybějící materiál) a vztah mezi cílovým a skutečným časem. Zajímavým aspektem obou projektů je skutečnost, že veškerý hardware je outsourcován společností Siemens, což znamená, že existuje jediný kanál podpory a poskytování služeb, který v jednom procesu zahrnuje infrastrukturu sítě (WAN) i klientský hardware (nízkonákladové notebooky). Díky novému systému lze nahradit původní nestabilní systémy a je tak dosažena on-line informační dostupnost vedoucí k nižší administrativě a větší důvěře v údaje z výroby.

5.2 Inovační projekt společnosti Siemens

Tento projekt společnosti Siemens integruje a konsoliduje data z hlavních a podpůrných obchodních procesů ve výrobě/logistice a finanční oblasti. Byl použit s cílem vytvořit standardní soubor metodik pro projekty Production Intelligence a pokrývá jednotlivé fáze projektu, např. definici KPI, návrh konceptu integrace, datového modelu a UI (obr. č. 4).

Obr. č. 4: Vertikální integrace prostřednictvím Production Intelligence
(Klikněte na obrázek pro zvětšení)


Prototypové řešení ukazuje, jakým způsobem neplánované události (např. poruchy strojů) a doby prostojů během výrobního procesu ovlivňují výkon společnosti. Informační architektura poskytuje pohled jak na údaje o výkonu logistiky, tak o výkonu společnosti v manažerském cockpitu. Rozdíl oproti stávajícím cockpitům je ve skutečnosti, že vliv nehod a dob prostojů na finanční výkon se měří během dob tvorby zpráv a že se zobrazují společně s oficiálně uváděnými a rozpočtovými (plánovanými) hodnotami. V tomto řešení (obr. č. 5) je pamatováno na procesy, jako je plánování výroby v systému ERP (SAP ERP modul PP), provedení výroby a potvrzení stavu výroby (SAP MII). Informace o nákladech a finančních údajích (SAP ERP moduly FI/CO) se použijí v komponentech analytiky (SAP BI a SAP Netweaver Visual Composer, Portal).

Obr. č. 5: Architektura řešení Siemens
(Klikněte na obrázek pro zvětšení)


Obecně jsou ovlivněny tyto procesy:

  • Plánování výroby
  • Přesun plánovaných a schválených výrobních objednávek na úroveň výrobního provozu (integrace MES-ERP)
  • Schválení a editace výrobních objednávek prostřednictvím mistra (odeslání objednávkových operací dělnickým pracovníkům)
  • Monitoring postupu výroby prostřednictvím mistra
  • Vstup do postupu výroby (včetně shody podle času a kvality) a neplánované události prostřednictvím dělnického pracovníka
  • Potvrzení zpracovávaných výrobních objednávek zpět systémům ERP
  • Transformace nehod a dob prostojů do systému BI
  • Analýza klíčových ukazatelů výkonu výroby a logistiky ve spojení s klíčovými finančními údaji v manažerském cockpitu společnosti

Literatura

  • Global Manufacturing: MES and Beyond – Benchmark Report, Aberdeen Group, květen 2006.

O autorovi

Dr. Konrad Pfadenhauer studoval průmyslové inženýrství na Vysokém učení technickém ve Vídni, kde se specializoval na výrobní inženýrství a informační technologie. Během doktorského studia v Institutu výrobního inženýrství se zaměřil na softwarové inženýrství v oblasti průmyslové výroby. Několik měsíců strávil jako hostující vysokoškolský učitel na švýcarské Univerzitě St. Gallen a na univerzitě v Sydney. Již více než dva roky je Konrad Pfadenhauer vedoucím konzultantem ve společnosti Siemens IT Solutions and Services, která je předním poskytovatelem IT služeb v Rakousku se silným zastoupením ve střední a východní Evropě a v dalších částech světa. S předními průmyslovými zákazníky spolupracuje na projektování a provádění IT systémů ve výrobě a logistice, kde nabízejí hladkou vertikální integraci od automatizace až po ERP systémy.


05.03.2009 - Konrad Pfadenhauer - četlo 22136 čtenářů.

[ Zpět ]


Tento článek ješte není ohodnocen.Hodnocení článku:
nejlepší [ 1 | 2 | 3 | 4 | 5 ] nejhorší
Verze pro tisk

Jméno
E-mail
Opište kód :    
Text
*)
   
Odkazy - pravý sloupec


  • Odběr novinek
  • Partneři webu:




  •  
  • Aktuální akce CVIS:


  •  
    Informační systémy
    v podnikové praxi
    (2. aktualizované a rozšířené vydání)
     

  • Nejčtenější články:
    1. SystemOnLine.cz:

    2. Přehledy informačních systémů 

      ERP systémy
       

      Plánování a řízení výroby
       

    3. ČSSI
    4. SSSI
    5. VUT v Brně
    6. Systemonline.cz
    7. Výzkum a vývoj v ČR
    8. ICT unie
    9. Cacio
    10. Živě
    11. Lupa
    12. AKA-MONITOR
    13. Jiko Blog
    14. Databázový svět
    15. destinationCRM.com
    16. MyCustomer.com
    17. ZDNet
    18. Nucleus Research
    19. ComputerWeekly.com
    20. IDC
    21. Gartner
    22. Deloitte
    23. Accenture
    24. Capgemini
    25. CIO
    26. Forrester Research
    27. Aberdeen Group
    28. Archiv: