Ein digitales Universalwerkzeug für die Produktionsanalyse - Entwicklung einer Web-App zur methodenübergreifenden Analyse von Produktionsprozessen

Constantin Grabner, Firaz Khokhar, Thomas Schoop und Hermann Lödding,

Eine gründliche Analyse ist die Grundlage für eine zielgerichtete Verbesserung von Produktionsprozessen. Insbesondere im Umfeld von Lean Production sind zahlreiche Analysemethoden und -werkzeuge entstanden, die es erfordern, umfangreiche Informationen über Produktionssysteme zu erfassen. Die Digitalisierung bietet die Möglichkeit, den Aufwand für die Erfassung und Auswertung deutlich zu reduzieren. Das Institut für Produktionsmanagement und -technik (IPMT) der Technischen Universität Hamburg hat in Zusammenarbeit mit dem Medizintechnikunternehmen Dräger eine geräteunabhängige Web-App zur Analyse von Produktionsprozessen entwickelt. Dieser Beitrag beschreibt, welche Datenstrukturen und Technologien es ermöglichen, gängige Analysemethoden zu nutzen und sie an unternehmensspezifische Problemstellungen anzupassen.

Die kontinuierliche Verbesserung von Produktionsprozessen ist eine der zentralen Aufgaben für Unternehmen, um dauerhaft wettbewerbsfähig zu bleiben. Mit wachsender Popularität des Lean Managements haben viele Unternehmen eigene Standards für den Ablauf von Verbesserungsprojekten geschaffen. Angelehnt an den PDCA-Zyklus [1] beruht das Vorgehen meist auf einem vierstufigen Verfahren, das aus der Untersuchung der Ist-Prozesse, einer Umsetzung von Verbesserungsmaßnahmen, einer Wirksamkeitsüberprüfung und ggf. der Standardisierung besteht. Heute existieren zahlreiche Produktionsanalysen, die Mitarbeiter bei der zielgerichteten Verbesserung unterstützen. Bekannte Beispiele sind die Wertstromanalyse [2] oder SMED-Rüstablaufanalysen [3]. In Wissenschaft und Praxis entstehen zudem laufend neue Verfahren. Beispiele dafür sind die Integrale Handlungsorientierte Produktivitätsanalyse nach Czumanski [4] oder die Potenzialbewertung für Ganzheitliche Produktionssysteme [5]. Unternehmen nutzen Analysemethoden zudem nicht nur für die Untersuchung der Ist-Prozesse, sondern auch, um die Wirksamkeit von Optimierungsmaßnahmen zu überprüfen. In Verbesserungsprojekten kommen Analysen anlassbezogen zur Anwendung und erfordern häufig eine Anpassung an die jeweilige Problemstellung. Geeignete, automatisiert erfasste Daten stehen folglich meist nicht zur Verfügung. Ein Großteil des Analyseaufwands in Verbesserungsprojekten besteht daher darin, vielfältige Daten manuell zu erfassen und aufzubereiten.
Industrie 4.0 ist gegenwärtig das Schlagwort für die fortschreitende digitale Transformation im Produktionsumfeld. Die zunehmende Vernetzung, die wachsende Verfügbarkeit mobiler Endgeräte und neue Technologien, z. B. Augmented Reality, ermöglichen es, bestehende Prozesse effizienter zu gestalten [6]. Mittlerweile existieren auch Softwarelösungen, die darauf abzielen, die Datenerfassung und -verarbeitung bei Verbesserungsprojekten zu digitalisieren. Bestehende Lösungen lassen sich in zwei Gruppen einteilen: Die erste Gruppe ist auf ein konkretes methodisches Vorgehen zugeschnitten (z. B. „OEE Monitor“ [7] oder „Value Stream Q Basics“ [8]). In dieser Gruppe erfordert jede neue Analysemethode zusätzliche Entwicklungsarbeit. Die Anwender können die Analysen zudem nur im geringen Maße an die Besonderheiten des eigenen Unternehmens anpassen. Die zweite Gruppe (z. B. „REFA Zeit“ [9] oder „toggl“ [10]) erlaubt es zwar, vielfältige Daten zu erfassen, bietet dafür aber kein methodisches Vorgehen. Für beide Gruppen gilt, dass viele Angebote an einzelne technische Plattformen gebunden sind.
Für das IPMT und das Unternehmen Dräger stellte sich daher die Frage, wie eine plattformunabhängige Software für die manuelle Datenerfassung und -aufbereitung gestaltet sein muss, damit sie vielfältige Methoden unterstützt und es dennoch erlaubt, Analysen an unternehmensspezifische Bedürfnisse anzupassen.
 


Bild 1: Responsives Design der entwickelten Web-App.

Verwendete Technologien

Eine der zentralen Anforderungen für die Software ist es, Daten mit mobilen Endgeräten vor Ort erfassen zu können. Software für Tablets und Smartphones (mobile Apps) können grundsätzlich als native App oder als Web-App gestaltet sein. Native Apps sind für ein spezifisches Betriebssystem programmiert. Der Anwenderkreis beschränkt sich daher auf passende Endgeräte. Der Download nativer Apps erfolgt über App-Stores, was es für Unternehmen erschwert, Änderungen vorzunehmen und den Zugriff zu regulieren. Web-Apps sind dagegen für den Internetbrowser konzipiert. Unternehmen können daher Endgeräte mit unterschiedlichen Betriebssystemen nutzen, was auch private Smartphones miteinschließt („Bring Your Own Device“). Web-Apps vermeiden zudem die aufwändigen Veröffentlichungsprozesse von App-Stores. Darüber hinaus existieren zahlreiche, frei zugängliche Software-Frameworks, die den Programmieraufwand reduzieren. Klassische Vorteile vieler nativer Apps gegenüber Web-Apps sind die Offline-Funktionalität und eine hohe Benutzerfreundlichkeit. Aktuelle Webdesign-Standards und Software-Bibliotheken ermöglichen es jedoch, diese Vorteile ebenfalls zu realisieren. Die am IPMT entwickelte Software für die methodenübergreifende Produktionsanalyse ist daher als Web-App konzipiert. Folgende Technologien sind dabei entscheidend:
Durch ein responsives Webdesign passen sich Inhalt und Darstellung der entwickelten App (Bild 1) plattformübergreifend an den Bildschirm des verwendeten Endgeräts an. Das Fundament dazu bildet das von Twitter entwickelte, frei nutzbare CSS-Framework Bootstrap.
Um die Web-App auch in Produktionsumgebungen ohne Internetzugang nutzen zu können, basiert die Anwendung auf einer Single-Page-Application-Architektur. Das Grundgerüst der App besteht lediglich aus einer einzelnen Webseite, die der Nutzer vollständig auf sein Endgerät lädt und im Cache des Browsers speichert. Auch neu erfasste Analysedaten werden zunächst lokal gespeichert. Lediglich bei bestehender Internetverbindung ist es vorgesehen, die dynamischen Inhalte mit dem Server zu synchronisieren.
Das von Google stammende Framework AngularJS schafft die technischen Voraussetzungen, um mit überschaubarem Programmieraufwand eine einheitliche App zu entwickeln, die für vielfältige Analysemethoden geeignet ist. Es bietet zwei wesentliche Vorteile:
1. Das Framework nutzt ein Entwurfsmuster, das die Gestaltung der grafischen Oberfläche von der Datenzugriffsebene trennt und es so ermöglicht, für die Funktion und die grafische Darstellung wiederverwendbare Elemente zu programmieren.
2. Das Framework bietet zahlreiche Möglichkeiten zur Strukturierung und Modularisierung der App (z. B. View-Templates).
Zwei Technologien sind von besonderer Bedeutung, um der Web-App den Eindruck einer nativen App zu verleihen: Die Konfiguration des Web-App-Manifests erlaubt es, dass sich die App inklusive eines Icons auf dem Startbildschirm des Endgeräts installieren lässt. Nach dem Start erscheint ein Ladebildschirm und die App wird ohne Browserleiste dargestellt. Das CSS-Framework Bootstrap stellt zudem zahlreiche grafische Standardelemente zur Verfügung, wie z. B. Buttons und Menüs.


Bild 2: Konfiguration der Merkmale. Typ: Zeit

Funktionalität und Informationsarchitektur

Funktionalität und Informationsstruktur der Web-App sind so zu gestalten, dass diese unterschiedliche Methoden abbilden kann und es dem Anwender dennoch erlaubt, die Analyse ohne zusätzlichen Programmieraufwand an individuelle Unternehmensbedürfnisse anzupassen. Analysen unterscheiden sich in folgenden Eigenschaften:
1. im Datenbedarf,
2. im Vorgehen zur Datenerfassung,
3. in der Logik zur Datenverarbeitung und -aufbereitung.
Für die Entwicklung einer methodenübergreifenden Web-App für die Produktionsanalyse sind die unterschiedlichen Ausprägungen dieser Analyseeigenschaften bei der Gestaltung der Funktionen zur Analysevorbereitung, Datenaufnahme und Datenauswertung zu berücksichtigen. Zwei Analysen dienen zur Veranschaulichung der Lösungsansätze. Das erste Beispiel ist exemplarisch für bereits existierende Methoden. Die SMED-Methode dient dazu, Rüstzeiten von Maschinen zu reduzieren. Es besteht aus folgenden Stufen [3]: Der Verlagerung von vor- und nachbereitenden Aktivitäten, der Umwandlung von internen in externe Tätigkeiten und der Optimierung interner und externer Abläufe. Die Rüstablaufanalyse nach Frühwald [11] ermittelt die Reihenfolge und Zeitanteile der am Rüstvorgang beteiligten Objekte und Tätigkeiten. Die Ergebnisse offenbaren, welche Rüstschritte sich verlagern, umwandeln oder optimieren lassen. Das zweite Analysebeispiel veranschaulicht, wie Unternehmen eine individuelle Analyse erstellen können, z. B. für konkrete Verbesserungsprojekte.
Die Vorbereitungsfunktion setzt sich aus drei Bausteinen zusammen. Merkmale, Abhängigkeiten und Erfassungssets ermöglichen es nach einer kurzen Einweisung in die App methodenübergreifend, den Datenbedarf und das Vorgehen zur Datenerfassung einer Analyse zu modellieren. Um im ersten Schritt die Merkmale zu definieren, legt der Anwender der Web-App (z. B. ein Produktionsingenieur) Merkmalsgruppen fest, die er mit hierarchisch gegliederten Ausprägungen füllt (Bild 2). Dazu bestimmt er für jede Gruppe einen Datentyp und eine Abfragereihenfolge. Für die Rüstablaufanalyse ist es beispielsweise charakteristisch, den zeitlichen Ablauf (Datentyp) von Rüstabschnitten, Rüsttätigkeiten und Objekten (Reihenfolge und Merkmalgruppen mit Ausprägungen) zu erfassen. Für eine individuelle Analyse wäre es in der Web-App auch möglich, Bestände, Prozesszeiten oder Multimomentaufnahmen zu konfigurieren.
Im zweiten Schritt definiert der Nutzer die Abhängigkeiten. Sie speichern Vorgänger-Nachfolger- Beziehungen zwischen Ausprägungen. Ziel ist es, die Auswahlmöglichkeiten bei der Datenaufnahme auf plausible Kombinationen zu begrenzen. Beobachtet der Nutzer bei der Rüstablaufanalyse z. B. die Tätigkeit „Lesen“, ist es so möglich, danach das Objekt „Betriebsmittel“ auszuschließen.
Im letzten Schritt bildet der Nutzer Erfassungssets. Eine Analyse kann aus mehreren Sets bestehen, denen jeweils nur eine Teilmenge aller Merkmale zugeordnet ist. Für jedes Set ist es möglich, individuelle Erfassungsoptionen festzulegen. Sie können Informationen darüber enthalten, wer die Datenerfassung durchführt oder in welchen Intervallen sie erfolgt.


Bild 3: Datenaufnahme mit exemplarischen Merkmaltypen.

So kann die individuelle Analyse z. B. beinhalten, dass in festen Intervallen eine Bestandsaufnahme und zu zufälligen Zeitpunkten eine Multimomentaufnahme durchgeführt wird. Bei der Rüstablaufanalyse kann ein Erfassungsset speichern, ob die Analyse durch den Maschinenbediener selbst oder durch einen Beobachter erfolgt. Die Ergebnisse der drei Schritte lassen sich in einer Datei als Vorlage für eine Methode speichern. Mithilfe der Vorlagen kann der Anwender Merkmale, Abhängigkeiten und Erfassungssets laden und die Analysemethode in wenigen Klicks an die Unternehmensbedürfnisse anpassen.
Um ein methodenübergreifendes Vorgehen zur Datenerfassung zu gewährleisten, orientiert sich die Gestaltung der Datenaufnahmefunktion an den zuvor definierten Merkmaltypen. Bei bestehender Verbindung lädt die Web-App die in der Analysedatei gespeicherten Informationen über Datenbeschaffenheit und Erfassungsvorgehen. In der Anwendung sind anschließend alle freigegebenen Analysen auswählbar. Hat der Nutzer ein Erfassungsset ausgewählt, beginnt die Aufnahme. Die App zeigt die dem Set zugeordneten Merkmale in der vorab definierten Reihenfolge an. Der modulare Aufbau der Web-App erlaubt, dass sich Funktion und Design dabei automatisch an den jeweiligen Merkmaltyp anpassen (Bild 3). So erscheint beispielsweise bei der Rüstablaufanalyse eine fortlaufende Stoppuhr, die mit Beginn der nächsten Beobachtung den letzten Wert speichert und sich automatisch zurücksetzt. Im zweiten Fallbeispiel zeigt die App einen Ziffernblock für die Bestandsaufnahme sowie eine Liste auswählbarer Merkmale für die Multimomentaufnahme an. Nach jeder Eingabe wird anhand der Abhängigkeiten überprüft, welche der darauffolgenden Merkmale noch angezeigt werden müssen. Die Ergebnisse werden zunächst lokal in einem einheitlichen Format gespeichert. Bei bestehender Internetverbindung kann der Nutzer sie mit dem zentralen Server synchronisieren.
Für eine methodenübergreifende Auswertungsfunktion ist es in der Web-App möglich, individuelle Ergebnisübersichten (Dashboards) zu programmieren. Die Dashboards speichern die spezifische Logik zur Datenverarbeitung und -aufbereitung einer Analysemethode. Die Zuordnung der Ergebnisse erfolgt dabei automatisch über die vorab ausgewählte Vorlage. So enthält beispielsweise die Auswertung für die Rüstablaufanalyse als Kernelement ein gestapeltes Balkendiagramm, um Zeitanteile und Reihenfolge der beobachteten Rüstabschnitte zu visualisieren und so Ansatzpunkte für das SMED-Verfahren zu liefern (Bild 4). Durch das einheitliche Ergebnisformat und den modularen Aufbau der App ist es für Entwickler mit Basiswissen aus dem Bereich Webentwicklung für einfache Methoden innerhalb weniger Stunden möglich, neue Ergebnisdarstellungen umzusetzen. Die Web-App verfügt bereits über Dashboards für Produktivitätsanalysen, Rüstablaufanalysen und eine einfache Möglichkeit, um Multimoment-, Zeit- und Bestandsaufnahmen auszuwerten. Derzeit arbeitet das IPMT daran, die Methode Wertstromanalyse in die App zu integrieren.
 


Bild 4: Teilausschnitt der Ergebnisdarstellung für Rüstablaufanalysen.

Zusammenfassung und Ausblick

Dieser Beitrag beschreibt Technologien und Informationsstrukturen, um unterschiedlichste Methoden für Produktionsanalysen mit manueller Datenerfassung in einer einheitlichen Software abzubilden. Die Anwender können dabei auf Standardmethoden zurückgreifen und ihre Analyse ohne zusätzlichen Programmieraufwand an individuelle Bedürfnisse anpassen. Aus technischer Sicht sind insbesondere das responsive Webdesign, die Offline-Funktion, der modulare Aufbau und die Konfiguration moderner HTML5- Standards von Bedeutung. Merkmale, Abhängigkeiten und Erfassungssets schaffen die Informationsarchitektur, um Analysen methodenübergreifend vorzubereiten und als anpassungsfähige Vorlage zu speichern. Merkmaltypen und ein standardisiertes Vorgehen ermöglichen die methodenübergreifende Datenerfassung. Wiederverwendbare, modulare Ergebnisdarstellungen dienen dazu, verschiedene Verfahren zur Datenverarbeitung und -aufbereitung zu speichern. Die entwickelte Web-App bildet die Grundlage, um mit geringem Aufwand neue Analyseverfahren (z. B. kollaborative Analysen) zu entwickeln und zu erproben. Darüber hinaus ist es das Ziel, die Web-App um ein Modul zu erweitern, das die Analyseergebnisse automatisch mit Verbesserungsmethoden verknüpft.

Dieser Beitrag basiert auf den Arbeiten im Rahmen des Projekts „Integrale Handlungsorientierte Produktivitätsanalyse für die variantenreiche Kleinserienfertigung“ (LO 858/11 – 1), das durch die Deutsche Forschungsgemeinschaft (DFG) gefördert wird.

Schlüsselwörter:

Industrie 4.0, Analyse, Web Application, Lean Production, kontinuierliche Verbesserung

Literatur:

[1] Deming, W. E.: Out of the crisis. Quality, productivity and competitive position. Cambridge 1986.
[2] Rother, M.; Shook, J.: Sehen lernen: Mit Wertstromdesign die Wertschöpfung erhöhen und Verschwendung beseitigen. Mühlheim an d. Ruhr 2015.
[3] Shingo, S.: Quick Changeover for Operators: The SMED System (Shopfloor Series). Portland, Oregon 1996.
[4] Czumanski, T.: Handlungsorientierte Analyse der Arbeitsproduktivität in der Serienproduktion. Dissertation, TU Hamburg 2013.
[5] Dombrowski, U.; Adams, T.; Ebentreich, D.; Klatte, H.: Assessment Ganzheitlicher Produktionssysteme. In: Zeitschrift für wirtschaftlichen Fabrikbetrieb 110 (2015) 9, S. 518-521.
[6] Anderl, R.: Leitfaden Industrie 4.0. Orientierungshilfe zur Einführung in den Mittelstand. Frankfurt am Main 2015.
[7] AutoLean, Inc.: OEE Monitor. URL: http://www.autolean. com, Abrufdatum 11.10.2017.
[8] Bosch: Value Stream Q-Basics. URL: https://appcenter.bosch. com/details/-/app/Value- StreamQBasicsE, Abrufdatum 11.10.2017.
[9] REFA: Refa Zeit App. URL: http://www.refa-verwaltung. de/service/refa-apps, Abrufdatum 11.10.2017.
[10] Toggl: Toggl. URL: https:// toggl.com, Abrufdatum 11.10.2017.
[11] Frühwald, C.: Analyse und Planung produktionstechnischer Rüstabläufe. Düsseldorf 1990.