IT systemer til produktionsvirksomheder

Transkript

1 IT systemer til produktionsvirksomheder Teknologisk Institut v/: Asger Thomsen, seniorspecialist Tanya Sørensen, faglig leder

2 Agenda Formål med digitalisering / datafangst i produktionen v/asger Thomsen Hvor digitale er vi som virksomhed? Inkl. hjemmeopgave v/tanya Sørensen IT systemer (ERP og MES) v/tanya Sørensen

3 Formål Hvorfor digitalisere?

4 Digitalisering Hvorfor data? Data er viden Viden påvirker holdninger Holdninger påvirker adfærd Adfærd påvirker resultater Der er mange muligheder for at skaffe data, de findes overalt, og mulighederne er mange fx: Manuelle registreringer Standardiseret produktionssystemer Cloud løsninger Sociale medier Big data Smart phones, tables Internet of Things (IoT). Men hvordan opsamles og udnyttes data bedst? Hvad giver værdi?

5 Dataopsamling, og så? Dataflow, formidling og de løbende forbedringer, en kontinuert proces i produktionsvirksomheder Værdi? Fx OEE + x DB Måling/registrering Dataopsamling Rapportering Optimering Anvendt viden Inkl.. at tilpasse og optimere dataopsamling Analyse Formidling Kompetenceudvikling

6 Viden eliminerer barrierer Fra dataopsamling til handling, bl.a. igennem øget viden og kompetencer Vision og strategi DATA Mål Nu- situation Barrierer Indsatser PROCES Resultater

7 Formål økonomisk besparelse? Formålet med digitalisering og dataanalyse, fx på et procesanlæg, kan være at øge oppetiden (OEE): Økonomiske konsekvenser af at reducere stoptid dvs. værdien af at øge oppetiden (OEE) Beløb i kr. Oppetid i % af produktionstid Frigivne ressourcer anvendt til: 60% Aktuelt 66% Mérsalg 66% Reduceret køretid kr. % kr. 110% kr. 100% Nettoomsætning ,0% ,0% ,0% Vareforbrug og indir.prod.omk ,0% ,0% ,0% Produktionslønninger ,0% ,3% ,3% Indirekte produktionsomkostninger ,5% ,5% ,5% Dækningsbidrag ,5% ,2% ,2% Øvr. Prodomk. (gage, pension, faste p-omk) ,0% ,1% ,0% Distributionsomkostninger ,5% ,3% ,5% Administrationsomkostninger ,3% ,7% ,3% Sum faste omkostninger ,8% ,0% ,8% Resultat før afskrivninger ,8% ,2% ,5% Afskrivninger ,1% ,8% ,1% Resultat før renter ,6% ,3% ,4% Finansielle omkostninger 250 0,6% 250 0,6% 250 0,6% Finansielle indtægter 0 0,0% 0 0,0% 0 0,0% Resultat før skat ,0% ,8% ,7% Forbedring af årets resultat 0,0% ,5% ,3% Foruden den direkte påvirkning på bundlinjen, kan der være flere fordele fx: Øget leveringssikkerhed og kapacitet, som kan styrke salget Øget kapacitets- og materialeudnyttelse, hvilket kan øge muligheden for indtjening Øget trivsel, læring og kompetencer hos medarbejdere, hvilket kan øge væksten og udviklingen i virksomheden

8 Formål med digitalisering Øget digitalisering kan give fordele i flere områder fx: Direkte besparelser fx: Optimering af administrationen fx mindske dobbelttastninger og manuelle opfølgninger, papirgang (ingen fysiske papirer) Centralisering af IT Effektivisering fx: Forbedret planlægning udstyr og personale Lettere adgang til data selvbetjening i produktionen Automatisering af manuelle funktioner fx indtastning, rapporter etc. Mindske spild fx bedre lagerstyring, just-in-time produktion, øget oppetid Faktuel beslutningstagning på baggrund af data fx: Dash boardes hurtig reaktion på afvigelser Beregning af faktiske kostpriser kan forbedre tilbudsgivning Hurtig årsagsanalyser ved fejl og nedbrud Mindre stop optimere planlagt vedligehold Færre fejl - advarselssystemer som fx SPC Strategiske fordele fx: Anvende data til langsigtet beslutninger fx indkøb af udstyr, nye kundegrupper Konkurrencefordel at have styr på den digitale side Data er centraliseret, viden ligger ikke i hovedet på enkelte nøglemedarbejdere

9 Hvor digitale er vi som virksomhed? Opsamling og analyse af data

10 Digitaliseringsskala Virksomheder har ofte digitaliseret dele af deres forretningsområder fx økonomirelateret funktioner, mens andre områder kan være mangelfulde Teknologisk Institut anvender en skala for: Digitalisering af data Analyse af data Skalaen anvendes til at få overblik over virksomhedens digitale status, samt til prioritering af fremtidige digitaliseringsindsatser Mange virksomheder har elektroniske data, men der laves ikke en systematisk analyse af disse data ærgerligt da: Opsamling af data, der ikke anvendes, er spild Virksomheden går glip af muligheder for optimering, reduktion af spild etc.

11 HR / personale Løn Miljø og sikkerhed Finans / regnskab Indkøb Lager Planlægning Produktion Salg og marketing (CRM) Service (til kunder) Kvalitet Projekter Produktudvikling Vedligehold Digitaliseringsskala - dataopsamling Skala Beskrivelse Forklaring 1 Ingen dataopsamling Data opsamles ikke 2 Manuel dataopsamling 3 Simple systemer Data opsamles på papir og indtastes efter behov i regneark eller lignende Data opsamles i simple enkeltstående systemer fx regneark eller mindre databaser 4 Avanceret systemer 5 Polygone databaser (NoSQL) Data opsamles i standardsystemer fx MES, ERP-systemer mm. som kan køres sammen Data er struktureret i polygone databaser fx ved anvendelse af både struktureret og ikke struktureret data

12 HR / personale Løn Miljø og sikkerhed Finans / regnskab Indkøb Lager Planlægning Produktion Salg og marketing (CRM) Service (til kunder) Kvalitet Projekter Produktudvikling Vedligehold Digitaliseringsskala eksempel Skala Beskrivelse Forklaring 1 Ingen dataopsamling Data opsamles ikke 2 Manuel dataopsamling 3 Simple systemer Data opsamles på papir og indtastes efter behov i regneark eller lignende Data opsamles i simple enkeltstående systemer fx regneark eller mindre databaser 4 Avanceret systemer 5 Polygone databaser (NoSQL) Data opsamles i standardsystemer fx MES, ERP-systemer mm. som kan køres sammen Data er struktureret i polygone databaser fx ved anvendelse af både struktureret og ikke struktureret data

13 HR / personale Løn Miljø og sikkerhed Finans / regnskab Indkøb Lager Planlægning Produktion Salg og marketing (CRM) Service (til kunder) Kvalitet Projekter Produktudvikling Vedligehold Digitaliseringsskala - dataanalyse Skala Beskrivelse Forklaring 1 Laves ingen analyse af data 2 Deskriptive dataanalyser 3 Diagnostics analyse Har ingen data Anvender ikke data Har ingen interesse Bruger data til se, hvad der er sket fx afviste emner, kundeklager, spild, leveringssikkerhed, salgstal, finansielle rapporter Bruger data for at analysere, hvorfor det skete, stadig reaktiv fx årsagsanalyser, 8D rapporter 4 Prædiktiv analyse 5 Præskriptiv analyse Bruger data til at forudse, hvad der kommer til at ske fx SPC, budget, regression, risikoanalyser, DoE Bruger data til at få ønskede virkninger frem fx Big Data analyser ved at bruge avancerede modeller, strategi, mission, visioner, ustruktureret data

14 Digitaliseringsskala - hjemmeopgave Hvilke niveauer ligger din virksomhed på? Er det et bevidst valgt? Hvor ønsker I at være? Hvad er realistisk? Hvordan kan I flytte jer? Hvilke kompetencer haves internt? Hvad skal hentes eksternt? Tages op på modul 2.

15 IT systemer ERP og MES

16 IT systemer Tidligere har mange virksomheder (SMV) anvendt et IT system til alle data og transaktioner, måske understøttet af regneark. IT systemet er således blevet tilrettet virksomheden Kompleksiteten af dataanvendelsen samt hurtigere opdateringer har medført, at mange virksomheder (SMV) nu går over til flere standard IT systemer for lettere at løse deres digitale udfordringer dvs. der anvendes et ERP system og flere tilføjelsesprogrammer fx MES, CRM, løn etc. Fordele: Lettere opdateringer kan bruge standardløsninger, færre krav til interne IT kompetencer Ulemper: Integration mellem systemer, samarbejde mellem partnere I relation til produktion, er MES et meget anvendeligt tilføjelsesprogram

17 IT systemer Hvad er ERP? ERP er en forkortelse for Enterprise Ressource Planning ERP er et administrativt IT system, der supporterer alle business processerne i virksomheden fra finans, salg, indkøb, lager, HR etc. ERP systemer findes i langt de fleste virksomheder, men måske er kun det økonomiske modul i anvendelse Mest anvendte ERP systemer i Danmark: Små virksomheder <50 ansatte ASPECT4, (C5) Dynamics NAV, Epicor10, Maconomy, Monitor Kilde: HerbertNathan & Co. ERP in Denmark 2016 Mellemstore virksomheder ( ansatte) ASPECT4, Dynamics NAV, Epicor10, IBS, IFS, Infor, Maconomy, Monitor, Oracle, SAP, Unit4 Store virksomheder (>250 ansatte) ASPECT4, Dynamics XA, Epicor10, IBS, IFS, Infor, Maconomy, Oracle, SAP, Unit4, Wisma, Workday Men valg af system vil også afhænge af branche og specifikke behov i virksomheden

18 IT systemer Hvad er MES: MES er en forkortelse for Manufacturing Execution Systems Anvendelse: MES anvendes til at opsamle data i produktionen fra råvarer til færdig produkt MES anvendes ofte sammen med et ERP system, og kan være mellemleddet mellem signaler fra udstyr (SCADA, PLC) og mennesker til ERP systemet MES er baseret på real time data MES hjælper med at forstå nuværende situation, ved at informationer digitaliseres og gøres visuelle (dash boardes), hvorved der kan træffes beslutninger om forbedringer på et faktuelt grundlag MES kan hjælpe med at synliggøre fx: Spild, rework, scrap Omstillingstider Omkostninger fx tidsforbrug, nedetider, belægning på maskiner Oppetider (OEE) Lagerbinding MES er en af vejene til papirløs produktion

19 IT systemer Der findes mange MES systemer med flere eller færre funktioner fx: Dataopsamlingsmoduler indbygget i maskiner fx til OEE, påmindelser om vedligehold mm. OptiPeople fx OEE, spildårsager, vedligeholdelsesplaner mm. PJD fx OEE, spildårsager, FPY, SPC, kom/gå, handleplaner mm. Blackbird fx OEE, spildårsager mm. Frontmatec, Prevas, SIM planner og mange mange flere Der findes desuden mange branchespecifikke løsninger, samt får virksomheder stadig også udarbejdet specialløsninger fx som APPs