We deliver powerful SAP-Solutions to the World! MRP / HANA a Industry 4.0 Tomáš Slámka Martin Šindlář
itelligence, a.s. Milníky: 2002: založení společnosti 2008: společnost členem itelligence Group 2010: akvizice AGFIT 2013: akvizice Software AG (CZ, SK, HU) 2015: akvizice Pontech Sídlo společnosti: Mateřská společnost: Počet zaměstnanců: Počet zákazníků: Zastoupení: Obrat skupiny: Hlinky 505/118, 603 00 Brno itelligence AG 4.000+ (100+ v ČR) 5.000+ (350+ v ČR) ve 22 zemích 5-ti regionů 556.8 millionů EUR 2 itelligence
1. MRP plánování s využitím S4/HANA 2. Industry 4.0: Základní pojmy 3. Industry 4.0: Prediktivní údržba s využitím SAP MII 4. Industry 4.0: Prediktivní údržba v prostředí IoT 3 9/14/2015 PPT Master Basics, Version 04/2012
MRP plánování s využitím S4/HANA.
MRP současný stav dávkový proces a zpracování transakci v ERP systému MRP Plánovací běh MRP Plánovací běh Dávkový proces zvýšené nároky na zdroje Časově náročné zpracování MRP běh je spouštěn jednou, nebo vícekrát týdně, nebo jednou za den Vyhodnocení plánovaných potřeb Vyhodnocení materiálových potřeb, založený na běhu MRP Vyhodnocení zásob Používaní více transakcí napříč ERP systém Velmi pomalé reakce na Změny výrobních zakázek Změny plánovaných zakázek Změny nákupních objednávek Změny požadavků na objednávku 5 14.9.2015 itelligence
OnLine MRP s využitím SAP HANA Více MRP běhů, přesnější data, lepší podpora rozhodování MRP Live: Rychlý MRP běh Plánování vícekrát za den aktuální data Identifikace a vyhodnocení nedostatečného krytí materiálu s použitím pružných pravidel Disponent materiálu Nalezení kritických potřeb nepokryté odbytové zakázky, nebo chybějící díly ve výrobě Nalezení kritických dodávek- zpožděné objednávky, nebo výrobní zakázky Vyhodnocení dopadů jaké zakázky jsou ohroženy vlivem zpožděných dodávek 6
OnLine MRP s využitím SAP HANA Smart business pro plánování Informace v reálném čase KPI a metriky v reálném čase pro materiál, zakázku, zásoby a nákup Vlastní nastavení Komplexní pohled na celý podnik Napříč tisícem materiálů, přes stovky lokací, tisíce různých situací v situaci zásob Consumer-Grade User Experience Uživatelsky příjemný GUI Červená, žlutá, zelená barva pro jednoduchou identifikaci problému 7
OnLine MRP s využitím SAP HANA Vylepšené řešení v oblasti identifikace problémů a doporučení Zvýraznění problémů Identifikace a prioritizace materiálů s kritickým pokrytím, založená na aktuálních informacích Identifikace kritické situace v čase Graficky prezentovaná situace v zásobách pro nejbližších 21 dnů Doporučení řešení Návrh variant řešení Pohled na řešení Jednoduchá aplikace řešení 8
Koncepce plánování a řízení výroby s využitím SAP HANA MRP OnLine MRP Cockpit SAP HANA SAP MII SAP OEE 9
Řešení situace v plánování pomocí MRP cockpitu Ukázka na systému 10
MRP Cockpit 11
Zobrazení materiálů pro disponenta 12
Situace s nedostatečným pokrytím 13
Analýza nedostatečného krytí 14
Návrh řešení pro nedostatečné krytí 15
Simulace navýšení objednávky 16
Industry 4.0: Základní pojmy.
Průmyslová revoluce 4.0 18
1. Predictive maintenance (Prediktivní údržba) 2. Predictive service (Prediktivní služby) 3. Resilient Manufacturing (Pružná výroba) 4. Internet of Things 5. M2M Machine-to-Machine communication 6. Connected Retail 7. Connected Logistics 8. Connected Asset 9. Wearable technology 19 9/14/2015 PPT Master Basics, Version 04/2012
ANSI/ISO-95 20
Průmyslová revoluce 4.0 - Open Integrated Factory Architektura dle ANSI/ISA-95 Propojení ERP systémů, MES systémů s řídícími (SCADA) popř. historian systémy Základní 3 vrstvy ERP (S4/HANA), SAP SCM-APO SAP Manufacturing SAP MII SAP PCo SAP ME SFD Napojení na řídící a historian systémy SCADA (Siemens) Historian OSIsoft - PI 21
Industry 4.0: Prediktivní údržba s využitím SAP MII.
Prediktivní údžba otázky k řešení 23
Prediktivní údržba a servis 24
Prediktivní údržba a servis 25
Industry 4.0: Prediktivní údržba v prostředí Internet of Things.
Prediktivní údržba a servis v prostředí IoT Využití speciálních sítí pro IoT komunikaci (SigFox, LoRa) Využití Complex Event Processing systémů (CEP) Využití historian systémů pro analýzu časových dat Využití statistických metod pro analýzu a predikci dat 27
Statistické metody v prediktivní údržbě V prediktivní údržbě lze s výhodou využiít pro analýzu dat některé ze sofistikovaných statistických metod jako např.: - Bayesiánské sítě - Weibullovo rozdělení - neuronové sítě - lineární a logistická regrese, - analýza časových řad, C5, CHAID, QUEST - Kaplan-Meierův graf - Kohonenovy sítě. Tyto metody mohou odhalit skryté anomálie a tendence k poruchám a určit, kterým technologiím a provozním procesům hrozí největší riziko selhání. Včasné zjištění problémů předtím, než ve skutečnosti nastanou, umožňuje úsporněji nasadit menší množství prostředků údržby při maximalizaci provozní doby zařízení, zlepšit kvalitu, posílit procesy v soustavě dodavatelů a tak v konečném důsledku zvýšit spokojenost zákazníků. 28
Příklad: Monitoring mostních konstrukcí - Využití SAP Event Stream Processor (proudové zpracování dat, filtrace dat) - Hadoop persistence vybraných dat - SAP HANA databáze a SAP PAL(Predictive and Analytics Library) nebo R analytický engine - > využití statistických metod 29
We deliver powerful SAP-Solutions to the World! Tomáš Slámka tomas.slamka@itelligence.cz Martin Šindlář martin.sindlar@itelligence.cz