Die Produktionssteuerung mit MES (Manufacturing Execution System) hat sich in Produktions- und Fertigungsunternehmen etabliert. Und mit dem Einsatz von MES-Software geht die Generation vieler Produktionskennzahlen einher. Diese bilden die Basis für die Ermittlung der Gesamtanlageneffektivität (OEE, Overall Equipment Effectiveness) auf dem Weg zu mehr Transparenz in Unternehmen. Mehr Kennzahlen bedeuten mit Blick auf die OEE aber nicht zwangläufig Erkenntnisgewinn und Verbesserung. Process Mining kann hier den entscheidenden Schritt weiterbringen. Gerade mit Blick auf die sonst bekannten Kernprozesse bietet sich oft unentdecktes Optimierungspotenzial.
Datenschatz im MES-Umfeld
Mit der digitalen Abbildung der Prozessschritte in der Produktion, kann das MES zum wahren Datenschatz werden. Neben An- und Abmeldungen von Arbeitsvorgängen werden Informationen zu Stücklistenverbräuchen, Produktkonfigurationen, Maschineninformationen und vieles mehr dokumentiert. Aus solchen Eingabeinformationen durch die Werker und das Leitungspersonal werden durch fortlaufende Dokumentation Kennzahlen. Aus diesen Kennzahlen leiten sich die Faktoren zur Verfügbarkeit, Leistung und Qualität ab, die wiederrum Grundlage für die OEE-Berechnung liefern. Doch viele Kennzahlen haben keinen konkreten Bezug zum eigentlichen Auftrag. Auf dem Weg zu mehr Transparenz hilft die Standardisierung von Kennzahlen, um etwa mehrere Produktionsstandorte miteinander vergleichen zu können.
Dunkelfeld Nebenprozesse
Die Kernprozesse sind in den Produktionsstätten bekannt und werden meist aktiv optimiert. Nebenprozesse, die in die Produktion einwirken, sind oft unbekannt, beeinflussen aber Verfügbarkeit, Leistung und Qualität. Sie entstehen dort, wo Ereignisse wiederkehrend stattfinden und kein direktes Zutun in der Wertschöpfung der Produktion haben. Beispiele sind Warte- und Liegezeiten. Diese können technischer Natur bzw. notwendig sein, wie etwa Trocknung nach Lackieren. Oftmals schlummert das Material aber auch länger, bis es weiterverarbeitet wird. Weitere Beispiele sind Rüstzeiten in den Werklinien und fehlendes Material für Montagevorgänge. Wo sich Nebenprozesse eingeschlichen oder als gegeben hingenommen werden, sinkt der OEE durch ihren Einfluss auf die Kernprozesse (siehe Bild).
Was macht Process Mining?
Process Mining kann softwarebasiert den nächsten Schritt in Sachen Transparenz ermöglichen, wenn es die ursprünglich statischen Kennzahlen auf Basis tiefgehender Informationen dynamisiert und Prozesseinflüsse und Prozessvarianten in der Produktion sichtbarer macht. Es werden Zusammenhänge sichtbar, wie Kennzahlen entstehen, weil die Darstellung nicht mehr etwa über mehrere Excel-Tabellenblätter verläuft, sondern mittels Prozessgraphen dargestellt wird. Die Daten und die Darstellungen sind filterbar und können untersucht werden. Zusätzlich können auch Prozessszenarien bei Änderungen von KPIs simuliert werden. Process Mining kombiniert Datenanalytik und Prozessmanagement. Mit Process Mining lassen sich Prozesskennzahlen erheben, aber auch die Faktoren analysieren, die auf die Kennzahlen einwirken, etwa Warte- und Liegezeiten, Prozesswiederholungen und Produktkonfigurationen. Grundlage hierfür sind digitale Prozessspuren im MES, die in Form von Aktivitätsprotokollen vorliegen. Man spricht hierbei von Log-Daten.