Industrie

Herausforderung

Die produzierende Industrie sieht sich heute mit einer bisher nicht dagewesenen Menge an Herausforderungen konfrontiert:
eine Vielzahl an Fertigungsprozessen, ungenaue Daten aus der Fertigung, hohe Kosten durch Stillstände, steigende Energiekosten sowie hohe Investitionen in neue Systeme. Es gilt den wachsenden Druck der Konkurrenz standzuhalten, Kunden mit qualitätiv hochwertigen Produkten zufrienden zu stellen und die Ausgabenpolitik im Auge zu behalten.

Business Intelligence in der Industrie

Zu den typischen Betätigungsfeldern zählen u.a.:

• Supply-Chain-Management
• Real-Time Produktionscontrolling
• Qualitätssicherung
• Kundenanalyse
• Vertriebs- und Marketing-Controlling

Analyse der Lieferkette (Supply-Chain)

Die Komplexität der Lieferkette ist u.a. durch die Internationalisierung des Einkaufs erheblich gestiegen. Entsprechend groß ist ihr Einfluss auf Effizienz und Produktivität eines Unternehmens. Das Management benötigt deshalb entscheidungsrelevante Informationen zur Steuerung der Supply-Chain-Prozesse im Unternehmen. Um Lieferprobleme schnellstmöglich an jedem Punkt der Prozesskette frühzeitig zu erkennen ist eine Überwachung der Lieferkette sinnvoll. Automatischen Verfolgungssystemen, Supply-Chain-Transaktionssystemen und Systemen für den elektronischen Datenaustausch liefern dazu eine Vielzahl von Informationen.

Kundenanalyse

Für eine einheitliche, analytische Sicht auf Kundeninformationen aller Abteilungen - vom Mangement über Controlling und Vertrieb bis Produktion - sind analytische CRM-Systeme und Vertriebcontrollingsysteme zwingend notwendig. Erkennen von lukrativen und weniger attraktiven Kunden und Aufträgen
Kundendienst-Analysen ermöglichen die Liefertreu und Kundenzufriedenheit zu messen und zu steigern.

Real-Time Produktions-Controlling

Planwerte aus der Enterprise Resource Planning-Welt (ERP), Maschinendaten aus dem Manufacturing Execution-System (MES) einschließlich der Echtzeiterfassung der Maschinen- und Betriebsdaten (MDE/BDE) und unterschiedlichste Qualitätskennzahlen geben Aufschluss über Effizienzpotenziale und deren Auswirkung auf die Gesamteffizienz..
Data Warehouse-basierte Anwendungen ermöglichen sowohl eine Bewertung der Effizienz von Maschinen bzw. Anlagen als auch eine Real-Time Analyse von deren Effektivität, Qualität und Verfügbarkeit.