- IT&Production - https://www.it-production.com -

Viele Informationen bringen viele Möglichkeiten

Big Data

Viele Informationen bringen viele Möglichkeiten

Qualitätsmanagement, prädiktive Wartung oder Logistiksteuerung: Richtig ausgewertet können Daten, die in der Fertigung entstehen, für zahlreiche Optimierungen herangezogen werden. Verbesserungen sind aber auch in Bereichen wie Kunden- oder Finanzmanagement zu erzielen. Eine Grundlage dafür bilden Big Data Analytics-Plattformen, die in Echtzeit Daten aus unterschiedlichsten Quellen und Systemen zusammenführen.

Bild: ©T.L. Furrer/Fotolia.com

Mithilfe von Big Data Analytics [1] lassen sich Produktions-, Werkstoff-, Maschinen- und Betriebsdaten heute so veredeln, dass intelligente Informationen zwischen den Systemen hin- und herfließen. Die Analyse ermöglicht es auch, Wechselwirkungen zwischen unterschiedlichen Bereichen aufzudecken, etwa zwischen Produktion und Marketing oder Kundenservice. Um zu solchen Erkenntnissen zu gelangen, ist es notwendig, einerseits zu definieren, welche Daten am wichtigsten für die Analyse von Produktionsprozessen sind, und andererseits die Datenqualität sicherzustellen. Unternehmen müssen dafür sorgen, dass für die Auswertung aktuelle, relevante, konsistente und vollständige Daten zur Verfügung stehen. Sensor-, Betriebsmittel-, Auftragsdaten, Daten aus Manufacturing Execution- und Enterprise Resource Planning-Systemen (MES und ERP), Werkzeug- und Vorrichtungsdaten, Lager- und Materialdaten, sie alle sind relevant, wenn es um die Analyse des Produktionsprozesses geht.

Auffälligkeiten finden

Anhand dieser Informationen lassen sich Auffälligkeiten im Produktionsprozess nahezu in Echtzeit identifizieren und beheben. In einem zweiten Schritt können Unternehmen diese Daten auch mit weiteren Informationen, beispielsweise zu Schichtzeiten und Arbeitsplatz, kombinieren. Eine End-to-End-Plattform für das Erstellen, Verwalten, Extrahieren, Transformieren, Laden und Optimieren der Produktionsdaten, wie sie der Analytics-Softwareanbieter SAS mit seiner Data Management-Plattform bereitstellt, kann als Ansatz für die Integration von Daten aus verschiedenen Quellen und Systemen dienen. Die Maxime ist hier das Aufbrechen von Datensilos. Damit Daten nicht isoliert voneinander betrachtet werden, müssen sämtliche Quellen und Systeme integriert werden. Dies kann mit einer einzigen Plattform gelingen, die Kontrolle, Veredelung und Analyse von Daten bündelt und dafür folgende Funktionen unterstützt:

Eine Plattform, die diese Anforderungen abbildet, ist die Basis für die Einbindung von Informationen aus den Produktionssystemen in andere Systeme wie Finanz- und Kunden- oder Qualitätsmanagement.

Andere Einsatzmöglichkeiten

In der Produktion kann eine gezielte Analyse großer Datenmengen zu Kapazitäten, Arbeits- und Einsatzplänen, Maschinen, Qualifikationen und Konstruktionsmerkmalen den richtigen Einsatz von Ressourcen und die optimale Prozessreihenfolge bestimmen. Ein Beispiel ist die Qualitätsdatenanalyse im Bereich After-Market, mit der beispielsweise Automobilhersteller auf Basis von Werkstattberichten, E-Mails oder Callcenter-Daten frühzeitig erkennen können, wenn sich in einer Modellreihe ein flächendeckendes Fehlerbild ankündigt. Dabei spielt auch die Einbeziehung von Verbraucherportalen eine wichtige Rolle. Verbraucherdiskussionen etwa auf www.motor-talk.de enthalten für Hersteller wertvolle Informationen, um zum Beispiel den Bedarf an Rückrufaktionen im Markt früher zu erkennen oder zu vermeiden. Hierzu ist es notwendig, die vorhandenen Kundendaten beziehungsweise Daten aus Social Media-Analysen mit Informationen aus produktiven Systemen zu kombinieren.

Wartungszyklen verkürzen

Ein wichtiges Einsatzfeld ist auch die prädiktive Analyse. Die Big Data-Analyse von Maschinendaten schafft die Voraussetzung, um Wartungszyklen zu optimieren und Materialausschuss sowie Ausfälle im Produktionsprozess zu vermeiden. Zum Beispiel können Auffälligkeiten in den Betriebsdaten einer Produktionsanlage, die durch Near real time-Analyse zutage treten, frühzeitig auf bevorstehende technische Schwierigkeiten hinweisen. Lösungen wie Predictive Asset Maintenance des Softwareanbieters ermöglichen durch die Analyse von Ausfallursachen und der Definition von Frühwarnindikatoren eine vorbeugende Maschinenwartung. Ein Beispiel aus der Industrie, wo die Analyse von Maschinendaten zu einer wesentlichen Verbesserung von Prozessen führte, liefert der Fertiger Posco: Der südkoreanische Stahlkonzern hatte einen zu hohen Ausschuss bei warmgewalzten Stahlbändern.

Herkömmliche statistische Verfahren konnten die Ursache dafür nicht identifizieren. Die Analyse der physikalischen Prozesse mithilfe der Software führte zu einer Senkung des Ausschusses von 15 Prozent auf 1,5 Prozent. An anderer Stelle konnte die analytische Software den Auslöser für Profitabilitätsunterschiede zwischen verschiedenen Produktionsanlagen aufdecken, Ausgangspunkt für Optimierungsmaßnahmen, die jährlich 1,2 Millionen US-Dollar einbringen. Und auch die Lagerhaltung ließ sich mithilfe von Analytics entlasten. Nach entsprechenden Optimierungsmaßnahmen ist es dem Stahlkonzern möglich, mit einem um 60 Prozent reduzierten Lagerbestand den Kundenbedarf in gewohntem Maß zu decken.

Keine mediale Luftblase

Diese Beispiele zeigen: Industrie 4.0 ist alles andere als eine mediale Luftblase. Auch einem großen Teil der Fertigungsunternehmen in der DACH-Region ist die Bedeutung von Analytics für die Steuerung und Optimierung von Produktion, Betrieb und Wartung deutlich bewusst, wie unter anderem die Studie ‚Wettbewerbsfaktor Analytics‘ zeigt, die die Universität Potsdam durchgeführt hat. Bisher allerdings werten laut der Umfrage erst 37 Prozent der Fertigungsunternehmen tatsächlich Daten aus Maschinen und Sensoren aus. Das Erfassen und Weiterverarbeiten von Daten aus der Fertigung ist für die Realisierung von Industrie 4.0 jedoch entscheidend.

Und hier hat die deutsche Industrie immer noch Nachholbedarf. Produkt- und Produktionsdaten können heute bereits exzellent ausgewertet, miteinander in Beziehung gesetzt und für den M2M-Dialog aufbereitet werden. Konkrete 4.0-Einsatzszenarien belegen, dass analytische Software hier signifikante Optimierungen in Service und Produktion ermöglicht. Um den Herausforderungen von Big Data adäquat begegnen zu können, sind allerdings leistungsfähige Analyselösungen erforderlich. Die technologische Machbarkeit ist mit Big Data Analytics gegeben; mit Blick auf die Wettbewerbsvorteile kann es sich jetzt lohnen, die Initiative zu ergreifen.

Big Data Analytics im Kundenmanagement

Der Einsatz von Big Data Analytics reicht über Produktionssteuerung, Qualitäts- und Servicemanagement weit hinaus. So ist es unter anderem möglich, die aus der Maschinendatenanalyse gewonnenen Ergebnisse in Service- und Vertriebsprozesse zu integrieren. Big Data Analytics verschafft Herstellern von Maschinen beispielsweise Einblicke, wie Kunden diese Maschinen einsetzen – und eröffnet ihnen dadurch ganz neue Möglichkeiten für den Vertrieb und das Kundenmanagement. Mit Big Data Analytics-Funktionen ausgestattete Geräte senden ihre Betriebsdaten laufend an den Hersteller.

Dieser kann mit den überlieferten Informationen zum Beispiel erstmals nachvollziehen, in welchem Maße das Produkt beim Kunden ausgelastet ist, und ob es an Kapazitätsgrenzen stößt. Solche Erkenntnisse bieten eine ganz neue Chance für den Vertrieb: Wenn der Kunde mit einem Apparat ständig am Limit arbeitet, hat der Vertriebler die besten Trümpfe in der Hand, um ihm das größere, leistungsfähigere Modell anzubieten – und idealerweise gleich vorzurechnen, wie schnell sich diese Investition amortisiert.