Disposition 4.0 für die smarte Fabrik

Prof. Dr.-Ing. Götz-Andreas Kemmner und Prof. Dr.-Ing. Gerrit Sames

Industrie 4.0 zielt darauf ab, die Industrie für die Zukunft der Produktion zu rüsten. Ziel ist es, Produktionsvorteile durch eine vernetzte und sich dynamisch organisierende Fertigung für individualisierte Produkte zu erreichen. Als wesentliche technologische Grundlagen der Fabrik 4.0 gelten Cyber-physikalische Systeme und das Internet der Dinge. Dabei geht es um die selbständige Kommunika-tion zwischen verschiedenen Komponenten in Produktion, Wertschöpfungskette und Supply Chain. Den Überlegungen zur Fabrik 4.0 haftet der Touch rein dezentraler Strukturen an, die keinem gemeinsamen Plan mehr folgen müssen. Da spricht das Bauteil mit der Werkzeugmaschine, zu welcher neuen Komponente es verarbeitet werden möchte und findet selbständig seinen Weg durch die Fabrik und durch die verschiedenen Lagerstufen. Die Werkzeugmaschine ordert selbständig die benötigten Werkzeuge im ERP-System. Doch auch in der Fabrik 4.0 sind übergeordnete zentrale Vorgaben erforderlich, denn Teile müssen bevorratet und Fertigungsaufträge müssen disponiert werden. Selbst wenn sich Produktionsmaterial den Weg durch die Fabrik selbst sucht, muss eine Entscheidung getroffen werden, wann es auf den Weg gebracht wird. Damit ein ERP-System Teile automatisch bestellen kann, müssen zuverlässige Entscheidungsmechanismen aufgebaut werden.

Mechanismen zur Disposition 4.0 bestehen bereits, sie werden aber erst von wenigen Leistungsführern angewandt. Die wesentliche Herausforderung und damit der entscheidende Schlüssel zur Disposition 4.0 liegen in der intelligenten Auswertung der ungeheuren Datenmengen, die in heutigen ERP-Systemen aufgrund der zunehmenden Digitalisierung der Prozesse vorliegen und laufend weiter wachsen. 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. An geeigneten mathematischen Verfahren und Algorithmen, um aus den Datenmengen Informationen herauszufiltern, wird intensiv gearbeitet und erste in der Praxis anwendbare Lösungen existieren bereits.

Warum die ungeheuren Datenmengen und deren intelligente Auswertung für die Disposition 4.0 so entscheidend sind, lässt sich leicht nachvollziehen. Die Disposition ist das Herz eines jeden Unternehmens, das den gesamten Materialstrom durch Supply Chain und Wertschöpfungskette pumpt. Deshalb ist die Qualität der Disposition für die Wirtschaftlichkeit einer Wertschöpfungskette von entscheidender Bedeutung. Sie hängt von den Dispositionsparametern ab, die maßgeblich bestimmen, wie sich Bestände, Lieferbereitschaft, Reichweiten, Kapazitätsauslastung und Durchlaufzeiten in Beschaffung, Produktion und Distribution entwickeln und wie wirtschaftlich damit die gesamte Wertschöpfungskette arbeitet.

In der heutigen Fabrik 3.0 fehlt es bereits an einer effektiven Disposition: Viele Unternehmen müssen feststellen, dass sich trotz Einsatz von ERP-Systemen zum Beispiel die gewünschte Bestandsreduzierung nicht einstellt. Auch sind geplante Lieferbereitschaftsgrade nicht erreicht worden. Wesentliche Ursachen für das Verfehlen der wirtschaftlichen ERP-Ziele sind in den Unternehmen durchaus bekannt: Eine Pflege von Dispoparametern findet häufig nicht oder nur in zu großen Abständen statt. Das liegt zuerst einmal an dem zu großen manuellen Pflege- und damit Zeitaufwand, der für eine Datenpflege erforderlich wäre. Doch selbst in den Unternehmen, in denen ein gewisser Pflegeaufwand betrieben wird, ist die Einstellungsqualität der Dispositionsparameter meist schlecht, denn einerseits werden viel zu wenige Parameter betrachtet und andererseits werden diese i.d.R. nach wie vor nach bestem Wissen durch den zuständigen Disponenten gesetzt. Die Herausforderungen werden weiter wachsen und die Zeit für die Datenpflege wird zwangsläufig immer geringer werden; alleine schon aufgrund der demographischen Entwicklung wird das notwendige Personal fehlen. Wohl noch entscheidender ist, dass das Verständnis der Anwender für die Auswirkung von Dispoparametern sehr eingeschränkt ist, aber selbst ausgewiesene Experten werden das komplexe Zusammenwirken nicht mehr zuverlässig beherrschen. Letztlich werden mit den ERP-Systemen keine geeigneten Werkzeuge zur Optimierung der Dispositionsparameter zur Verfügung stehen. Viele Manager sehen zwar, dass die Datenqualität im ERP-System nicht zufriedenstellend ist, bezweifeln aber immer noch, dass sich durch das Nachjustieren von Dispositionsparametern viel erreichen lässt.

Ziel eines Unternehmens war es beispielsweise, eine Lieferbereitschaft von 95 % sicherzustellen. Die dafür erforderlichen Bestände sollten möglichst gering gehalten werden. Durch geeignetes Einstellen der Dispositionsparameter des ERP-Systems ist es gelungen, die Lieferbereitschaft hinreichend sicherzustellen, allerdings auf Kosten eines um 18 % höheren Bestandes. Durch weitere Optimierungen, ergänzt durch eine erweiterte Dispositions- und Prognosefunktionalität, konnte die geforderte Lieferbereitschaft letztlich sogar mit 40 % weniger Bestand erreicht werden.

Dabei führt die konventionelle Pflege von Dispositionsparametern nicht zum Erfolg: Erstens ist die konventionelle Pflege von Dispositionsparametern viel zu aufwändig. Zweitens liefert eine konventionelle Pflege von Dispositionsparametern keine reproduzierbaren Dispositionsergebnisse. Diesen Effekt kennt jeder Praktiker, doch die meisten Unternehmen tun wenig dagegen. Jeder Anwender gewichtet Sachverhalte anders, verhält sich damit anders und hat darüber hinaus nur den Überblick über einen Teil des Geschehens. Mit jeder Urlaubs- oder Krankheitsvertretung, mit jedem Personalwechsel verändert sich die Dispositionswelt der betroffenen Artikel, was wiederum Auswirkungen auf alle nachfolgenden Dispositionsstufen hat. Drittens liefert eine konventionelle Pflege von Dispositionsparametern keine wirtschaftlich optimierten Ergebnisse. Zu wirtschaftlich optimierten Dispositionsergebnissen lässt sich nicht per Bauchgefühl kommen, denn das Zusammenspiel der verschiedenen Dispositionseinstellungen ist äußerst komplex. Letztlich geht es um statistische Effekte und statistische Zusammenhänge zwischen Parametereinstellungen und wirtschaftlichen Ergebnissen. Selbst wenn man von nur zehn Parametern ausgeht, die für die Performance eines Artikels wichtig sind, kann kaum jemand das logistische Zusammenwirkungen dieser Parametereinstellungen beurteilen und damit auch nicht deren betriebswirtschaftliche Auswirkungen. In leistungsfähigen ERP-Systemen lassen sich pro Materialnummer jedoch weit mehr Dispositionsparameter einstellen. Im SAP-System können beispielsweise bis zu 130 Parameter für jedes Material festgelegt werden; dabei sind Einstellungen zu Vergangenheitswerten, Quotierungen, Lieferplänen und Kontraktennicht enthalten. Natürlich benötigt niemand so viele Einstellungen für 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 Umständen zu richtig eingestellten Dispositionsparametern zu gelangen.

Mit dem Werkzeug Diskover Sco von SCT Supply Chain Technologies existiert eine Fabrik-4.0-Lösung, die in der Lage ist, die umfangreichen Datenbestände im ERP-System zu nutzen, um damit optimierte Parametereinstellungen zu ermitteln und bestimmte Dispositionsparameter laufend zu justieren. Kern der Analyse sind dabei Simulationen, mit denen überprüft wird, wie sich eine bestimmte Kombination von Dispositionsparametereinstellungen auf die Wirtschaftlichkeit der Dispositionsergebnisse auswirken. Mit Simulationsansätzen arbeitet man heute an vielen Stellen. Diskover Sco simuliert die Disposition im Rechner, ehe die Parametereinstellungen in der Praxis umgesetzt werden. Der Simulationsprozess ersetzt dabei nicht den Fachmann, der die Simulationsergebnisse interpretieren und daraus Schlüsse ziehen kann. Optimierungsprozesse werden jedoch drastisch beschleunigt, Risiken deutlich verringert und es werden qualitativ weit bessere Ergebnisse erreicht. Die Simulationsergebnisse können einerseits in Dispositionsregelwerken abgebildet werden. Andererseits werden besonders dynamische Parametereinstellungen, wie Sicherheitsbestände oder Prognosewerte, durch Simulationsprozesse direkt nachjustiert. Interessant ist dabei auch, dass sich für jeden einzelnen Artikel und jedes Material direkt überprüfen lässt, ob geforderte Lieferbereitschaftsgrade in der Praxis überhaupt eingehalten werden können und welche Zielbestände zu erreichen sein werden.

Der grundsätzliche Ablauf der Datenanalysen und Simulationen lässt sich in fünf Schritte untersteilen:

Um die Auswirkungen alternativer Dispositionseinstellungen für unterschiedliche Artikelgruppen zu simulieren, werden im System zu testende Dispositionsparametereinstellungen oder ganze Regelwerke in Szenarien übernommen und in den Simulationsprozess gegeben. Die Ergebnisse lassen sich direkt in Diskover als Gesamtergebnis über alle Artikel sowie für jeden einzelnen Artikel ansehen, um daraus ggf. Hinweise für Optimierungsansätze zu erhalten. Auf diese Weise lassen sich Handlungsalternativen durchspielen und miteinander vergleichen. Als Ergebnis der Datenanalysen gewinnt man nicht nur Informationen zu den richtigen Parametereinstellungen im ERP-System, sondern auch strategische Erkenntnisse und Organisationsregeln. Von direkter Bedeutung für 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 können.

Mit dem Dispo-Handbuch der 90er-Jahre oder einfachen Arbeitsanweisungen kommt man heute nicht mehr weit. Das liegt nicht nur daran, dass es für die Anwender viel zu aufwändig wäre, zwecks Datenpflege die Regeln nachzuschlagen. Entscheidender ist noch, dass die Regelwerke auf einer großen Zahl unterschiedlicher Materialklassifizierungen aufsetzen, die laufend neu berechnet werden müssen und ohne die die Regelwerke nicht funktionieren. 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.

Ein solches ERP-Performance-Management-System/Dispo-4.0-System regelt die Parametereinstellungen im ERP-System nach. Es muss dazu ein breites Spektrum an Grunddaten aus dem ERP-System übernehmen, zahlreiche Artikelklassifizierungen und Kennzahlenermittlungen vornehmen, Regelwerke und Entscheidungstabellen abbilden sowie über umfangreiche Simulationsfunktionen verfügen und die Einstellungsvorgaben an das ERP-System zurückgeben.

Das ERP Performance Management System gibt dem ausführenden ERP-System die Strategien und Artikeleinstellungen vor. Für Klassifizierungen und einfache Regelwerke gibt es bereits verschiedene Lösungen am Markt. Bei den Simulationsfunktionen trennt sich heute die Spreu vom Weizen. Auch wenn der Markt noch dünn gesät ist, auf Big Company Data basierendes ERP-Performance Management ist in der Praxis angekommen und bei Technologieführern bereits im Einsatz. Das zeigen verschiedene Beispiele. In allen Fällen wurden bedeutende Bestandsreduzierungen, verbesserte Lieferbereitschaft und rationellere Dispositionsprozesse erreicht. ge