Ursachen-für-Rentabilitätsverlust-identifizieren

Ursachen für Rentabilitätsverlust, Maschinenausfälle und Qualitätsverlust identifizieren

Branche: Industrie und Produktion
Aufgabenbereich: Produktion

Herausforderung

Wir befinden uns in einem sich schnell wandelnden Markt mit volatiler Auftragslage. Produzierenden Unternehmen fällt es zunehmend schwer, einen fundierten Forecast zu erstellen. Folglich lässt sich die Planung der Produktion sowie Ressourcen nur mühevoll vornehmen. Veraltete Anlagen und Maschinen sprengen die transparente Planung und Kosten zusätzlich.
Auswirkung: eine Abwärtsspirale für Effizienz, Rentabilität und Qualität, die ein Unternehmen in den Ruin treiben kann. Handlungsbedarf ist hierbei erforderlich.

Merkmale für eine ineffiziente Produktion

  • Hoher Ausschuss
  • Lange Stillstandzeiten / viele Störungen
  • Hoher Energieverbrauch
  • Hohe Produktions- und Lagerkosten
  • Hohe Fehlerquote
  • Hoher Krankenstand

Lösung

Durch Modernisierung und Ausbau bestehender Anlagen sowie Betriebsmittel, z.B. mittels IoT Sensoren oder NetApp Data Fabric, können Parameter identifiziert werden, die Einfluss auf die Produktivität haben. Fehler sowie Störungen können so bereits vor dem Auftreten ermittelt und verhindert oder Absatzprognosen vorgenommen werden.

Optimierte Prozesse, geringe Kosten und höhere Qualität durch Data Science

Zusammenhänge erkennen und nutzen
Root Cause Analysis

Um Zusammenhänge und deren Auswirkung zu untersuchen, lohnt sich zum Beispiel eine Root Cause Analysis. Bei dieser Analyse geht es nicht um Vorhersagen in die Zukunft, sondern um die Frage „Warum“. Es geht darum, Daten und deren Zusammenhänge zu verstehen und herauszufinden, was einen positiven und negativen Einfluss auf die Produktion oder Qualität nimmt.
Durch eine stetige Überwachung sowie Regelung der Produktion und die Verfolgung von Informationsströmen können ganze Produktionsreihen auch bei hochgradig komplexen, mehrstufigen Produktionsprozessen analysiert werden.

Bedarf prognostizieren
Predictive Analytics

Anhand von internen und externen Datenquellen wie z.B. Wetterdaten, können aussagekräftige Prognosen erstellt werden, die Einfluss auf die Produktion haben. So können Vorhersagen über GuV, Energiewerte, Absätze, die Lebensdauer von Produkten und vieles mehr gemacht werden.

Der Mensch
Wie bei allen Lösungen der ACP gilt es, den Mitarbeiter bei allen Prozessen von Beginn an in die Erarbeitung sinnvoller, technologiegestützter Lösungen einzubeziehen und Wissenslücken im Rahmen eines IoT- bzw. Data Science Projekts zu schließen.

Nutzen

Möglichst geringer Aufwand bei maximalem Nutzen, wie

  • Gewährleistung der Produktivität: Planungssicherheit
  • Personalkostenreduzierung
  • Termintreue
  • Effizienz: Produktionszeiten, -menge und -kosten einhalten und optimieren
  • Preisstabilität
  • Steigerung der Kunden- und Mitarbeiterzufriedenheit
  • Reduzierung von Ausschuss und Reklamationen

Weitere Infos

Data Science im Einsatz

Folgen Sie unseren Experten auf LinkedIn:

Franz Ortner

Franz Ortner

Lead Expert Digital Solutions, ACP IT Solutions GmbH

Experte für digitale Lösungen in Österreich


Benedikt Paul

Sales Manager Digitalisierung, ACP Holding Digital AG

Experte für digitale Lösungen in Deutschland


Wolfgang Ennikl

Wolfgang Ennikl

Geschäftsführer cubido business solutions GmbH

Experte für Qualitätsoptimierung und Herstellkostenreduktion durch Analyse von Daten, Umweltfaktoren und Produktionsabläufe.


Erik Purwins

Erik Purwins

Geschäftsführer ACP Digital Analytics GmbH

Experte für die Reise der Daten in die HoloLens als aufgabenzentriertes Interface.




« zur Übersicht      Kontakt