© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH
für die Einführung der In-Memory-Technologie SAP HANA
Leitfaden und Strategieentwicklung
Tobias Hund MHP | AK Instandhaltung & Servicemanagement: 17.04.2015
Agenda
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 2
1 MHP Beratungsportfolio
2 In-Memory Datenmanagement (IMDM)
3 Potenziale von In-Memory Datenmanagement (IMDM)
4 Strategieentwicklung & Leitfaden
5 IMDM & Instandhaltung- und Servicemanagement
6 Zusammenfassung
Agenda
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 3
1 MHP Beratungsportfolio
2 In-Memory Datenmanagement (IMDM)
3 Potenziale von In-Memory Datenmanagement (IMDM)
4 Strategieentwicklung & Leitfaden
5 IMDM & Instandhaltung- und Servicemanagement
6 Zusammenfassung
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 4
Mieschke Hofmann und Partner (MHP)A Porsche Company
Die Leistung
Management Consulting
System Integration
Application Management
Business Solutions
Business Solutions
Der Unterschied
Symbiose aus Prozess- + IT-Beratung l Prozesslieferant l Excellence l Automotive l Kunden
Die KompetenzGanzheitliches Beratungsportfolio über die gesamte Wertschöpfungskette
Technology
Services
Application
Mgmt.
Services
Product
Lifecycle
Mgmt.
Supply
Chain
Mgmt.
Production
& Opera-
tions Mgmt.
Customer
Relations
Mgmt.
Finance &
Controlling
Business
Intelligence
After
Sales
Retail
Mgmt.
Human
Resources
MHP Beratungsportfolio
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 5
Ganzheitliches Beratungsportfolio über die komplette Wertschöpfungskette.Unsere Kompetenzbereiche mit Themenfeldern.
Technology
Services
Application
Mgmt.
Services
Product
Lifecycle
Mgmt.
Supply
Chain
Mgmt.
Production
& Opera-
tions Mgmt.
Customer
Relations
Mgmt.
Finance &
Controlling
Business
Intelligence
After
Sales
Retail
Mgmt.
Human
Resources
ProductionPlanning
Strategic ProductionConsulting
Lean Production
ManufacturingExecution
Maintenance
Retail Service Management
Retail Consulting
Fleet Management
Sourcing
Planning
Affiliation
Performance
Development & Talent
Management
Governance, Risk and
Compliance
Template Development and Rollouts
Business Process
Development & Optimization
Legal and Fiscal Requirements
Accounts, Reporting and Consolidation
System Harmonization
CIO Management Consulting
Enterprise Content
Management
Standard Software
IndividualSoftware
Application & Process Services
ApplicationManagementConsulting
ProductStructure
Management
Product Development Process (PDP) Management
SAP PLM Consulting &
Solution Implementation
PTC WindchillSolution
Integration
DS Enovia V6 Solution
Integration
PLM Strategy & Management Consulting
ProductionLogistics
Procurement & Quality
Sales Logistics
Service Management
Spare Parts Management
Supply Chain &Demand Planning
Service Management
Spare Parts Management
Warranty Processes
(Pro-active) Complaint
Management
Digital incl. Connected CRM
& Social CRM
CRM Strategy & Management Consulting
Sales Force Automation incl.
Mobile CRM
Analytics incl. Segmentation &
CampaignManagement
Vertical RetailIntegration
(Pro-active) Complaint
Management
BI Technology
BI Strategy
Integrated Corporate Planning
Analytical Business Processes
Next GenerationBI & BIG DATA
Mobile BI Scenarios
CRM IT Consulting &
Solution Implementation
Transition & Change
Management
Administrative Core Processes
MHP Dealer Performance Management
Finance and Controlling for
Automotive Retailers
Dealer Management
Systems
MHP Carbon
Innovations ConnectedVehicle
Cloud ComputeSustainable
MobilitySocial Business Mobile Business
Real-time Business
Industry 4.0
MHP Beratungsportfolio
Agenda
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 7
1 MHP Beratungsportfolio
2 In-Memory Datenmanagement (IMDM)
3 Potenziale von In-Memory Datenmanagement (IMDM)
4 Strategieentwicklung & Leitfaden
5 IMDM & Instandhaltung- und Servicemanagement
6 Zusammenfassung
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 8
Die Grundidee der In-Memory Technologie
In-Memory Datenmanagement (IMDM)
Shared 3rd Level Cache
1st Level Cache
Core
2nd Level Cache
1st Level Cache
Core
2nd Level Cache
1st Level Cache
Core
2nd Level Cache
1st Level Cache
Core
2nd Level Cache
Type ofMemory
Size Latency
L1 CPU-Cache 64KB 1 ns
L2 CPU-Cache
L3 CPU-Cache
256KB
30 MB
5 ns
20 ns
MainMemory
Disk
Main Memory
Disk
512GBup to TB
TB
10 - 100 ns
5.000.000 ns
Grundidee der In-Memory Technologie
10.000-
100.000schneller
Legende Abkürzungen: Ns = Nanosekunden / KB = Kilobyte / MB = Megabyte / GB = Gigabyte / TB = Terabyte
Register 1KB 0,3 ns
Quelle: vgl. Kittel (2013), S. 8-9; N.N. SAP (2013), S. 1.
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 9
Aspekte von In-Memory Datenmanagement (IMDM)und die Häufigkeit der Erwähnung
In-Memory Datenmanagement (IMDM)
33,33%
Permanente Datenhaltung imHauptspeicher
Quelle: vgl. Koleva (2013), S. 21.
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 10
Aspekte von In-Memory Datenmanagement (IMDM)und die Häufigkeit der Erwähnung
In-Memory Datenmanagement (IMDM)
33,33%
25,64%
Permanente Datenhaltung imHauptspeicher
Sehr hohePerformanceoptimierungen
Quelle: vgl. Koleva (2013), S. 21.
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 11
Aspekte von In-Memory Datenmanagement (IMDM)und die Häufigkeit der Erwähnung
In-Memory Datenmanagement (IMDM)
33,33%
25,64%
15,38%
Permanente Datenhaltung imHauptspeicher
Sehr hohePerformanceoptimierungen
Einfluss auf dieAnwendungsentwicklung
Quelle: vgl. Koleva (2013), S. 21.
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 12
Aspekte von In-Memory Datenmanagement (IMDM)und die Häufigkeit der Erwähnung
In-Memory Datenmanagement (IMDM)
33,33%
25,64%
15,38%
15,38%
Permanente Datenhaltung imHauptspeicher
Sehr hohePerformanceoptimierungen
Einfluss auf dieAnwendungsentwicklung
Vermischte Arbeitslast (OLXP)
Quelle: vgl. Koleva (2013), S. 21.
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 13
Aspekte von In-Memory Datenmanagement (IMDM)und die Häufigkeit der Erwähnung
In-Memory Datenmanagement (IMDM)
33,33%
25,64%
15,38%
15,38%
7,69%Permanente Datenhaltung imHauptspeicher
Sehr hohePerformanceoptimierungen
Einfluss auf dieAnwendungsentwicklung
Vermischte Arbeitslast (OLXP)
SpaltenorientierteDatenhaltung
Quelle: vgl. Koleva (2013), S. 21.
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 14
Aspekte von In-Memory Datenmanagement (IMDM)und die Häufigkeit der Erwähnung
In-Memory Datenmanagement (IMDM)
33,33%
25,64%
15,38%
15,38%
7,69% 2,56%Permanente Datenhaltung imHauptspeicher
Sehr hohePerformanceoptimierungen
Einfluss auf dieAnwendungsentwicklung
Vermischte Arbeitslast (OLXP)
SpaltenorientierteDatenhaltung
Trend zu Insert-Only
Quelle: vgl. Koleva (2013), S. 21.
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 15
Preisentwicklung der Speichermedien (1955-2015)
In-Memory Datenmanagement (IMDM)
0,00001
0,00010
0,00100
0,01000
0,10000
1,00000
10,00000
100,00000
1.000,00000
10.000,00000
100.000,00000
1.000.000,00000
10.000.000,00000
100.000.000,00000
1.000.000.000,00000
1955 1965 1975 1980 1985 1990 1995 2000 2005 2010 2015
Festplattenspeicher
Flashspeicher
Hauptspeicher
US$ / MB
Jahr
Quelle: vgl. Plattner & Zeier (2012), S. 15; McCallum (2013), http://www.jcmit.com, Zuletzt besucht: 03.05.2014.
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 16
CPU Taktrate, Geschwindigkeit FSB und Transistoren-Entwicklung
In-Memory Datenmanagement (IMDM)
0,0010000
0,0100000
0,1000000
1,0000000
10,0000000
100,0000000
1000,0000000
10000,0000000
1970 1975 1980 1985 1990 1995 2000 2005 2010 2015
Taktrate in Mhz
Anzahl an Transistoren in Mio.
FSB in Mhz
Jahr
Mhz & Transistoren in Mio.
Quelle: vgl. Plattner & Zeier (2012), S. 11; Haare (2014), http://pclinks.xtreemhost.com/current_cpus.htm, Zuletzt besucht 04.03.2014)
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 17
Entwicklung der CPU-Kernanzahl
In-Memory Datenmanagement (IMDM)
1
10
100
1000
10000
2000 2002 2004 2006 2008 2010 2012 2014 2016
Produkt
Prototype
Vorhersagen
Jahr
Anzahl an CPU-Kernen
Quelle: vgl. Plattner & Zeier (2012), S. 13; (vgl. Intel II (2013), http://ark.intel.com/de/products/family (Zuletzt besucht: 10.03.2014.
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 18
Zusammenfassung IMDM
In-Memory Datenmanagement (IMDM)
Empirische Gesetzmäßigkeiten Moore, Gilder, Huntley, Metcalfe (Keine kurzfristigen Phänomene sondern langfristige Entwicklung)
SpeicherhierarchieVerschiebung der Speicherhierarchie, Fehlende Leistungszuwächse bei Festplatte & Flashspeicher
Hauptspeicherdatenbanken (IMDB)Hauptspeicher wird sich in Zukunft mit hoher Wahrscheinlichkeit zum Standard entwickeln
Hardware-TrendsPreise der Speichermedien, CPU-Taktraten (Transistoren), Multi-Core-Architekturen
Agenda
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 19
1 MHP Beratungsportfolio
2 In-Memory Datenmanagement (IMDM)
3 Potenziale von In-Memory Datenmanagement (IMDM)
4 Strategieentwicklung & Leitfaden
5 IMDM & Instandhaltung- und Servicemanagement
6 Zusammenfassung
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 20
Fragestellungen & wissenschaftliche Einschätzungen
Potenziale von In-Memory Datenmanagement (IMDM)
Einschätzung: Umsetzung der Vision von Real-Time BI mit IMDM?13 wissenschaftliche Einschätzungen
9 Zustimmungen (Plattner, Zeier, Gartner etc.) 4 Neutral
Einschätzung: IMDM als Lösung für Big Data13 wissenschaftliche Einschätzungen
8 Zustimmungen 3 Neutral 1 Abl.
Einschätzungen zur OLAP- und OLTP-Integration15 wissenschaftliche Einschätzungen
8 Zustimmungen 6 Neutral 1 Abl.
Quelle: vgl. Wessel, Köffer, Becker (2013), S. 1785-1787.
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 21
Realisierung der Nutzenpotenziale von IMDM
Potenziale von In-Memory Datenmanagement (IMDM)
Nutzenpotentiale von IMDM realisieren
Datenhaltung &
Redundanz
Komplexität &
Vereinfachung von
System-architekturen
Unterstützung von
Big Data Anforderungen
Real-Time Performance
& Entscheidungs-unterstützung
Business &
ProcessManagement
Wirtschaftsinformatik
Integration &
Harmonisierung
Pote
nti
alb
aust
ein
e IM
DM
Business Intelligence
Data-Mining, Stochastik, Simulation, Operation Research, Operational Business Intelligence
Arb
eits
geb
iete
W
I
Prozessmanagement (BPM)
Process PerformanceManagement, Business Activity
Monitoring
IT-Management
IT-Strategie, Enterprise Architecture Management, IT-
Governance,Wissensmanagement,
Internetökonomie & SOA
IuK-Systeme
Anwendungssysteme, Entscheidungsunterstützungs-
systeme, Führungsinformationssysteme,
Kommunikation & Collaboration
Quelle: vgl. Hund (2014), S. 108.
Agenda
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 22
1 MHP Beratungsportfolio
2 In-Memory Datenmanagement (IMDM)
3 Potenziale von In-Memory Datenmanagement (IMDM)
4 Strategieentwicklung & Leitfaden
5 IMDM & Instandhaltung- und Servicemanagement
6 Zusammenfassung
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 23
Strategieentwicklung & Leitfaden
Baustein 03 Baustein 04Baustein 02
Strategieentwicklung & Leitfaden
Baustein 01
IT-Management
Baustein 05
IMDM Potenziale Interne Aspekte Externe Aspekte
Anwendungsmuster
Piller & Hagedorn Koleva Schmalzried Winter, Bischoff & WortmannBusiness Scenario Recommendations
Erweitertes Referenzmuster Hund
Strategieentwicklung & Bausteine
Bausteine Bausteine Bausteine Bausteine
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 24
Idealtypisches Anwendungsmuster für den Einsatz von IMDM
In-Memory Technologie
Operatives Reporting
Explorative Analyse
Komplexe Auswertungsverfahren
Schnelle Konsolidierung
Adaptive Planung
Daten aus Endverbrauchergeräten
Geschäftsprozesseigenschaften Nutzenpotentiale
hoch mittel niedrig
Än
der
un
gs-
dyn
amik
Sch
wan
kun
gs-
bre
ite
Au
swer
tun
gs-
op
tio
nen
Dri
ng
lich
keit
Ko
mp
lexi
tät
Dat
envo
lum
en
Au
swer
tun
gs-
häu
fig
keit
Flex
ibili
tät
Akt
ual
ität
Ban
db
reit
e
Det
ailie
run
gs-
gra
d
Quelle: vgl. Piller & Hagedorn (2011 / No1), S. 21.
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 25
Anwendungsmuster & Ergebnismatrix SAP HANA Use-Case Community
In-Memory Technologie
PerformanceVerbesserungen
(A)
Daten-Granularität
(C)
Hohes Datenvolumen
(B)
EnterpriseMobility
(1)
KomplexeAnalysen
(2)
Simulationen
(3)
OperationalReporting
(4)
Geschäftsprozess-optimerung
(5)Quelle: vgl. Koleva (2013), S. 26.
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 26
Anwendungsmuster von Piller & Hagedorn / Koleva
Strategieentwicklung & Leitfaden
Piller & Hagedorn Koleva
Winter, Bischoff & Wortmann Schmalzried
Business Scenario Recommendation
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 27
Transformationsprozess und vereinfachte Phasenplanung
Strategieentwicklung & Leitfaden
Any DB
SAPERP / BW
HANA DB
EinführungSide-by-Side
Client
HANA DB
SAP Business Suite
ERP
CR
M
SCM
SRM
/PLM
VD
L
BW
Ap
ps
InnovationIntegriertes Szenario
HANA DB
Next Generation ERP
ERP
CR
M
SCM
SRM
/PLM
VD
LTransformation„One Store OLXP“
BW
& B
I (A
nalyse)
1
2
3
Quelle: vgl. Hund (2014), S. 157.
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 28
Strategieentwicklung & Leitfaden
Reifegrad und Adaptionslevel von IMDM
65 %
35 %
7 %
2011 2016 2021+ 2011 2016 2021
Maturity Level of Adoption
Adolescent
Early mainstream
Mature mainstream
Quelle: vgl. Piller (2012), S. 4.
Agenda
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 29
1 MHP Beratungsportfolio
2 In-Memory Datenmanagement (IMDM)
3 Potenziale von In-Memory Datenmanagement (IMDM)
4 Strategieentwicklung & Leitfaden
5 IMDM & Instandhaltung- und Servicemanagement
6 Zusammenfassung
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 30
Stellen Sie sich vor Sie hätten folgende Systemumgebung:
5. IMDM & Instandhaltung- & Servicemanagement
Keine Replikation erforderlich / Sub-Second Response Time
Analysemöglichkeiten stehen in Real-Time zur Verfügung
Direkter Zugang zu allen Daten inkl. Historie
IMDB / HANADB
Next Generation ERP
ERP
CR
M
SCM
SRM
/PLM
VD
L
Transformation„One Store OLXP“
BW
& B
I (A
nalyse)
Tausende Anfragen pro Stunde auf Datenmenge im TB-Bereich1
Daten im Hauptspeicher verfügbar
Analyse auf Einzelbelege ohne Aggregate
2
3
Wie würden Geschäftsprozessinnovation im PM/CS Umfeld aussehen?
Welche Entscheidungen können in Echtzeit bei PM/CS Prozessen unterstützt werden?
Wie würde sich die Erwartungshaltung im Unternehmen (IT/Fachbereiche) ändern?
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 31
Nutzenpotenziale IMDM & Anwendungsmuster anwenden
5. IMDM & Instandhaltung- & Servicemanagement
Szenario 1: Instandhaltungsplanung (Vorbeugende Wartung)
Analysemöglichkeiten von Assets (Operational Reporting)
Zustandsorientierte Instandhaltung / Condition-Based Maintenance
Szenario 2:
Szenario 3:
Vorrausschauende Wartung / Predictive Maintenance Szenario 4:
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 32
Szenario 1 – Instandhaltungsplanung (Vorbeugende Wartung)
5. IMDM & Instandhaltung- & Servicemanagement
Instandhaltungsplanung (Vorbeugende Wartung) – Typischer Prozess
Vorauswahl der Wartungspläne(Relevante Wartungspläne für die Planung auswählen)
1
Aufteilen der Wartungspläne(Wartungspläne definieren für die Hintergrundverarbeitung (Jobs)
2
Planungsparameter definieren(Planungsparameter für die jeweiligen Gruppen definieren)
3
Instandhaltungsplanungsjob ausführen(Planungsjob wird im definierten Zyklus ausgeführt / Alle Gruppen)
4
Wartungsmeldungen/Wartungsaufträge erzeugen
Zeitaufwand & KostenFehleranfällig
(Wartungspläne vergessen / Zeitraum der Periode zu lang)
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 33
Szenario 1 – Instandhaltungsplanung (Vorbeugende Wartung)
5. IMDM & Instandhaltung- & Servicemanagement
Instandhaltungsplanung (Vorbeugende Wartung) – mit IMDM / SAP HANA
Vorauswahl der Wartungspläne(Relevante Wartungspläne für die Planung auswählen)
1
Aufteilen der Wartungspläne(Wartungspläne definieren für die Hintergrundverarbeitung (Jobs)
2
Planungsparameter definieren(Planungsparameter für die jeweiligen Gruppen definieren)
3
Instandhaltungsplanungsjob ausführen(Wartungsplanung kann mehrmals täglich & gesamtheitlich ausgeführt werden)
4
Wartungsmeldungen/Wartungsaufträge / Genauere Wartungsplanung
Geschwindigkeit(1000 Mal)
Weniger Aufwand(Prozessschritte obsolet)
Weniger Fehler(Prozessschritte nicht erforderlich)
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 34
Szenario 2 – Analysemöglichkeiten von Assets (Operational Reporting)
5. IMDM & Instandhaltung- & Servicemanagement
IMDB(HANA)
Next Generation ERP
ERP
CR
M
SCM
SRM
/PLM
VD
L
BW
& B
I (A
nalyse)
DB(any DB)
SAP Business Suite
ERP
CR
M
SCM
SRM
/PLM
VD
L
BW
OLTP & OLAP
DB(any DB)
OLXP
1 Anforderungen aufnehmen
2 BW-System (Abgleich der Daten)
3 ETL / InfoCubes aufbauen
4 Query aufbauen
5 Tests & Transporte
6 Iterationsschleifen
Echtzeitanalysen (Agilität & Flexibilität)
Operational Business Intelligence
KnowHow
DataMining
Stochastik
Simulation
Operation Research
SelfService BIERP
BI
ERP
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 35
Szenario 2 – Analysemöglichkeiten von Assets (Operational Reporting)
5. IMDM & Instandhaltung- & Servicemanagement
Bessere Entscheidungsfindung aufgrund (Analysen)Operational Reporting / Real-Time Business Intelligence
Ursachenanalyse bei AssetsGeführte Navigation oder Ad-Hoc-Analysen
Überwachen von KPI`s (Monitor) / Visualisierung von Assets(Kennzahlen wie: MTBF/ MTTR bzw. Performance des Assets
Quelle: vgl. openSAP 2014
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 36
Szenario 3 - Zustandsorientierte Instandhaltung
5. IMDM & Instandhaltung- & Servicemanagement
IH-Strategien„Ausfall/Wartung“
Zustandsorientierte Strategie
Datenstrom
„Instandsetzung“
„Wartung“
„KVP/Optimierung“Material-entnahme
„Inspektion“
Zeit-rückmeldung
Ersatzteile
Typische Prozesse & End-to-End betrachten!
Daten/Informationen für die jeweiligen Geschäftsprozesse nutzen
Zustandsorientierte Instandhaltungsstrategie gewinnt zunehmend an Bedeutung!
Große Datenmengen (BigData) zu einem einzigen Equipment (Sensordaten)
Ziele: Asset Verfügbarkeit erhöhen -> Produktion mit weniger Ausfällen -> Verkauf & Umsatzziele optimieren
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 37
Szenario 4 - Vorrausschauende Wartung / Predictive Maintenance
5. IMDM & Instandhaltung- & Servicemanagement
Geschäftsprozesse & Aktionen
Datenstrom & BigDataIMDB
(HANA)
Next Generation ERP
ERP
CR
M
SCM
SRM
/PLM
VD
L
BW
& B
I (A
nalyse)
Analyse und Vorhersage-
modelle
Geschäfts-prozessregeln
Alerts & Informationen
Unterschiedliche Architektur-& Integrationsmöglichkeiten & Erweiterte Fragestellungen
Vorhersage überMaschinenausfälle
Echtzeitanalysen, BigData (Komprimierung), Muster identifizieren, (Data Mining)
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 38
Nutzenpotenziale IMDM & Anwendungsmuster anwenden
5. IMDM & Instandhaltung- & Servicemanagement
Szenario 1: Instandhaltungsplanung (Vorbeugende Wartung)
Analysemöglichkeiten von Assets (Operational Reporting)
Zustandsorientierte Instandhaltung / Condition-Based Maintenance
Szenario 2:
Szenario 3:
Vorrausschauende Wartung / Predictive Maintenance Szenario 4:
Baustein 05
Anwendungsmuster
Piller & Hagedorn Koleva Schmalzried Winter, Bischoff & WortmannBusiness Scenario Recommendations
Erweitertes Referenzmuster Hund
Agenda
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 39
1 MHP Beratungsportfolio
2 In-Memory Datenmanagement (IMDM)
3 Potenziale von In-Memory Datenmanagement (IMDM)
4 Strategieentwicklung & Leitfaden
5 IMDM & Instandhaltung- und Servicemanagement
6 Zusammenfassung
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 40
Zusammenfassung
Zusammenfassung
Grundverständnis & Empirische Gesetzmäßigkeiten (Trends)Längerfristige Entwicklung und Verschiebung der Speicherhierarchie
Nutzenpotenziale von In-Memory Datenmanagement (Exemplarisches Beispiel)IMDM liefert einen wesentlichen Beitrag zur Vereinigung der beiden Systemwelten OLTP und OLAP
In-Memory Datenmanagement (Kontext Instandhaltung & Servicemanagement)Anwendungswissen und Systemarchitekturkomponenten vereinen (IMDM & BPM)
© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 41
Mögliche Diskussionspunkte
Zusammenfassung & Diskussion
Szenarien Weitere Anwendungsgebiete & Szenarien: Stillstandszeiten etc.
Geschäftsprozessinnovationen & Operational Business IntelligenceInnovation
Weitere Bausteine aus dem Leitfaden & Integration in IMDB-StrategieLeitfaden
Aktuelle Implementierungsprojekte & FallstudienProjekte
42© 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH
Ihr Ansprechpartner
AK Instandhaltung & Servicemanagement: 17.04.2015
Tobias Hund
Senior Consultant
SU SCM
Mobil: +49 (0)151 4066-7550 E-Mail: [email protected]