Případové studie průmyslu 4.0 Zkušenosti a projekty SAP pro Internet věcí/Průmysl 4.0. Zdeněk Sýkora, Alex Yakuba, SAP ČR, spol. s r.o.

Případové studie

SAP Connected Manufacturing Pět základních scénářů “propojeného” závodu Poskytovatel servisu 4 3 5 scénářů Shop Floor to Top Floor Machine to Machine e-commerce Integration Machine / Operations Cloud Manufacturing Collaboration / Direct Replenishment E-Commerce 3 Průmyslový cloud 1 Zákazník Analytické aplikace 2 ERP 4 3 MES Nicméně v dnešní době těch scénářů právě s příchodem nových informačních technologií je daleko více. A k tomu bych se chtěl vrátit vlastně na dalším obrázku - tady vlastně vidíme soubor scénářů, který dnes SAP podporuje. Pokud se týká toho prvního scénáře - shop floor to top floor - tak chtěl bych říci, že se jedná o posílení schopností podniků promítnout obchodní záměry a priority až do dílenského řízení. V řadě podniků, pokud se týká té vrstvy ASŘ (automatické systémy řízení), tak se pořizuje celá řada systémů, pořizuje se to ke konkrétním linkám a pro konkrétní účel a velice často ta vrstva které my říkáme operations technology se zkratkou OT, tak tato vrstva nebývá propojená s tím ERP systémem. Ve chvíli když se povede provést takovéto propojení, tak je potom možné i tu operativu ve výrobě řídit podle nějakých nastavených priorit, je možné na základě výstupů, které se týkají určitých procesních dat, na základě jakostních, kvalitativních dat a tak dále snímaných v rámci procesů změnit priority ERP systému, jsme schopni zákazníkům poskytovat další informace, které doposud nebyly k dispozic. To je jeden ze základních scénářů. Já se k němu vrátím pak až budu hovořit o referencích. Pak tam máme další ze zajímavých scénářů a to je M2M - machina to machina, což je jeden z nejnovějších scénářů, který je právě dnes realizovatelný díky dostupnosti určitých jiných technologií, to co u toho scénáře je relativně komplikované je zajistit rychlost se kterou spolu stroje mohou komunikovat. Ta komunikace může být od triviální, kdy stroje mají určité samo diagnostické moduly, které jsou schopné říci, zda je stroj v pořádku nebo se vyskytne nějaká porucha a pokud tento stroj toto o sobě zjistí tak může dát signál dalšímu zařízení na lince, které může odklonit tok produktů na jiná zařízení která je funkční. To znamená to je taková záležitost a samozřejmě těch informací lze posílat daleko více. Dnes vlastně existují výroby, kde se produkt vlastně od začátku výroby očipuje a v průběhu výroby se na ten čip zapíší veškeré údaje o provedených operacích na produktu a na základě takového záznamu jsou potom vlastně jednotlivé články ve výrobě schopni uzpůsobit své fungování tomu co se dělo, jaké operace byly provedeny předtím než se daný produkt dostal právě k nim. Tato záležitost potřebuje vysokou rychlost. My dnes můžeme říci, že pokud se týká třeba řešení SAP MII, tak už ho máme vyexportováno na databázi SAP HANA, což je in-memory databáze, která umožnuje provádět extrémně rychle vyhodnocování i velkých objemů dat a na základě toho posílat pak relevantní informace v rámci dílenského prostředí i v reálném čase. Třetí sada scénářů se týká integraci e-commerce a vlastně možnosti zákazníka konfigurovat produkty, zase konfigurovatelsnost produktů je záležitost poměrně staršího data, konec konců skoro každý z nás, když jsme kupovali auto, a každý víme, že se dá zařízení nakonfigurovat před tím, než půjde do výroby. To co je velice zajímavé je, že v těchto scénářích vlastně my jsme schopni přenášet tu informaci nejenom do toho korporátního ekonomického systému, ale i do systému pořízení výroby s tím, že ta informace třeba o změně konfigurace musí přijít ještě v čas, nicméně to co se ukazuje, že se zkracuji s využitím těchto technologii průběžné doby a díky tomu jsme schopni vlastně ty změny, které zákazník požaduje zapracovat do produktu ještě v době kdy už je produkt třeba i na vlastní výrobní lince, pak zde máme třeba i další scénář, který se týká strojů a připojení zařízení do cloudu. To je scénář, který v zásadě navazuje na toto povídání o internetu věci, to znamená schopnost sledovat provozní parametry zařízení v cloudu. My velice intenzivně spolupracujeme se společnosti Siemens, která si vlastně od nás pořídila platformu pro budování takového to clouduvého prostředí a spouštěla před nedávnem cloud, který je nazván industry cloud. Do tohoto cloudu byly vlastně schopni ukládat produkty firmy Siemens informace o svém provozu a teď je otázkou jak ty informace budou dále využívány, jednak si samozřejmě ty informace může použit zákazník pro to, aby si vyhodnotil například efektivnost vlastního výrobního zařízení, ale stejně tak to musí použít sienmens pro to, aby porovnal tyto informace s některými informacemi, které on sám používá při návrhu zařízení a uzpůsobil vývoj produktu anebo ty informace s některými informacemi, které on sám užívá při návrhu zařízení a uzpůsobil vývoj produktu anebo ty informace mohou být poskytnuty pro to, aby prostřednictvím těchto informaci byly poskytovány zákazníkům další služby ať už přímo Siemensem anebo partnery společnosti Siemens. To znamená ten Maschne /Operations cloud a pak je tam poslední část, poslední scénář, který je nazván Manufacturing collabotration / direct replenishment. Jedná se o scénáře, kdy vlastně data přímo z výroby jsou posílány mezi kooperujícími partnery případně se tímto způsobem zajištuje dodávka potřebných komponent přímo k lince. Je to pět scénářů, které vlastně v rámci sap connected manufacturing sap umožňuje realizovat, pokud bychom se podívali na frekvenci těch scénářů. Řekl bych že ten scénář číslo 1 to je ten nejčastěji implementovány, kde dnes máme více než 1000 zákazníků. Pokud se to týká e-commerce integrace, tak to je scenář, který je většinou implementován prostřednitvím to korporátního ekonomického systému. Pokud se týká těch scénářů dalších - třeba Machine Operations Cloud, tak to jsou scenáře velice inovativní a máme dnes řekneme 10ky zákazníků, kteři s nami na podobných scénářích pracují. Nějaká jména těch zákazníků jsou ucedená v horní časti slajdu Ja bych chtěl ještě zmínit, že toto téma oteviráme i v české republive, myslím si že dnes pokud se týká těch modernějších témat, to znamená Machine Operations cloud a podobně, tak toto s náma někteří naši zákaznici diskutují, jak by se dali pořizovat data a především, jak by se na základě takto pořizených dat dává řídit prediktivní údržba, to znamená to je velké téma, které diskutujeme se zákazníky dnes už i v české republice. 4 1 SCADA / HMI Dodavatel 5 5 1 Vrstva ASŘ 2

Harley Davidson implementovala koncepty Průmyslu 4 Harley Davidson implementovala koncepty Průmyslu 4.0 Zkrácení průběžné doby výroby z 21 dnů na 6 hodin Plánování v reálném čase M2M komunikace Řízení výkonnosti Příklad "Inteligentní Továrny": Harley Davidson v Yorku, Pennsylvania Slogan digitální transformace: Soustřeďujeme se na zákazníka - Prodáváme Svobodu nejen motorky! Business Transformation projekt: 5 závodů každý závod vyráběl jeden na model V minulosti Harley Davidson prodával standardní motorky, kastomizaci prováděli dealeři, kde docházelo k přizpůsobení motorky na základě požadavků zákazníků Nyní nenajdete na výrobní lince 2 motocykly za sebou jdoucí, které jsou stejné - HD má možnost celkem 1700 možných konfigurací, prostřednictvím webovské stránky každých 89 sekund opouští jeden motocykl výrobní závod Továrna byla kompletně přestavěna v letech 2009 a 2011 Od 41 budov se smrskla výroba do 2 budov Všechny stroje a logistická zařízení jsou vybavena čidly a lokalizačními senzory Od dodavatelů k dealerům nebo koncovým zákazníkům vše zabezpečují systémy SAP Jeden zdroj dat, Jeden tým jeden proces, jeden přístup jedna infrastruktura Změnit způsob, jakým HD vidí práci na provoze - vysoký stupeň flexibility. 1700 odlišné konfigurace motocyklu je postaven na stejné montážní lince. Může přizpůsobit produkci poptávce zákazníků. Ve starém plánovacím harmonogramu továrny byl zmrazen materiál 15-20 dní - Dnes je inventory days - 6 hodin. úroveň skladových zásoby byla před transformací 8-10 dnů - v současnosti to je jsou 3 hodiny. Sledování polohy produktů s využitím RFID Aktualizace harmonogramu výroby v reálném čase SPC/SQC pro analýzu neshod Elektronické instrukce pro operátory na stanovištích Rodopisu produktu, záznamy o spotřebě materiálu a pracovních úkonech vznikají v rámci výrobních operací Industry 4.0 Success Story

Příklad "Inteligentní Továrny": Harley Davidson v Yorku, Pennsylvania Slogan digitální transformace: Soustřeďujeme se na zákazníka - Prodáváme Svoboda nejen motorky! Business Transformation projekt: 5 závodů každý závod vyráběl jeden na model V minulosti Harley Davidson prodával standardní motorky, kastomizaci prováděli dealeři, kde docházelo k přizpůsobení motorky na základě požadavků zákazníků Nyní nenajdete na výrobní lince 2 motocykly za sebou jdoucí, které jsou stejné - HD má možnost celkem 1700 možných konfigurací, prostřednictvím webovské stránky každých 89 sekund opouští jeden motocykl výrobní závod Továrna byla kompletně přestavěna v letech 2009 a 2011 Od 41 budov se smrskla výroba do 2 budov Všechny stroje a logistická zařízení jsou vybavena čidly a lokalizačními senzory Od dodavatelů k dealerům nebo koncovým zákazníkům vše zabezpečují systémy SAP Jeden zdroj dat, Jeden tým jeden proces, jeden přístup jedna infrastruktura Změnit způsob, jakým HD vidí práci na provoze - vysoký stupeň flexibility. 1700 odlišné konfigurace motocyklu je postaven na stejné montážní lince. Může přizpůsobit produkci poptávce zákazníků. Ve starém plánovacím harmonogramu továrny byl zmrazen materiál 15-20 dní - Dnes je inventory days - 6 hodin. úroveň skladových zásoby byla před transformací 8-10 dnů - v současnosti to je jsou 3 hodiny.

SAP Connected Manufacturing Pět základních scénářů “propojeného” závodu Poskytovatel servisu 4 3 5 scénářů Shop Floor to Top Floor Machine to Machine e-commerce Integration Machine / Operations Cloud Manufacturing Collaboration / Direct Replenishment E-Commerce 3 Průmyslový cloud 1 Zákazník Analytické aplikace 2 ERP 4 3 MES Příklad "Inteligentní Továrny": Harley Davidson v Yorku, Pennsylvania Slogan digitální transformace: Soustřeďujeme se na zákazníka - Prodáváme Svoboda nejen motorky! Business Transformation projekt: 5 závodů každý závod vyráběl jeden na model V minulosti Harley Davidson prodával standardní motorky, kastomizaci prováděli dealeři, kde docházelo k přizpůsobení motorky na základě požadavků zákazníků Nyní nenajdete na výrobní lince 2 motocykly za sebou jdoucí, které jsou stejné - HD má možnost celkem 1700 možných konfigurací, prostřednictvím webovské stránky každých 89 sekund opouští jeden motocykl výrobní závod Továrna byla kompletně přestavěna v letech 2009 a 2011 Od 41 budov se smrskla výroba do 2 budov Všechny stroje a logistická zařízení jsou vybavena čidly a lokalizačními senzory Od dodavatelů k dealerům nebo koncovým zákazníkům vše zabezpečují systémy SAP Jeden zdroj dat, Jeden tým jeden proces, jeden přístup jedna infrastruktura Změnit způsob, jakým HD vidí práci na provoze - vysoký stupeň flexibility. 1700 odlišné konfigurace motocyklu je postaven na stejné montážní lince. Může přizpůsobit produkci poptávce zákazníků. Ve starém plánovacím harmonogramu továrny byl zmrazen materiál 15-20 dní - Dnes je inventory days - 6 hodin. úroveň skladových zásoby byla před transformací 8-10 dnů - v současnosti to je jsou 3 hodiny. 4 1 SCADA / HMI Dodavatel 5 5 1 Vrstva ASŘ 2

Harley Davidson: SAP Chytrá Továrna Společnost: Harley-Davidson, Inc Sídlo: Milwaukee, USA Odvětví: Automobilový průmysl Produkty a služby: Motocykly Počet zaměstnanců: 400 Tržby: 5 mlrd. Euro www.harley-davidson.com Obchodní výzvy: Potřeba optimalizovat výrobní procesy v kompletně přestavěné továrně Redukce počtu továren z 5 na 1 Potřeba posunut se od standardních produktů ke kompletně konfigurovatelným výrobkům Technická realizace: SAP ERP SAP APO SAP Manufacturing Integration and Intelligence (MII); SAP Manufacturing Execution (ME) Integrace dílenského zařízení jako jsou jeřáby Hlavní výhody: Dodací lhůta se zkrátila z 21 dnů na 6 hodin Každých 89 sekund opouští jeden motocykl výrobní závod Inventory Days se snížil z 8 dní na 6 hodin Cena akcií od roku 2009 stoupla 7x O 7% snížení celkových nákladů Snížení Inventory Days z 8 dní na 6 hodin Zkrácení Dodací lhůta se zkrátila z 21 dnů do 6 hodin; Příklad "Inteligentní Továrny": Harley Davidson v Yorku, Pennsylvania Slogan digitální transformace: Soustřeďujeme se na zákazníka - Prodáváme Svoboda nejen motorky! Business Transformation projekt: 5 závodů každý závod vyráběl jeden na model V minulosti Harley Davidson prodával standardní motorky, kastomizaci prováděli dealeři, kde docházelo k přizpůsobení motorky na základě požadavků zákazníků Nyní nenajdete na výrobní lince 2 motocykly za sebou jdoucí, které jsou stejné - HD má možnost celkem 1700 možných konfigurací, prostřednictvím webovské stránky každých 89 sekund opouští jeden motocykl výrobní závod Továrna byla kompletně přestavěna v letech 2009 a 2011 Od 41 budov se smrskla výroba do 2 budov Všechny stroje a logistická zařízení jsou vybavena čidly a lokalizačními senzory Od dodavatelů k dealerům nebo koncovým zákazníkům vše zabezpečují systémy SAP Jeden zdroj dat, Jeden tým jeden proces, jeden přístup jedna infrastruktura Změnit způsob, jakým HD vidí práci na provoze - vysoký stupeň flexibility. 1700 odlišné konfigurace motocyklu je postaven na stejné montážní lince. Může přizpůsobit produkci poptávce zákazníků. Ve starém plánovacím harmonogramu továrny byl zmrazen materiál 15-20 dní - Dnes je inventory days - 6 hodin. úroveň skladových zásoby byla před transformací 8-10 dnů - v současnosti to je jsou 3 hodiny. “Soustřeďujeme se na zákazníka - Prodáváme Svobodu, nejen motorky! Harley Davidson xxxxx (YY/MM) This content is approved by the customer and may not be altered under any circumstances.

KAESER: Transformační projekt na SAP HANA® Společnost KAESER KOMPRESSOREN SE Centrála Coburg, Německo Průmysl Strojírenství Products and Services Nabídka systémů stlačeného vzduchu a poradenské službyv oblasti stlačeného vzduchu. Počet zaměstnanců 4,400 Obrat €600 millionů Web Site www.kaeser.com Partner SAP Consulting Cíle Vytvoření inovativního IT prostředí, které podporuje posun směrem k obchodního modelu týkajícího se nabídky služeb Zlepšit stávající podnikové procesy a využít sílu zpracování velkých objemů dat a prediktivní údržby, aby se firma stala více proaktivní, zákaznicky orientovaná a konkurenceschopná Využití platformy SAP HANA® k naplnění podnikatelského záměru Technická implementace Úspěšný projekt SAP HANA trval pouze 2.5 měsíce Budoucí rozvoj Pokračování projektu prediktivní údržby a nákupní platformy ke zvýšení zákaznického servis u prodaných kompresorů Migraci všech aplikací SAP v on oblasti, výroby a logistiky na SAP HANA Propojení SAP HANA v cloudu se sociální softwarovou platformou SAP JAM k mobilní a sociální CRM strategii společnosti Úspěch Úspěšné a hladké zahájení výroby SAP CRM poháněné SAP HANA Rychlejší Pětkrát rychlejší časy odezvy databáze Jednodušší Jednodušší a pružnější IT systémové prostředí a obchodní procesy Solidní Základ pro prediktivní údržbu S cílem podpořit a optimalizovat fungování dodavatelského řetězce a skladů se Kaeser Kompressoren rozhodla nasadit platformu SAP HANA, díky níž se jí úspěšně podařila přeměna z firmy nabízející produkty na firmu poskytující služby. Databáze SAP HANA umožnila získat vhled do zákaznických systémů v reálném čase. Automatizace a zjednodušení procesů vedlo k rychlejšímu zhodnocení investic „V rámci SAP HANA platformy implementovala společnost Kaeser Kompressoren úspěšně několik řešení SAP včetně SAP EWM pro správu skladů, SAP Ariba pro elektronické zadávání veřejných zakázek, správu smluv a dodavatelů, SAP Business Suite pro zjednodušení obchodních procesů, SAP CRM pro rychlejší správu zákaznických databází a analýzu zákaznicích dat a další,“ řekl nám Zdeněk Sýkora, konzultant a specialista na internet věcí ze společnosti SAP. Řešení SAP HANA a SAP EWM pomohly společnosti Kaeser Kompressoren výrazně snížit čas dodávky a zvýšit tak spokojenost zákazníků. Došlo k výraznému poklesu celkových provozních nákladů společnosti a k minimalizaci rizika poruch při výrobním procesu téměř na nulu. Dále se snížil čas potřebný na zpracování objednávek o 20 %, zkrátil se balicí proces o 50 % a dvacetinásobně se zrychlil průběh skladových operací a reportingu. Díky cloudovému řešení SAP Ariba dosáhla společnost Kaeser Kompressoren až 30% snížení nákladů a výrazné flexibility firemních procesů. Napomohla tomu skutečnost, že byla vytvořena jediná platforma pro všechny nepřímé náklady, a zefektivnily se procesy na úrovni firemních oddělení. Proto se společnost rozhodla pro řešení SAP Ariba, které bylo jednoduše adaptovatelné do již existujícího řešení SAP ERP. Výsledkem byla standardizace procesů umožňující lepší kupní efektivitu na úrovni jednotlivých oddělení i celého podniku. Toto řešení umožnilo lepší kontrolu a jednodušší správu podnikových výdajů, zajištění ověřovacího procesu objednávek a dodržování stanovených podmínek, stejně jako jednoduché porovnání cen vedoucí ke snížení celkových nákladů. Díky cloudovému řešení SAP Ariba zvýšila společnost Kaeser Kompressoren během pouhých 9 měsíců počet produktových katalogů z 8 na 50. Dále se jí podařilo snížit náklady na komodity o 30 %, zkrátit čas zpracování objednávek o polovinu a rozšířit aktivní prodej a služby do 50 zemí. Úspěšná migrace řešení SAP Customer Relationship Management (SAP CRM) na platformu SAP HANA trvala pouhé dva a půl měsíce a jejím výsledkem bylo pětinásobné zrychlení reakční doby databáze a výrazné zjednodušení IT i obchodních procesů. “"Budeme využívat plnou sílu SAP HANA k posílení stávajících obchodních procesů, zavádět ty zcela nové, a snižovat celkové provozní náklady. Máme velmi dobrý začátek s hladkou a rychlou migraci s implementací dalších inovativních řešení.„ Falko Lameter , CIO, KAESER KOMPRESSOREN SE

SAP Connected Manufacturing Pět základních scénářů “propojeného” závodu Poskytovatel servisu 4 3 5 scénářů Shop Floor to Top Floor Machine to Machine e-commerce Integration Machine / Operations Cloud Manufacturing Collaboration / Direct Replenishment E-Commerce 3 Průmyslový cloud 1 Zákazník Analytické aplikace 2 ERP 4 3 MES Nicméně v dnešní době těch scénářů právě s příchodem nových informačních technologií je daleko více. A k tomu bych se chtěl vrátit vlastně na dalším obrázku - tady vlastně vidíme soubor scénářů, který dnes SAP podporuje. Pokud se týká toho prvního scénáře - shop floor to top floor - tak chtěl bych říci, že se jedná o posílení schopností podniků promítnout obchodní záměry a priority až do dílenského řízení. V řadě podniků, pokud se týká té vrstvy ASŘ (automatické systémy řízení), tak se pořizuje celá řada systémů, pořizuje se to ke konkrétním linkám a pro konkrétní účel a velice často ta vrstva které my říkáme operations technology se zkratkou OT, tak tato vrstva nebývá propojená s tím ERP systémem. Ve chvíli když se povede provést takovéto propojení, tak je potom možné i tu operativu ve výrobě řídit podle nějakých nastavených priorit, je možné na základě výstupů, které se týkají určitých procesních dat, na základě jakostních, kvalitativních dat a tak dále snímaných v rámci procesů změnit priority ERP systému, jsme schopni zákazníkům poskytovat další informace, které doposud nebyly k dispozic. To je jeden ze základních scénářů. Já se k němu vrátím pak až budu hovořit o referencích. Pak tam máme další ze zajímavých scénářů a to je M2M - machina to machina, což je jeden z nejnovějších scénářů, který je právě dnes realizovatelný díky dostupnosti určitých jiných technologií, to co u toho scénáře je relativně komplikované je zajistit rychlost se kterou spolu stroje mohou komunikovat. Ta komunikace může být od triviální, kdy stroje mají určité samo diagnostické moduly, které jsou schopné říci, zda je stroj v pořádku nebo se vyskytne nějaká porucha a pokud tento stroj toto o sobě zjistí tak může dát signál dalšímu zařízení na lince, které může odklonit tok produktů na jiná zařízení která je funkční. To znamená to je taková záležitost a samozřejmě těch informací lze posílat daleko více. Dnes vlastně existují výroby, kde se produkt vlastně od začátku výroby očipuje a v průběhu výroby se na ten čip zapíší veškeré údaje o provedených operacích na produktu a na základě takového záznamu jsou potom vlastně jednotlivé články ve výrobě schopni uzpůsobit své fungování tomu co se dělo, jaké operace byly provedeny předtím než se daný produkt dostal právě k nim. Tato záležitost potřebuje vysokou rychlost. My dnes můžeme říci, že pokud se týká třeba řešení SAP MII, tak už ho máme vyexportováno na databázi SAP HANA, což je in-memory databáze, která umožnuje provádět extrémně rychle vyhodnocování i velkých objemů dat a na základě toho posílat pak relevantní informace v rámci dílenského prostředí i v reálném čase. Třetí sada scénářů se týká integraci e-commerce a vlastně možnosti zákazníka konfigurovat produkty, zase konfigurovatelsnost produktů je záležitost poměrně staršího data, konec konců skoro každý z nás, když jsme kupovali auto, a každý víme, že se dá zařízení nakonfigurovat před tím, než půjde do výroby. To co je velice zajímavé je, že v těchto scénářích vlastně my jsme schopni přenášet tu informaci nejenom do toho korporátního ekonomického systému, ale i do systému pořízení výroby s tím, že ta informace třeba o změně konfigurace musí přijít ještě v čas, nicméně to co se ukazuje, že se zkracuji s využitím těchto technologii průběžné doby a díky tomu jsme schopni vlastně ty změny, které zákazník požaduje zapracovat do produktu ještě v době kdy už je produkt třeba i na vlastní výrobní lince, pak zde máme třeba i další scénář, který se týká strojů a připojení zařízení do cloudu. To je scénář, který v zásadě navazuje na toto povídání o internetu věci, to znamená schopnost sledovat provozní parametry zařízení v cloudu. My velice intenzivně spolupracujeme se společnosti Siemens, která si vlastně od nás pořídila platformu pro budování takového to clouduvého prostředí a spouštěla před nedávnem cloud, který je nazván industry cloud. Do tohoto cloudu byly vlastně schopni ukládat produkty firmy Siemens informace o svém provozu a teď je otázkou jak ty informace budou dále využívány, jednak si samozřejmě ty informace může použit zákazník pro to, aby si vyhodnotil například efektivnost vlastního výrobního zařízení, ale stejně tak to musí použít sienmens pro to, aby porovnal tyto informace s některými informacemi, které on sám používá při návrhu zařízení a uzpůsobil vývoj produktu anebo ty informace s některými informacemi, které on sám užívá při návrhu zařízení a uzpůsobil vývoj produktu anebo ty informace mohou být poskytnuty pro to, aby prostřednictvím těchto informaci byly poskytovány zákazníkům další služby ať už přímo Siemensem anebo partnery společnosti Siemens. To znamená ten Maschne /Operations cloud a pak je tam poslední část, poslední scénář, který je nazván Manufacturing collabotration / direct replenishment. Jedná se o scénáře, kdy vlastně data přímo z výroby jsou posílány mezi kooperujícími partnery případně se tímto způsobem zajištuje dodávka potřebných komponent přímo k lince. Je to pět scénářů, které vlastně v rámci sap connected manufacturing sap umožňuje realizovat, pokud bychom se podívali na frekvenci těch scénářů. Řekl bych že ten scénář číslo 1 to je ten nejčastěji implementovány, kde dnes máme více než 1000 zákazníků. Pokud se to týká e-commerce integrace, tak to je scenář, který je většinou implementován prostřednitvím to korporátního ekonomického systému. Pokud se týká těch scénářů dalších - třeba Machine Operations Cloud, tak to jsou scenáře velice inovativní a máme dnes řekneme 10ky zákazníků, kteři s nami na podobných scénářích pracují. Nějaká jména těch zákazníků jsou ucedená v horní časti slajdu Ja bych chtěl ještě zmínit, že toto téma oteviráme i v české republive, myslím si že dnes pokud se týká těch modernějších témat, to znamená Machine Operations cloud a podobně, tak toto s náma někteří naši zákaznici diskutují, jak by se dali pořizovat data a především, jak by se na základě takto pořizených dat dává řídit prediktivní údržba, to znamená to je velké téma, které diskutujeme se zákazníky dnes už i v české republice. 4 1 SCADA / HMI Dodavatel 5 5 1 Vrstva ASŘ 2

Hagleitner: Inovativní Cleaning Management na SAP HANA Cloud Platformě Společnost Hagleitner Hygiene International GmbH Centrála Town, Hagleitner Hygiene International GmbH ProductsPrůmysl Osobní hygiena Výrobky a Služby Dávkovače, dávkovací systémy, dezinfekční prostředky, čisticí prostředky Zaměstnanci 950 Web stránka www.hagleitner.com Cíle Použít informace zasílané ze senzorů v dávkovačích ke zjednodušení operací pro zákazníky a umožnit jim konkurenční výhodu Vyvinout inovativní systém, který šetří náklady a zvyšuje efektivitu Technické provedení Zabudované řešení SAP® SQL Anywhere® k podpoře pro senzorová data přenášená pomocí dávkovačů přes RFID SAP HANA Cloud Platform konsoliduje a synchronizuje data pro reporting, integraci obchodu, data mining Výhody Možnost zákazníků využívat data pro vyhodnocování chování uživatelů a analýze potřebné k plnění dezinfekčních prostředků 3% úspor díky lepší analýzu vniklých příčin Snížení zásob- just-in-time pořadí výrobků Úspory nákladů a snížení času na údržbu Plány do budoucna Připojit čidla v zásobnících s jinými senzory v různých zařízeních Vyvíjet nové obchodní modely a alternativní účetní systémy Nabídka řešení velkým zákazníkům, jako jsou fotbalové stadiony a veřejné instituce Práce na dalších obchodních modelech ve spolupráci se SAP 3% Snížení nákladů v rámci root analysis Snížení Snížení zásob- just-in-time pořadí výrobků Savings Úspory v rámci potřeb probíhající v reálném čase “Čerpáme z výhod SAP HANA, a naši zákazníci profitují na našem modelu. Na SAP HANA Cloud Platformě, můžeme provádět sběr a analýzu dat v rámci senseMANAGEMENTu, a naši zákazníci ušetří čas a peníze.” Gernot Bernert, CTO, Hagleitner Hygiene International GmbH

SAP Connected Manufacturing Pět základních scénářů “propojeného” závodu Poskytovatel servisu 4 3 5 scénářů Shop Floor to Top Floor Machine to Machine e-commerce Integration Machine / Operations Cloud Manufacturing Collaboration / Direct Replenishment E-Commerce 3 Průmyslový cloud 1 Zákazník Analytické aplikace 2 ERP 4 3 MES Nicméně v dnešní době těch scénářů právě s příchodem nových informačních technologií je daleko více. A k tomu bych se chtěl vrátit vlastně na dalším obrázku - tady vlastně vidíme soubor scénářů, který dnes SAP podporuje. Pokud se týká toho prvního scénáře - shop floor to top floor - tak chtěl bych říci, že se jedná o posílení schopností podniků promítnout obchodní záměry a priority až do dílenského řízení. V řadě podniků, pokud se týká té vrstvy ASŘ (automatické systémy řízení), tak se pořizuje celá řada systémů, pořizuje se to ke konkrétním linkám a pro konkrétní účel a velice často ta vrstva které my říkáme operations technology se zkratkou OT, tak tato vrstva nebývá propojená s tím ERP systémem. Ve chvíli když se povede provést takovéto propojení, tak je potom možné i tu operativu ve výrobě řídit podle nějakých nastavených priorit, je možné na základě výstupů, které se týkají určitých procesních dat, na základě jakostních, kvalitativních dat a tak dále snímaných v rámci procesů změnit priority ERP systému, jsme schopni zákazníkům poskytovat další informace, které doposud nebyly k dispozic. To je jeden ze základních scénářů. Já se k němu vrátím pak až budu hovořit o referencích. Pak tam máme další ze zajímavých scénářů a to je M2M - machina to machina, což je jeden z nejnovějších scénářů, který je právě dnes realizovatelný díky dostupnosti určitých jiných technologií, to co u toho scénáře je relativně komplikované je zajistit rychlost se kterou spolu stroje mohou komunikovat. Ta komunikace může být od triviální, kdy stroje mají určité samo diagnostické moduly, které jsou schopné říci, zda je stroj v pořádku nebo se vyskytne nějaká porucha a pokud tento stroj toto o sobě zjistí tak může dát signál dalšímu zařízení na lince, které může odklonit tok produktů na jiná zařízení která je funkční. To znamená to je taková záležitost a samozřejmě těch informací lze posílat daleko více. Dnes vlastně existují výroby, kde se produkt vlastně od začátku výroby očipuje a v průběhu výroby se na ten čip zapíší veškeré údaje o provedených operacích na produktu a na základě takového záznamu jsou potom vlastně jednotlivé články ve výrobě schopni uzpůsobit své fungování tomu co se dělo, jaké operace byly provedeny předtím než se daný produkt dostal právě k nim. Tato záležitost potřebuje vysokou rychlost. My dnes můžeme říci, že pokud se týká třeba řešení SAP MII, tak už ho máme vyexportováno na databázi SAP HANA, což je in-memory databáze, která umožnuje provádět extrémně rychle vyhodnocování i velkých objemů dat a na základě toho posílat pak relevantní informace v rámci dílenského prostředí i v reálném čase. Třetí sada scénářů se týká integraci e-commerce a vlastně možnosti zákazníka konfigurovat produkty, zase konfigurovatelsnost produktů je záležitost poměrně staršího data, konec konců skoro každý z nás, když jsme kupovali auto, a každý víme, že se dá zařízení nakonfigurovat před tím, než půjde do výroby. To co je velice zajímavé je, že v těchto scénářích vlastně my jsme schopni přenášet tu informaci nejenom do toho korporátního ekonomického systému, ale i do systému pořízení výroby s tím, že ta informace třeba o změně konfigurace musí přijít ještě v čas, nicméně to co se ukazuje, že se zkracuji s využitím těchto technologii průběžné doby a díky tomu jsme schopni vlastně ty změny, které zákazník požaduje zapracovat do produktu ještě v době kdy už je produkt třeba i na vlastní výrobní lince, pak zde máme třeba i další scénář, který se týká strojů a připojení zařízení do cloudu. To je scénář, který v zásadě navazuje na toto povídání o internetu věci, to znamená schopnost sledovat provozní parametry zařízení v cloudu. My velice intenzivně spolupracujeme se společnosti Siemens, která si vlastně od nás pořídila platformu pro budování takového to clouduvého prostředí a spouštěla před nedávnem cloud, který je nazván industry cloud. Do tohoto cloudu byly vlastně schopni ukládat produkty firmy Siemens informace o svém provozu a teď je otázkou jak ty informace budou dále využívány, jednak si samozřejmě ty informace může použit zákazník pro to, aby si vyhodnotil například efektivnost vlastního výrobního zařízení, ale stejně tak to musí použít sienmens pro to, aby porovnal tyto informace s některými informacemi, které on sám používá při návrhu zařízení a uzpůsobil vývoj produktu anebo ty informace s některými informacemi, které on sám užívá při návrhu zařízení a uzpůsobil vývoj produktu anebo ty informace mohou být poskytnuty pro to, aby prostřednictvím těchto informaci byly poskytovány zákazníkům další služby ať už přímo Siemensem anebo partnery společnosti Siemens. To znamená ten Maschne /Operations cloud a pak je tam poslední část, poslední scénář, který je nazván Manufacturing collabotration / direct replenishment. Jedná se o scénáře, kdy vlastně data přímo z výroby jsou posílány mezi kooperujícími partnery případně se tímto způsobem zajištuje dodávka potřebných komponent přímo k lince. Je to pět scénářů, které vlastně v rámci sap connected manufacturing sap umožňuje realizovat, pokud bychom se podívali na frekvenci těch scénářů. Řekl bych že ten scénář číslo 1 to je ten nejčastěji implementovány, kde dnes máme více než 1000 zákazníků. Pokud se to týká e-commerce integrace, tak to je scenář, který je většinou implementován prostřednitvím to korporátního ekonomického systému. Pokud se týká těch scénářů dalších - třeba Machine Operations Cloud, tak to jsou scenáře velice inovativní a máme dnes řekneme 10ky zákazníků, kteři s nami na podobných scénářích pracují. Nějaká jména těch zákazníků jsou ucedená v horní časti slajdu Ja bych chtěl ještě zmínit, že toto téma oteviráme i v české republive, myslím si že dnes pokud se týká těch modernějších témat, to znamená Machine Operations cloud a podobně, tak toto s náma někteří naši zákaznici diskutují, jak by se dali pořizovat data a především, jak by se na základě takto pořizených dat dává řídit prediktivní údržba, to znamená to je velké téma, které diskutujeme se zákazníky dnes už i v české republice. 4 1 SCADA / HMI Dodavatel 5 5 1 Vrstva ASŘ 2

STILL: Inovativní koncept vysokozdvižných vozíků v rámci Internetu věcí na SAP HANA Cloud Platformě STILL: Využívá SAP HANA Cloud Platformu v projektu Internetu věcí STILL's cubeXX Revoluční koncepce vysokozdvižného vozíku, který je vybaven senzorem a skenovací technologií, která je schopna samostatné práce ve skladu společně s přizpůsobením se novým podmínkám na základě aktuálního plánu. Video on SAP.com http://www.sap.com/asset/detail.2015-06-jun.sailing-team-germany-stg-ctv-2015-mp4.html SAP news http://www.news-sap.com/real-time-data-tracking-sailing/

SAP Connected Manufacturing Pět základních scénářů “propojeného” závodu Poskytovatel servisu 4 3 5 scénářů Shop Floor to Top Floor Machine to Machine e-commerce Integration Machine / Operations Cloud Manufacturing Collaboration / Direct Replenishment E-Commerce 3 Průmyslový cloud 1 Zákazník Analytické aplikace 2 ERP 4 3 MES Nicméně v dnešní době těch scénářů právě s příchodem nových informačních technologií je daleko více. A k tomu bych se chtěl vrátit vlastně na dalším obrázku - tady vlastně vidíme soubor scénářů, který dnes SAP podporuje. Pokud se týká toho prvního scénáře - shop floor to top floor - tak chtěl bych říci, že se jedná o posílení schopností podniků promítnout obchodní záměry a priority až do dílenského řízení. V řadě podniků, pokud se týká té vrstvy ASŘ (automatické systémy řízení), tak se pořizuje celá řada systémů, pořizuje se to ke konkrétním linkám a pro konkrétní účel a velice často ta vrstva které my říkáme operations technology se zkratkou OT, tak tato vrstva nebývá propojená s tím ERP systémem. Ve chvíli když se povede provést takovéto propojení, tak je potom možné i tu operativu ve výrobě řídit podle nějakých nastavených priorit, je možné na základě výstupů, které se týkají určitých procesních dat, na základě jakostních, kvalitativních dat a tak dále snímaných v rámci procesů změnit priority ERP systému, jsme schopni zákazníkům poskytovat další informace, které doposud nebyly k dispozic. To je jeden ze základních scénářů. Já se k němu vrátím pak až budu hovořit o referencích. Pak tam máme další ze zajímavých scénářů a to je M2M - machina to machina, což je jeden z nejnovějších scénářů, který je právě dnes realizovatelný díky dostupnosti určitých jiných technologií, to co u toho scénáře je relativně komplikované je zajistit rychlost se kterou spolu stroje mohou komunikovat. Ta komunikace může být od triviální, kdy stroje mají určité samo diagnostické moduly, které jsou schopné říci, zda je stroj v pořádku nebo se vyskytne nějaká porucha a pokud tento stroj toto o sobě zjistí tak může dát signál dalšímu zařízení na lince, které může odklonit tok produktů na jiná zařízení která je funkční. To znamená to je taková záležitost a samozřejmě těch informací lze posílat daleko více. Dnes vlastně existují výroby, kde se produkt vlastně od začátku výroby očipuje a v průběhu výroby se na ten čip zapíší veškeré údaje o provedených operacích na produktu a na základě takového záznamu jsou potom vlastně jednotlivé články ve výrobě schopni uzpůsobit své fungování tomu co se dělo, jaké operace byly provedeny předtím než se daný produkt dostal právě k nim. Tato záležitost potřebuje vysokou rychlost. My dnes můžeme říci, že pokud se týká třeba řešení SAP MII, tak už ho máme vyexportováno na databázi SAP HANA, což je in-memory databáze, která umožnuje provádět extrémně rychle vyhodnocování i velkých objemů dat a na základě toho posílat pak relevantní informace v rámci dílenského prostředí i v reálném čase. Třetí sada scénářů se týká integraci e-commerce a vlastně možnosti zákazníka konfigurovat produkty, zase konfigurovatelsnost produktů je záležitost poměrně staršího data, konec konců skoro každý z nás, když jsme kupovali auto, a každý víme, že se dá zařízení nakonfigurovat před tím, než půjde do výroby. To co je velice zajímavé je, že v těchto scénářích vlastně my jsme schopni přenášet tu informaci nejenom do toho korporátního ekonomického systému, ale i do systému pořízení výroby s tím, že ta informace třeba o změně konfigurace musí přijít ještě v čas, nicméně to co se ukazuje, že se zkracuji s využitím těchto technologii průběžné doby a díky tomu jsme schopni vlastně ty změny, které zákazník požaduje zapracovat do produktu ještě v době kdy už je produkt třeba i na vlastní výrobní lince, pak zde máme třeba i další scénář, který se týká strojů a připojení zařízení do cloudu. To je scénář, který v zásadě navazuje na toto povídání o internetu věci, to znamená schopnost sledovat provozní parametry zařízení v cloudu. My velice intenzivně spolupracujeme se společnosti Siemens, která si vlastně od nás pořídila platformu pro budování takového to clouduvého prostředí a spouštěla před nedávnem cloud, který je nazván industry cloud. Do tohoto cloudu byly vlastně schopni ukládat produkty firmy Siemens informace o svém provozu a teď je otázkou jak ty informace budou dále využívány, jednak si samozřejmě ty informace může použit zákazník pro to, aby si vyhodnotil například efektivnost vlastního výrobního zařízení, ale stejně tak to musí použít sienmens pro to, aby porovnal tyto informace s některými informacemi, které on sám používá při návrhu zařízení a uzpůsobil vývoj produktu anebo ty informace s některými informacemi, které on sám užívá při návrhu zařízení a uzpůsobil vývoj produktu anebo ty informace mohou být poskytnuty pro to, aby prostřednictvím těchto informaci byly poskytovány zákazníkům další služby ať už přímo Siemensem anebo partnery společnosti Siemens. To znamená ten Maschne /Operations cloud a pak je tam poslední část, poslední scénář, který je nazván Manufacturing collabotration / direct replenishment. Jedná se o scénáře, kdy vlastně data přímo z výroby jsou posílány mezi kooperujícími partnery případně se tímto způsobem zajištuje dodávka potřebných komponent přímo k lince. Je to pět scénářů, které vlastně v rámci sap connected manufacturing sap umožňuje realizovat, pokud bychom se podívali na frekvenci těch scénářů. Řekl bych že ten scénář číslo 1 to je ten nejčastěji implementovány, kde dnes máme více než 1000 zákazníků. Pokud se to týká e-commerce integrace, tak to je scenář, který je většinou implementován prostřednitvím to korporátního ekonomického systému. Pokud se týká těch scénářů dalších - třeba Machine Operations Cloud, tak to jsou scenáře velice inovativní a máme dnes řekneme 10ky zákazníků, kteři s nami na podobných scénářích pracují. Nějaká jména těch zákazníků jsou ucedená v horní časti slajdu Ja bych chtěl ještě zmínit, že toto téma oteviráme i v české republive, myslím si že dnes pokud se týká těch modernějších témat, to znamená Machine Operations cloud a podobně, tak toto s náma někteří naši zákaznici diskutují, jak by se dali pořizovat data a především, jak by se na základě takto pořizených dat dává řídit prediktivní údržba, to znamená to je velké téma, které diskutujeme se zákazníky dnes už i v české republice. 4 1 SCADA / HMI Dodavatel 5 5 1 Vrstva ASŘ 2

Open Integrated Factory Ukázkové řešení v centrále SAP, Walldorf, Německo

Děkujeme za pozornost! Kontakty Zdeněk Sykora Tel.: 601 569 850 zdenek.sykora@sap.com