Das digitale Kontinuum: Der Fahrplan für die digitale Transformation

1. Einleitung

In der heutigen Welt müssen Unternehmen äußerst flexibel sein, um mit einem sich ständig verändernden und zunehmend unsicheren Geschäftsumfeld zurechtzukommen und gleichzeitig mit einer schnell wachsenden Kombination von Produkten, Dienstleistungen, Materialien, Technologien, Maschinen und menschlichen Fähigkeiten umzugehen. Eine erfolgreiche Fertigungslieferkette erfordert die Orchestrierung, Koordinierung und Synchronisierung jedes dieser Elemente, die unabhängig voneinander und zusammenhängend arbeiten. Jetzt und in Zukunft, wenn sich die Industrie 4.0 entfaltet und Computer mit dem Ziel vernetzt werden, Entscheidungen zu treffen und Abläufe mit minimaler menschlicher Beteiligung durchzuführen, haben Unternehmen Schwierigkeiten, diese vielschichtigen und komplexen digitalen Transformationsprojekte zu bewältigen. Nachfolgend sind einige der wichtigsten Herausforderungen aufgeführt, denen sich die Beteiligten und Transformationsprojekte auf ihrem Weg zu einer hochgradig agilen und "intelligenten" (Low-Touch/No-Touch) Fertigungslieferkette stellen müssen.

Verstehen der aktuellen Prozesse und Zwänge

Obwohl die Menschen schon seit vielen Jahren in ihren Fabriken und Lieferketten arbeiten, ist es immer noch schwierig, alle Prozesse im Detail zu verstehen und zu formulieren, da viele Informationen zwischen verschiedenen Organisationsstrukturen innerhalb des Unternehmens aufgeteilt sind. Das Verständnis beginnt mit der Identifizierung aller physischen Einschränkungen im Prozess der Materialbeschaffung und der Produktion und Verteilung der Produkte an die Kunden. Außerdem gibt es viele verschiedene Dokumente, in denen die Geschäftsregeln beschrieben sind, die das Management zur Steuerung des Prozesses anwenden möchte und die häufig im Widerspruch zur aktuellen Realität stehen. In den meisten Unternehmen ist ein großer Teil des Ausführungswissens und der detaillierten Entscheidungslogik immer noch Stammeswissen, das in den Köpfen der Menschen steckt, die diese täglichen Entscheidungen in den Betrieben treffen, und das sich nur sehr schwer in einem System abbilden lässt. Dieses Wissen geht oft verloren, wenn die Belegschaft altert und Mitarbeiter in den Ruhestand gehen.

Identifizierung der besten Datenquellen und Zusammenführung genauer relevanter Daten

Es ist eine große Herausforderung, die aktuelle Qualität und Korrelation der Daten zwischen den verschiedenen Unternehmenssystemen zu verstehen, da die Werte für dieselben Felder in den verschiedenen Systemen oft voneinander abweichen, was es schwierig macht, die korrekten Werte zu bestimmen. Der Detaillierungsgrad zwischen den Systemen ist je nach Anwendung des Systems unterschiedlich, was die Korrelation und Aggregation von Daten sehr komplex macht. Die Synchronisierung verschiedener Datenquellen, um sicherzustellen, dass sie alle zeitrelevant sind (gleicher Zeitstempel), ist eine Herausforderung, da einige Systeme nahezu in Echtzeit laufen, während andere nur einmal pro Tag als Batch-System laufen. Der Schlüssel zum Transformationsprozess ist die Identifizierung der Datenquellen und des Datenflusses, um eine relevante Datenpipeline zur Unterstützung von Prozessmodellierung, -steuerung, Dashboarding und -analyse aufzubauen.

Identifizierung und Untersuchung von Bereichen für Transformation und Modernisierung

Es ist eine Herausforderung, den Wert von Prozessänderungen und -optimierungen zur Verbesserung der Leistung in der Fabrik oder Lieferkette zu ermitteln und zu bewerten. Bestimmte Leistungs- oder Wertsteigerungen werden oft so wahrgenommen, dass sie zu großen Kapitalinvestitionen in Kapazitäten und Erweiterungen der physischen Infrastruktur für zukünftiges Wachstum und neue Produkte führen, ohne dass ein detailliertes Verständnis der Anforderungen oder der potenziellen Auswirkungen auf das Geschäft vorliegt. Das Gleiche gilt für Automatisierungs- und Digitalisierungsinitiativen, die die Effizienz und Leistung verbessern sollen, da diese Projekte oft isoliert entwickelt werden. Dies führt dazu, dass die Projekte nicht den erwarteten Gesamtwert und die erwartete Prozessumwandlung liefern, die erforderlich sind, um das Unternehmen bei seinen Zielen der digitalen Transformation voranzubringen.

Genaue Vorhersagen über zukünftiges Verhalten und Leistung

Die Transformation umfasst oft viele gleichzeitige Aspekte wie Mitarbeiter, Prozesse, Ausrüstung, neue Produkte, Verkauf, globale Reichweite, Vertrieb und mehr. Ohne ein Verständnis der End-to-End-Auswirkungen der vorgeschlagenen Änderungen in den Geschäftsabläufen, einschließlich Richtlinien oder Prozessen, können Unternehmen die Erwartungen nicht erfüllen und verschwenden möglicherweise Geld für Investitionen, die nicht den erwarteten Wert liefern. Zu den wichtigsten Aspekten einer digitalen Transformation gehören das Verständnis der Auswirkungen der Automatisierung, die Bewertung von Alternativen, um den ROI verschiedener Optionen zu verstehen, sowie die Visualisierung und Präsentation zukünftiger Ergebnisse für alle Beteiligten, damit diese sich beteiligen und Entscheidungen treffen können.

Der effektivste Weg, die digitale Transformation zu ermöglichen und zu erleichtern und die oben genannten Herausforderungen zu bewältigen, ist die Erstellung eines detaillierten simulationsbasierten virtuellen Modells oder eines Offline Process Digital Twin der Prozesse/Fabrik/Lieferkette/Lager für eine schrittweise Gestaltung und Analyse der aktuellen und zukünftigen Prozesse, die als prädiktive Lösung bezeichnet wird. Mit der Zeit werden dann die realen Daten der Unternehmenssysteme mit dem virtuellen Modell verbunden, um zum Online Process Digital Twin für den operativen Einsatz und die Entscheidungsfindung in nahezu Echtzeit zu werden, was als präskriptive Lösung bezeichnet wird. Die zugrundeliegende Technologie wird im Whitepaper zur Simio-Simulationslösung näher beschrieben , das ebenfalls auf der Simio-Website verfügbar ist.

In diesem Whitepaper werden die wichtigsten Schritte und Aufgaben beschrieben, die im Rahmen der digitalen Transformation zu erledigen sind. Diese werden in einem übergeordneten Prozessschrittdiagramm, dem so genannten "Digital Continuum", abgebildet. Viele Unternehmen würden diese digitalen und geschäftlichen Transformationsprojekte gerne so schnell wie möglich durchführen, aber es gibt eine Vielzahl von zugrundeliegenden Herausforderungen in Bezug auf Menschen, Prozesse und Technologie, die angegangen werden müssen, um ein erfolgreiches Transformationsprojekt zu gewährleisten, das das Unternehmen auf einen neuen Weg der Effizienz und Leistung bringt.

2. Die wichtigsten Herausforderungen der digitalen Transformation in Bezug auf Technologie, Menschen, Prozesse und Daten

Es gibt eine Reihe von Schlüsselfaktoren, die alle dazu beitragen, dass die geschäftliche und digitale Transformation zu einer Herausforderung wird. Unternehmen kämpfen damit, die Herausforderungen in den Bereichen Menschen, Prozesse, Daten und Technologie zu bewältigen, um den wachsenden Anforderungen gerecht zu werden, die erforderlich sind, um in der neuen VUCA-Welt (Volatility, Uncertainty, Complexity and Ambiguity) erfolgreich zu sein und im Wettbewerb zu bestehen. Einige der wichtigsten Herausforderungen und Zwänge werden im Folgenden hervorgehoben und näher erläutert:

1. Der Zugriff auf ein einziges detailliertes Constraint-Modell oder einen digitalen Prozesszwilling des Systems, einschließlich aller Anlagen, Arbeitskräfte, Werkzeuge, Transportmittel und Materialien, ermöglicht ein tieferes Verständnis der aktuellen Prozesse. Es ermöglicht auch die Vorhersage des zukünftigen Verhaltens und der Leistung, was fundierte Entscheidungen für zukünftige Investitionen und Abläufe unterstützt.
2. Eine weitere Herausforderung besteht in der Erstellung eines Process Digital Twin-Simulationsmodells, das die Auswirkungen aller Geschäftsregeln erfasst, die den Betrieb regeln, wie z. B. Bestandsrichtlinien, Personalrichtlinien, Betriebsverfahren und Transportbeschränkungen. Diese Geschäftsregeln werden oft von der Geschäftsleitung erstellt, ohne dass sie die Auswirkungen auf den Betrieb in vollem Umfang versteht. Ebenso wichtig ist die Fähigkeit, die detaillierte tägliche Entscheidungslogik zu erfassen, wie sie von den Planern, Bedienern und Vorgesetzten angewandt wird, die den Betrieb tagtäglich leiten und verwalten, auch bekannt als Stammeswissen. Diese Betriebsregeln und Entscheidungslogik sind oft nicht vollständig dokumentiert oder für den Rest des Unternehmens transparent. Dieses Prozessmodell oder der digitale Prozesszwilling muss zur Wissensbasis des Betriebs werden, um eine genaue Replikation und Analyse für zukünftige Vorhersagen zu ermöglichen.
3. Eine der größten Herausforderungen bei jedem digitalen Transformationsprojekt ist der Zugang zu und die Bereitstellung der erforderlichen Unternehmensdaten, sowohl statisch (ERP, SCP usw.) als auch dynamisch (MES, IoT usw.), mit der erforderlichen Genauigkeit zur Unterstützung der Erstellung detaillierter datengesteuerter Prozessmodelle und/oder Process Digital Twins. Diese Daten sind oft auf mehrere Systeme verteilt, die unterschiedliche Nummerierungs- und Namenskonventionen verwenden, wobei inkonsistente Daten auf verschiedenen Detailebenen für die Auswertung und den Vergleich aufgezeichnet werden.
4. Die Rollen der Mitarbeiter und die Leistungsanreize, die das aktuelle Verhalten motivieren und steuern, sind nicht immer auf die Gesamtziele des Unternehmens und die wichtigsten Geschäftskennzahlen abgestimmt. Die Anreize für die Mitarbeiter sind nicht immer korrekt auf die Unternehmensziele abgestimmt und oft auf bestimmte Funktionen innerhalb des Gesamtprozesses beschränkt. Diese isolierten Ziele wirken sich oft negativ auf die Gesamtziele des Unternehmens aus, ohne dass die Gesamtwirkung von lokalisierten Anreiz- und/oder Vergütungsplänen und deren Auswirkungen auf die Gesamtleistung des Unternehmens verstanden werden.
5. Alle Unternehmen sind bestrebt, flexibler zu werden, um schneller auf veränderte Geschäftsbedingungen oder Betriebsumgebungen (VUCA) reagieren zu können. Traditionelle solverbasierte Optimierungsmethoden, die zur Entscheidungsunterstützung eingesetzt werden, sind nicht mehr schnell und agil genug. Eine schnelle Optimierung mit KI-Agenten wie Deep Neural Network (DNN) und Machine Learning (ML) zur Unterstützung von multikriteriellen KPIs ist ein wichtiger Faktor für eine schnelle Neuplanung und Optimierung in nahezu Echtzeit.
6. Damit Unternehmen agil werden und sich auf die Ausführung verlassen können, müssen sie die Unternehmensplanung und -terminierung kontinuierlich in Form eines rollierenden Plans oder Zeitplans durchführen, statt wie bisher in wöchentlichen Zeitfenstern, die von den meisten Unternehmenssystemen verwendet werden. Dieser zeitlich begrenzte Ansatz führt zu einer irreführenden Einschätzung der Kapazitäts- und Materialverfügbarkeit, da die Ressourcen- und Materialverfügbarkeit mit dem tatsächlichen Ausführungszeitplan synchronisiert werden muss, um die volle Ausführungsbereitschaft zu gewährleisten. Derzeit bewerten typische kalenderbasierte Ressourcenplanungs- und -terminierungssysteme, die von den meisten ERP- und APS-Anbietern unterstützt werden, nur die Durchführbarkeit innerhalb eines berechneten Kapazitätsbereichs für einen bestimmten Zeitraum, anstatt eine echte Synchronisierung mit dem Ausführungsplan sicherzustellen.
7. Die Fähigkeit, eine integrierte Planung über alle organisatorischen Silos und relevanten Zeitbereiche innerhalb der Lieferkette durchzuführen, ist der Schlüssel zur Vermeidung von Undurchführbarkeit bei der Ausführung des Plans. Die Planung wird heute in der Regel von verschiedenen Teams und Softwarekomponenten über den gesamten Planungshorizont (operativ, taktisch und strategisch) durchgeführt, wobei unvollständige Einschränkungen sowie optimistische Kapazitäts- und Materialverfügbarkeitsmodelle verwendet werden. Aufgrund der Komplexität erfolgt die detaillierte Planung oft in organisatorischen Silos, um die Aufgabe zu vereinfachen und sich auf bestimmte Funktionen zu konzentrieren, was zu Verzögerungen bei der Synchronisierung zwischen den Betriebseinheiten bei der Ausführung dieser Pläne führt.
8. Die Fähigkeit, den durchgängigen Geschäftsprozess und die zugehörige Wissensbasis in einem digitalen Abbild dieses Prozesses zu erfassen, das das Verhalten des Prozesses über einen beliebigen Zeithorizont (d. h. Stunden, Tage, Monate) genau nachbilden kann, ist der Schlüssel zur Durchführung detaillierter Was-wäre-wenn-Analysen und Auswertungen der aktuellen und zukünftigen Geschäftsleistung und gewährleistet eine fundierte Entscheidungsfindung unter Verwendung eines einzigen digitalen Referenzmodells.
9. Ein digitaler Prozesszwilling bietet den Stakeholdern Zugang zu einem zentralisierten Kontrollturm als einzige Quelle der Wahrheit für alle Entscheidungen und Leistungsmessungen. Heute verwenden die Beteiligten in den verschiedenen Betriebsfunktionen und Geschäftsbereichen unterschiedliche Anwendungen und Datenquellen für die Analyse und Entscheidungsunterstützung, was zu einer unzusammenhängenden Planung und Entscheidungsfindung im gesamten Unternehmen führt.

3. Das digitale Kontinuum

Die digitale und/oder geschäftliche Transformation ist sehr komplex, und Unternehmen unterschätzen oft das gesamte Spektrum an Aktivitäten und Meilensteinen, die sie erreichen müssen, um mit ihren Transformationsinitiativen erfolgreich zu sein. Es handelt sich um einen systematischen Prozess, und jedes Unternehmen ist bestrebt, ihn so schnell wie möglich abzuschließen, aber einige der Phasen erfordern mehr Aufwand und Zeit, um in der nächsten Phase erfolgreich zu sein. Die Phasen und die Zeit, die für den Abschluss jeder Phase benötigt wird, hängen weitgehend von der aktuellen digitalen und Prozessreife des Unternehmens ab. Unternehmen überschätzen oft ihren Reifegrad und glauben, dass ihre Prozesse gut dokumentiert sind und ihre Daten und Systeme in einem besseren Zustand der Genauigkeit und Bereitschaft sind, als dies der Fall ist. Dies wird in der Regel nach einer detaillierten Analyse der aktuellen Geschäftsprozesse und Systeme festgestellt.

Um Unternehmen und Teams für die digitale Transformation einen erfahrungsbasierten Leitfaden an die Hand zu geben, hat Simio eine Roadmap für die digitale Transformation erstellt, die die wichtigsten Schritte und Aktivitäten aufzeigt, die im Rahmen des gesamten Transformationsprozesses durchgeführt werden müssen. Diese Transformations-Roadmap für Projektphasen und -durchführung wird als Digital Continuum bezeichnet und auf einer hohen Ebene beschrieben, wie in Abbildung 1 unten dargestellt.

Die sechs (6) Schritte, die in Abbildung 1 dargestellt sind, dienen als Richtschnur dafür, wie der Zeitplan und die Schritte der Transformation aussehen könnten, und sind keineswegs absolut. Es ist wichtig, hier die Erkenntnisse und Fortschritte zu erörtern, die gemacht werden müssen, um auf dieser Transformationsreise und dem Zeitplan voranzukommen. Der tatsächliche Zeitplan hängt von der Geschwindigkeit ab, mit der das Unternehmen die wichtigsten Erkenntnisse und Fortschritte, die für jeden Schritt erforderlich sind, umsetzen kann. Dieser Prozess konzentriert sich auch auf die Entwicklung eines digitalen Prozesszwillings, um das aktuelle Verhalten des Systems zu replizieren und die aktuelle und zukünftige Leistung zu analysieren und zu bewerten. Diese Roadmap unterstützt die Schritte von der "Design" -Funktion (Simulation, Analyse und Vorhersage) zu einer vollständig integrierten "Operate" -Funktion (Planung, Scheduling und Rezeptierung).

Es gibt vier (4) wichtige Transformationsphasen und eine Reihe von Anforderungen, die im Folgenden näher erläutert werden und in Abbildung 1 als hervorgehobene Kästchen (grün und grau) zwischen den Schritten dargestellt sind.

Abbildung 1: Das digitale Kontinuum

3.1 Extrahieren, modellieren und visualisieren

Dies ist eine kritische Phase, die es Unternehmen ermöglicht, ihre bestehenden Geschäftsprozesse gründlich zu bewerten und zu verstehen, aktuelle Geschäftsregeln und bewährte Verfahren zu überprüfen und die effektivste Methode zur Konfiguration und Verwaltung ihrer aktuellen Abläufe zu bestimmen. Sie hilft auch dabei, die aktuellen Systeme und Daten zu überprüfen und zu bewerten, um einen vollständigen Process Digital Twin zu entwickeln, der als Wissensbasis und aktuelles Geschäftsreferenzmodell dient, um künftige Initiativen zur Prozessverbesserung oder -umgestaltung zu unterstützen. Als Teil der ersten beiden Schritte, "Modellierung" und "Analyse", muss das Projektteam die folgenden Hauptziele erreichen, um den anhaltenden Erfolg und die Unterstützung durch die wichtigsten Interessengruppen zu gewährleisten, wie in Abbildung 2 unten dargestellt:

Abbildung 2: Extrahieren, Modellieren und Visualisieren

1. Identifizierung aller wichtigen Stakeholder, die direkt oder indirekt von den Ergebnissen und der Entscheidungsfindung profitieren werden, um sicherzustellen, dass sie in den Entwurfsprozess eingebunden sind und Wissen, Unterstützung und Ressourcen für die Zukunft anbieten können.
2. Identifizieren Sie alle primären Prozessexperten, die detailliertes Prozesswissen zur Verfügung stellen und die Prozessschritte hinreichend genau beschreiben können, um ein korrektes Modell auf der richtigen Detailebene zu erstellen, um sicherzustellen, dass die Ergebnisse genau und relevant für die Entscheidungsfindung auf allen Ebenen sind.
3. Verstehen und erfassen Sie alle Prozessabläufe, Ressourcen- und Materialanforderungen, Leistungsanforderungen und aktuellen Herausforderungen. Dies ermöglicht es dem Entwicklungsteam, den Process Digital Twin und das zugehörige Datenmodell so zu gestalten, dass alle Prozesse und die damit verbundenen Einschränkungen genau dargestellt werden.
4. Identifizieren und bewerten Sie alle potenziellen Datenquellen, um die relevantesten Quellen zu finden, die sowohl für Offline- als auch für potenzielle Online-Dateneinspeisungen verwendet werden können. Identifizieren Sie auch erforderliche Daten, die möglicherweise manuell generiert und gepflegt werden müssen, bis andere Quellen beschafft oder als formale Datenquellen für die zusätzlich benötigten Daten implementiert werden können.
5. Erfassen und verstehen Sie alle allgemeinen Geschäftsregeln, die vom Managementteam erstellt und angewendet werden, wie z. B. Arbeitsrichtlinien, Bestandsrichtlinien, Lieferantenanforderungen, Kundendienstkennzahlen, Sicherheitsanforderungen usw. Die Auswirkungen dieser Geschäftsregeln werden oft nicht vollständig verstanden und nur als Anforderung des Unternehmens akzeptiert. Der Process Digital Twin ermöglicht dann eine detaillierte Analyse, um einige dieser Geschäftsregeln vollständig zu verstehen und möglicherweise zu ändern, um die Geschäftsanforderungen besser zu erfüllen.
6. Extrahieren Sie die detaillierte Entscheidungslogik, indem Sie sich mit den Vorgesetzten und Bedienern in der Fertigung oder den Managementteams für die Ausführung in Verbindung setzen, da diese detaillierten Entscheidungsregeln hauptsächlich auf Erfahrung beruhen, in der Regel nicht offiziell dokumentiert sind und oft von Standort zu Standort oder sogar von Abteilung zu Abteilung am selben Standort variieren. Diese detaillierten Entscheidungen, die tagtäglich in der Fertigung getroffen werden, sind für das Managementteam oft nicht sichtbar, da sie nicht in einem formalen Aufzeichnungssystem dokumentiert sind, was ihre Erfassung im Rahmen des Entwicklungsprozesses erschwert.
7. Ermitteln und beschaffen Sie qualitativ hochwertige und ausreichende historische Daten, die für Tests und Validierungen verwendet werden können. Historische Daten bilden das Rückgrat des Test- und Validierungsprozesses, um die Leistung des Process Digital Twin im Vergleich zu den tatsächlichen Daten eines vergangenen Zeitraums zu bewerten.
8. Führen Sie eine detaillierte Überprüfung und Validierung des Modells und der Ergebnisse durch, um glaubwürdige Ergebnisse zu erhalten. Dies erfordert sowohl qualitativ hochwertige historische Daten als auch Beiträge von allen Prozessen und betrieblichen Experten, um sowohl die Prozessdarstellung als auch die vom Digitalen Zwilling gelieferten Ergebnisse zu bewerten.

3.2 Analysieren, vorhersagen und experimentieren

Nach der Erstellung, dem Testen und der Validierung des Digitalen Zwillings als Teil der vorangegangenen Schritte ist der Digitale Zwilling nun bereit, zur Bewertung der aktuellen und zukünftigen Leistung verwendet zu werden. Im Rahmen der Schritte "Analyse" und "Vorhersage" (2 & 3) muss das Projektteam die folgenden Ziele erreichen, um den anhaltenden Erfolg und die Unterstützung durch die Geschäftsleitung und die wichtigsten Interessengruppen zu gewährleisten, wie in Abbildung 3 unten dargestellt:

Abbildung 3: Analysieren, Vorhersagen und Experimentieren

1. Identifizierung von Prozessbeschränkungen und Engpässen, die durch Probleme wie Ressourcen- und/oder Materialverfügbarkeit, Puffer- und Chargengrößen, Arbeitsplanung usw. verursacht werden, die den Prozessfluss einschränken und das Unternehmen daran hindern, seine KPIs zu erreichen.
2. Identifizieren Sie mögliche Verbesserungsmöglichkeiten, wie z. B. Änderungen der Prozessabläufe, zusätzliche Ausrüstung, bessere Materialverwaltung, Layoutänderungen, neue Arbeitspläne, Automatisierung, flussbasierte Bestandsrichtlinien usw.
3. Beschaffung, Verwaltung und Umwandlung der Daten, um sie in die erforderliche Form zu bringen, die den vereinbarten Process-Digital-Twin-Vorlagenanforderungen für das Offline-Modell entspricht, mit einem klaren Blick auf die Online-Integrationsanforderungen oder die Datenpipeline zur Unterstützung einer automatisierten Dateneinspeisung in der Zukunft.
4. Durchführung von Experimenten durch die Erstellung verschiedener Datensätze und Modellkonfigurationen (vorzugsweise datengeneriert), um Szenarien für die Bewertung durchzuführen, um das aktuelle Verhalten sowie die voraussichtlichen zukünftigen Ergebnisse auf der Grundlage verschiedener Transformationsinitiativen oder kontinuierlicher Verbesserungsmöglichkeiten besser zu verstehen.
5. Bewertung alternativer Vorschläge von verschiedenen Stakeholdern und Managementteams, wie z. B. neue Investitionsprojekte und Möglichkeiten zur Prozessverbesserung, um die Auswirkungen auf die allgemeine Geschäftsverbesserung zu analysieren und den ROI für jede dieser Initiativen zu bestimmen, bevor Kapital und Ressourcen für die Umsetzung bereitgestellt werden.
6. Bestimmen Sie die besten Gesamtleistungskriterien und -kennzahlen, um sowohl die betrieblichen und finanziellen Interessengruppen als auch die Anforderungen der Geschäftsleitung zu erfüllen, wie z. B. Umsatz, Kosten, Effizienz, ROI und Kundenservice, da einige dieser Kennzahlen oft miteinander konkurrieren, so dass klare Geschäftsziele vereinbart werden müssen.
7. Fertigstellung der bevorzugten Prozesskonfiguration, um auf der Grundlage von Parameteränderungen, die von den wichtigsten Interessengruppen bereitgestellt werden, wie z. B. Änderungen der Nachfrage, Einführung neuer Produkte, neue Marktsektoren, Arbeitspläne, Ressourcen- und Materialverfügbarkeit usw., zukunftsorientierte Prognosen zu erstellen.
8. Bereitstellung klarer Vorhersagen des erwarteten Prozessverhaltens und der damit verbundenen Ergebnisse und Einholung von Freigaben für die gewünschte erwartete künftige Leistung auf der Grundlage der Implementierung und des Phasings der ausgewählten Geschäfts- und Prozessänderungen.

3.3 Standardisierte Daten, Speicherung und Systeme

Zwischen den Schritten "Vorhersage" und "Integration" (3 & 4) sind die Ziele in erster Linie technischer Natur, um die Integration zwischen den identifizierten Datenquellen und die erforderliche Entwicklung einer standardisierten Datenpipeline und Speicherplattform zur Unterstützung des digitalen Zwillings für Prozesse zu erreichen. Darüber hinaus muss das Projektteam im Rahmen der Schritte "Integrieren" und "Vorschreiben" (4 & 5), die es dem Team ermöglichen, mithilfe des Process Digital Twin in nahezu Echtzeit oder bei Bedarf zu planen und vorausschauende Pläne und Zeitpläne für den Vergleich oder die Ausführung zu erstellen, die folgenden Ziele erreichen, um den anhaltenden Erfolg und die Unterstützung durch den Betrieb zu gewährleisten, wie in Abbildung 4 unten dargestellt und diskutiert:

Abbildung 4: Standardisierung von Daten, Speicherung und Systemen

1. Die Systemlandschaft eines Unternehmens umfasst in der Regel eine Vielzahl von Systemen sowohl auf Unternehmens- als auch auf Betriebsebene, wie z. B. ERP, MES, SCP, QA, LIMS, PM, zusammen mit IoT-Geräten und verschiedenen Tabellenkalkulationen, die von Planern und Betreibern verwendet werden. Diese Systeme folgen in der Regel nicht den gleichen Nummerierungs- und Namenskonventionen und sind oft nicht integriert und synchronisiert. Dies führt zu erheblichen Problemen bei der Korrelation zwischen den Systemen, was zu widersprüchlichen Daten führt, die nicht ohne umfangreiche Datentransformation und -manipulation in einer zentralen Datenquelle oder einem Process Digital Twin zusammengeführt werden können.
2. Je nach spezifischer Systemanwendung werden die Daten oft auf unterschiedlichen Detailebenen implementiert, um den Anforderungen des jeweiligen Systems gerecht zu werden. Einige produktionsbezogene Daten werden möglicherweise auf Gruppen-, Familien- oder SKU-Ebene gespeichert und können nicht mit einer einzigen Datenquelle abgeglichen oder in diese übersetzt werden.
3. Es ist oft schwierig, die tatsächliche Genauigkeit der Daten zu bestimmen, da der Wert bestimmter Datenelemente, wie z. B. die Produktionszeit einer bestimmten Komponente auf einer bestimmten Ressource, nicht nur zwischen den ERP- und MES-Systemen einschließlich der planerspezifischen Excel-Tabellen unterschiedlich ist, sondern auch von den tatsächlichen Zahlen abweicht, die von den Bedienern in der Fertigung verwendet werden. Der Process Digital Twin spielt eine wichtige Rolle bei der Bestimmung der gültigen Werte, die am besten zu den tatsächlich gemessenen Ergebnissen des physischen Prozesses passen.
4. Verschiedene Unternehmenssysteme werden oft in unterschiedlichen Zeitabständen aktualisiert, z. B. täglich über Nacht für das ERP-System, am Ende der Schicht für die MES-Systeme und nahezu in Echtzeit für Überwachungs- oder Steuerungssysteme. Dies führt dazu, dass die Daten zwischen denSystemen zu einem bestimmten Zeitpunkt nicht mit demselben Zeitstempelversehen sind, wenn sie für die Analyse, Planung oder Terminierung benötigt werden, was zu ungenauen Ergebnissen führt.
5. Je nach Detaillierungsgrad und Umfang des Process Digital Twin ist die Identifizierung der relevanten Quellsysteme , die die genauesten und zeitrelevanten Daten liefern, ein wichtiger Teil des Prozesses. Dieser Prozess kann den Umfang der Integration und/oder der Datentransformation, die erforderlich ist, um dem Digitalen Zwilling die benötigten Daten zu liefern, erheblich minimieren.
6. Aufgrund von Datendiskrepanzen und Ungenauigkeiten zwischen den Systemen kann es erforderlich sein, bestimmte Quellsysteme zu aktualisieren oder zu erweitern, um dieselben Nummerierungs- und Benennungskonventionen einzuhalten oder sogar den Detaillierungsgrad für bestimmte Positionen oder spezifische Attributwerte wie Produktionslaufzeiten oder Losgrößen zu ändern.
7. Das Fehlen der erforderlichen Daten in den aktuellen Systemen wird dem Team helfen, neue Systeme und ihre spezifischen Anforderungen zu identifizieren, um die verfügbaren Daten weiter zu erweitern und zu verbessern, wie z. B. zusätzliche MES-, IoT- oder Überwachungssysteme. Dies wird dazu beitragen, die Genauigkeit, Benutzerfreundlichkeit und Prozessabdeckung des Process Digital Twin zu erhöhen.
8. Basierend auf der aktuellen und geplanten IT-Infrastruktur müssen Entscheidungen bezüglich der Speicher- und Datenpipeline-Plattform und -Technologie getroffen werden. Integration und Datenfluss können Punkt-zu-Punkt, über eine zwischengeschaltete Staging-Datenbank oder durch die Nutzung einer zentralen Cloud-Speicherfunktion mit einheitlichem Namensraum (UNS) erfolgen, um nur einige Beispiele zu nennen.

3.4 Menschen, Prozesse und Technologie harmonisieren

Sobald der Process Digital Twin vollständig integriert und validiert ist, um die durchführbaren und von den Vorgesetzten und Bedienern genehmigten Pläne und Zeitpläne zu erstellen, ist das System bereit, in einem Low-Touch/No-Touch-Modus für die autonome Entscheidungsfindung verwendet zu werden, um die allgemeine geschäftliche Agilität und Effizienz zu verbessern. Als Teil der Schritte "Vorschreiben" und "Autonome Entscheidungsfindung" ("Smart Factory") (5 & 6) muss das Projektteam die folgenden Ziele erreichen, um den anhaltenden Erfolg und die Akzeptanz auf allen Ebenen des Unternehmens zu gewährleisten, wie in Abbildung 5 unten dargestellt:

Abbildung 5: Harmonisierung von Mensch, Prozess und Technologie

1. Verschiedene Abteilungen innerhalb des Unternehmens stützen sich auf Daten aus unterschiedlichen Systemen, um die Geschäftsabläufe zu analysieren, zu planen und zu terminieren. Um eine konsistente Entscheidungsfindung auf allen Ebenen zu gewährleisten, müssen diese Prozesse standardisiert und aufeinander abgestimmt werden, um sicherzustellen, dass die Entscheidungen auf denselben genauen und zeitrelevanten Daten basieren und einer einheitlichen Methodik folgen.
2. Oftmals folgen verschiedene Betriebseinheiten innerhalb desselben Werks oder zwischen verschiedenen Werken, die dieselben betrieblichen Aufgaben ausführen, unterschiedlichen Arbeitsabläufen, die auf der Erfahrung und dem Hintergrund der verschiedenen Bediener und Aufsichtspersonen in jeder dieser Einrichtungen basieren. Mit dem Process Digital Twin können Analysen durchgeführt werden, um die leistungsfähigsten Arbeitsabläufe ("Best Practices") zu ermitteln und die im Werk oder sogar unternehmensweit implementierten Arbeitsabläufe zu standardisieren, um eine bessere Gesamtleistung, Messung, Wiederholbarkeit und Schulung des Personals zu ermöglichen.
3. In Hochleistungsumgebungen, in denen die Automatisierung zu einem wichtigen Bestandteil der Agilität und der geschätzten Durchsatzsteigerung wird, ist es oft schwierig, genau zu verstehen, wie jeder einzelne Bereich der Automatisierung zu implementieren und zu verwalten ist. Der Process Digital Twin hilft Unternehmen dabei, die Auswirkungen der Automatisierung zu verstehen und herauszufinden, wie die Automatisierung in jedem einzelnen Bereich konzipiert und integriert werden kann und wie hoch die zu erwartende Rendite sein wird.
4. Daher wird die Integration in IoT-fähige Systeme zu einem Schlüsselfaktor für den Erhalt wertvoller Statusinformationen wie Tankfüllstände, AMR-Standorte und den Status von Anlagen, um Entscheidungen in Echtzeit zu unterstützen.
5. Sobald der digitale Prozesszwilling das detaillierte Verhalten und die Entscheidungsfindung des Prozesses genau nachbildet, kann er zur Erzeugung synthetischer Trainingsdaten für das Training von Deep Neural Networks (DNN) und/oder Agenten für maschinelles Lernen (ML) verwendet werden. Diese Agenten können dann für die Echtzeit-Optimierung sowohl für eigenständige Anwendungen als auch für die Einbettung als Komponente des Process Digital Twin verwendet werden. Dies bietet eine gut verwaltete Plattform zum Trainieren und Testen von KI-Algorithmen für den Einsatz im Unternehmen, wobei das beabsichtigte Verhalten und die Anwendung vollständig verstanden werden und die Möglichkeit besteht, bei veränderten Umständen erneut zu trainieren.
6. Je mehr der Process Digital Twin für präskriptive und echtzeitnahe Entscheidungen eingesetzt wird, desto mehr Genauigkeit ist erforderlich. Einer der wichtigsten Punkte ist die Erfassung der Entscheidungen, die das Bedienpersonal und die Aufsichtspersonen Tag für Tag bei der Durchführung und Verwaltung der Vorgänge treffen. Auf diese Weise kann das Team die Entscheidungslogik für den Process Digital Twin abschließend detailliert aktualisieren, um die Abläufe noch genauer nachzubilden.
7. Um noch detailliertere Eingaben aus der Fertigung zu ermöglichen, kann die Entwicklung spezifischer Systeme und MM-Schnittstellen (Mensch-Maschine-Schnittstelle) erforderlich sein, um Daten auf der Grundlage bestimmter Arbeitsschritte in der Fertigung oder als Teil des Ausführungsprozesses zu erfassen und nahezu in Echtzeit Daten zu Status und Fortschritt zu erhalten.
8. Um eine vollständige Monetarisierung und effektive Nutzung des Digitalen Zwillings zu erreichen, ist es wichtig, Outputs zu definieren und zu verteilen, die für jede Rolle und die Anforderungen der Stakeholder spezifisch sind. Dies ermöglicht eine nahtlose Entscheidungsfindung durch den direkten Zugriff auf die aktuellen, synchronisierten und relevanten Daten und Entscheidungen der End-to-End-Systeme.

4. Bereitstellung von Geschäftswert auf jeder Stufe des digitalen Kontinuums

Wenn Unternehmen diese durch das digitale Kontinuum beschriebenen Schritte befolgen, sollten sie in der Lage sein, bei jedem wichtigen Schritt der Reise einen quantitativen und qualitativen Geschäftswert zu generieren. Dies ist wichtig, um die fortlaufende Entwicklung des Process Digital Twin als Teil der gesamten Business Transformation zu unterstützen und zu finanzieren. Der Prozess sollte Fragen sowohl in der Entwurfs- und Investitionsphase des Transformations- und Business Reengineering-Prozesses als auch für das tägliche operative Management des aktiven, laufenden Prozesses behandeln. Nachfolgend finden Sie einige wichtige Werttreiber in Verbindung mit den 6 primären Schritten, wie in Abbildung 1 dargestellt.

4.1 Modellierung

In diesem Schritt sammelt das Team alle erforderlichen Informationen zum End-to-End-Prozessablauf, zu den Geschäftsregeln und zur detaillierten Entscheidungslogik, die in der Fertigung für die Planung, Terminierung und Ausführung der Betriebsabläufe angewendet werden. Das Team wird auch alle Datenquellen überprüfen, um die Genauigkeit und Verfügbarkeit zu ermitteln sowie Unzulänglichkeiten und fehlende Daten zu identifizieren. Die wichtigsten Werte für das Unternehmen sind folgende:

1. Ein Process Digital Twin, der alle physischen Einschränkungen, Prozessabläufe, Geschäftsregeln und Entscheidungslogik in einer einzigen Wissensbasis des End-to-End-Prozesses/der Fabrik erfasst.
2. Daten- und Systemstatusberichte zur Bestimmung des digitalen Reifegrads und zur Ermittlung spezifischer erforderlicher Systemaktualisierungen/-behebungen und sogar Anforderungen an neue oder zusätzliche Systeme.
3. Ein digitales Geschäftsreferenzmodell zum Testen und Bewerten laufender Initiativen zur Geschäftsverbesserung sowie zukünftiger Änderungen oder Erweiterungen, die für das Unternehmen erforderlich sein könnten. Dieses Referenzmodell wird zur einzigen Version der Wahrheit, um die datengestützte Entscheidungsfindung aller Beteiligten im Unternehmen zu unterstützen.

4.2 Analysieren

Sobald der Process Digital Twin vollständig verifiziert und validiert ist, kann er für die Analyse der aktuellen Prozesse/Fabrik/Lieferkette/Lager verwendet werden. Es ist wichtig, die Leistung der aktuellen Prozesse vollständig zu verstehen und zu maximieren, bevor Entscheidungen über die Einführung neuer Änderungen oder die Aufrüstung des aktuellen Prozesses, z. B. durch neue Anlagen, Automatisierung usw., getroffen werden. Die wichtigsten Werte für das Unternehmen sind wie folgt (repräsentative Werte):

1. 25%ige Verringerung der Synchronisationsverzögerungen (ungeplante Ausfallzeiten)
2. 10 % weniger Arbeitsaufwand
3. 20%ige Verbesserung des Durchsatzes
4. 20%ige Verbesserung der Ressourceneffizienz
5. 15%ige Reduzierung der Bestände und des WIP
6. 12%ige Verbesserung der Liefertermintreue
7. 16%ige Senkung der Produktionskosten
8. 25%ige Verringerung der Fertigungsvorlaufzeit

4.3 Vorhersage

Sobald der aktuelle Prozess/die aktuelle Fabrik/die aktuelle Lieferkette/das aktuelle Lager vollständig analysiert und hinsichtlich der Leistung optimiert wurde, kann der Process Digital Twin verwendet werden, um zusätzliche Möglichkeiten zur Geschäftsverbesserung sowie neue Verbesserungen des Prozesses/der Fabrik/der Lieferkette/des Lagers zu bewerten, um die zukünftige Nachfrage zu befriedigen oder neue spezifische strategische Initiativen zu bewerten. Die wichtigsten Werte für das Unternehmen sind die folgenden:

1. Optimierung des Kapitaleinsatzes durch Bewertung und Auswahl der Projekte mit dem höchsten ROI für die Umsetzung.
2. Optimierung des Designs und Bewertung der allgemeinen Leistungsverbesserung neuer Systeme, wie z. B. der Automatisierung, vor der Auftragsvergabe und Implementierung.
3. Bewertung zukünftiger Geschäftsstrategien, wie z. B. die Einführung neuer Produkte, Markterweiterungen, die zu einer höheren Nachfrage führen, oder Wachstum, wie z. B. zusätzliche Produktionskapazitäten, um die Auswirkungen auf das aktuelle Geschäft sowie die zukünftige Rendite und die Unternehmensleistung vollständig zu verstehen.

4.4 Integrieren

Sobald der Digitale Zwilling für Prozesse fertiggestellt und mit dem vereinbarten Datenmodell validiert ist, kann er in die Datenpipeline der Unternehmenssysteme integriert werden, um den Digitalen Zwilling mit aktuellen und tatsächlichen Daten zu initialisieren und auszuführen, um die besten Ergebnisse für die weitere Bewertung (prädiktive Ergebnisse) oder Planung und Terminierung (präskriptive Ergebnisse) zu erhalten. Die wichtigsten Werte für das Unternehmen sind die folgenden:

1. Finalisierte Datenquellen, Speicher- und Integrationsmechanismen, um die Datenpipeline zur Unterstützung des Echtzeit-Datenflusses zur Unterstützung des Process Digital Twin und anderer Geschäftsanalysetools zu ermöglichen.
2. Überarbeitete, korrigierte und abgestimmte Unternehmensdatenquellen und -systeme, um genaue Informationen in der erforderlichen Detailtiefe zu gewährleisten. Der Process Digital Twin fungiert als Vergrößerungsglas, um die Daten zu validieren und zu aktualisieren, damit sie den Anforderungen und Standards für eine erfolgreiche digitale Transformation entsprechen.
3. Dynamische und agile Analysen und Experimente auf der Grundlage aktueller Daten, die es dem Unternehmen ermöglichen, nahezu in Echtzeit auf interne und externe Ereignisse zu reagieren, wie z. B. Änderungen der Nachfrage, Personalprobleme, Materialversorgung, Transportverzögerungen und mehr.

4.5 Vorschreiben

Nach Abschluss der Datenintegration, -standardisierung und -aktualisierung kann der Digitale Zwilling zur Analyse, Planung und Terminierung von Abläufen verwendet werden. Dadurch kann der Process Digital Twin verwendet werden, um Vorgänge bis hinunter zur Aufgabenebene pro Ressource (d. h. Ausrüstung, Arbeitskräfte, Transporteure) sowie den Materialbedarf an jedem Ausführungspunkt vorzuschreiben. Die wichtigsten Werte für das Unternehmen sind folgende:

1. Echtzeitnahe Planung und Terminierung auf der Grundlage manueller oder automatischer Auslöser.
2. Fertigungsfertige Pläne auf der Grundlage aktueller Daten und des Status des Prozesses/der Fabrik/der Lieferkette/des Lagers, um Betriebsunterbrechungen aufgrund von Änderungen oder Ereignissen zu vermeiden oder zu minimieren und den Betrieb zu optimieren, um die Nachfrage effizient zu erfüllen.
3. Maximierung des Flusses (Durchsatz der richtigen Artikel) durch das System/die Lieferkette, um die Nachfrage zu befriedigen, durch kontinuierliche Bewertung und Berücksichtigung von Einschränkungen in nahezu Echtzeit, um Verzögerungen bei der Synchronisierung zu vermeiden, unnötige Rüst- und Umrüstvorgänge zu minimieren und eine effiziente Materialnutzung zu gewährleisten.

4.6 Autonome Entscheidungsfindung

Wenn der Process Digital Twin vollständig integriert und betriebsbereit ist und alle Mitarbeiter- und Workflow-Einschränkungen über den Prozess/die Fabrik/die Lieferkette/das Lager hinweg abgestimmt sind, um vollständige Genauigkeit und Machbarkeit zu gewährleisten, kann er mit den Ausführungssystemen wie MES für Fertigungsanlagen oder AMR-Flottenmanagern für Transporter verbunden werden, was eine direkte Orchestrierung der Aufgabenausführung in der Fertigung ermöglicht. Die wichtigsten Werte für das Unternehmen sind folgende:

1. Vollständige Low-Touch/No-Touch-Operationen zur Maximierung der Produktivität, der Anlagenauslastung und des Durchsatzes zur Deckung des Bedarfs auf der Grundlage der aktuellen Systembedingungen (Prozess/Fabrik/Lieferkette/Lager).
2. Vollständige Kontrolle, um die betriebliche Flexibilität zu maximieren, indem das System auf Änderungen des Prozesses, der Nachfrage, der Materialverfügbarkeit oder anderer Einschränkungen, die sich direkt auf den Produktfluss durch das System auswirken, reagieren kann.
3. Erreichen des Ziels der "intelligenten Fabrik" durch autonome Entscheidungsfindung für alle Ressourcen im System ohne menschliche Beteiligung, es sei denn, sie werden aufgrund bestimmter Bedingungen oder auslösender Ereignisse ausgewählt oder benötigt.

Das Nutzenversprechen wird für jedes Unternehmen unterschiedlich ausfallen, je nach Projektphase, den laufenden Initiativen, die gerade geprüft werden, oder dem Betrieb, der verwaltet wird. Es hängt auch von der digitalen und organisatorischen Reife des Unternehmens und seiner Fähigkeit zur Umstellung auf vollständig autonome Abläufe ab. Einige Unternehmen werden aufgrund der Art ihrer Tätigkeit immer ein erhebliches Maß an menschlicher Intervention benötigen.

5. Schlussfolgerung

Simio bietet einen Simulationsmodellierungsrahmen, der auf intelligenten Objekten basiert, um sowohl den Entwurf als auch den Betrieb von komplexen Systemen zu optimieren. Zu den Hauptmerkmalen von Simio, die das Kontinuum von Entwurf bis Betrieb unterstützen, gehören die codefreie objektorientierte Modellierungsarchitektur, ein datenzentriertes Framework zur Unterstützung sowohl datengesteuerter als auch datengenerierter Modelle, Simulations- und Planungsexperimentier- und Berichtsfunktionen, neuronale Netze zur Optimierung von Entscheidungen sowie unternehmensweite Bereitstellungsoptionen für Experimente und Planung in privaten und öffentlichen Clouds. Simio bietet eine umfassende Simulationsplattform für eine vollständige digitale Transformation.

Diese Reise wird für jedes Unternehmen unterschiedlich verlaufen, je nach den spezifischen Merkmalen und dem digitalen Reifegrad sowie der Bereitschaft des Unternehmens, sich zu einem agilen, automatisierten und potenziell autonomen Betrieb zu entwickeln. Das digitale Kontinuum bietet einen praktischen Rahmen, der Unternehmen und ihren Transformationsteams hilft, die wichtigsten Schritte für den Erfolg zu vollziehen und nicht zu versuchen, den Prozess hin zu einer "intelligenten Fabrik" zu beschleunigen.

Der digitale Zwilling von Simio Intelligent Adaptive Process bietet sowohl ein ideales Instrument zur Erleichterung und Unterstützung dieser gesamten Transformationsreise vom Entwurf bis zum Betrieb als auch ein bewährtes Rahmenwerk zur Anleitung der Entwicklungs- und Transformationsschritte, um den Erfolg sicherzustellen.