We deliver
powerful
SAP-Solutions
to the World!
MRP / HANA a Industry 4.0 Tomáš Slámka Martin Šindlář
itelligence, a.s. Milníky:
2
2002:
založení společnosti
2008:
společnost členem itelligence Group
2010:
akvizice AGFIT
2013:
akvizice Software AG (CZ, SK, HU)
2015:
akvizice Pontech
Sídlo společnosti:
Hlinky 505/118, 603 00 Brno
Mateřská společnost:
itelligence AG
Počet zaměstnanců:
4.000+ (100+ v ČR)
Počet zákazníků:
5.000+ (350+ v ČR)
Zastoupení:
ve 22 zemích 5-ti regionů
Obrat skupiny:
556.8 millionů EUR
© itelligence
3
9/14/2015
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
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
5
14.9.2015
© itelligence
Změny výrobních zakázek
Změny plánovaných zakázek
Změny nákupních objednávek
Změny požadavků na objednávku
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 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
9/14/2015
© itelligence
Disponent materiálu
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
9/14/2015
© itelligence
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
9/14/2015
© itelligence
Koncepce plánování a řízení výroby s využitím SAP HANA
MRP OnLine
MRP Cockpit
SAP HANA
9
9/14/2015
© itelligence
SAP
SAP
MII
OEE
Řešení situace v plánování pomocí MRP cockpitu Ukázka na systému
10
9/14/2015
© itelligence
MRP Cockpit
11
9/14/2015
© itelligence
Zobrazení materiálů pro disponenta
12
9/14/2015
© itelligence
Situace s nedostatečným pokrytím
13
9/14/2015
© itelligence
Analýza nedostatečného krytí
14
9/14/2015
© itelligence
Návrh řešení pro nedostatečné krytí
15
9/14/2015
© itelligence
Simulace navýšení objednávky
16
9/14/2015
© itelligence
Industry 4.0: Základní pojmy .
Průmyslová revoluce 4.0
18
9/14/2015
© itelligence
19
9/14/2015
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
PPT Master Basics, Version 04/2012
ANSI/ISO-95
20
9/14/2015
© itelligence
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
9/14/2015
© itelligence
Industry 4.0: Prediktivní údržba s využitím SAP MII .
Prediktivní údžba – otázky k řešení
23
9/14/2015
© itelligence
Prediktivní údržba a servis
24
9/14/2015
© itelligence
Prediktivní údržba a servis
25
9/14/2015
© itelligence
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
9/14/2015
© itelligence
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
9/14/2015
© itelligence
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
9/14/2015
© itelligence
We deliver
powerful SAP-Solutions to the World! Tomáš Slámka
[email protected] Martin Šindlář
[email protected]
