Fertigungslogistik Rückverfolgbarkeit – keine Belastung, sondern ein Vorteil

Autor / Redakteur: Jason Spera * / Franz Graser

Big Data ist in der Fertigung nicht unumstritten. Der Artikel nennt Gründe dafür, wie und warum Big Data gerade im Hinblick auf die Rückverfolgbarkeit Vorteile bringt.

Anbieter zum Thema

Die modular aufgebaute Softwarelösung FactoryLogix unterstützt die Optimierung zahlreicher Produktionsprozesse, vor allem in der Elektronikfertigung.
Die modular aufgebaute Softwarelösung FactoryLogix unterstützt die Optimierung zahlreicher Produktionsprozesse, vor allem in der Elektronikfertigung.
(Grafik: Aegis Software)

Dieser Bericht schlägt vor, dass die Rückverfolgbarkeit (Traceability) nicht länger ein primäres Ziel für Hersteller sein sollte, auch wenn sie eine regulatorische, Markt- oder Kundengrundvoraussetzung darstellt. Das Ziel sollte sein, „Big Data der Fertigung“ über den gesamten Fertigungsumfang bis in die volle Tiefe der Produkt-, Prozess- und Maschinendaten zu erreichen. Sobald Big Data nutzbar gemacht wird, ist Rückverfolgbarkeit ein logisches Nebenprodukt. Noch wichtiger ist, dass die analytischen und prozessbezogenen Verbesserungen, die Big Data erschließt, den Zugang zur „Operational Excellence“ erlauben.

Wird Operational Excellence mittels Big Data zum Unternehmensziel, dann ist Rückverfolgbarkeit weder eine Belastung noch ein Kostenfaktor, sondern wird Teil einer Verbesserungskultur.

Der Big-Data-Ansatz in der Fertigung

„Big Data der Fertigung“ ist ein Begriff, der zunehmend verwendet wird, aber nur selten auf einer greifbaren Ebene diskutiert wird. Das Konzept muss erst einmal erfasst werden, bevor man sich über Anwendungen Gedanken machen kann, die operative Exzellenz und Rückverfolgbarkeit bieten.

Nachdem das CAD-Design fertig ist und die Stückliste (BOM) im PLM und/oder ERP verfügbar ist, muss darauf aufbauend der Arbeitsplan für die Fertigung erstellt werden. Erst jetzt sind die Produktentwicklung und die damit verbundene Fertigungsumsetzung komplett. Bei diesen Arbeiten sind im Zuge des Mapping der BOM-Daten zu den Entwicklungsdaten mit den verschiedenen Produktrevisionen große Datenmengen involviert.

Die Prozess-, Qualitäts-, Test- und Fertigungsingenieure analysieren anschließend zusammen mit Planern diese Daten, um das Design in einen detaillierten Prozess, komplett für die vollautomatische Montage, Inspektion und Prüfung, zu verwandeln. Der Qualitätsplan und die Steuer- und Wegelogik müssen entwickelt und festgelegt werden.

Ergänzendes zum Thema
Originalbeitrag als ePaper oder im pdf-Format lesen

Dieser Autorenbeitrag ist in der Printausgabe ELEKTRONIKPRAXIS 8/2015 erschienen. Diese ist auch als kostenloses ePaper oder als pdf abrufbar. Oder: Bestellen sie das Probeabo mit drei kostenlosen Ausgaben!

Ganzheitliches Vorgehen: Der Big-Data-Ansatz für die Traceability speichert den Prozessverlauf für jede Baugruppe und erstellt so einen kompletten Stammbaum für das Endprodukt.
Ganzheitliches Vorgehen: Der Big-Data-Ansatz für die Traceability speichert den Prozessverlauf für jede Baugruppe und erstellt so einen kompletten Stammbaum für das Endprodukt.
(Bild: Aegis Software)

Die visuelle Montageanleitung für jede Station des Prozessablaufs muss entlang des gesamten Prozesses konstruiert und digitalisiert werden. Durch diesen Prozess der neuen Produkteinführung (New Product Introduction - NPI) ergeben sich zahlreiche dem CAD-Design und der Stückliste zugeordnete Daten, einschließlich Überarbeitungen, beteiligte Personen und deren Arbeitsleistung.

Wir haben nicht einmal die Fabrikation selbst erreicht und schon gibt es bereits eine große Menge an Daten, die erfasst und gespeichert werden müssen.

Ist das Produkt fertigungstauglich, sind die Linien in Fertigungsbereitschaft? Noch nicht. Dies ist die Wertschöpfungsachse der Fertigung und ohne Materialien am richtigen Ort, zur richtigen Zeit, kann die Fertigung nicht starten. Wenn der Produktionsplan den Fertigungsstart initiiert, muss eine Übergabe von der ERP-Materialwirtschaft im Lager zur durch das Manufacturing-Operations-Management-System bereitgestellten fein abgestimmten Shop-Floor-Kontrolle erfolgen.

Benötigt werden die Organisation von Materialien in Transportaufträge mit zielgerechten Prozesspunkten, das Management von lokalen Lägern, Kanbans und sogar die Bereitstellung von Materialien in Lieferungs- oder Feeder-Systeme und deren genaue Verwendungsstelle.

All diese Funktionen müssen Bauteile, Lose und Lieferumfang verfolgen, so dass eine Aufzeichnung von Verfolgbarkeitsdaten der Materialien von der Laderampe bis hin zu dem Punkt, wo das Material oder ein Bauteil in das Produkt oder im Prozess eingesetzt wird, erfolgt. Dieser kritische Treiber muss ständig im Hintergrund laufen, um den Materialfluss in die Produktion und den Fluss der nicht genutzten Teile zurück ins Lager zu verwalten, und zwar mit allerhöchstem Tracking. Allein diese Aktivitäten versprechen große, wertvolle und kritische Datensätze innerhalb des „Big Data der Fertigung“.

Die Fertigung des Produkts beginnt, und somit auch der Datenfluss. Riesige Mengen an Informationen können über jede denkbare Umgebungsvariable gesammelt werden. Jede Person oder jedes Material, das dem Produkt zusätzlich zugewiesen wurde, sogar wie es zugewiesen wurde und von wem es hinzugefügt wurde, werden gesammelt. Diese Datenerfassung erfolgt weiterhin durch Inspektion, Instandsetzung, Prüfung, Austausch von Bauteilen – bis zur Verpackung und zum Versand.

Ein Berg von Basisdaten wird gesammelt. Dies ist „Big Data der Fertigung“. All diese Daten sind untereinander verknüpft und mit den CAD-Daten und der Stückliste verbunden. Die in der CAD und BOM verkörperte Produktdefinition selbst ist das Bindeglied dieses massiven Volumens an Daten.

Wie lässt sich Rückverfolgbarkeit sicherstellen?

Wenn man das „Big Data“ betrachtet, ist die von einer bestimmten Aufsichtsbehörde, vom Kunden oder vom Markt geforderte Rückverfolgbarkeit einfach eine Vorwärts- oder Rückwärtsabfrage der Datenmenge oder einer Teilmenge davon.

Wenn ein Fertiger ein Manufacturing-Operations-Management-System (MOM) einführt, das in der Lage ist, den gesamten Umfang des Fertigungsprozesses zu verwalten, dann wird gewährleistet, dass das Erreichen einer Rückverfolgbarkeit nicht mehr ein Bestreben eines Unternehmens ist, sondern ein automatisches Nebenprodukt des Systems.

Vier wichtige Vorteile des Big-Data-Ansatzes

1) Kontinuierliche Prozessverbesserung

Eine Einzellösung als Antwort auf eine Rückverfolgbarkeitsanforderung unterstützt in der Regel keine Prozessverbesserung. Der erzeugte Datensatz wird lediglich eine gewisse Anforderung erfüllen, sonst nichts. Der „Big-Data-Ansatz“ dagegen gibt einem Unternehmen alle notwendigen Informationen, die es benötigt, um Prozessverbesserung und operative Exzellenz zu erzielen.

Fehlermanagement: Die Datenerfassung erstreckt sich über die Etappen Inspektion, Reparatur, Bauteil-Austausch bis hin zur Verpackung und Auslieferung.
Fehlermanagement: Die Datenerfassung erstreckt sich über die Etappen Inspektion, Reparatur, Bauteil-Austausch bis hin zur Verpackung und Auslieferung.
(Bild: Aegis Software)

Eine Big-Data-Lösung ermöglicht dies durch Bereitstellung von Analysen für Manager, Ingenieure und Bediener, damit sie Informationen erhalten, mit denen bessere Entscheidungen getroffen werden können. Eine „Big-Data-Lösung“ garantiert außerdem die automatisierte Prozessverriegelung und Ausfallsicherung, um Prozesse zu kontrollieren, selbst wenn der Mensch verpasst, solche Bedingungen rechtzeitig zu erkennen.

BigData bietet einen Einblick in den Gesamtzustand des Betriebs, der sonst schwer zu erreichen wäre. Echtzeit-Dashboards informieren Maschinenbediener über drohende Probleme oder die Prozessleistung. Zustandsberichte können sofort an mobile Geräte gesendet werden. Die Prozessverriegelung von Maschinen und Förderbändern in Echtzeit kann basierend auf Kontrollbedingungen erfolgen. Visuelle Qualitätsdatenerfassung, Reparaturberatung, Diagnostikunterstützung, Echtzeitüberwachung von Detailarbeit, vorausschauende Prozessflussanalyse und vieles mehr können einfach und effizient erreicht werden. All das unterstützt eine größere Kontrolle der Variabilität, verbesserte Qualität und kontinuierliche operative Verbesserungen.

2) Abkehr vom Kosten- und Belastungsdenken – hin zur kulturellen Akzeptanz

Ein kritischer Erfolgsfaktor für jegliche Software-Lösung in einem Fertigungsunternehmen ist die kulturelle Akzeptanz durch Management und Mitarbeiter. Auch das leistungsstärkste Software-System ist nur selten erfolgreich, wenn es als eine Belastung angesehen wird. Gründe, die dazu führen, dass ein System als Belastung wahrgenommen wird, können in einer schlechten Benutzerschnittstelle liegen, zusätzlich benötigten Transaktionen, die den Arbeitsprozess verlangsamen, oder lediglich Verwirrung darüber, warum es überhaupt notwendig ist.

Ergänzendes zum Thema
Originalbeitrag als ePaper oder im pdf-Format lesen

Dieser Autorenbeitrag ist in der Printausgabe ELEKTRONIKPRAXIS 8/2015 erschienen. Diese ist auch als kostenloses ePaper oder als pdf abrufbar. Oder: Bestellen sie das Probeabo mit drei kostenlosen Ausgaben!

All diese Probleme treten oft bei eingeschränkten Rückverfolgbarkeitssystemen auf. Beim „Big-Data-Ansatz“ ist dies aufgrund der Ganzheitlichkeit des Systems und der konkreten Vorteile, die über die Rückverfolgbarkeit hinausgehen, kein Problem.

Ein System, das alle Fertigungsdaten nutzt, wird zum Bestandteil der Unternehmenskultur. Diese Sichtweise wird von den Mitarbeitern deutlich besser angenommen, da es im Grunde ein Umstieg der gesamten Fertigung auf ein neues Datensystem ist, in dem alte Methoden nicht mehr existieren.

Zudem ergeben sich durch die „Big-Data-Lösung“ für Management und Mitarbeiter sichtbare Vorteile. Dashboards, Reports, Echtzeit-Prozessverriegelung, vereinfachte Qualitätsdatenerfassung und Feedback, detaillierte Prozessüberwachung in Echtzeit, vorausschauende Prozessflussanalyse – all dies verbessert die tägliche Arbeit und führt dazu, dass der Einsatz einer solchen Lösung im Unternehmen wertgeschätzt wird.

3) Zukunftssichere Lösung

Eine Insellösung für die Bereitstellung nur eines spezifischen Anteils an Daten für die Rückverfolgbarkeit wird schnell zu aufwendigen Änderungen und Erweiterungen führen, da die regulatorischen Ansprüche ständig steigen oder weil die Kunden immer höhere Anforderungen an die Traceability-Detaillierung stellen. Dieser Dauerzyklus von Anpassungsmaßnahmen, Kosten und Verzögerungen führt zu einer komplexen Lösung, die schwer zu pflegen ist.

Der Big-Data-Ansatz leidet nicht unter solchen Problemen. Er bietet eine Infrastruktur, die alle Daten sammelt. Bei der Weiterentwicklung der Anforderungen ist es nur eine Frage der Abfrage dieser Daten. Die Lösung sammelt automatisch die Gesamtheit der Daten aus Produkt, Prozess und Materialien in der Fertigung. Oder, falls schrittweise eingeführt, ist sie architektonisch in der Lage, dem System Datenquellen mit wenig oder gar ohne Anpassung hinzuzufügen.

4) Wahre Kosten herunterfahren

Wenn die Rückverfolgbarkeit als einziges Ziel für die Sammlung von Produktionsdaten gesehen wird statt als Nebenprodukt der Erfassung von großen Datenmengen, dann sind die Gesamtaufwandskosten zu hoch. Eine singuläre Traceability-Lösung bietet für sich keinen zusätzlichen Nutzen, kein Return on Investment, da lediglich eine von außen auferlegte Anforderung erfüllt wird.

Die reine Traceability-Lösung kann zwar Risiken minimieren, aber sie erzeugt keine monetären Vorteile. Wenn die Rückverfolgbarkeit allerdings als natürliches Nebenprodukt der Erfassung von großen Datenmengen abfällt, dann wandelt sie sich zu einem kostenlosen Vorteil eines Systems, das insgesamt auf die kontinuierliche und nachhaltige Verbesserung von Datenanalysen und Prozessen ausgelegt ist.

Wesentliche Anforderungen für Big Data in der Fertigung

Nach der Entscheidung für eine Big-Data-Lösung ist die Systemauswahl der nächste Schritt. Einige zentrale Funktionen und Geschäftsansätze sollten Fertiger von jedem Anbieter erwarten.

Betrachten wir zuerst das Datenmodell, auf dem das System sitzt. Wichtig ist die Prüfung zweier kritischer Fragen zur Datenerfassung und zum Datenmodell.

Erstens: Wie erfasst das System die Daten aus der automatisierten Ebene der Fertigung – einschließlich Roboter, Förderbänder, Tester, Inspektoren, Sensoren, Scanner, Prozessanlagen etc.? Baut der Lösungsanbieter individuell angepasste Anschlüsse für jede Datenquelle oder hat das System ein skalierbares und auf Standards basierendes Datenerfassungssystem, das sich einfach an die Automatisierungsebene anpassen kann, wobei die Adapter produktbezogen, konsistent und wartbar sind?

Zweitens: Es ist festzustellen, ob das System die CAD-Daten tatsächlich in seinem Datenmodell speichert, sodass eingehende Variablen sich auf bestimmte Eigenschaften des Designs selbst beziehen. Dies ist entscheidend für Analytik und Datenvolumeneffizienz, da das Speichern der Daten gegen die CAD-Daten die Redundanz reduziert.

Diese Fragen führen zum nächsten Thema. Wie werden Daten für Alarme, Kontrollreaktionen, Dashboards und Reporting genutzt? Werden Daten sinnvoll gespeichert, sodass Berichte und Dashboards über eine grafische Benutzerschnittstelle vermittelt werden können, ohne SQL- oder Programmierkenntnisse der Datenbank zu benötigen?

Den Überblick behalten: Mit Hilfe einer grafischen Benutzeroberfläche lassen sich Reports und Dashboards erzeugen, ohne SQL- oder Datenbankkenntnisse vorauszusetzen.
Den Überblick behalten: Mit Hilfe einer grafischen Benutzeroberfläche lassen sich Reports und Dashboards erzeugen, ohne SQL- oder Datenbankkenntnisse vorauszusetzen.
(Bild: Aegis Software)

Echtes Drag-and-Drop für Echtzeit-Dashboards und Berichte ist nur möglich, wenn die Struktur des Systems so konzipiert ist, dass alle eingehenden Daten, ob heute oder in vier Jahren auf neuen Maschinentypen, normalisiert und sinnvoll gespeichert werden. Die Frage ist deshalb: Sollte ein neues Gerät zur Echtzeit-Datenerfassung an das System angeschlossen werden, ist dann eine SQL oder Codierung erforderlich, um die Berichterstattung zu ändern? Die Antwort sollte Nein sein.

Der Anwendungsbereich des Systems muss ebenfalls berücksichtigt werden. Um Big Data der Fertigung richtig zu nutzen, muss jede Tätigkeit, von der Übergabe der CAD-Daten vom F&E über die Prozessgestaltung und NPI-Aktivitäten, der Materialwirtschaft und dem Beginn der Fertigung bis hin zum Versand, Teil des grundlegenden Anwendungsbereichs des Systems sein. Alles andere würde lediglich eine Teilmenge der benötigten Daten erfassen.

Der letzte Aspekt bezieht sich auf das Geschäftsmodell des Lösungsanbieters. Bietet das Softwarehaus nur einen Lösungskern an, der durch viel Customization angepasst werden muss? Oder verfügt der Anbieter über eine Komplettlösung, die sich durch Konfiguration an Ihren Prozess anpassen kann und somit den Gestaltungsbedarf und die Kosten minimiert? Die Frage nach Lösungsanpassung oder Konfiguration ist der einzige bestimmende Faktor für Rollout-Geschwindigkeit und Gesamtkosten des Projekts.

Um das Ausmaß der benötigten Anpassung eines Anbieters zu bestimmen, sollte man auf eine detaillierte Leistungsbeschreibung bestehen, die definiert, was das System bietet und was nicht. Außerdem sollte man darauf bestehen, dass das Lösungsangebot einen Festpreis enthält, der diese Funktionalität abdeckt. Alles andere riskiert Anpassungsanforderungen und Kosten, wenn Sie nach dem Kauf feststellen, dass das System nicht alle erwarteten Funktionen bietet und weitere Anpassungen nötig sind.

* Jason Spera ist der Chief Executive Officer von Aegis Software (www.aiscorp.com).

(ID:43270479)