Fünf zentrale Schritte für die Entwicklung eines effektiven Teile- und Datenklassifizierungsprogramms

(Dieser Blog-Beitrag wurde gemeinsam mit Richard Turner, President von Convergence Data Services, verfasst.)

Unternehmen übersehen häufig die Auswirkungen doppelter Daten in einem PLM-System. Laut einer Umfrage verbringen Ingenieure 36 % ihrer Zeit mit nicht wertschöpfenden Tätigkeiten, fast ein Viertel davon für die Suche nach Informationen. Ohne eine effektive Datenklassifizierung verschwenden Ihre Ingenieure wertvolle Zeit und Energie für das Suchen nach Teilen, das Erstellen doppelter Teile und das Schaffen einer gemeinsamen Kommunikationsgrundlage für die abteilungsübergreifende Zusammenarbeit und Berichterstattung. Durch die Priorisierung Ihrer Klassifizierungsstrategie können Sie Ineffizienzen beseitigen, die Team-Arbeit und die Produktivität fördern und Ihrem Team mehr Luft verschaffen, damit es sich verstärkt auf Innovationen konzentrieren kann.

Die Entwicklung einer effektiven Strategie für die Teile- und Datenklassifizierung ist gerade auch angesichts von Unterbrechungen der Lieferkette, unerwartet hohen Materialkosten, Fachkräftemangel und Produktkomplexität unverzichtbar. Durch die Einbindung der Teile- und Datenklassifizierung in Ihren Produktentwicklungsprozess können Sie Abläufe im Hinblick auf Kosten und Teileverfügbarkeit optimieren und Entwürfe für Fertigung und Service vereinfachen. 

Arten der Datenklassifizierung und erste Schritte

Bei der Teile- und Datenklassifizierung werden Produkte, Teile und Dokumente so organisiert, dass sie besser durchsuchbar sowie Produktivität und Effizienz erhöht werden. Eine effektive Klassifizierungsstrategie umfasst Folgendes:

• Eine erste Beschreibung jedes einzelnen Teils 
• Ergänzende detaillierte Attribute zu den Beschreibungen für eine einfache Untergliederung der Teile in verschiedene Kategorien
• Die Verknüpfung jedes Teils mit Informationen im Zulieferer-Management, sodass Ingenieure auf einen Blick erkennen, wo alternative Teile beschafft werden können, und Informationen zu wichtigen Fragen wie Präferenzniveau, Region, Verfügbarkeit, Kosten und Compliance erhalten

Trotz aller Wertschöpfung, die durch Teileklassifizierungsstrategien entsteht, ist die Vorstellung abschreckend, potenziell Millionen von Teilen klassifizieren und dafür zu sorgen zu müssen, dass alle Stakeholder im Unternehmen an einem Strang ziehen. Ein phasenweiser Ansatz kann eine effektive Lösung sein. Unserer Erfahrung nach beginnen erfolgreiche Unternehmen mit der Teile- und Datenklassifizierung bei Standardteilen und dehnen sie nach und nach auf selbst entwickelte Teile aus. 

Best Practices für die Implementierung der Teile- und Datenklassifizierung

Erleichtern Sie sich die Entwicklung einer Klassifizierungsstrategie, indem Sie nach Best Practices vorgehen und moderne PLM-Lösungen nutzen. Sehen wir uns die ersten Schritte an.

1. Definieren einer Teile-Governance-Strategie

Unterstützen Sie den langfristigen Erfolg Ihrer Teileklassifizierungsinitiative, indem Sie gleich zu Beginn eine Governance-Strategie aufstellen. Sie liefert ein Steuerungs-Framework für die Entwicklung neuer Teile im Rahmen der Neuprodukteinführung, das im Lauf der Zeit weiterentwickelt wird. Durch die Aufstellung einer formellen Teile-Governance-Strategie schaffen Sie die Grundlagen für die Vermeidung doppelter Teile und ermöglichen Ihrem Unternehmen die effektive Einführung einer Initiative für die Wiederverwendung von Teilen. Das erste Ziel Ihrer Governance-Strategie ist die Benennung eines Klassifikations-Administrators.

2. Zuweisen der neuen Rolle des Klassifikations-Administrators, die für die Erstellung neuer Teile zuständig ist

Sie sollten eine neue Rolle des Klassifikations-Administrators oder Bibliothekars schaffen, die für die Erstellung neuer Teile zuständig ist. Dadurch wird sichergestellt, dass eine Person, die das System vollständig versteht, als zentrale Ressource für das Unternehmen zur Verfügung steht. Viele erfolgreiche Unternehmen mit soliden Programmen für die Teilewiederverwendung setzen in dieser Funktion einen Ingenieur oder eine Ingenieurin ein. Diese(r) fungiert nicht nur als wertvoller Sachgebietsexperte für die Suche und das Reporting, sondern spielt auch eine wichtige Rolle dabei, dafür Sorge zu tragen, dass Ihre Strategie an die sich ändernden Anforderungen der Branche, Ihrer Kunden und des allgemeinen Geschäftsumfelds angepasst wird.

3. Definieren der Klassifikationstaxonomie mit unterstützenden Attributen

Die Definition Ihrer Klassifikationstaxonomie – der Organisationsstruktur Ihrer Daten – sollte der nächste Schritt sein. Eine solide Klassifikationstaxonomie erleichtert das Auffinden von Teilen, sodass Ihre Ingenieure sich schnell wieder dem Entwickeln von Lösungen widmen können. Am effektivsten sind Informationsstrukturen, die möglichst optimiert sind. Ist die Organisationsstruktur zu komplex, sind die Daten für Ihre Endnutzer unter Umständen nicht wirklich nützlich. Halten Sie sich Ihr Ziel vor Augen und definieren Sie ganz klar die Reporting- und Suchanforderungen Ihres Unternehmens, bevor Sie anfangen. Unternehmen setzen bei diesem Prozess anfangs oft den Schwerpunkt auf Standardteile und dehnen ihn dann nach und nach auf selbst und extern entwickelte Teile aus.

Wie gehen Unternehmen beim Definieren einer Taxonomie vor? Am wichtigsten ist es, einen Konsens zu erreichen. Eine der Herausforderungen ist, dass es keinen einheitlichen Industriestandard gibt. Stattdessen finden Unternehmen Teillösungen für Standardteile wie Verbindungselemente und Elektronikkomponenten und nutzen diese als Grundlage für die Entwicklung ihrer eigenen Klassifikationsstruktur. Wenn Sie beispielsweise auf HomeDepot.com nach einem Fliegengitter suchen, können Sie die Verzweigungen der vom Unternehmen erstellten Struktur („Montage -> Fenster -> Fliegengitter) einblenden und zusätzlich Bemaßungen, Materialien usw. angeben. Für Kunden von Home Depot funktioniert das sehr gut. Schaffen Sie eine Gruppe von Sachgebietsexperten, die die Bedürfnisse in der technischen Entwicklung und in der Lieferkette kennen. Diese Gruppe prüft die vorgeschlagene Klassifikationsstruktur und verfeinert sie so, dass sie für jeden funktioniert.

Nachdem die zugrunde liegende Klassifikationsstruktur identifiziert worden ist, ist es an der Zeit, die Daten mit Attributdetails anzureichern. Beispielsweise werden Maschinenschrauben im PLM-System nicht einfach nur als Schrauben aufgeführt. Jedes einzelne Teil im Inventar kann Informationen zu Attributen wie Gewinde, Kopftyp, Länge, Material, Oberflächengüte und bei bestimmten Produkten zum bevorzugten Teilestatus enthalten. Je mehr Details, umso einfacher ist es für Ingenieure, die benötigten Teile zu finden. Dadurch sinkt die Gefahr, dass ein bereits vorhandenes Teil nochmals konstruiert wird. Beim Planen der Klassifikationsstruktur und der Such-/Reporting-Anforderungen sollten Sie festlegen, welche Attribute für die Datenextraktion von zentraler Bedeutung sind. 

Während dieses Prozesses können Sie eine Staging-Umgebung als technologische Arbeitsumgebung nutzen. Ein Staging-Bereich unterstützt die Suche und Analyse, sodass Sie detaillierte Tests zum Abrufen von Informationen innerhalb der Struktur durchführen und diese im Lauf der Zeit verfeinern können. Staging-Bereiche erleichtern den Abschluss komplexer Projekte, beispielsweise das Zusammenführen der Klassifikationssysteme zweier Organisationen.

4. Ausrichten der Taxonomie an wichtigen Attributen für Einkauf und Lieferkette

Ihre Datenklassifizierungsstrategie kann über grundlegende Teileattribute hinausgehend zusätzliche Details erfassen, die für wichtige Geschäftsentscheidungen hilfreich sind. Durch das Ausrichten Ihrer Taxonomie an wichtigen Attributen für Einkauf und Lieferkette können Sie Ihren Ingenieuren bessere Einblicke bieten. Die enthaltenen Attributdaten können Bereiche wie die verwendeten Materialien, die Verfügbarkeit von Werkstoffen und die Zuliefererklassifikation abdecken. Wenn beispielsweise ein Ingenieur nach einem Alternativteil für ein Produkt sucht, das bestimmte Nachhaltigkeitsvorgaben einhalten muss, können Zuliefererklassifikationen dazu beitragen, sicherzustellen, dass Substitutionen diese Kriterien erfüllen.

5. Normalisieren, Validieren und Exportieren der Daten

Nachdem die Struktur eingerichtet ist und die Attribute eingespeist wurden, müssen die Daten so optimiert und präpariert werden, dass sie auf breiter Ebene genutzt werden können. 

• Normalisieren: Stellen Sie sicher, dass Sie die Daten in den Attributen geprüft und gemäß Ihren Standardbezeichnungen (Nomenklatur) normalisiert haben. Anderenfalls werden die Daten in Berichten nicht korrekt dargestellt oder von relevanten Suchvorgängen nicht zurückgegeben.
• Validieren: Prüfen Sie die Qualität der Daten und stellen Sie sicher, dass sie bereit sind für die Nutzung, indem Sie die Maßeinheiten und Feldlängen in den Attributfeldern überprüfen. Dies ist besonders in begrenzten Feldern in PLM-Systemen wie PTC Windchill wichtig.
• Deduplizieren: Doppelte Teile im Inventar lassen sich nicht vermeiden. An diesem Punkt werden die Teile bereinigt und die Attribute gefüllt. Es ist nun deutlich einfacher, diese Duplikate zu identifizieren und einen umsetzbaren Plan für die Teilewiederverwendung auszuarbeiten.

Ob Sie nun primär die Kosten durch optimale Wiederverwendung senken oder die parallele Zusammenarbeit Ihres Teams verbessern möchten, eine Strategie für die Teile- und Datenklassifizierung liefert Ihnen eine zentrale, zuverlässige Datenquelle für ein effizientes Teile-Management. Lassen Sie sich von der Strategieentwicklung nicht abschrecken. Durch die Einhaltung von Best Practices, die Zusammenarbeit mit spezialisierten Dienstleistern und die Nutzung der Tools in den besten und modernsten PLM-Lösungen am Markt können Sie Probleme verhindern und schnell wichtige Verbesserungen erzielen.

Weitere Ideen zur Klassifizierung und besseren Verwaltung Ihrer Teile finden Sie unter Teileklassifizierung und Vermeidung doppelter Teile.

Informationen zu Convergence Data
Convergence Data ist ein Partner von PTC. Convergence Data übernimmt für Unternehmen mit chaotischen oder unvollständigen Daten die Bereinigung dieser Informationen und die Schaffung einer organisierten, effizienten Struktur. Das Unternehmen hat sich auf folgende Bereiche spezialisiert: 

• Minimieren von Teileduplikation
• Kultivieren der Standardisierung und Wiederverwendung von Teilen
• Taxonomien nach Industriestandard
• Data Services-Team in Indien
• DVA (Data Value Analysis) auf Basis von Clustering
• PLM-/ERP-Migrationen
  

Zu den Daten-Management-Kunden von Convergence Data gehören Unternehmen in verschiedenen Branchen, inklusive Luft-/Raumfahrt- und Verteidigungsindustrie, Geräteindustrie, HLK-Industrie, Automobilindustrie, Elektronikindustrie, Maschinen- und Anlagenbau sowie Ölfelddienstleistungen. Wenn Sie mehr über Convergence Data erfahren und eine Data Value Analysis (DVA) anfordern möchten, besuchen Sie folgende Website: www.convergencedata.com.