{"id":11662,"date":"2016-01-07T12:32:11","date_gmt":"2016-01-07T11:32:11","guid":{"rendered":"https:\/\/ak-online.de\/?p=11662"},"modified":"2025-01-15T10:59:56","modified_gmt":"2025-01-15T09:59:56","slug":"disposition-4-0-fuer-die-fabrik-4-0-3","status":"publish","type":"post","link":"https:\/\/www.ak-online.de\/de\/disposition-4-0-fuer-die-fabrik-4-0-3\/","title":{"rendered":"Disposition 4.0 f\u00fcr die Fabrik 4.0"},"content":{"rendered":"

Wie aus Big Data smarte Daten werden:<\/h2>\n

Disposition 4.0 f\u00fcr die Fabrik 4.0<\/h1>\n

Gerrit Sames, Andreas Kemmner<\/h3>\n

Noch nie haben wir in den Unternehmen so viele Daten erzeugt \u2013 und leider so wenig damit getan. Aber wie macht man aus Big Data dann Smart Data? An einem Beispiel soll diese Thema aufgegriffen werden: der Disposition.\u00a0Mechanismen zur Disposition 4.0 bestehen bereits, sie werden aber erst von wenigen Leistungsf\u00fchrern angewandt. Die wesentliche Herausforderung und damit der entscheidende Schl\u00fcssel zur Disposition 4.0 liegt in der intelligenten Auswertung der ungeheuren Datenmengen, die in heutigen ERP-Systemen aufgrund der zunehmenden Digitalisierung der Prozesse vorliegen und laufend anwachsen.<\/strong>
\n
\nSchauen wir uns die Ausgangssituation an: Mit zunehmender Digitalisierung der Prozesse fallen immer mehr Daten in den Unternehmen an. Das gilt gleicherma\u00dfen f\u00fcr Daten aus den Produktionsprozessen wie auch f\u00fcr Daten aus den administrativen Prozessen. Leider ist die systematische Erfassung und Analyse der Daten noch wenig entwickelt, und so werden kaum oder nur wenig Schlussfolgerungen aus den Daten gezogen. Wichtig dabei ist, dass die Datenanalytik sehr genau auf die Fragestellungen passen und daher sehr spezifisch ausgelegt sein muss, wie wir sp\u00e4ter noch genauer erkennen werden. An geeigneten mathematische Verfahren und Algorithmen, um aus den Datenmengen Informationen herauszufiltern, wird intensiv gearbeitet, und erste in der Praxis anwendbare L\u00f6sungen existieren schon.<\/p>\n

Die Disposition ist das Herz jedes Unternehmens<\/h3>\n

Warum die ungeheuren Datenmengen und deren intelligente Auswertung f\u00fcr die Disposition 4.0 so entscheidend sind, l\u00e4sst sich leicht nachvollziehen, wenn man sich klar macht, dass die Disposition das Herz eines jeden Unternehmens darstellt, das den gesamten Materialstrom durch die Supply Chain und Wertsch\u00f6pfungskette pumpt. Deshalb ist die Qualit\u00e4t der Disposition f\u00fcr die Wirtschaftlichkeit einer Wertsch\u00f6pfungskette von entscheidender Bedeutung. Die Qualit\u00e4t der Disposition h\u00e4ngt von den Dispositionsparametern ab, denn durch sie wird ma\u00dfgeblich bestimmt, wie sich Best\u00e4nde, Lieferbereitschaft, Reichweiten, Kapazit\u00e4tsauslastung und Durchlaufzeiten in Beschaffung, Produktion und Distribution entwickeln und wie wirtschaftlich damit die gesamte Wertsch\u00f6pfungskette arbeitet.<\/p>\n

Viele Firmen erreichen die von ihrem ERP-System erhofften Effekte nicht<\/h3>\n

In der heutigen Fabrik 3.0 fehlt es bereits an einer effektiven Disposition: Viele Unternehmen m\u00fcssen feststellen, dass sich trotz Einsatzes von ERP-Systemen die gew\u00fcnschte Bestandsreduzierung zum Beispiel nicht einstellt. Auch sind geplante Lieferbereitschaftsgrade nicht erreicht worden. Wesentliche Ursachen f\u00fcr das Verfehlen der wirtschaftlichen ERP-Ziele sind in unseren Unternehmen durchaus bekannt: Eine Pflege von Dispoparametern findet h\u00e4ufig nicht oder nur in zu gro\u00dfen Abst\u00e4nden statt. Das liegt zuerst einmal an dem zu gro\u00dfen manuellen Pflege- und damit Zeitaufwand, der f\u00fcr eine Datenpflege erforderlich w\u00e4re. Doch selbst in den Unternehmen, in denen Pflegeaufwand betrieben wird, ist die Einstellungsqualit\u00e4t der Dispositionsparameter meist schlecht, denn einerseits werden viel zu wenige Parameter betrachtet, und andererseits werden diese Parameter meist nach wie vor nach bestem Wissen durch den zust\u00e4ndigen Disponenten gesetzt.<\/p>\n

Es bedarf keiner gro\u00dfen Visionen, um zu erkennen, dass die Herausforderungen weiter wachsen werden. Die Zeit, die Disponenten\/Innen zur Datenpflege zur Verf\u00fcgung steht, wird zwangsl\u00e4ufig immer geringer werden. Alleine schon aufgrund der demographischen Entwicklung wird das notwendige Personal immer st\u00e4rker fehlen. Aber wohl noch entscheidender ist, dass das Verst\u00e4ndnis der Anwender f\u00fcr die Auswirkung von Dispoparametern sehr eingeschr\u00e4nkt ist und selbst ausgewiesene Experten deren komplexes Zusammenwirken nicht mehr zuverl\u00e4ssig durchdringen k\u00f6nnen. Letztlich werden in den ERP-Systemen im Allgemeinen keine geeigneten Werkzeuge zur Optimierung der Dispositionsparameter zur Verf\u00fcgung gestellt.<\/p>\n

\"Die
Die Auswirkung eines Regelwerks auf das gesamte Teilespektrum l\u00e4sst sich per Simulation mittels DISKOVER ermitteln<\/figcaption><\/figure>\n

Konventionelle Pflege von Dispositionsparametern ist zu aufw\u00e4ndig<\/h3>\n

Stellen Sie sich vor, Sie w\u00e4ren f\u00fcr 1000 Artikel zust\u00e4ndig und wollten sich auf die Pflege der wesentlichsten 10 Dispositionsparameter konzentrieren. Diese wollen Sie viermal im Jahr, also alle drei Monate, einmal ansehen. Es ist sicherlich nicht \u00fcbertrieben, von einem Zeitaufwand von 60 Sekunden pro Dispositionsparameter auszugehen, denn jede Materialnummer muss aufgerufen werden, die Masken mit den gew\u00fcnschten Parametern m\u00fcssen geladen werden, und \u00fcber die richtige Einstellung muss nachgedacht oder sie muss nachgeschlagen werden. Wenn Sie alles zusammenrechnen, kommen Sie auf einen Pflegeaufwand von 666 Stunden pro Jahr. Das entspricht ca. 40 Prozent Ihrer Jahresarbeitskapazit\u00e4t.<\/p>\n

Diesen Effekt kennt jeder Praktiker, doch die meisten Unternehmen tun wenig dagegen: Jeder Anwender gewichtet Sachverhalte anders, verf\u00e4hrt damit anders und hat dar\u00fcber hinaus nur den \u00dcberblick \u00fcber einen Teil des Geschehens. Zu wirtschaftlich optimierten Dispositionsergebnissen l\u00e4sst sich nicht per Bauchgef\u00fchl kommen, denn das Zusammenspiel der verschiedenen Dispositionseinstellungen ist \u00e4u\u00dferst komplex. Letztlich geht es um statistische Effekte und statistische Zusammenh\u00e4nge zwischen Parametereinstellungen und wirtschaftlichen Ergebnissen. Selbst wenn Sie nur von 10 Parametern ausgehen, die f\u00fcr die Performance eines Artikels wichtig sind, wie in unserem Beispiel zum Zeitaufwand f\u00fcr die Datenpflege angenommen, kann niemand mehr das logistische Zusammenwirken dieser Parametereinstellungen beurteilen und damit auch nicht deren betriebswirtschaftliche Auswirkungen. In leistungsf\u00e4higen ERP-Systemen lassen sich pro Materialnummer jedoch weit mehr Dispositionsparameter einstellen. Im SAP-System k\u00f6nnen z.B. bis zu 130 Parameter f\u00fcr jedes Material festgelegt werden; dabei sind Einstellungen zu Vergangenheitswerten, Quotierungen, Lieferpl\u00e4nen und Kontrakten noch gar nicht enthalten. Nat\u00fcrlich ben\u00f6tigt niemand so viele Einstellungen f\u00fcr einen Artikel zur selben Zeit; weit mehr als 10 sind es in der Praxis jedoch allemal. Auf den ersten Blick scheint es schwierig, unter diesen Umst\u00e4nden zu richtig eingestellten Dispositionsparametern zu gelangen.<\/p>\n

Big Company Data Analytics er\u00f6ffnet breite M\u00f6glichkeiten f\u00fcr die Disposition 4.0<\/h3>\n
\"Abb.
Das \u201eERP Performance Management System\u201c gibt dem ausf\u00fchrenden ERP-System die Strategien und Artikeleinstellungen vor<\/figcaption><\/figure>\n

Mit dem Werkzeug DISKOVER existiert jedoch schon eine erste Fabrik-4.0-L\u00f6sung am Markt, die in der Lage ist, die umfangreichen Datenbest\u00e4nde im ERP-System zu nutzen, um damit optimierte Parametereinstellungen zu ermitteln und bestimmte Dispositionsparameter laufend nachzujustieren (vgl. Abb. 1). DISKOVER ist bereits bei bekannten Unternehmen im Einsatz, z.B. der Hansaflex AG, der Trost SE und auch der STO-Gruppe. Bemerkenswert sind die Ergebnisse, die mit dem Einsatz von DISKOVER erreicht werden. So konnte beispielsweise bei einem internationalen Produktionsunternehmen bei Festlegung auf einen Verf\u00fcgbarkeitsgrad bzw. Lieferbereitschaftsgrad von 95% durch Optimieren der Dispositionsparameter eine Bestandsreduzierung von \u00fcber 40% erzielt werden.<\/p>\n

Kern der Analyse sind dabei Simulationen, mit denen \u00fcberpr\u00fcft wird, wie sich eine bestimmte Kombination von Dispositionsparametereinstellungen auf die Wirtschaftlichkeit der Dispositionsergebnisse auswirken. Das System DISKOVER crasht sozusagen die Disposition im Rechner, ehe die Parametereinstellungen in der Praxis umgesetzt werden.
\nDer Simulationsprozess ersetzt dabei nicht den Fachmann, der die Simulationsergebnisse interpretieren und daraus Schl\u00fcsse ziehen kann. Optimierungsprozesse werden jedoch drastisch beschleunigt, Risiken deutlich verringert, und es werden qualitativ weit bessere Ergebnisse erreicht. Die Simulationsergebnisse k\u00f6nnen einerseits in Dispositionsregelwerken abgebildet werden, andererseits werden besonders dynamische Parametereinstellungen, wie Sicherheitsbest\u00e4nde oder Prognosewerte, durch Simulationsprozesse direkt nachjustiert.<\/p>\n

Sehr interessant ist dabei auch, dass sich f\u00fcr jeden einzelnen Artikel und jedes Material direkt \u00fcberpr\u00fcfen l\u00e4sst, ob geforderte Lieferbereitschaftsgrade in der Praxis \u00fcberhaupt eingehalten werden k\u00f6nnen und welche Zielbest\u00e4nde ungef\u00e4hr zu erreichen sein werden. Wie sich ein solcher Simulationsansatz in der Praxis darstellt, soll nachfolgend etwas genauer betrachtet werden. Der grunds\u00e4tzliche Ablauf der Datenanalysen und Simulationen l\u00e4sst sich in f\u00fcnf Schritte unterteilen:<\/p>\n

    \n
  1. Aus Zu- und Abg\u00e4ngen von Best\u00e4nden lassen sich mit geeigneten Verfahren Bestandsverl\u00e4ufe, Lieferbereitschaftsgrade und Reichweiten berechnen.<\/li>\n
  2. \u00dcber Simulationen unter Variation von Dispoparametern und Dispositionsstrategien k\u00f6nnen gezielt Soll-Reichweiten resp. Lieferbereitschaftsgrade bestimmt werden.<\/li>\n
  3. Mit welchen Einstellungen, unter welchen Randbedingungen, optimierte Bestandsh\u00f6hen, Reichweiten resp. Lieferbereitschaftsgrade erreicht werden, wird in Entscheidungstabellen und Regelwerken abgebildet.<\/li>\n
  4. Die regelbasierten Einstellparameter werden in das ERP-System zur\u00fcckgespielt; die manuelle Pflege von Dispoparametern kann somit entfallen.<\/li>\n
  5. Die Optimierung und das R\u00fcckspielen der Ergebnisse ins ERP-System erfolgt t\u00e4glich automatisch oder zu w\u00e4hlbaren Zeiten.<\/li>\n<\/ol>\n

    Um die Auswirkungen alternativer Dispositionseinstellungen f\u00fcr unterschiedliche Artikelgruppen zu simulieren, werden im System DISKOVER zu testende Dispositionsparameterein-
    \nstellungen oder ganze Regelwerke in Szenarien \u00fcbernommen und in den Simulationsprozess gegeben. Die Ergebnisse lassen sich direkt in DISKOVER als Gesamtergebnis \u00fcber alle Artikel sowie f\u00fcr jeden einzelnen Artikel ansehen, um daraus ggf. Hinweise f\u00fcr Optimierungsans\u00e4tze zu erhalten. Auf diese Weise lassen sich unterschiedliche Handlungsalternativen durchspielen und miteinander vergleichen.<\/p>\n

    Als Ergebnis der Datenanalysen gewinnt man nicht nur Informationen zu den richtigen Parametereinstellungen im ERP-System, sondern auch strategische Erkenntnisse und Organisationsregeln, mit denen wir uns an dieser Stelle aber nicht weiter besch\u00e4ftigen wollen, obwohl sie f\u00fcr die Unternehmensstrategie von gro\u00dfer Bedeutung sein k\u00f6nnen. Von direkter Bedeutung f\u00fcr die Disposition 4.0 ist, wie man mit den technischen Erkenntnissen hinsichtlich der Dispositionsregelwerke umgehen muss, um sie in der Praxis effektiv und effizient anwenden zu k\u00f6nnen.<\/p>\n

    Eine zentrale Aufgabe von Dispo-4.0-Systemen: das ERP Performance Management<\/h3>\n

    Zur konsequenten Umsetzung der Disposition 4.0 ist vielmehr ein strategisch ausgerichtetes Werkzeug erforderlich, das dem ERP-System die jeweils aktuellen Dispositionsparametereinstellungen vorgibt und auf diese Weise die Logistik Performance optimiert \u2013 man k\u00f6nnte es ein \u00bbERP Performance Management System\u00ab nennen (vgl. Abb. 2). Ein solches ERP-Performance Management System regelt die Parametereinstellungen im ERP-System nach. Es muss dazu<\/p>\n

      \n
    • ein breites Spektrum an Grunddaten\u00a0aus dem ERP-System \u00fcbernehmen;<\/li>\n
    • zahlreiche Artikelklassifizierungen\u00a0und Kennzahlenermittlungen vornehmen;<\/li>\n
    • Regelwerke und Entscheidungstabellen\u00a0abbilden;<\/li>\n
    • \u00fcber umfangreiche Simulationsfunktionen\u00a0verf\u00fcgen;<\/li>\n
    • die Einstellungsvorgaben an das ERP-System\u00a0zur\u00fcckgeben.<\/li>\n<\/ul>\n

      Fazit<\/h3>\n

      Industrie 4.0 wird in unsere Unternehmen einziehen. Ein wichtiger Baustein davon werden Big Data und Big Data Analytics werden. Um aus Big Data dann Smart Data zu machen, sind sehr spezifische Algorithmen notwendig. F\u00fcr die Disposition 4.0 stehen diese zum Beispiel mit DISKOVER zur Verf\u00fcgung und sind bereits in vielen Unternehmen im Einsatz.<\/p>\n","protected":false},"excerpt":{"rendered":"

      Wie aus Big Data smarte Daten werden: Disposition 4.0 f\u00fcr die Fabrik 4.0 Gerrit Sames, Andreas Kemmner Noch nie haben wir in den Unternehmen so viele Daten erzeugt \u2013 und leider so wenig damit getan. Aber wie macht man aus Big Data dann Smart Data? An einem Beispiel soll diese Thema aufgegriffen werden: der Disposition.\u00a0Mechanismen<\/p>\n","protected":false},"author":25,"featured_media":30237,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"inline_featured_image":false,"footnotes":""},"categories":[1591,1585,1577],"tags":[],"class_list":["post-11662","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-bestandsmanagement","category-digitale-transformation","category-planung-disposition"],"acf":[],"aioseo_notices":[],"aioseo_head":"\n\t\t\n\t\n\t\n\t\n\t\n\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t