Gegen Effizienz-Killer

Automatisierung ausgereizt

Trotz weitgehender Automation steckt in vielen Produktionsabläufen noch Verbesserungspotenzial – in den Abläufen zwischen den Fertigungsschritten. Mit strategischen Simulationen lassen sich solche Effizienz-Killer aufspüren und eliminieren.

Kurze und zuverlässige Lieferzeiten bei sinkenden Produktionskosten – das sind die Parameter, welche die Wettbewerbsfähigkeit produzierender Unternehmen heute bestimmen. Zunehmende Variantenvielfalt und starke Umsatzschwankungen bereiten vielen Unternehmen jedoch Probleme, beide Faktoren im Gleichgewicht zu halten. Dies ist weniger eine Frage des Automatisierungsgrades, da die meisten Produktionsabläufe bereits aus mehrstufigen Supply-Chains mit hochautomatisierten Prozessschritten bestehen. Zwar rühmt sich mancher Prozessverantwortliche mit der rekordverdächtigen Durchsatzleistung seiner neuen Anlage. Dass deren Rekordmenge in den nachgelagerten Prozessschritten jedoch unnötige Zwischenbestände und damit Kapitalbindung verursacht, blendet er gerne aus. Die Lösung des Dilemmas liegt in einer strategischen Planung und taktischoperativen Steuerung der Prozesse und Anlagentechnik.

MES greifen zu kurz

Manufacturing Execution Systeme (MES) ermöglichen eine zentrale Prozessleittechnik, Betriebsdatenerfassung (BDE), Lagerverwaltung und Steuerung über die einzelnen Bereiche hinweg. Ferner sind MES in der Lage, Aufträge aus ERPSystemen in konkrete Befehle für die Steuerungstechnik umzusetzen. Problematisch wird es bei der Planung: Selbst in Kombination mit Feinplanungs- und APS-Modulen (Advanced Planning and Scheduling) bieten MES nur einen kurzfristigen Planungshorizont von bis zu vier Wochen. Eine mittel- und langfristige, das heißt taktisch-strategische Planung und Optimierung von Produktionsund Lagerprozessen lassen sich damit nicht realisieren. Dazu ist eine ganzheitliche Optimierung notwendig, nicht nur über alle Produktionsschritte, sondern auch über Themenfelder wie Kapazitätsplanung, Produktionsstrategien und Personaleinsatz hinweg.

Ausgangsbasis jeder Optimierung ist eine grundlegende Analyse, für die es zwei Ansätze gibt: Die traditionelle, qualitative Beratung und die datengestützte, quantitative Betrachtung. Die qualitative Beratung verfolgt einen Buttom-Up- Ansatz und will vor allem Verbesserungen einzelner Prozesse mit Hilfe von Workshops und Interviews erreichen. Aufgrund der mit zunehmender Anzahl an Teilschritten steigenden Komplexität der Prozesse können in den qualitativen Ansätzen die gegenseitigen Abhängigkeiten nur ungenügend oder gar nicht beachtet werden: Die Einflüsse von Produktionslosgröße und Produktvielfalt auf die Gesamtkosten lassen sich mit qualitativen Ansätzen daher nicht bestimmen. Gleiches gilt für temporäre Engpässe: Welche Kosten entstehen durch kurzfristige Änderungen in der Produktion, um Aufträge wichtiger Kunden einzuschieben?

Der quantitative Ansatz setzt auf eine datengestützte Simulation des Gesamtsystems. Kern der Analyse ist ein Datenmodell, das alle relevanten Eingangsgrößen abbildet, zum Beispiel die bestehenden Produktionslayouts, alle Ressourcen (Anlagen, Reaktoren sowie Personal) und Prozesse. Dies stellt sicher, dass nicht nur eine Teiloptimierung – beispielsweise die Minimierung von Bestandskosten – erreicht wird, sondern ein Gesamtoptimum wie etwa die Minimierung aller Kostentreiber.

• Teil 1: Automatisierung ausgereizt
• Teil 2: Stammdatenänderungen werden quantifizierbar
• Teil 3: Praxisbeispiel Getränke-Industrie