instandhaltung mit hana
Post on 14-Apr-2017
925 Views
Preview:
TRANSCRIPT
© 2014 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH
In-Memory Datenmanagement
Mehrwert & Einsatzszenarien
Instandhaltung mit HANA
Tobias Hund und Carsten Weber | MHPBoxenstopp: 29.09.2015
© 2014 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 2
01.10 - 02.10.2015 Automobilwoche Kongress Hilton Berlin in Berlin
15.10.2015 MHP und SAP Business Intelligence Reithaus in Ludwigsburg
Innovation Day
Einleitung
www.youtube.de/MHPProzesslieferant
TelKo Einwahlnummer Einwahlnummer Schweiz: +41 44 583 1925
Einwahlnummer Deutschland: +49 711 96 59 96 13
Teilnehmer PIN- Code: 42538759 mit Raute- Taste bestätigen
Weitere MHPBoxenstopps
Agenda
Wo Sie uns in 2015 auch finden können…
www.mhp.de/Events
www.mhp.com/de/events
Zu Anfang sind alle Teilnehmer auf stumm geschalten.
29.09.2015 Predictive Analytics Use Cases Eine Live Demo mit SAP Predictive Analytics in Kombination mit R
06.10.2015 BIG DATA heute und morgen BIG DATA als Treiber des digitalen Unternehmens
13.10.2015 Ganzheitliche Modellierung Requirement Engineering mit dem Enterprise Architect
20.10.2015 Self-Service BI mit SAP SAP Lumira - ready for implementation?
www.mhp.com/de/events
11.00 – 11.10 Uhr Begrüßung Carsten Weber
11.10 – 11.45 Uhr Vortrag Tobias Hund
11.45 – 12.00 Uhr Offene Fragerunde Sie können bereits während der Web Session über Chatfunktion
im rechten Fenster Fragen einreichen.
www.slideshare.net/MHPInsights
MHPBoxenstopp: Instandhaltung mit HANA
© 2014 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 3
MHPBoxenstopp: Instandhaltung mit HANA
Ihre Gesprächspartner
Tobias Hund
Senior Consultant
SU SCM
Supply Chain Management
Carsten Weber
Associated Partner
Business Solution
© 2014 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 4
Prozesse verbessern kann nur, wer sich im Detail auskennt.
Genauso wie im Großen und Ganzen.
Wir wissen aus Erfahrung,
wie man Ziele erreicht und dabei vorneweg fährt.
MHPBoxenstopp: Instandhaltung mit HANA
© 2014 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 5
Mieschke Hofmann und Partner (MHP)
A Porsche Company
Die Leistung
Management Consulting
System Integration
Application Management
Business Solutions
Business Solutions
Der Unterschied
Symbiose aus Prozess- + IT-Beratung l Prozesslieferant l Excellence l Automotive l Kunden
Die Kompetenz Ganzheitliches Beratungsportfolio über die gesamte Wertschöpfungskette
Technology
Services
Application
Mgmt.
Services
Product
Lifecycle
Mgmt.
Supply
Chain
Mgmt.
Production
& Opera-
tions Mgmt.
Customer
Relations
Mgmt.
Finance &
Controlling
Business
Intelligence
After
Sales
Retail
Mgmt.
Human
Resources
MHPBoxenstopp: Instandhaltung mit HANA
© 2014 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 6
Ganzheitliches Beratungsportfolio über die komplette Wertschöpfungskette.
Unsere Kompetenzbereiche mit Themenfeldern.
MHPBoxenstopp: Instandhaltung mit HANA
Technology
Services
Application
Mgmt.
Services
Product
Lifecycle
Mgmt.
Supply
Chain
Mgmt.
Production
& Opera-
tions Mgmt.
Customer
Relations
Mgmt.
Finance &
Controlling
Business
Intelligence
After
Sales
Retail
Mgmt.
Human
Resources
Production
Planning
Strategic
Production
Consulting
Lean Production
Manufacturing
Execution
Maintenance
Retail Service
Management
Retail
Consulting
Fleet
Management
Sourcing
Planning
Affiliation
Performance
Development &
Talent
Management
Governance,
Risk and
Compliance
Template
Development
and Rollouts
Business
Process
Development &
Optimization
Legal and Fiscal
Requirements
Accounts,
Reporting and
Consolidation
System
Harmonization
CIO
Management
Consulting
Enterprise
Content
Management
Standard
Software
Individual
Software
Application &
Process Services
Application
Management
Consulting
Product
Structure
Management
Product
Development
Process (PDP)
Management
SAP PLM
Consulting &
Solution
Implementation
PTC Windchill
Solution
Integration
DS Enovia V6
Solution
Integration
PLM Strategy &
Management
Consulting
Production
Logistics
Procurement &
Quality
Sales Logistics
Service
Management
Spare Parts
Management
Supply Chain &
Demand
Planning
Service
Management
Spare Parts
Management
Warranty
Processes
(Pro-active)
Complaint
Management
Digital incl.
Connected CRM
& Social CRM
CRM Strategy &
Management
Consulting
Sales Force
Automation incl.
Mobile CRM
Analytics incl.
Segmentation &
Campaign
Management
Vertical Retail
Integration
(Pro-active)
Complaint
Management
BI Technology
BI Strategy
Integrated
Corporate
Planning
Analytical
Business
Processes
Next Generation
BI & BIG DATA
Mobile BI
Scenarios
CRM IT
Consulting &
Solution
Implementation
Transition &
Change
Management
Administrative
Core Processes
MHP Dealer
Performance
Management
Finance and
Controlling for
Automotive
Retailers
Dealer
Management
Systems
MHP Carbon
Innovations Connected
Vehicle
Sustainable
Mobility
Real-time
Business Industry 4.0
© 2014 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 7
Ganzheitliches Beratungsportfolio über die komplette Wertschöpfungskette.
Unsere Kompetenzbereiche mit Themenfeldern.
MHPBoxenstopp: Instandhaltung mit HANA
Technology
Services
Application
Mgmt.
Services
Product
Lifecycle
Mgmt.
Supply
Chain
Mgmt.
Production
& Opera-
tions Mgmt.
Customer
Relations
Mgmt.
Finance &
Controlling
Business
Intelligence
After
Sales
Retail
Mgmt.
Human
Resources
Production
Planning
Strategic
Production
Consulting
Lean Production
Manufacturing
Execution
Maintenance
Retail Service
Management
Retail
Consulting
Fleet
Management
Sourcing
Planning
Affiliation
Performance
Development &
Talent
Management
Governance,
Risk and
Compliance
Template
Development
and Rollouts
Business
Process
Development &
Optimization
Legal and Fiscal
Requirements
Accounts,
Reporting and
Consolidation
System
Harmonization
CIO
Management
Consulting
Enterprise
Content
Management
Standard
Software
Individual
Software
Application &
Process Services
Application
Management
Consulting
Product
Structure
Management
Product
Development
Process (PDP)
Management
SAP PLM
Consulting &
Solution
Implementation
PTC Windchill
Solution
Integration
DS Enovia V6
Solution
Integration
PLM Strategy &
Management
Consulting
Production
Logistics
Procurement &
Quality
Sales Logistics
Service
Management
Spare Parts
Management
Supply Chain &
Demand
Planning
Service
Management
Spare Parts
Management
Warranty
Processes
(Pro-active)
Complaint
Management
Digital incl.
Connected CRM
& Social CRM
CRM Strategy &
Management
Consulting
Sales Force
Automation incl.
Mobile CRM
Analytics incl.
Segmentation &
Campaign
Management
Vertical Retail
Integration
(Pro-active)
Complaint
Management
BI Technology
BI Strategy
Integrated
Corporate
Planning
Analytical
Business
Processes
Next Generation
BI & BIG DATA
Mobile BI
Scenarios
CRM IT
Consulting &
Solution
Implementation
Transition &
Change
Management
Administrative
Core Processes
MHP Dealer
Performance
Management
Finance and
Controlling for
Automotive
Retailers
Dealer
Management
Systems
MHP Carbon
Innovations Connected
Vehicle
Sustainable
Mobility
Real-time
Business Industry 4.0
Instandhaltung
mit Hana
Instandhaltung
mit Hana
Agenda
© 2014 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 8
1 In-Memory Datenmanagement (IMDM)
2 Potenziale von In-Memory Datenmanagement (IMDM)
3 Strategieentwicklung & Leitfaden
4 IMDM & Instandhaltung- und Servicemanagement
5 Zusammenfassung
Agenda
© 2014 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 9
1 In-Memory Datenmanagement (IMDM)
2 Potenziale von In-Memory Datenmanagement (IMDM)
3 Strategieentwicklung & Leitfaden
4 IMDM & Instandhaltung- und Servicemanagement
5 Zusammenfassung
© 2014 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 10
Die Grundidee der In-Memory Technologie
In-Memory Datenmanagement (IMDM)
Shared 3rd Level Cache
1st Level
Cache
Core
2nd Level
Cache
1st Level
Cache
Core
2nd Level
Cache
1st Level
Cache
Core
2nd Level
Cache
1st Level
Cache
Core
2nd Level
Cache
Type of
Memory Size Latency
L1 CPU-Cache 64KB 1 ns
L2 CPU-Cache
L3 CPU-Cache
256KB
30 MB
5 ns
20 ns
Main
Memory
Disk
Main Memory
Disk
512GB
up to TB
TB
10 - 100 ns
5.000.000 ns
Grundidee der In-Memory Technologie
10.000
-
100.000
schneller
Legende Abkürzungen: Ns = Nanosekunden / KB = Kilobyte / MB = Megabyte / GB = Gigabyte / TB = Terabyte
Register 1KB 0,3 ns
Quelle: vgl. Kittel (2013), S. 8-9; N.N. SAP (2013), S. 1.
© 2014 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 11
Aspekte von In-Memory Datenmanagement (IMDM)
und die Häufigkeit der Erwähnung
In-Memory Datenmanagement (IMDM)
33,33%
Permanente Datenhaltung im
Hauptspeicher
Quelle: vgl. Koleva (2013), S. 21.
© 2014 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 12
Aspekte von In-Memory Datenmanagement (IMDM)
und die Häufigkeit der Erwähnung
In-Memory Datenmanagement (IMDM)
33,33%
25,64%
Permanente Datenhaltung im
Hauptspeicher
Sehr hohe
Performanceoptimierungen
Quelle: vgl. Koleva (2013), S. 21.
© 2014 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 13
Aspekte von In-Memory Datenmanagement (IMDM)
und die Häufigkeit der Erwähnung
In-Memory Datenmanagement (IMDM)
33,33%
25,64%
15,38%
Permanente Datenhaltung im
Hauptspeicher
Sehr hohe
Performanceoptimierungen
Einfluss auf die
Anwendungsentwicklung
Quelle: vgl. Koleva (2013), S. 21.
© 2014 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 14
Aspekte von In-Memory Datenmanagement (IMDM)
und die Häufigkeit der Erwähnung
In-Memory Datenmanagement (IMDM)
33,33%
25,64%
15,38%
15,38%
Permanente Datenhaltung im
Hauptspeicher
Sehr hohe
Performanceoptimierungen
Einfluss auf die
Anwendungsentwicklung
Vermischte Arbeitslast (OLXP)
Quelle: vgl. Koleva (2013), S. 21.
© 2014 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 15
Aspekte von In-Memory Datenmanagement (IMDM)
und die Häufigkeit der Erwähnung
In-Memory Datenmanagement (IMDM)
33,33%
25,64%
15,38%
15,38%
7,69% Permanente Datenhaltung im
Hauptspeicher
Sehr hohe
Performanceoptimierungen
Einfluss auf die
Anwendungsentwicklung
Vermischte Arbeitslast (OLXP)
Spaltenorientierte
Datenhaltung
Quelle: vgl. Koleva (2013), S. 21.
© 2014 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 16
Aspekte von In-Memory Datenmanagement (IMDM)
und die Häufigkeit der Erwähnung
In-Memory Datenmanagement (IMDM)
33,33%
25,64%
15,38%
15,38%
7,69% 2,56% Permanente Datenhaltung im
Hauptspeicher
Sehr hohe
Performanceoptimierungen
Einfluss auf die
Anwendungsentwicklung
Vermischte Arbeitslast (OLXP)
Spaltenorientierte
Datenhaltung
Trend zu Insert-Only
Quelle: vgl. Koleva (2013), S. 21.
© 2014 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 17
Preisentwicklung der Speichermedien (1955-2015)
In-Memory Datenmanagement (IMDM)
0,00001
0,00010
0,00100
0,01000
0,10000
1,00000
10,00000
100,00000
1.000,00000
10.000,00000
100.000,00000
1.000.000,00000
10.000.000,00000
100.000.000,00000
1.000.000.000,00000
1955 1965 1975 1980 1985 1990 1995 2000 2005 2010 2015
Festplattenspeicher
Flashspeicher
Hauptspeicher
US$ / MB
Jahr
Quelle: vgl. Plattner & Zeier (2012), S. 15; McCallum (2013), http://www.jcmit.com, Zuletzt besucht: 03.05.2014.
© 2014 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 18
CPU Taktrate, Geschwindigkeit FSB und Transistoren-Entwicklung
In-Memory Datenmanagement (IMDM)
0,0010000
0,0100000
0,1000000
1,0000000
10,0000000
100,0000000
1000,0000000
10000,0000000
1970 1975 1980 1985 1990 1995 2000 2005 2010 2015
Taktrate in Mhz
Anzahl an Transistoren in Mio.
FSB in Mhz
Jahr
Mhz & Transistoren in Mio.
Quelle: vgl. Plattner & Zeier (2012), S. 11; Haare (2014), http://pclinks.xtreemhost.com/current_cpus.htm, Zuletzt besucht 04.03.2014)
© 2014 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 19
Entwicklung der CPU-Kernanzahl
In-Memory Datenmanagement (IMDM)
1
10
100
1000
10000
2000 2002 2004 2006 2008 2010 2012 2014 2016
Produkt
Prototype
Vorhersagen
Jahr
Anzahl an CPU-Kernen
Quelle: vgl. Plattner & Zeier (2012), S. 13; (vgl. Intel II (2013), http://ark.intel.com/de/products/family (Zuletzt besucht: 10.03.2014.
© 2014 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 20
Zusammenfassung IMDM
In-Memory Datenmanagement (IMDM)
Empirische Gesetzmäßigkeiten Moore, Gilder, Huntley, Metcalfe (Keine kurzfristigen Phänomene sondern langfristige Entwicklung)
Speicherhierarchie Verschiebung der Speicherhierarchie, Fehlende Leistungszuwächse bei Festplatte & Flashspeicher
Hauptspeicherdatenbanken (IMDB) Hauptspeicher wird sich in Zukunft mit hoher Wahrscheinlichkeit zum Standard entwickeln
Hardware-Trends
Preise der Speichermedien, CPU-Taktraten (Transistoren), Multi-Core-Architekturen
Agenda
© 2014 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 21
1 In-Memory Datenmanagement (IMDM)
2 Potenziale von In-Memory Datenmanagement (IMDM)
3 Strategieentwicklung & Leitfaden
4 IMDM & Instandhaltung- und Servicemanagement
5 Zusammenfassung
© 2014 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 22
Fragestellungen & wissenschaftliche Einschätzungen
Potenziale von In-Memory Datenmanagement (IMDM)
Einschätzung: Umsetzung der Vision von Real-Time BI mit IMDM? 13 wissenschaftliche Einschätzungen
9 Zustimmungen (Plattner, Zeier, Gartner etc.) 4 Neutral
Einschätzung: IMDM als Lösung für Big Data 13 wissenschaftliche Einschätzungen
8 Zustimmungen 3 Neutral 1 Abl.
Einschätzungen zur OLAP- und OLTP-Integration 15 wissenschaftliche Einschätzungen
8 Zustimmungen 6 Neutral 1 Abl.
Quelle: vgl. Wessel, Köffer, Becker (2013), S. 1785-1787.
© 2014 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 23
Realisierung der Nutzenpotenziale von IMDM
Potenziale von In-Memory Datenmanagement (IMDM)
Nutzenpotentiale von IMDM realisieren
Datenhaltung
&
Redundanz
Komplexität
&
Vereinfachung
von
System-
architekturen
Unterstützung
von
Big Data
Anforderungen
Real-Time
Performance
&
Entscheidungs-
unterstützung
Business
&
Process
Management
Wirtschaftsinformatik
Integration
&
Harmonisierung
Po
ten
tialb
au
stein
e
IMD
M
Business Intelligence
Data-Mining, Stochastik,
Simulation, Operation
Research, Operational
Business Intelligence
Arb
eit
sgeb
iete
WI
Prozessmanagement (BPM)
Process Performance
Management, Business Activity
Monitoring
IT-Management
IT-Strategie, Enterprise
Architecture Management, IT-
Governance,
Wissensmanagement,
Internetökonomie & SOA
IuK-Systeme
Anwendungssysteme,
Entscheidungsunterstützungs-
systeme,
Führungsinformationssysteme,
Kommunikation &
Collaboration
Quelle: vgl. Hund (2014), S. 108.
Agenda
© 2014 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 24
1 In-Memory Datenmanagement (IMDM)
2 Potenziale von In-Memory Datenmanagement (IMDM)
3 Strategieentwicklung & Leitfaden
4 IMDM & Instandhaltung- und Servicemanagement
5 Zusammenfassung
© 2014 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 25
Strategieentwicklung & Leitfaden
Baustein 03 Baustein 04 Baustein 02
Strategieentwicklung & Leitfaden
Baustein 01
IT-Management
Baustein 05
IMDM Potenziale Interne Aspekte Externe Aspekte
Anwendungsmuster
Piller & Hagedorn Koleva Schmalzried Winter, Bischoff & Wortmann Business Scenario Recommendations
Erweitertes Referenzmuster Hund
Strategieentwicklung & Bausteine
Bausteine Bausteine Bausteine Bausteine
© 2014 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 26
Idealtypisches Anwendungsmuster für den Einsatz von IMDM
In-Memory Technologie
Operatives Reporting
Explorative Analyse
Komplexe
Auswertungsverfahren
Schnelle Konsolidierung
Adaptive Planung
Daten aus
Endverbrauchergeräten
Geschäftsprozesseigenschaften Nutzenpotentiale
hoch mittel niedrig
Än
deru
ng
s-
dyn
am
ik
Sch
wan
ku
ng
s-
bre
ite
Au
swert
un
gs-
op
tio
nen
Dri
ng
lich
keit
Ko
mp
lexi
tät
Date
nvo
lum
en
Au
swert
un
gs-
häu
fig
keit
Fle
xib
ilit
ät
Aktu
alitä
t
Ban
db
reit
e
Deta
ilie
run
gs-
gra
d
Quelle: vgl. Piller & Hagedorn (2011 / No1), S. 21.
© 2014 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 27
Anwendungsmuster & Ergebnismatrix SAP HANA Use-Case Community
In-Memory Technologie
Performance
Verbesserungen
(A)
Daten-
Granularität
(C)
Hohes
Datenvolumen
(B)
Enterprise
Mobility
(1)
Komplexe
Analysen
(2)
Simulationen
(3)
Operational
Reporting
(4)
Geschäftsprozess-
optimerung
(5) Quelle: vgl. Koleva (2013), S. 26.
© 2014 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 28
Anwendungsmuster von Piller & Hagedorn / Koleva
Strategieentwicklung & Leitfaden
Piller & Hagedorn Koleva
Winter, Bischoff & Wortmann Schmalzried
Business Scenario Recommendation
© 2014 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 29
Transformationsprozess und vereinfachte Phasenplanung
Strategieentwicklung & Leitfaden
Any DB
SAP
ERP / BW
HANA
DB
Einführung
Side-by-Side
Client
HANA
DB
SAP Business Suite
ER
P
CR
M
SC
M
SR
M/P
LM
VD
L
BW
Ap
ps
Innovation
Integriertes Szenario
HANA
DB
Next Generation ERP ER
P
CR
M
SC
M
SR
M/P
LM
VD
L
Transformation
„One Store OLXP“
BW
& B
I
(An
aly
se)
1
2
3
Quelle: vgl. Hund (2014), S. 157.
© 2014 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 30
Strategieentwicklung & Leitfaden
Reifegrad und Adaptionslevel von IMDM
65 %
35 %
7 %
2011 2016 2021+ 2011 2016 2021
Maturity Level of Adoption
Adolescent
Early mainstream
Mature mainstream
Quelle: vgl. Piller (2012), S. 4.
Agenda
© 2014 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 31
1 In-Memory Datenmanagement (IMDM)
2 Potenziale von In-Memory Datenmanagement (IMDM)
3 Strategieentwicklung & Leitfaden
4 IMDM & Instandhaltung- und Servicemanagement
5 Zusammenfassung
© 2014 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 32
Stellen Sie sich vor Sie hätten folgende Systemumgebung:
IMDM & Instandhaltung- & Servicemanagement
Keine Replikation erforderlich / Sub-Second Response Time
Analysemöglichkeiten stehen in Real-Time zur Verfügung
Direkter Zugang zu allen Daten inkl. Historie
IMDB / HANA
DB
Next Generation ERP
ER
P
CR
M
SC
M
SR
M/P
LM
VD
L
Transformation
„One Store OLXP“
BW
& B
I
(An
aly
se)
Tausende Anfragen pro Stunde auf Datenmenge im TB-Bereich
1
Daten im Hauptspeicher verfügbar
Analyse auf Einzelbelege ohne Aggregate
2
3
Wie würden Geschäftsprozessinnovation im PM/CS Umfeld aussehen?
Welche Entscheidungen können in Echtzeit bei PM/CS Prozessen unterstützt werden?
Wie würde sich die Erwartungshaltung im Unternehmen (IT/Fachbereiche) ändern?
© 2014 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 33
Nutzenpotenziale IMDM & Anwendungsmuster anwenden
IMDM & Instandhaltung- & Servicemanagement
Szenario 1: Instandhaltungsplanung (Vorbeugende Wartung)
Analysemöglichkeiten von Assets (Operational Reporting)
Zustandsorientierte Instandhaltung / Condition-Based Maintenance
Szenario 2:
Szenario 3:
Vorrausschauende Wartung / Predictive Maintenance Szenario 4:
© 2014 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 34
Szenario 1 – Instandhaltungsplanung (Vorbeugende Wartung)
IMDM & Instandhaltung- & Servicemanagement
Instandhaltungsplanung (Vorbeugende Wartung) – Typischer Prozess
Vorauswahl der Wartungspläne
(Relevante Wartungspläne für die Planung auswählen) 1
Aufteilen der Wartungspläne
(Wartungspläne definieren für die Hintergrundverarbeitung (Jobs) 2
Planungsparameter definieren
(Planungsparameter für die jeweiligen Gruppen definieren) 3
Instandhaltungsplanungsjob ausführen
(Planungsjob wird im definierten Zyklus ausgeführt / Alle Gruppen) 4
Wartungsmeldungen/Wartungsaufträge erzeugen
Zeitaufwand & Kosten Fehleranfällig
(Wartungspläne vergessen / Zeitraum der Periode zu lang)
© 2014 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 35
Szenario 1 – Instandhaltungsplanung (Vorbeugende Wartung)
IMDM & Instandhaltung- & Servicemanagement
Instandhaltungsplanung (Vorbeugende Wartung) – mit IMDM / SAP HANA
Vorauswahl der Wartungspläne
(Relevante Wartungspläne für die Planung auswählen) 1
Aufteilen der Wartungspläne
(Wartungspläne definieren für die Hintergrundverarbeitung (Jobs) 2
Planungsparameter definieren
(Planungsparameter für die jeweiligen Gruppen definieren) 3
Instandhaltungsplanungsjob ausführen
(Wartungsplanung kann mehrmals täglich & gesamtheitlich ausgeführt werden) 4
Wartungsmeldungen/Wartungsaufträge / Genauere Wartungsplanung
Geschwindigkeit
(1000 Mal)
Weniger Aufwand
(Prozessschritte obsolet) Weniger Fehler
(Prozessschritte nicht erforderlich)
© 2014 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 36
Szenario 2 – Analysemöglichkeiten von Assets (Operational Reporting)
IMDM & Instandhaltung- & Servicemanagement
IMDB (HANA)
Next Generation ERP
ER
P
CR
M
SC
M
SR
M/P
LM
VD
L
BW
& B
I
(An
aly
se)
DB
(any DB)
SAP Business Suite
ER
P
CR
M
SC
M
SR
M/P
LM
VD
L
BW
OLTP & OLAP
DB (any DB)
OLXP
1 Anforderungen aufnehmen
2 BW-System (Abgleich der Daten)
3 ETL / InfoCubes aufbauen
4 Query aufbauen
5 Tests & Transporte
6 Iterationsschleifen
Echtzeitanalysen (Agilität & Flexibilität)
Operational Business Intelligence
KnowHow
DataMining
Stochastik
Simulation
Operation Research
SelfService BI ER
P
BI
ER
P
© 2014 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 37
Szenario 2 – Analysemöglichkeiten von Assets (Operational Reporting)
IMDM & Instandhaltung- & Servicemanagement
Bessere Entscheidungsfindung aufgrund (Analysen)
Operational Reporting / Real-Time Business Intelligence
Ursachenanalyse bei Assets
Geführte Navigation oder Ad-Hoc-Analysen
Überwachen von KPI`s (Monitor) / Visualisierung von Assets
(Kennzahlen wie: MTBF/ MTTR bzw. Performance des Assets
Quelle: vgl. openSAP 2014
© 2014 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 38
Szenario 3 - Zustandsorientierte Instandhaltung
IMDM & Instandhaltung- & Servicemanagement
IH-Strategien
„Ausfall/Wartung“
Zustandsorientierte
Strategie
Datenstrom
„Instandsetzung“
„Wartung“
„KVP/Optimierung“ Material-
entnahme
„Inspektion“
Zeit-
rückmeldung
Ersatzteile
Typische Prozesse & End-to-End betrachten!
Daten/Informationen
für die jeweiligen Geschäftsprozesse nutzen
Zustandsorientierte Instandhaltungsstrategie
gewinnt zunehmend an Bedeutung!
Große Datenmengen (BigData) zu einem
einzigen Equipment (Sensordaten)
Ziele: Asset Verfügbarkeit erhöhen -> Produktion mit weniger Ausfällen -> Verkauf & Umsatzziele optimieren
© 2014 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 39
Szenario 4 - Vorrausschauende Wartung / Predictive Maintenance
IMDM & Instandhaltung- & Servicemanagement
Geschäftsprozesse & Aktionen
Datenstrom & BigData IMDB
(HANA)
Next Generation ERP
ER
P
CR
M
SC
M
SR
M/P
LM
VD
L
BW
& B
I
(An
aly
se)
Analyse und
Vorhersage-
modelle
Geschäfts-
prozessregeln
Alerts & Informationen
Unterschiedliche Architektur-& Integrationsmöglichkeiten & Erweiterte Fragestellungen
Vorhersage über
Maschinenausfälle
Echtzeitanalysen, BigData (Komprimierung), Muster identifizieren, (Data Mining)
© 2014 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 40
Nutzenpotenziale IMDM & Anwendungsmuster anwenden
IMDM & Instandhaltung- & Servicemanagement
Szenario 1: Instandhaltungsplanung (Vorbeugende Wartung)
Analysemöglichkeiten von Assets (Operational Reporting)
Zustandsorientierte Instandhaltung / Condition-Based Maintenance
Szenario 2:
Szenario 3:
Vorrausschauende Wartung / Predictive Maintenance Szenario 4:
Baustein 05
Anwendungsmuster
Piller & Hagedorn Koleva Schmalzried Winter, Bischoff & Wortmann Business Scenario Recommendations
Erweitertes Referenzmuster Hund
Agenda
© 2014 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 41
1 In-Memory Datenmanagement (IMDM)
2 Potenziale von In-Memory Datenmanagement (IMDM)
3 Strategieentwicklung & Leitfaden
4 IMDM & Instandhaltung- und Servicemanagement
5 Zusammenfassung
© 2014 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 42
Zusammenfassung & Diskussion
Zusammenfassung & Diskussion
Grundverständnis & Empirische Gesetzmäßigkeiten (Trends) Längerfristige Entwicklung und Verschiebung der Speicherhierarchie
Nutzenpotenziale von In-Memory Datenmanagement (Exemplarisches Beispiel) IMDM liefert einen wesentlichen Beitrag zur Vereinigung der beiden Systemwelten OLTP und OLAP
In-Memory Datenmanagement (Kontext Instandhaltung & Servicemanagement) Anwendungswissen und Systemarchitekturkomponenten vereinen (IMDM & BPM)
© 2014 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 43
Mögliche Diskussionspunkte
Zusammenfassung & Diskussion
Szenarien Weitere Anwendungsgebiete & Szenarien: Stillstandszeiten etc.
Geschäftsprozessinnovationen & Operational Business Intelligence Innovation
Weitere Bausteine aus dem Leitfaden & Integration in IMDB-Strategie Leitfaden
Aktuelle Implementierungsprojekte & Fallstudien Projekte
44 © 2014 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH
Ihr Ansprechpartner
MHPBoxenstopp: Instandhaltung mit HANA
Tobias Hund
Senior Consultant
SU SCM
Mobil: +49 (0)151 4066-7550
E-Mail: Tobias.Hund@mhp.com
© 2014 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 45
MHPTimetable Monat 2015
weitere Infos
www.mhp.com/
events
MHPBoxenstopp
Predictive Analytics
mit SAP PA und R
13-14 Uhr | 29.09.15
Mit nur einem “Klick” zur MHPBoxenstopp Anmeldung
Haben Sie einen MHPBoxenstopp verpasst? Kein Problem - in unserem MHP YouTube-Channel
und auf unserem SlideShare Profil finden Sie alle vergangenen Websessions:
Mitschnitte und Videos im Channel: Präsentationsunterlagen:
http://www.youtube.com/MHPProzesslieferant http://de.slideshare.net/MHPInsights
MHPBoxenstopp
Ganzheitliche
Modellierung
13-14 Uhr | 13.10.15
MHPBoxenstopp
BIG DATA heute und
morgen
13-14 Uhr | 06.10.15
Automobilwoche
Kongress 2015
01.10.15
MHP und SAP
Business
Intelligence
Innovation Day
15.10.15
MHPBoxenstopp
Self-Service BI mit
SAP
13-14 Uhr | 20.10.15
top related