Beim Asset Management geht es um die Verwaltung von Anlagen, die über eine einfache Pflege des Bestandes weit hinausgeht.
Ein sehr gutes Einsatzbeispiel für Asset Management bieten Energieversorger und Stadtwerke. Deren Erfolg ist einzig und allein von den verwendeten Anlagen abhängig. Zur Optimierung der Effizienz der Betriebsmittel setzen sie teilweise auf verschiedene IT-Lösungen. Denn mit Hilfe der IT lassen sich optimierte Analysen zur erfolgreichen Strategiebestimmung erstellen, die sich auf den Erfolg der Unternehmen erheblich auswirken können.
Zur systematischen Analyse wird das Konzept der Business Intelligence eingesetzt, um unterschiedliche Fragestellungen schnell und sehr flexibel lösen zu können. Dabei werden bestehende Betriebsmitteldatenbestände mit weiteren Daten wie Zuständen und Auslastungswerten verknüpft und anschließend die erforderlichen Kennzahlen ermittelt. Diese Kennzahlen können in komfortable Darstellungen von Fakten in Form von Diagrammen überführt werden, die anschließend eine zielführende Auswertung vereinfachen und als Grundlage für Strategien eingesetzt werden können.
Inhaltsverzeichnis
1 Asset Management
1.1 Ausgangspunkt
1.1.1 Business Intelligence
1.1.2 Asset Management bei Utilities
1.2 Bisherige Umsetzungen
1.3 Lösungsansätze
2 Prozessauswahl
2.1 Kernprozesse der Energieversorgungsunternehmen
2.1.1 Betrieb, Unterhaltung und Instandhaltung
2.1.1.1 Technische Plätze
2.1.1.2 Equipments
2.1.2 Realisierung von Kostensenkungspotenziale
2.1.3 Einführung Intelligenter Netze
2.1.4 Einsatz von IT-Systemen
2.2 Auswahl eines Kernprozesses
3 Datenerfassung
3.1 Notwendige Daten
3.2 Mobile Asset Management
3.3 Mobile Asset Management für Utilities
3.3.1 Prozessunterstützung durch MAU
3.3.1.1 Auftragsmanagement
3.3.1.2 Meldungsmanagement
3.3.1.3 Bestandsmanagement
3.3.1.4 Messungen und Zählerstände
3.3.1.5 Geschäftspartnermanagement
3.3.1.6 Management von Technischen Plätzen und Equipments
3.3.2 Begehung von Betriebsmitteln
3.3.2.1 Zustandserfassung
3.3.2.2 Messungen
3.3.2.3 Meldungen
3.3.2.4 Zeitrückmeldung
3.3.3 Mobile Systeme
3.3.3.1 Aktuelle Anwendungsbeispiele
3.3.3.2 Zukunftsaussichten
3.4 Datenqualität
3.4.1 Fehlende Daten
3.4.2 Falsche Daten
3.4.3 Doppelte Daten
4 Praxisbeispiel
4.1 Analyse von Mittelspannungsanlagen
4.2 Potenziale: Möglichkeiten zur Verbesserung
4.3 Anwendung von Asset Management
4.3.1 Vorlaufkosten
4.3.2 Vorlaufzeit
4.3.3 Entmaschung
4.3.4 Wichtigkeit
4.3.5 Anlagenwert
4.3.6 Alter
4.3.7 Zustand
4.3.8 Langfristige Entwicklungen
4.4 Datenbeschaffung
4.4.1 Vorhandene Datenstruktur
4.4.2 Neue Datenstruktur
4.4.2.1 Einbaudatum
4.4.2.2 Bauart von Schaltgerüsten
4.4.2.3 Nennstrom
4.4.2.4 Zustand
4.4.2.5 Auslastung
4.4.2.6 Wichtigkeit
4.4.3 Expertenwissen
4.4.4 Erstelltes Data Warehouse
4.5 Erstellung von Analysen
4.5.1 Altersstruktur
4.5.2 Zustandsbetrachtung
4.5.3 Weitere Merkmale
4.5.3.1 Austauschkosten
4.5.3.2 Budgeteinteilung
4.5.3.3 Auslastung
4.5.3.4 Wichtigkeit
4.6 Basis für Strategien
4.6.1 Austausch von alten Anlagen
4.6.2 Erneuerung von schlechten Anlagen
4.6.3 Ereignisorientierte Maßnahmen
5 Abschlussbetrachtung
5.1 Fazit der Diplomarbeit
5.2 Ausblick
Zielsetzung & Themen
Die Arbeit untersucht den Einsatz von Business Intelligence (BI) innerhalb des Asset Managements von Energieversorgungsunternehmen, um Instandhaltungsprozesse durch datengestützte Analysen zu optimieren. Das primäre Ziel ist es, ein Konzept zu entwickeln, wie reale Betriebsdaten genutzt werden können, um strategische Entscheidungen über die Erneuerung und Wartung von Anlagen auf einer soliden Informationsbasis zu treffen.
- Grundlagen des Asset Managements und Business Intelligence bei Energieversorgern
- Prozessauswahl und Definition von Kernprozessen (Instandhaltung)
- Methoden der Datenerfassung, einschließlich des Mobile Asset Managements
- Praxisbeispiel: Analyse von Mittelspannungsanlagen mittels Data Warehouse
- Strategieentwicklung für Anlagenersatz und -erneuerung
Auszug aus dem Buch
1.1.1 Business Intelligence
In jeder Branche, in der Daten anfallen, könnte das Konzept der Business Intelligence eingesetzt werden. Dabei wird ein informationstechnischer Filter eingesetzt, um aus Daten eines Data Warehouses schnelle und flexible Auswertung den vorhandenen Datenmengen zu erstellen. Zusätzlich kann ein intelligentes Frühwarnsystem zum Einsatz kommen. Letztendlich wird unter BI die Kernapplikation verstanden, die eine Entscheidungsfindung unmittelbar unterstützt, in dem sie Kennzahlen und Key Performance Indikatoren (KPI) ermittelt.
Business Intelligence dient nicht nur als Berichtswesen, um Reports für die Unternehmensführung mit aggregierten Kennzahlen zu erstellen. Statt dessen wird es verstärkt unter planerischen Aspekten zur Gewinnung von Strategien eingesetzt. Dabei besteht ebenfalls die Möglichkeit, aktuelle Zahlen zu analysieren, um Entscheidungen zu treffen, die sich kurzfristig auf das operative Tagesgeschäft auswirken können. Des Weiteren sind langfristige Auswertungen möglich, die zu Strategien führen, die taktische und strategische Maßnahmen beeinflussen.
Anstatt beispielsweise Daten aus verschiedenen Quellen in eigenen Tabellen in MS Excel durch Kopieren zusammen zu führen und Formeln und Makros zu schreiben, die dann auf aufwendigem Weg vielleicht nicht mehr reproduzierbare Ergebnisse liefern, bieten BI-Tools diverse Vorteile gegenüber bisherigen Herangehensweisen bei typischen Aufgabenstellungen. Sie unterstützen Unternehmen auf den zunehmend agilen Märkten, leisten Hilfestellung beim Aufspüren neuer Trends und deren Bewertung, um eigene Prozesse frühzeitig anders ausrichten zu können und einen Wechsel der Strategie in realistischen Änderungsperioden zu ermöglichen.
Zusammenfassung der Kapitel
1 Asset Management: Das Kapitel führt in die Grundlagen des Asset Managements bei Energieversorgern ein und erläutert die Bedeutung von Business Intelligence für die strategische Anlagenverwaltung.
2 Prozessauswahl: Hier werden Kernprozesse von Energieversorgungsunternehmen analysiert, um einen geeigneten Ansatzpunkt für IT-gestützte Optimierungen durch BI zu identifizieren.
3 Datenerfassung: Dieses Kapitel behandelt die Anforderungen an die Datenqualität und stellt mobile Verfahren zur effizienten Erfassung von Zustandsdaten im Feld vor.
4 Praxisbeispiel: Der Hauptteil demonstriert anhand realer Daten von Mittelspannungsanlagen den Aufbau eines Data Warehouses sowie die Ableitung von Strategien für Instandhaltung und Erneuerung.
5 Abschlussbetrachtung: Das Kapitel reflektiert die erzielten Ergebnisse der Diplomarbeit und gibt einen Ausblick auf die zukünftige Entwicklung intelligenter Netze.
Schlüsselwörter
Asset Management, Business Intelligence, Energieversorgung, Instandhaltung, Data Warehouse, Mobile Asset Management, Mittelspannungsanlagen, Prozessoptimierung, Strategieentwicklung, Datenqualität, SAP, Netzbetrieb, Zustandsbetrachtung, IT-Systeme, KPI
Häufig gestellte Fragen
Worum geht es in der Arbeit im Wesentlichen?
Die Arbeit befasst sich mit der Anwendung von Business Intelligence zur Optimierung von Instandhaltungsprozessen in Energieversorgungsunternehmen, konkret im Bereich der Mittelspannungsanlagen.
Welche Themenfelder stehen im Fokus?
Die zentralen Themen sind das strategische Asset Management, die Datenbeschaffung mittels IT-Systemen, das Mobile Asset Management sowie die Erstellung analytischer Auswertungen zur Entscheidungsunterstützung.
Was ist das primäre Ziel der Arbeit?
Ziel ist es, ein Konzept zu erarbeiten, wie durch den Einsatz von Business Intelligence-Methoden Instandhaltungsstrategien basierend auf realen Anlagendaten effizienter und fundierter gestaltet werden können.
Welche wissenschaftlichen Methoden werden angewandt?
Die Arbeit kombiniert eine theoretische Analyse der Prozesslandschaft mit einem praktischen Modellbau eines Data Warehouses und der Anwendung von SQL-gestützten Datenanalysen auf reale Anlagendaten.
Was umfasst der Hauptteil der Arbeit?
Der Hauptteil konzentriert sich auf die prozessorientierte Auswahl für das Asset Management, die mobile Datenerfassung als Datenquelle und die konkrete praktische Implementierung von Datenstrukturen und Analysen am Beispiel eines Mittelspannungsnetzes.
Welche Begriffe charakterisieren die Arbeit am besten?
Zu den Schlüsselwörtern zählen insbesondere Business Intelligence, Asset Management, Energieversorgung, Instandhaltung und Data Warehouse.
Wie trägt das Mobile Asset Management zur Datenqualität bei?
Es ermöglicht die direkte, medienbruchfreie Datenerfassung vor Ort durch Außendienstmitarbeiter, was manuelle Übertragungsfehler reduziert und die Aktualität sowie Vollständigkeit der Daten erhöht.
Welche Rolle spielt die "Wichtigkeit" in der Anlagenbewertung?
Sie dient als Kriterium zur Priorisierung von Erhaltungsmaßnahmen: Anlagen mit hoher netzrelevanter Bedeutung werden bei begrenztem Budget gegenüber weniger wichtigen Anlagen bei der Instandhaltung priorisiert.
Warum wurde ein Data Warehouse für die Analyse erstellt?
Die operativen ERP-Systeme sind oft nicht für komplexe analytische Auswertungen geeignet; das Data Warehouse ermöglicht eine performante Zusammenführung und Aufbereitung heterogener Daten für strategische Analysen.
Was sind die wichtigsten Erkenntnisse für das strategische Asset Management?
Die Arbeit zeigt, dass eine datengestützte Planung (z.B. Altersstruktur, Zustandsanalyse, Auslastung) notwendig ist, um Budgetentscheidungen objektiv zu begründen und langfristige Instandhaltungsstrategien zu sichern.
- Quote paper
- Kai Wenk (Author), 2009, Einsatz von Business Intelligence in einem Kernprozess im Asset Management bei Energieversorgungsunternehmen, Munich, GRIN Verlag, https://www.grin.com/document/157992
