Lade Inhalt...

Entwicklung eines Konzepts zur Klassifizierung und zielgerichteten Nutzung historischer Materialstammdaten mit Methoden des Data Mining am Beispiel SAP R/3

©2001 Diplomarbeit 127 Seiten

Zusammenfassung

Inhaltsangabe:Zusammenfassung:
In den letzten zehn Jahren ist die Menge der weltweit gesammelten und gespeicherten Daten immens angestiegen. Diese Daten können nur dann sinnvoll genutzt werden, wenn die Nutzenden wissen, wo und wie sie die Daten finden, was die Daten beinhalten und wie die Daten verwendet werden können. Im Verlauf der industriellen Auftragsabwicklung ist es z.B. notwendig, existierende Materialstammdaten schnellstmöglich wiederzufinden. Die Einordnung der Materialstammdaten in das Fachgebiet der Produktionsplanung und –steuerung verdeutlicht die Problematik. Dieser Zustand macht eine Datenauswertung mit traditionellen Mitteln unmöglich. Daher ist der Wunsch nach Verfahren entstanden, die automatisch interessante Muster aus großen Datenbeständen filtern. Aus dieser Zielsetzung ist das Forschungsgebiet des Knowledge Discovery in Databases (KDD) Anfang der 90er Jahre entstanden. Mit Hilfe eigener Methoden werden Abhängigkeiten und Regelmäßigkeiten zwischen Datenbankeinträgen und Dokumenten gefunden. Anschließend wird das gefundene Wissen in einer für den Menschen verständlichen Form präsentiert. In diesem Zusammenhang stellt ein von der SAP AG neu entwickeltes Tool eine Lösungsmöglichkeit für das Materialstammdatenmanagement dar. Dazu wird in der vorliegenden Arbeit das Thema KDD unter ausgewählten Aspekten analysiert. Das neuartige Tool soll in den KDD Prozeß integriert werden. Anschließend werden die einzelnen Schritte des KDD Prozeß für die Materialstammdaten diskutiert. Insgesamt wird ein Verfahren zur Wiederverwendung von Materialstammdaten mit Hilfe eines neuartigen Tool unter Verwendung von Methoden des KDD entworfen.
Einleitung:
Data Mining und Knowledge Discovery in Datenbanken (KDD) erhalten zunehmende Beachtung in der Forschung, in der Industrie und in den Medien. In den letzten Jahren wurden die Fähigkeiten, immense Mengen an Daten zu produzieren und zu sammeln enorm verstärkt. Die Anzahl und die Größe der genutzten Datenbanken im Handel, in der öffentlichen Verwaltung, in der Wissenschaft, in der Produktion und anderen Bereichen wächst stetig. Die gleiche Entwicklung ist für den Bereich der EDV-Anwendungen zu beobachten. Mit der zunehmenden Vernetzung der Unternehmen steigt im industriellen Bereich demnach die Anzahl der internen und externen Datenquellen. Diese Informationsflut hat zur Folge, daß in den Unternehmen ein großer Teil der Arbeitszeit mit der Erstellung, Änderung, Ablage und Weiterleitung von Informationen […]

Leseprobe

Inhaltsverzeichnis


Inhaltsverzeichnis

1 Einleitung
1.1 Problemstellung
1.2 Zielsetzung
1.3 Aufbau der Arbeit

2 Anwendungen bei der MGB
2.1 Sichtweisen auf die Materialstammdaten
2.1.1 Einkauf MPE
2.1.2 Turbokompressoren MPT
2.1.3 Schraubenmaschinen MPT
2.1.4 Anlagentechnik MPP
2.1.5 Fertigungstechnik MWL
2.2 Ergebnisse der Prozeßaufnahme bei der MGB
2.3 Zugriff auf die Materialstammdaten

3 Materialstammdaten innerhalb der Produktionsplanung und -steuerung
3.1 Die Bedeutung der Materialstammdaten

4 Fallstudie: SAP R/
4.1 Die SAP R/3 Architektur
4.2 Die Matchcodesuche im SAP R/3-System
4.2.1 Das Prinzip der Matchcodes
4.3 Die Suchmaschine DrFuzzyÔ
4.3.1 Begriffsabgrenzung
4.3.1.1 Fuzzy Logic
4.3.2 Funktionsumfang
4.3.3 Interne Struktur
4.3.4 Aufbau der Infrastruktur
4.4 Testreihen und Ergebnisse

5 Knowledge Discovery in Datenbanken und Data Mining
5.1 Daten, Wissen und Information
5.2 Die Begriffe Data Mining und Knowledge Discovery in Datenbanken
5.2.1 Definitionen
5.2.2 Begriffsabgrenzung
5.2.2.1 OLAP
5.2.2.2 Data Warehouse
5.3 Anwendungsgebiete des KDD
5.4 Ziele des Data Mining und des KDD
5.5 Herausforderungen des Data Mining und des KDD
5.6 Methoden des Data Mining
5.6.1 Clustering
5.6.1.1 Ähnlichkeits- und Distanzfunktionen
5.6.1.2 Verfahren des Clustering
5.6.2 Klassifizierung
5.6.2.1 Klassifizierung mit Hilfe von Entscheidungsbäumen
5.6.3 Assoziationsregeln
5.6.3.1 Apriori Algorithmus
5.6.4 Generalisierung
5.6.5 Musterbasierte Ähnlichkeitssuche
5.6.6 Data Mining Ansätze für Text Retrieval Systeme
5.7 Der KDD Prozeß
5.7.1 Data Selection
5.7.2 Cleaning
5.7.3 Enrichment
5.7.4 Coding
5.7.5 Data Mining
5.7.6 Reporting
5.8 Die KDD Umgebung

6 Zusammenfassung
6.1 Fazit
6.2 Ausblick

7 Literaturverzeichnis

Bildverzeichnis

Bild 1 : Informationsflut im Unternehmensalltag (in Anlehnung an /BULL95/, S. 16)

Bild 2 : Der Aufbau der Arbeit

Bild 3 : Das Kreuzmodell der betr. und techn. Integrationspfade (in Anlehnung an /MUCH95/, S. 201)

Bild 4 : Das Aufgabenmodell der PPS (in Anlehnung an /MUCH95/, S. 202)

Bild 5 : Evolution der PPS-Planungskonzepte

Bild 6 : Das Y-Modell (in Anlehnung an /SCHE98/, S. 93)

Bild 7 : Die SAP R/3-Architektur (in Anlehnung an /SBIB99/)

Bild 8 : Prinzipdarstellung eines Matchcodes (in Anlehnung an /SAPH98/)

Bild 9 : Aufbau eines logischen Matchcode (in Anlehnung an /SAPH98/)

Bild 10 : Aufbau eines physischen Matchcode (in Anlehnung an /SAPH98/)

Bild 11 : Ansicht des Dynpro zum Matchcodeobjekt MAT

Bild 12 : Schematische Darstellung der DrFuzzy-Ablagestruktur (in Anlehnung an /DRFI99/, S. 14)

Bild 13 : Dreistufige Struktur für die Datensuche

Bild 14 : Die Struktur für den Suchmethodenvergleich

Bild 15 : Schematische Darstellung einer zweidimensionalen Datenmenge (in Anlehnung an /FAYY96b/, S. 43)

Bild 16 : Darstellung möglicher Cluster der zweidimensionalen Datenmenge (in Anlehnung an /FAYY96b/, S. 45)

Bild 17 : Darstellung einer möglichen Klassifizierung der zweidimensionalen Datenmenge (in Anlehnung an /FAYY96b/, S. 44)

Bild 18 : Darstellung eines Entscheidungsbaums für Wetterdaten (in Anlehnung an /QUIN86/, S. 87)

Bild 19 : Prinzipdarstellung eines data cube für Verkaufsinformationen (in Anlehnung an /CHEN96/, S. 873)

Bild 20 : Die Schritte des KDD Prozeß (in Anlehnung an /ADRI96/, S. 38)

Bild 21 : Ausschnitt eines möglichen Entscheidungsbaums für die Warengruppe 14000000

Tabellenverzeichnis

Tabelle 1 : Darstellung der problemrelevanten Materialmerkmale

Tabelle 2 : Stamm- und Bewegungsdaten von Datenobjekten (in Anlehnung an /MUCH95/, S. 257)

Tabelle 3 : Exemplarische Testreihen

Tabelle 4 : Das Prinzip einer Objekt-Merkmal-Matrix (in Anlehnung an /STAH85/, S. 53)

Tabelle 5 : Tabelle der Übereinstimmungen zweier Objektvektoren (in Anlehnung an /STAH85/, S. 68)

Tabelle 6 : Beispielhafte Attribute und Werte für Wetterdaten (in Anlehnung an /QUIN86/, S. 85)

Tabelle 7 : Eine Menge von Trainingsdaten (in Anlehnung an /QUIN86/, S. 86)

Tabelle 8 : Beispiel einer Transaktionsdatenbank (in Anlehnung an /WILH00/)

Tabelle 9 : Ein- und zweielementige itemsets mit berechneten Werten für den support (in Anlehnung an /WILH00/)

Tabelle 10 : Darstellung der itemsets und large itemsets (in Anlehnung an /WILH00/)

Tabelle 11 : Ausgangsdaten für das KDD

Tabelle 12 : Daten nach dem Enrichment

Tabelle 13 : Daten nach dem Entfernen von Attributen

Tabelle 14 : Daten nach dem Coding

Tabelle 15 : Transformierte Daten für das Data Mining

Glossar

- Classification (data classification)

Das data classification beschreibt das Einordnen von Daten in Klassen mit Hilfe der jeweiligen Datenattributwerte /CHEN96/, S. 868.

- Clustering (data clustering)

Als Methode des Data Mining wird eine Menge von Daten ohne eine vordefinierte Klassenstruktur in eine endliche Menge von Gruppen geordnet. Das grundlegende Clustering Prinzip lautet: Maximale Ähnlichkeit zwischen den Objekten in einem Cluster; minimale Ähnlichkeit zwischen den einzelnen Clustern /CHEN96/, S. 868.

- Data Mining

Data Mining is a step in the KDD process that consists of applying data analysis and discovery algorithms that, under acceptable computational efficiency limitations, produce a particular enumeration of patterns over the data“ /FAYY96b/, S. 41.

- Datenbank

Eine gespeicherte Menge von Datenelementen, die miteinander in Beziehung stehen. Applikationsprogramme können auf diese Daten zugreifen /MART95/, S. 335.

- Datenbanksystem

Ein Informationssystem, das eine Datenbank als Speicher für die benötigten Daten benutzt /MART95/, S. 335.

- Dictionary

Im (ABAP-) Dictionary des SAP Systems werden Datendefinitionen erfaßt und verwaltet. Es ermöglicht eine zentrale, redundanzfreie Beschreibung aller im System vorhandenen Datenstrukturen. Neu erfaßte oder geänderte Informationen werden allen Systemkomponenten automatisch zur Verfügung gestellt. Aus den im (ABAP-) Dictionary erfaßten Datendefinitionen können entsprechende Objekte (z.B. Tabellen oder Views) in der unterliegenden relationalen Datenbank erzeugt werden. Das (ABAP-) Dictionary beschreibt also die Struktur der Objekte der Anwendungsentwicklung und deren Abbildung in Tabellen bzw. Views auf der unterliegenden relationalen Datenbank /SBIB99/.

- Dynpro

Dynpros sind die allgemeinsten Bildschirmbilder, über die ABAP-Programme einen Benutzerdialog führen können /SBIB99/.

- Identifizieren

a) Ein Nummerungsobjekt innerhalb eines Geltungsbereiches mit Hilfe der erforderlichen Merkmale eindeutig und unverwechselbar erkennen.

b) Ein Nummerungsobjekt innerhalb eines Geltungsbereichs eindeutig und unverwechselbar bezeichnen oder ansprechen /LEXI92/, S. 143.

- Index

Den Zugriff auf einzelne Records eines Files und insbesondere das Suchen nach bestimmten Records kann man beschleunigen, falls man für die Werte bestimmter Felder ein zusätzliches „Inhaltsverzeichnis“ anlegt, welches man als Index bezeichnet. Ein Index ist eine zusätzliche Datei, welche meist für ein bestimmtes Attribut die aktuell in dem File vorkommenden Werte dieses Attributs zusammen mit der Adresse des jeweiligen Records (sortiert) enthält /VOSS94/, S. 398.

- Knowledge Discovery in Datenbanken (KDD)

Knowledge discovery in databases is the nontrivial process of identifying valid, novel, potentially useful, and ultimately understandable patterns in data“ /FAYY96b/, S. 40f.

- Klassieren

Nach DIN 6763 ist Klassieren das Zuordnen von Gegenständen zu Klassen eines Klassifizierungssystems.

- Klassifizieren

Klassifizieren ist nach DIN 6763 das Bilden von Klassen und oder Klassifizierungssystemen.

- Material

Sammelbegriff für Rohstoffe, Werkstoffe, Halbzeuge, Hilfsstoffe, Betriebsstoffe, Teile und Gruppen, die zur Fertigung eines Erzeugnisses erforderlich sind /LEXI92/, S. 157.

- Nummer

Im Sinne der Nummerung eine festgelegte Folge von Zeichen (Buchstaben, Ziffern und Sonderzeichen), in der Regel durch ein Nummernschema dargestellt /LEXI92/, S. 163.

- Nummerungsobjekt

Gegenstand oder Person, denen Nummern zugeordnet sind oder werden /LEXI92/, S. 165.

- PPS (Produktionsplanung und –steuerung)

Die PPS unterstützt die gesamte Auftragsabwicklung von der Angebotserstellung bis zum Versand und berührt die betrieblichen Abteilungen Konstruktion, Vertrieb, Einkauf, Teilefertigung, Montage (Fertigung), Ersatzteilwesen und Versand. Damit hat die PPS zum einen die Aufgabe, in allen ihren Wirkungsbereichen den Prozeß der Produkterstellung mengen, termin- und kapazitätsmäßig zu planen und zu steuern. Zum anderen hat die PPS die Aufgabe, für alle diese Aufgaben die erforderlichen Daten zu verwalten /MUCH95/, S. 200.

- PPS-System

Der Begriff PPS-System hat sich als Kurzform für ein (computergestütztes) Produktionsplanungs- und Steuerungssystem eingebürgert. Ein PPS-System ist ein Softwaresystem, welches zur operativen Planung und Steuerung des Produktionsgeschehens in einem Industriebetrieb eingesetzt wird /PPSS99/, S. 1.

- Produktion

Unmittelbar oder mittelbar der Herstellung von Erzeugnissen dienende Vorgänge und Tätigkeiten /LEXI92/, S. 167.

- Produktionsplanung

Systematisches Suchen und Festlegen von Zielen für die Produktion, Vorbereiten von Produktionsaufgaben und Festlegen des Ablaufs zum Erreichen dieser Ziele /LEXI92/, S. 167.

- Produktionssteuerung

Veranlassen, Überwachen und Sichern der Durchführung von Produktionsaufgaben hinsichtlich Bedarf, Qualität, Kosten und Arbeitsbedingungen /LEXI92/, S. 167.

- Relationale Datenbank

Eine Datenbank, die aus tabellarischen Datenstrukturen besteht und dem relationalen Datenbankmodell entspricht /MART95/, S. 342.

- Relationales Datenbankmodell

Eine Datenbankarchitektur mit einer allgemeinen Sichtweise der Daten. Diese werden zunächst durch Objekte beschrieben. Operatoren werden auf die Objekte angewendet. Schließlich existiert eine Anzahl von Integritätsregeln. Die Daten werden mit Hilfe von Tabellen, die aus Zeilen und Spalten bestehen, dargestellt /MART95/, S. 342.

1 Einleitung

Data Mining und K nowledge D iscovery in D atenbanken (KDD) erhalten zunehmende Beachtung in der Forschung, in der Industrie und in den Medien. In den letzten Jahren wurden die Fähigkeiten, immense Mengen an Daten zu produzieren und zu sammeln enorm verstärkt /FAYY96b/, S. 37. Die Anzahl und die Größe der genutzten Datenbanken im Handel, in der öffentlichen Verwaltung, in der Wissenschaft, in der Produktion und anderen Bereichen wächst stetig /CHEN96/, S. 866. Die gleiche Entwicklung ist für den Bereich der EDV-Anwendungen zu beobachten. Mit der zunehmenden Vernetzung der Unternehmen steigt im industriellen Bereich demnach die Anzahl der internen und externen Datenquellen. Diese Informationsflut (vgl. Bild 1) hat zur Folge, daß in den Unternehmen ein großer Teil der Arbeitszeit mit der Erstellung, Änderung, Ablage und Weiterleitung von Informationen verbracht wird /BULL95/, S. 15.

Abbildung in dieser Leseprobe nicht enthalten

Bild1: Informationsflut im Unternehmensalltag (in Anlehnung an /BULL95/, S. 16)

Weiterhin gewinnen Informationen sowohl als wichtiger Produktionsfaktor im operativen Betrieb als auch in strategischen Entscheidungsprozessen an Bedeutung /BULL95/, S. 16. Dieser Zustand läßt die dringende Notwendigkeit entstehen, eine neue Generation computergestützter Theorien und Tools zu entwickeln. Diese Hilfsmittel und Methoden sollen den Menschen bei der Entdeckung nützlicher Informationen aus dem schnell wachsenden Bestand gespeicherter Daten unterstützen /FAYY96b/, S. 37.

1.1 Problemstellung

Elektronische Informations- und Speichermedien verbreiten sich nach Küppers zunehmend. Die Menge der Daten, die prinzipiell digital zur Verfügung stehen, wächst immer schneller an. Bereits die existierende Menge der Daten im wissenschaftlichen und betrieblichen Bereich verhindert häufig eine Auswertung mit traditionellen Mitteln. Die US-amerikanische Warenhauskette Wal-Mart ist z. B. mit mehr als 2.000 Geschäften eines der größten Einzelhandelsunternehmen weltweit. Dort werden täglich bis zu 20 Millionen Transaktionen gespeichert /KÜPP99/, S. 13. Dieses Beispiel weist bereits auf das Problem der Redundanzen und Inkonsistenzen in gegenwärtig genutzten integrierten Systemen hin. Ursache für diesen Zustand sind u.a. Bedienerfehler und unzulänglich geprüfte Datenübernahmen aus Altsystemen. Stellvertretend für die dargestellte allgemeine Problematik erreicht das Materialstammdatenmanagement zunehmende Bedeutung. Dort ist die Forderung nach einem geeigneten Instrument zur Bereinigung der Materialstammdaten entstanden. Das Wiederfinden und Zuordnen von unklassifizierten Stammdaten stellt eine besondere Herausforderung dar. Als besonderes Merkmal weisen Materialstammdaten sog. Materialkurztexte sowie Langtexte auf. Schwach strukturierte Textdaten können jedoch nicht direkt zur Bestimmung von Regelmäßigkeiten benutzt werden. Es sind zusätzliche Eigenschaften zu bestimmen, zwischen denen Abhängigkeiten, Regelmäßigkeiten und Beziehungen gesucht werden können. So kann nach Ferber in einer Datenbank mit einem Attributvergleich einfach festgestellt werden, welches von zwei Büchern mehr Seiten hat. Zu erkennen, welches der beiden Bücher besser geeignet ist, ein bestimmtes Thema zu lernen, kann dagegen sehr viel schwieriger sein. Entweder sind hierfür kein geeigneten Attribute vorhanden oder es existiert kein Vergleichsoperator /FERB98/, S. 4. An diesem Punkt setzen die Methoden der Knowledge Discovery in Datenbanken (KDD) und des Data Mining an. Das Ziel besteht darin, Abhängigkeiten, Regelmäßigkeiten und Beziehungen zwischen den Dokumenten und Datensätzen zu finden. Diese Informationen müssen anschließend für den Anwender in eine verständliche Form übertragen werden. Es steht also nicht der einzelne Datensatz im Vordergrund, der in der Datenbank sicher gespeichert wird. Die Daten werden quasi als Rohstoff genutzt, aus dem neues Wissen gewonnen werden soll /FERB98/, S. 1f. Die erläuterte Problemstellung läßt sich am Beispiel der Materialstammdaten des SAP R/3-Systems erläutern. Neben den obligatorisch zu füllenden Datenfeldern „Materialart“ und „Materialbezeichnung“ ist die „Warengruppe“ ein oft gepflegtes Datenfeld. Diese Datenfelder können demnach eine Grundlage für einen Klassifizierungsansatz der Materialstammdaten darstellen. Weitere, für eine Klassifizierung notwendige Datenfelder wie z.B. „Größe/Abmessung“ oder „Werkstoff“ sind oft unvollständig gepflegt. Für diese Problematik ist im SAP R/3-System keine Suchhilfe implementiert.

1.2 Zielsetzung

Die vorliegende Arbeit soll zunächst die Begriffe des Forschungsgebietes Data Mining und Knowledge Discovery in Datenbanken definieren und abgrenzen. Die Zusammenhänge zwischen dem KDD, dem Data Mining und verwandten Bereichen werden beschrieben. Weiterhin werden ausgewählte Methoden des Data Mining analysiert. In einer Fallstudie wird die Struktur, die Funktionalität und die benutzte Methodik eines realen Systems untersucht. Als Referenz wird das von der SAP AG entwickelte Tool DrFuzzyÔ (Nomenklatur der SAP AG und nicht der wissenschaftlichen Definition der Fuzzy Logic entsprechend) genutzt. Dazu muß der relevante Ausschnitt des Datenmodells identifiziert werden. Der Aufbau der notwendigen Infrastruktur für das neu entwickelte Tool mit seinen charakteristischen Systemelementen wird dargestellt. Um den Leistungsumfang des Tools überprüfen zu können, werden von einem Unternehmen Materialstammdaten aus dem SAP R/3-System zur Verfügung gestellt. Mit Hilfe von Testläufen des Tool sollen einerseits dessen korrekte Arbeitsweise überprüft und andererseits dessen Nutzen auf dem Gebiet der Materialstammdaten nachgewiesen werden. Dies beinhaltet insbesondere die Möglichkeit zur Wiederfind- und Wiederverwertbarkeit von Materialstammdaten durch das Identifizieren von Dubletten. Die Client/Server-Architektur des SAP R/3-Systems wird erläutert. Mit Hilfe der Materialstammdaten wird ein Anwendungsszenario für das KDD entworfen. Es soll geprüft werden, ob das Tool in den KDD Prozeß integriert werden kann.

1.3 Aufbau der Arbeit

Die beschriebene Zielsetzung umfaßt unterschiedliche theoretische und praktische Themenbereiche. Demnach erfolgt zunächst die Beschreibung und Abgrenzung der Problemstellung. Nach der Dokumentation der gegenwärtigen Situation wird anschließend das Forschungsgebiet präsentiert, das Lösungsmethoden bereithält. Die einzelnen Schritte der vorliegenden Arbeit stellt folgendes Bild dar:

Abbildung in dieser Leseprobe nicht enthalten

Bild2: Der Aufbau der Arbeit

Nach der Darstellung der Struktur werden im folgenden die Inhalte der einzelnen Kapitel präsentiert.

Kapitel 2 liefert als Ausgangspunkt der vorliegenden Arbeit eine umfassende Problembeschreibung. Zu diesem Zweck wird die Prozeßaufnahme zur Aufnahme der Ist-Situation in den Fachabteilungen eines Unternehmen beschrieben. Neben einer geeigneten Methode zur Aufnahme des Ist-Zustand werden auch die zu untersuchenden Fachabteilungen ausgewählt. Zur Gewinnung der Anforderungen für das weitere Vorgehen werden die Sichtweisen der relevanten Unternehmensabteilungen auf die Materialstammdaten aufgenommen. Mit Hilfe der Merkmale eines Materials werden die zugehörigen Datenfelder und Datentabellen bestimmt. Der für die vorliegende Arbeit gewählte Anwendungsfall der Materialstammdaten verlangt zur Problemabgrenzung eine Einordnung in den zugehörigen fachlichen Hintergrund.

Dementsprechend ordnet Kapitel 3 den Begriff der Materialstammdaten in den thematischen Zusammenhang der Produktionsplanung und –steuerung (PPS) ein. Neben der Begriffsdefinition wird das prinzipielle Aufgabenmodell anhand eines Referenzmodells beschrieben. Besondere Berücksichtigung findet an dieser Stelle die Aufgabe der Datenhaltung. Die Bedeutung der Materialstammdaten in der Produktionsplanung und –steuerung wird herausgestellt. Dazu dient auch die Beschreibung der Umsetzung eines Referenzmodells in PPS-Systemen. Die Stellung der Materialstammdaten wird im Zusammenhang mit der Entwicklung dieser Systeme hin zu integrierten Systemen zur Planung und Steuerung sämtlicher Unternehmensressourcen weiter verdeutlicht.

Da die PPS in integrierten Systemen wie z.B. SAP R/3 angewendet wird, erfolgt in Kapitel 4 die Beschreibung dieser Systemumgebung. Eine Fallstudie erläutert die unterschiedlichen Methoden zur Datensuche der betriebswirtschaftlichen Standardsoftware SAP R/3. An dieser Stelle wird die neuartige Suchmaschine DrFuzzyÔ als eine Methode zur Datensuche hinsichtlich des Funktionsumfang und der internen Struktur präsentiert und mit der herkömmlichen Methode zur Datensuche (Matchcodesuche) verglichen. Die Anwendung von DrFuzzyÔ mit Hilfe von Originaldaten eines Unternehmens für die in Kapitel 2 gewonnenen Anforderungen wird beschrieben. Ebenso wird der Aufbau der notwendigen Infrastruktur dokumentiert und eine Begriffsabgrenzung zum Thema Fuzzy Logic erarbeitet. Insgesamt wird ein Lösungsansatz zur beschriebenen Zielsetzung für die Materialstammdatenproblematik erarbeitet.

Dieser Lösungsansatz wird in Kapitel 5 in das Forschungsgebiet des Knowledge Discovery in Datenbanken und Data Mining eingeordnet. Zu diesem Zweck werden anfangs die Begriffe Knowledge Discovery in Datenbanken und Data Mining präzisiert. Dies beinhaltet neben der Begriffsdefinition auch die Begriffsabgrenzung. Unterschiedliche Methoden des Data Mining werden erläutert. Weiterhin werden die Ziele und Probleme des Data Mining sowie mögliche Anwendungsgebiete aufgezeigt. Für die betrachtete Materialstammdatenproblematik der vorliegenden Arbeit wird ein Anwendungsszenario im Sinne des KDD entworfen. Dies beschreibt die notwendigen Voraussetzungen sowie die potentiellen Analysemöglichkeiten für die Materialstammdaten bei dem Einsatz des KDD.

Kapitel 6 bildet mit einer Zusammenfassung und dem Ausblick auf Weiterentwicklungen den Abschluß der Arbeit. Die erarbeiteten Ergebnisse und Aussagen der vorliegenden Arbeit werden resümiert. Es wird die Frage diskutiert, ob sich das Tool DrFuzzyÔ der SAP AG als Data Mining Werkzeug einordnen läßt. Anregungen für eine mögliche Verschmelzung der Ziele und Ideen des KDD mit dem integrierten SAP Tool DrFuzzyÔ dienen schließlich ebenso als Ausblick für weiterführende Arbeiten wie mögliche Perspektiven und Ansatzpunkte für das KDD .

2 Anwendungen bei der MGB

Die M AN Turbomaschinen AG G HH B ORSIG (MGB) steht seit 1904 für Kompressoren und Turbinen. Anfang der 50er Jahr wurden die ersten Turbomaschinen und Axialkompressoren gebaut. Die MGB verfügt mit Axial- und Radialkompressoren sowie Dampf- und Gasturbinen über die weltweit größte Produktpalette bei Turbomaschinen. Das Qualitätsmanagement, zertifiziert nach DIN ISO 9001, stellt die Voraussetzungen für die Zuverlässigkeit der hochwertigen Produkte sicher (vgl. http://www.ghh-borsig.de). Es ist direkt dem Vorstand unterstellt (vgl. Anhang C ). Die MGB hat seit Anfang der achtziger Jahre bis 1997 das Softwaresystem COPICS für die Produktionslogistik eingesetzt. Aus dieser Zeit wurden Materialstammdaten in das SAP R/3-System übernommen. Die Inhalte dieser Materialstammdaten, daß heißt die gefüllten Stammsatzfelder entsprechen dem abgebildeten Informationsgehalt des Altsystems.

In einem ersten Schritt werden die Sichtweisen der einzelnen Fachabteilungen bei der MGB auf die Materialstammdaten erarbeitet. Es wird geprüft, ob die herkömmliche Methode zur Suche nach Materialstammdaten (vgl. 4.2) der gestiegenen Datenmenge (ca. 750.000 Materialstammdaten) bzgl. des Antwortzeitverhalten und der Funktionalität noch gewachsen ist. Für diesen Schritt der Aufnahme des Ist-Zustand in den einzelnen Fachbereichen stehen unterschiedliche Methoden zur Verfügung. Neben der Interviewmethode sind die Fragebogenmethode, die Berichtsmethode oder auch die Konferenzmethode zu nennen. Alle Methoden erfüllen die Forderung nach einer aktuellen Abbildung des Ist-Zustand. Die Forderung nach einer hohen Motivation der Beteiligten sowie die Vermeidung von Mißverständnissen ist stärker in der Interview- und der Konferenzmethode erfüllt. Allerdings stört die Interviewmethode den Arbeitsablauf der befragten Personen am meisten. Weiterhin zeigt die Fragebogenmethode das günstigste Verhältnis von Aufwand zu Nutzen. Für die Befragung bei der MGB sollte der direkte Kontakt mit den befragten Personen zum Ausräumen von Mißverständnissen genutzt und deren Motivation gesteigert werden. Der erforderliche Auswertungsaufwand der Fragebogenmethode sollte ebenfalls umgangen werden. Demnach wurde der hohe zeitliche Aufwand bewußt bei der Wahl der Interviewmethode akzeptiert. Kombiniert wurde das Vorgehen mit ausgewählten Fragen, die vor den Gesprächen erarbeitet wurden. Es wurde also bewußt eine Kombination aus der Interview- und der Fragebogenmethode angewendet. Allerdings müssen in den Gespräche auftretende Kommunikations- und Verständnisprobleme bzgl. der durchgeführten Tätigkeiten oder der verwendeten Begriffe mit den jeweiligen Mitarbeitern geklärt werden. Die Aussagen der durch den Betriebsablauf erfahrenen Mitarbeiter sind oftmals schwierig zu interpretieren. Da die Mitarbeiter außerdem für diese Gespräche ihren Arbeitsablauf unterbrechen, ist eine sorgfältige Terminplanung notwendig. Insbesondere die Verständigungsprobleme in den Gesprächen führten zu einem steigenden Zeitaufwand für diesen Schritt. Geplant war ein Gespräch pro Fachabteilung, so daß die Aufnahme des Ist-Zustands nach drei Wochen beendet werden sollte. Die auftretenden Verständigungsprobleme in den Gesprächen führten jedoch dazu, daß pro Fachabteilung ein zweites Gespräch geführt werden mußte. Die zusätzlichen Probleme bei der Terminvereinbarung ergaben eine Verdopplung der Zeitspanne auf sechs Wochen. In einleitenden Gesprächen bei der MGB wurde eine Auswahl der Fachabteilungen getroffen. Gemäß dem Ablauf der Auftragsbearbeitung erfolgt außer im Einkauf und der Fertigung in insgesamt drei Konstruktionsabteilungen der intensivste Zugriff auf die Materialdaten. In diesen fünf Fachabteilungen wurden anschließend Interviews mit den Mitarbeitern geführt.

2.1 Sichtweisen auf die Materialstammdaten

Aus den Gesprächen mit den Mitarbeitern der Fachbereiche werden die notwendigen Informationen gewonnen, um anschließend die Anforderungen an das neuartige Tool innerhalb des SAP R/3-Systems zur Datensuche (DrFuzzyÔ) zu formulieren. Die Fragestellungen an die Mitarbeiter sind folgende:

- Aus welcher/n Abteilung/en erhält der Mitarbeiter welchen Input?
- Welche Schritte führt der Mitarbeiter aus?
- An welchen Stellen hat der Mitarbeiter bei seinen Tätigkeiten Kontakt zu den Materialstammdaten?
- Nach welchen Merkmalen eines Materials wird gesucht, d.h. welche Suchkriterien werden verwendet?
- An welche Abteilung/en reicht der Mitarbeiter seinen Output weiter?

Die relevanten Merkmale eines Materials werden in den Gesprächen mit den Mitarbeitern der Fachabteilungen gewonnen. Der Arbeitsablauf in diesen Fachabteilungen verlangt eine permanente Suche nach Materialien, d.h. diese Suche erfolgt mehrmals täglich. Als Hilfsmittel für diese Suche nach Materialstammdaten wird von den Mitarbeitern die Matchcodesuche des SAP Systems benutzt (vgl. 4.2). Es werden im folgenden zunächst die Prozesse in den Fachabteilungen der MGB (vgl. Anhang C ) und die in den Gesprächen genannten Materialmerkmale dargestellt.

2.1.1 Einkauf MPE

Für die Beschaffung externer Güter, die zur Auftragsabwicklung benötigt werden, ist der Einkauf verantwortlich. Das Spektrum der Güter reicht von Roh-, Hilfs- und Betriebsstoffen bis zu Baugruppen und Fertigteilen.

Folgender Prozeßablauf wurde für den Einkauf aufgenommen:

Die Konstruktion erstellt eine Stückliste, die mehrere Materialstämme z.B. einer Baugruppe zusammenfaßt Die Stückliste wird dem Einkauf übermittelt. Es erfolgt eventuell eine Nachpflege der Stückliste bzw. einer einzelnen Stücklistenposition (entspricht einem Material) durch einen Mitarbeiter im Einkauf. Für jede Position der Stückliste (Material) wird im SAP R/3-System eine Bedarfsanforderung (BANF) erstellt. Der Einkauf erhält die BANF. Der Einkauf erstellt Anfragen an mögliche Lieferanten. Die Lieferanten erstellen und senden Angebote. Der Einkauf führt Preisvergleiche durch. Der Einkauf gibt bei einem Lieferanten eine Bestellung auf.

Die Suche nach existierenden Materialstammdaten innerhalb des Einkaufs erfolgt nach folgenden Kriterien:

- Materialkurztext
- Größe/Abmessung
- Werkstoff
- Normbezeichnung
- Zeugnistyp
- Werk (º 0030)
- Materialart
- Materialnummer

Für sensible Materialien, die diesen besonderen Anforderungen genügen müssen, wird das Datenfeld Zeugnistyp gepflegt. Wird dieses Feld von einem Mitarbeiter im Einkauf mit einer Eingabe versehen, wird der Lieferant verpflichtet, neben der bestellten Ware auch ein Zeugnis zu liefern. Dieses Zeugnis dient als Bescheinigung, daß die vom Lieferanten an den Kunden (MGB) gelieferte Ware, dem vom Kunden geforderten Qualitätsmaß entspricht. Für die Suche nach einem Material ist dieses Attribut allerdings nur von untergeordneter Bedeutung.

2.1.2 Turbokompressoren MPT2

Die Konstruktion von Turbokompressoren erhält Inputinformationen aus den eingegangenen Aufträgen. Die Aufträge können interne Entwicklungsaufträge, oder externe Kundenaufträge sein. Die Fachabteilung MPT der MGB ist verantwortlich für die technische Auslegung der zu fertigenden Teile, Baugruppen und Produkte. Der Aufgabenbereich umfaßt die eigentliche Konstruktionsarbeit mit dem Erstellen von Zeichnungen und dem anschließenden Anlegen von Dokumenteninfosätzen sowie ggf. Dokumenten(stück-)listen zu deren Verwaltung, das Pflegen bzw. Neuanlegen von Materialstammdaten sowie das Erstellen von Stücklisten. Die bestehenden Materialstammdaten sind bei der Suche nach Lagerteilen bzw. Zukaufteilen von Interesse. Die Suche erfolgt beim Anlegen der auftragsspezifischen Stückliste. Der Vorgang der Stücklistenerstellung ist der einzige Berührungspunkt der Konstruktionsabteilung mit den Materialstammdaten.

Für eine durchzuführende Suche nach Materialstammsätzen im SAP R/3-System werden in der Konstruktionsabteilung für Turbokompressoren folgende Kriterien genannt:

- Materialart
- Materialkurztext
- Werkstoff
- Größe/Abmessung
- Normbezeichnung
- Sowie mit Einschränkung:
- Warengruppe
- Zeugnistyp

2.1.3 Schraubenmaschinen MPT4

Der Prozeß innerhalb der Konstruktion von Schraubenmaschinen ist mit dem in der Konstruktion von Turbokompressoren (MPT2) identisch. Die Konstruktion erfolgt im Anschluß an einen Auftragseingang und endet mit der Stücklistenerstellung. Bei der Stücklistenerstellung entsteht auch in der Konstruktion von Schraubenmaschinen der einzige Kontakt mit den Materialstammsätzen.

Unterschiede zur Konstruktion von Turbokompressoren werden in den Kriterien für eine Suche nach Materialstammsätzen deutlich. In der Konstruktion von Schraubenmaschinen werden folgende Suchkriterien genannt:

- Materialkurztext
- Werkstoff
- Zeichnungsnummer

2.1.4 Anlagentechnik MPP

Die Fachabteilung MPP bearbeitet die Anlagentechnik und Dokumentation für den Bereich „Produkte für die Prozeßindustrie“. Der Prozeß innerhalb der Fachabteilung gleicht dem geschilderten Ablauf in den Konstruktionsabteilungen. Die Tätigkeiten schließen sich an die Auftragsfreigabe an und reichen bis zur Stücklistenerstellung. Durch die sehr intensive Nutzung der Materialstammsätze werden sämtliche Grunddaten der Materialstammtabellen genutzt. Diese Kriterien lauten im einzelnen:

- Materialnummer
- Erstellungsdatum
- Datum der letzten Änderung
- Materialart
- Warengruppe
- Alte Materialnummer (bei Übernahme aus Altsystem; sog. Z-Nummer)
- Basismengeneinheit
- Größe/Abmessung
- Werkstoff
- Normbezeichnung
- Labor/Konstruktionsbüro
- Sparte
- Dokumentnummer
- Dokumentart
- Dokumentversion
- Änderungsnummer des Dokuments
- Materialkurztext
- Zeugnistyp
- Langtext (Vertriebstext; Einkaufstext)

In dieser Abteilung wird ein weiterer Grund für das Umgehen der Matchcodesuche des SAP R/3-System (vgl. 4.2) nach Materialstammsätzen genannt. Es existieren gegenwärtig im SAP R/3-System Materialstammsätze, die aus dem Altsystem übernommen wurden. Handelt es sich bei dem zu suchenden Datensatz um einen solchen sogenannten Altdatensatz, so enthält dieser keine aktuellen, brauchbaren Steuerinformationen. Dies hat zur Folge, daß der Datensatz nachgepflegt werden muß. Dieser zeitintensive Vorgang wird durch das schnellere Anlegen eines neuen Materialstammsatzes umgangen. Die Vertriebs- und Einkaufstexte werden zwar häufig gepflegt, für die Suche nach einem Material allerdings kaum berücksichtigt.

2.1.5 Fertigungstechnik MWL

Nachdem in den vorgelagerten Fachabteilungen wie der Konstruktion (MPT) Stücklisten erstellt wurden, erfolgt innerhalb der Produktionsplanung (PP) eine Materialbedarfsplanung (MRP). Ergebnisse der MRP sind Bedarfe, die der Fertigungslogistik (MWL) als Input dienen (vgl. 3). Innerhalb der Fachabteilung der Fertigungslogistik (MWL) erfolgt eine Disposition der ermittelten Bedarfe und eine anschließende Auftragsfreigabe an die Fertigung. Die Disposition spaltet den Gesamtbedarf in einen Beschaffungsbedarf und einen Eigenfertigungsbedarf. Die Auftragsfreigabe an die Fertigung (sog. Werkstattaufträge) hat die Deckung des Eigenfertigungsbedarfs zum Ziel. Der Beschaffungsbedarf wird durch den Einkauf fremdgefertigter Erzeugnisse gedeckt.

Bei der Suche nach Materialstammsätzen werden in der Fertigungslogistik (MWL) folgende Kriterien benutzt:

- Materialkurztext
- Werkstoff
- Größe/Abmessung

Die wesentlichen Aussagen der durchgeführten Prozeßaufnahme sollen im folgenden noch einmal zusammengefaßt werden.

2.2 Ergebnisse der Prozeßaufnahme bei der MGB

Die von den Mitarbeitern in den einzelnen Fachabteilungen als Kriterien zur Materialdatensuche genannten Attribute werden noch einmal aufgeführt. Weiterhin werden die Probleme mit der Materialdatensuche beschrieben, die einen effizienten Prozeßablauf bei der Auftragsabwicklung einschränken. Momentan wird aufgrund der sehr langen Systemantwortzeiten (20-500 Sekunden) die Suche nach Materialstammdaten selten durchgeführt. Diese Antwortzeit wird in den Fachabteilungen besonders für zeitkritische Tätigkeiten der Auftragsabwicklung z.B. in der Konstruktion als nicht akzeptabel empfunden. Die Forderung nach einer schnelleren Antwortzeit wird als das Hauptziel für ein geändertes Materialstammdatenmanagement formuliert. Modifikationen an der existierenden Möglichkeit zur Datensuche reichen nicht aus, um die veränderten Anforderungen zu erfüllen. Als Anforderungen an eine Datensuche im Sinne von Attributen zur Identifizierung von Materialstämmen wurden folgenden Kriterien ermittelt:

- Materialnummer
- Erstellungsdatum
- Datum der letzten Änderung
- Materialart
- Warengruppe
- Größe/Abmessung
- Werkstoff
- Normbezeichnung
- Labor
- Dokumentnummer
- Dokumentart
- Dokumentversion
- Materialkurztext
- (Zeugnistyp)
- (Langtext (Einkaufsbestelltext/Vertriebstext))

Durch die Recherche im Dictionary des SAP Systems wurden zu den genannten Merkmalen eines Materials die zugehörigen Datentabellen sowie die Datentypen der Merkmale identifiziert. Dazu wurde im Dictionary zunächst nach der Kurzbeschreibung eines Datenfeldes gesucht, die einem genannten Merkmal entspricht, das zur Datensuche benutzt wird. Bei der Suche nach dem Textstring ‚Materialart‘ erhält man z.B. als Ergebnis eine Liste von Datenfeldern wie z.B. das Datenfeld MTART. Zu einem gewählten Datenfeld läßt man sich mit der Funktion des ‚Verwendungsnachweis in Tabellen‘ eine Auswahlliste der Tabellen anzeigen, die das gesuchte Datenfeld MTART enthalten. Aus dieser Liste sucht man eine Tabelle zur Beschreibung der Materialstämme. Hilfreich ist hier das Vorgehen mit dem Suchbegriff ‚Materialstamm‘ in der Kurzbeschreibung der Tabellen, mit dem man die Tabelle mit der Bezeichnung MARA findet. Die Ansicht der Tabelle MARA zeigt, daß dort neben dem Datenfeld MTART weitere Attribute wie z.B. die Warengruppe enthalten sind. Für diejenigen Attribute, die nicht in der Tabelle MARA zu finden sind, muß das Vorgehen zum Auffinden einer Tabelle wiederholt werden. Insgesamt erhält man schließlich eine detaillierte Darstellung der Datentabellen mit den Datenfeldern, den Datentypen, der Feldlänge und der Kurzbeschreibung des Datenfeldes. Die Ergebnisse dieses Vorgangs sind in Tabelle 1 dargestellt. Demnach konnten aus den über 40.000 Tabellen des Systems die drei relevanten Materialstammdatentabellen identifiziert werden. Aus den über 300 Datenfeldern dieser drei Tabellen wurden die 13 Datenfelder gefunden, die für die Suche nach den Materialstammdaten benutzt werden.

Abbildung in dieser Leseprobe nicht enthalten

Tabelle1: Darstellung der problemrelevanten Materialmerkmale

Die obige Tabelle der problemrelevanten Materialmerkmale zeigt, daß mit Ausnahme der beiden Datumsangaben und der Basismengeneinheit in der Tabelle MARA sämtliche relevanten Materialmerkmale den Datentyp CHAR aufweisen. Im SAP System können bei Merkmalen mit dem Datentyp Zeichenformat (Abkürzung: CHAR) alphanumerische Zeichen mit einer maximalen Länge von 30 Zeichen angegeben werden /SBIB99/. Weiterhin wurde in den Gesprächen immer wieder auf die Bedeutung der Texte, insbesondere der Materialkurztexte hingewiesen. Dieses Merkmal eines Materials wird am häufigsten für die Suche benutzt. Hier liegt der Schwerpunkt bei der Identifizierung von syntaktisch verschiedenen, aber semantisch gleichen Materialstammsätzen. Die jeweiligen Fachabteilungen der MGB arbeiten mit unterschiedlichen Datenfeldern der Materialstammdaten. Diese unterschiedlichen Datenfelder spiegeln die verschiedenen Sichtweisen der Fachabteilungen bei der MGB auf die Materialstammsätze wider. Das übliche Vorgehen bei der Arbeit mit Materialstammdaten in den Fachbereichen besteht häufig darin, zusätzliche Materialstammsätze anzulegen, anstatt nach bereits vorhandenen Datensätzen zu suchen. Eine Wiederverwendung von existierenden Materialstammsätzen findet nur dann statt, wenn beispielsweise einem Mitarbeiter die Materialnummer eines gesuchten Materials bekannt ist. Dieses Vorgehen führt zu einem ständig wachsenden Materialstammdatenbestand mit entsprechenden Redundanzen (Dubletten). Kurzfristig ergibt sich für den Anwender bei den Tätigkeiten zur Auftragsbearbeitung zwar ein geringerer, zeitlicher Aufwand, wenn er einen neuen Materialstammsatz anlegt, anstatt nach einem existierenden Materialstammsatz zu suchen. Langfristig führt diese Vorgehensweise jedoch zu einem immer aufwendigeren Management dieser Datenmenge mit entsprechenden Kosten. Synergien bei gleichen oder ähnlichen Teilen wie Mengen- und Kostenoptimierungen durch z.B. weniger Bestellungen in größerer Stückzahl bei insgesamt weniger Lieferanten oder durch Optimierungen der Lagerteile, etc. können nicht erschlossen werden. Zusammenfassend sind folgende Ergebnisse festzuhalten: Die Antwortzeit bei der Datensuche soll besonders für die Materialkurztexte verkürzt werden. Die Datensuche soll mögliche Dubletten finden und anzeigen.

2.3 Zugriff auf die Materialstammdaten

Sämtliche Unternehmensdaten, also auch die Materialstammdaten, werden in einer Datenbank gespeichert. Für jedes Objekt (z.B. jedes Material) wird ein Datensatz angelegt. Ein Datensatz wiederum besteht aus vielen Datenfeldern, die jeweils eine Detailinformation (z.B. die Warengruppe eines Materials) enthalten. Die Anwender können ohne Kenntnis der Struktur der Datenbank auf die Daten zugreifen /MUCH95/, S. 258. An dieser Stelle wird das Prinzip der verteilten Datenverarbeitung und Datenspeicherung angewendet. Mit Hilfe eines modernen Client/Server-System, wie z.B. SAP R/3, wird dieses Prinzip umgesetzt und von den Mitarbeitern eines Unternehmens angewendet. Jeder Mitarbeiter der Fachabteilungen bei der MGB hat im SAP System Zugriff auf die Datenbank und somit auf die Materialstammdaten. Zu diesem Zweck wird momentan die Matchcodesuche benutzt. Um die Probleme bei der Materialdatensuche mit dieser Suchmethode nachzuvollziehen und einen geeigneten Lösungsansatz zu präsentieren, wird die Matchcodesuche mit dem Tool DrFuzzyä verglichen.

Mit Hilfe der Interviewmethode zur Prozeßaufnahme wurden die relevanten Datenfelder der Datentabellen identifiziert. Die Datentabellen MARA, MAKT und MARC sind für die weitere Vorgehensweise von Interesse. Entsprechend den Ergebnissen der Prozeßaufnahme konnte somit der Ausschnitt des SAP-eigenen Datenmodells identifiziert werden. Innerhalb der Datentabellen wurden die Attribute identifiziert, die den Suchmerkmalen in den Fachabteilungen der MGB entsprechen.

Zur weiteren Problembeschreibung wird im folgenden Kapitel der Begriff der Materialstammdaten präzisiert. Für die konkrete Problemstellung bei der MGB wird zu diesem Zweck der übergeordnete Zusammenhang der Produktionsplanung und -steuerung erläutert. Die Darstellung der Bedeutung der Materialstammdaten unterstreicht darüber hinaus die Notwendigkeit nach einer Lösung zur beschriebenen Materialstammdatenproblematik. Darüber hinaus wird die Produktionsplanung und –steuerung als Bestandteil sog. integrierter Systeme beschrieben, die zur umfassenden Planung und Steuerung der Prozesse in allen Bereichen eines Unternehmens eingesetzt werden.

3 Materialstammdaten innerhalb der Produktionsplanung und -steuerung

Das vorliegende Kapitel liefert einen Überblick zum Thema P roduktions p lanung und – s teuerung (PPS). Weiterhin wird die besondere Bedeutung der Materialstammdaten für dieses Fachgebiet aufgezeigt. Somit dient es dem besseren Verständnis der in der Einleitung skizzierten Materialstammdatenproblematik. Eine detaillierte Betrachtung und Analyse der PPS würde den Rahmen der vorliegenden Arbeit sprengen. Als vertiefende Fachliteratur zu diesem Thema sei u.a. auf /HACK89/, /KERN94/ oder /MUCH95/ verwiesen.

Neben der Qualität und Funktionalität der Produkte eines Unternehmens ist die Organisation des Material- und Informationsflusses ein entscheidender Faktor für die Stellung eines Unternehmens im Wettbewerb. Jeder Industriebetrieb benötigt für die Produktion drei Elementarfaktoren: Betriebsmittel, Personal und Material. Die Optimierung einzelner Elementarfaktoren kann jedoch niemals zu einem Gesamtoptimum führen. Nur die gemeinsame terminliche und mengenmäßige Planung aller drei Faktoren kann dieses Ziel erreichen und dient der Produktionsplanung und –steuerung (PPS) als Grundidee /KERN94/, S. 11f. Die PPS begleitet die gesamte Auftragsabwicklung von der Angebotserstellung bis zum Versand und berührt somit die betrieblichen Abteilungen Konstruktion, Vertrieb, Beschaffung, Fertigung, Montage, Ersatzteilwesen und Versand. Der Produkterstellungsprozeß wird mengen-, termin- und kapazitätsmäßig geplant und gesteuert. Die hierfür benötigten Daten werden von der PPS ebenfalls verwaltet /MUCH95/, S. 200. Die Ziele für die PPS werden zunächst von den Kunden in Form von Ansprüchen formuliert. Diese Forderungen der Kunden sind kurze Lieferzeiten, hohe Lieferfähigkeit, hohe Termintreue, optimale Produktqualität und niedrige Preise. Die genannten Kundenanforderungen werden innerhalb eines Unternehmens durch die Produktionsplanung und –steuerung (PPS) in Unternehmensziele übertragen. An dieser Stelle sind kurze Durchlaufzeiten, geringe Lagerbestände, eine hohe Kapazitätsauslastung sowie eine hohe Lieferbereitschaft zu nennen /KERN94/, S. 16ff. Voraussetzung für das Erreichen dieser Ziele ist ein System zur unternehmensweiten Planung der Termine und Kapazitäten. Hierbei darf nicht allein die Fertigung betrachtet werden, sondern es müssen sämtliche Bereiche in die Planung integriert werden /MUCH95/, S. 200. Die PPS unterstützt demnach die Planung und Steuerung der Produkterstellung von der Angebotserstellung bis zum Versand. Der Weg der Produktentstehung beinhaltet demgegenüber die technischen Schritte von der Konstruktion bis zur Instandhaltung. Stellt man beide Zweige in einem vertikalen bzw. horizontalen Integrationspfad dar, erhält man das sog. Kreuzmodell der betriebswirtschaftlichen und technischen Integrationspfade (vgl. Bild 3) /MUCH95/, S. 201.

Abbildung in dieser Leseprobe nicht enthalten

Bild3: Das Kreuzmodell der betr. und techn. Integrationspfade (in Anlehnung an /MUCH95/, S. 201)

Die Aufgaben der PPS lassen sich in Kern- und Querschnittsaufgaben aufspalten. Die Kernaufgaben der PPS sind die Produktionsprogrammplanung, die Produktionsbedarfsplanung, die Eigenfertigungsplanung und –steuerung sowie die Fremdbezugsplanung und –steuerung. Die Auftragskoordination, das Lagerwesen und das PPS-Controlling werden den Querschnittsaufgaben zugeordnet. Die Grundlage für die Planung und Steuerung sämtlicher Abläufe zur Produkterstellung und Produktentstehung bildet die Datenverwaltung. Sie wird beiden Aufgabengebieten der PPS zugeordnet, weil sie zur Ausführung aller Aufgaben eingesetzt wird (vgl. Bild 4) /MUCH95/, S. 201.

Abbildung in dieser Leseprobe nicht enthalten

Bild4: Das Aufgabenmodell der PPS (in Anlehnung an /MUCH95/, S. 202)

Die dargestellte Aufgabenstruktur der PPS entspricht dem sog. Aachener PPS-Modell, das am Forschungsinstitut für Rationalisierung (FIR) entwickelt wurde. Charakteristisch für dieses PPS-Modell ist das ressourcenorientierte Sukzessivplanungsverfahren /MUCH95/, S. 201. Die Planung der Produkterstellungsprozesse folgt dem Konzept der stufenweisen Sukzessivplanung mit abnehmendem, zeitlichen Planungshorizont und zunehmendem Detaillierungsgrad. Ergebnisse einer vorgelagerten Stufe gehen als Vorgabe in die nächste Stufe ein. Mit Hilfe sog. Regelkreisstrukturen erfolgt eine Rückführung an vorgelagerte Planungsstufen. Der beschriebene Planungsablauf wird als M aterial R equirements P lanning Konzept (MRP-Konzept) beschrieben. Entsprechend der geschichtlichen Entwicklung von MRP lassen sich folgende Evolutionsstufen unterscheiden (vgl. Bild 5) /MUCH95/, S. 175:

Abbildung in dieser Leseprobe nicht enthalten

Bild5: Evolution der PPS-Planungskonzepte

Das ursprüngliche MRP-Konzept wurde in den fünfziger Jahren entwickelt und beinhaltete den Wandel von der verbrauchs- zur bedarfsorientierten Materialplanung. Mitte der sechziger Jahre wurden mit Hilfe des MRP I-Konzepts (M anufacturing R esources P lanning) die Produktionskapazitäten in die Planung einbezogen. Zusätzliche wirtschaftliche und strategische Gesichtspunkte wurden seit den achtziger Jahren im MRP II-Konzept (M anagement R esources P lanning) berücksichtigt /MUCH95/, S. 175f. Seit Anfang der neunziger Jahre ermöglicht das ERP-Konzept (E nterprise R esource P lanning) den Informationsfluß zwischen sämtlichen Bereichen eines Unternehmens wie z.B. der Produktion, der Logistik, dem Rechnungswesen und der Personalabteilung /ADEL00/. Zur rationellen Durchführung aller Prozesse in einem Unternehmen sowie zur Umsetzung der Planungskonzepte werden rechnergestützte, integrierte ERP-Systeme eingesetzt. Das SAP R/3-System stellt eine derartige Standardsoftware dar, die alle betrieblichen Funktionsbereiche abdeckt (vgl. Anhang B) und u.a. ein Modul zur PPS, d.h. ein PPS-System, enthält (vgl. /MUCH95/, S. 202, /ADEL00/).

Der Begriff PPS-System steht für die Kurzform eines computergestützten Produktionsplanungs- und Steuerungssystems. Unter einem PPS-System versteht man ein EDV-System für die Planung, Steuerung und Überwachung sämtlicher Produktionsabläufe von der Angebotserstellung bis zum Versand. PPS-Systeme stellen den Benutzern und Entscheidern Informationen über die zu beschaffenden und zu produzierenden Mengen, die Termine, die Kapazitätsbelegung und die Kosten zur Verfügung /MUCH95/, S. 210. Ein PPS-System hat die Aufgabe, die PPS bei der Erfüllung sämtlicher Aufgaben (vgl. Bild 4) zu unterstützen /MUCH95/, S. 210. Man unterscheidet bei der Software von EDV-gestützten PPS-Systemen zwischen Individualsoftware und Standardsoftware. Unter Individualsoftware versteht man Software, die speziell auf die Bedürfnisse eines Unternehmens entwickelt und zugeschnitten ist. Standardsoftware wird demgegenüber zunächst ohne eine Bindung an eine spezielle Anwendung entwickelt. Aufgabenstellungen, die in vielen Unternehmen auftreten, können bearbeitet werden. Darüber hinaus ist die Software so flexibel entwickelt, das eine Anpassung an unternehmensspezifische Abläufe möglich ist. Derartige flexible Standardsoftware, die auch als „anpaßbare Standardsoftware“ bezeichnet wird, wird in Unternehmen sehr häufig eingesetzt /MUCH95/, S. 211. Die zunehmende Leistungsfähigkeit und Mächtigkeit der PPS-Systeme macht deren Beherrschung bei der Einführung und Nutzung immer schwieriger /HACK89/, S.3f.

Zielgruppen für die Nutzung von PPS-Systemen sind hauptsächlich Industriebetriebe mit mechanischer Fertigung, die Stücklisten und Arbeitspläne verwenden, wie zum Beispiel im Maschinenbau, in der Elektrotechnik und der chemischen Industrie. Der PPS-Bereich war einer der ersten betrieblichen Fertigungsbereiche, in dem die elektronische Datenverarbeitung eingesetzt wurde /PPSS99/, S.1.

3.1 Die Bedeutung der Materialstammdaten

Vor der detaillierten Betrachtung der Verwaltung von Materialstammdaten soll zunächst der Begriff der Stammdatenverwaltung definiert werden. Weiterhin wird die Bedeutung der Stammdatenverwaltung innerhalb des Aufgabenmodells der PPS erläutert. Grundsätzlich werden betriebliche Daten in auftragsneutrale Stammdaten und auftragsspezifische Bewegungsdaten unterteilt. Aufgabe der Stammdatenverwaltung ist das Speichern, Ändern und Löschen von Stammdaten, die einen mittel- bis langfristigen Charakter besitzen. Sie beschreiben die Eigenschaften von Systemelementen wie z.B. Personen oder Materialien. Der Unterschied zwischen Stamm- und Bewegungsdaten ist in Tabelle 2 dargestellt /MUCH95/, S. 257.

Abbildung in dieser Leseprobe nicht enthalten

Tabelle2: Stamm- und Bewegungsdaten von Datenobjekten (in Anlehnung an /MUCH95/, S. 257)

Auch wenn die im Rahmen der PPS erfaßten und verarbeiteten Daten meist den Charakter von Bewegungsdaten haben, so wird in allen Aufgabenbereichen der PPS auf Stammdaten zugegriffen, so daß der Stammdatenverwaltung eine entsprechende Bedeutung zukommt. Demzufolge stellt die Datenverwaltung das Fundament eines PPS-Systems dar, das mit Hilfe von Datenbanksystemen umgesetzt wird (vgl. Bild 4) /MUCH95/, S. 257. Es wird für jedes Objekt, z.B. für jedes Material, ein Datensatz angelegt, der sämtliche Stammdaten des Objekts enthält. Ein Datensatz wiederum besteht aus Datenfeldern, die jeweils eine Detailinformation, z.B. die Warengruppe, enthalten. Anschließend kann der Systemanwender auf diesen Datensatz lesend, ändernd oder löschend zugreifen /MUCH95/, S. 257ff. Die Stammdaten werden demnach auch für die Erstellung und Pflege von Stücklisten und Arbeitsplänen benutzt. Die zentrale Bedeutung der Stammdaten für die Produktionsplanung innerhalb der Logistik sowie für die Produktplanung auf Seiten der Leistungsgestaltung verdeutlicht Bild 6 /SCHE98/, S. 92.

[...]

Details

Seiten
Erscheinungsform
Originalausgabe
Jahr
2001
ISBN (eBook)
9783832463922
ISBN (Paperback)
9783838663920
DOI
10.3239/9783832463922
Dateigröße
1 MB
Sprache
Deutsch
Institution / Hochschule
Technische Universität Dortmund – unbekannt
Erscheinungsdatum
2003 (Februar)
Note
1,7
Schlagworte
client-server-architektur suchmaschine data warehouse produktionsplanung knowledge discovery
Zurück

Titel: Entwicklung eines Konzepts zur Klassifizierung und zielgerichteten Nutzung historischer Materialstammdaten mit Methoden des Data Mining am Beispiel SAP R/3
book preview page numper 1
book preview page numper 2
book preview page numper 3
book preview page numper 4
book preview page numper 5
book preview page numper 6
book preview page numper 7
book preview page numper 8
book preview page numper 9
book preview page numper 10
book preview page numper 11
book preview page numper 12
book preview page numper 13
book preview page numper 14
book preview page numper 15
book preview page numper 16
book preview page numper 17
book preview page numper 18
book preview page numper 19
book preview page numper 20
book preview page numper 21
book preview page numper 22
book preview page numper 23
book preview page numper 24
book preview page numper 25
book preview page numper 26
book preview page numper 27
127 Seiten
Cookie-Einstellungen