Anzeige
Anzeige
Anzeige
Anzeige
Beitrag drucken

Gewährleistung

Die Datendrescher

Vor über 100 Jahren prägte der Firmengründer des Landmaschinenherstellers Claas den Leitspruch: „Claas kümmert sich um seine Kunden und lässt sie niemals im Stich.“ Diese Maxime treibt das Unternehmen bis heute an und ist ein wichtiger Erfolgsbaustein in einer hart umkämpften Branche, in der es neben Innovationsfreude und Ingenieurskunst nicht zuletzt um Zuverlässigkeit und Servicequalität geht. Mit einer Lösung von SAS spürt der Hersteller nun Schäden an Mähdreschern und anderen Produkten nach.



Bild: Claas KGaA mbH

Wenn es um Kundenorientierung und Qualitätsmanagement geht, legt der Landmaschinenhersteller Claas ebenso viel Wert auf Innovation und neue Technologien wie bei der Weiterentwicklung seiner Produkte. Ein Beispiel dafür liefert der Bereich ‘Warranty and Reporting’ von Claas. Die Konzerntochter versorgt die Kunden des Unternehmens mit Ersatzteilen und ist erste Anlaufstelle für Gewährleistungsfälle und Schadensmeldungen. Nach innen fungiert der Bereich als Dienstleister, der Schäden analysiert und die Ergebnisse an technische und kaufmännische Fachabteilungen sowie an die Konzernleitung meldet. „Unsere Aufgabe ist es, die Produktgesellschaften innerhalb des Konzerns auf Schadensschwerpunkte und Korrelationen aufmerksam zu machen“, erläutert Projektleiter Jan-Phillip Weber. „Das ist wichtig, um systemische Fehlerquellen zu beseitigen – im Sinne unserer Kunden und im Sinne unseres Konzernergebnisses.“´In der Vergangenheit arbeiteten Weber und seine Kollegen für die Gewährleistungsdatenanalyse mit einem selbst entwickelten Prozess auf Basis von Microsoft Office. Der lieferte zwar akzeptable Ergebnisse, stieß aber bald an seine natürlichen Grenzen – sowohl qualitativ als auch quantitativ. „Unsere Access-Datenbanken waren schließlich alle über ein Gigabyte groß, das ließ sich so nicht länger bewältigen. Der manuelle Aufwand nahm überhand, und auch die analytische Detailtiefe reichte uns nicht mehr aus“, sagt Weber.

Gesucht, gefunden

Hauptkriterien für eine neue Lösung waren: Performanz, Visualisierbarkeit, effiziente Verteilung an Fachabteilungen und Management sowie die Möglichkeit, die Software an Claas-spezifische Anforderungen anzupassen. „Dass es schließlich SAS geworden ist, hat nicht zuletzt mit Performanz und Visualisierung zu tun“, sagt Weber. „Die Kombination aus Field Quality Analytics und Visual Analytics ist die geeignete Mischung für das, was wir brauchen.“

Daten von Vertriebspartnern

Die Daten der aktuellen Lösung kommen überwiegend von den Vertriebspartnern, die Gewährleistungsfälle über ein Webinterface erfassen. Von dort gelangen sie in das ERP-System des Unternehmens, wo sie unter kaufmännischen Gesichtspunkten verarbeitet werden. Für die qualitative Analyse greift die Lösung Field Quality Analytics auf diesen Datenschatz zu, um Fehlermuster und Lösungsansätze zu identifizieren. „Wir liefern zunächst einmal ein klassisches kennzahlenbasiertes Reporting“, erklärt Jan-Phillip Weber. „Wie viele Gewährleistungsfälle hatten wir, werden es mehr oder weniger, welche Kosten sind daraus entstanden und so weiter. Richtig spannend wird es, wenn wir Cluster bilden, um Schadensschwerpunkte im Markt zu identifizieren, um den Ursachen von Schadenbildern auf die Spur zu kommen. Das macht Field Quality Analytics zum Teil automatisch, ganz im Gegensatz zu unserem früheren Vorgehen, bei dem uns das manuelle Clustering viel Zeit gekostet hat.“ Weber und seine Kollegen spüren dabei der zentralen Frage nach, wo es Korrelationen zwischen ursächlichen Faktoren und wo es wiederkehrende Schadenmuster gibt. Hat ein Schaden mit der Ausstattung einer Maschine zu tun? Mit dem Einsatzmonat? Mit der Region, in der die Maschine läuft? Oder mit dem Zeitraum, in dem sie gebaut worden ist? „Mit Field Quality Analytics finden wir diese Auffälligkeiten und erklären sie, um den Fall dann detailliert beschrieben an die Kollegen weiterzugeben, die das Problem lösen können.“ Dieses Reporting findet bei Claas heute über die Lösung Visual Analytics statt. Ein großer Fortschritt aus Webers Sicht, weil sich daraus eine ganz neue Form von Transparenz und Dynamik entwickelt. „Jeder Empfänger unserer Reports kann mit Visual Analytics nicht nur unsere voreingestellte Perspektive auf die Dinge einsehen, sondern den Dingen selbst auf den Grund gehen.“ Voraussetzung für eine Nutzung von Analytics in solcher Breite ist natürlich eine Lösung, die Fachabteilungen und Management schnell verstehen. „Visual Analytics macht es den Anwendern sehr leicht “, meint Weber. Damit hat Visual Analytics großen Anteil am Erfolg der Lösung, mit der Claas nicht nur mehr Transparenz in sein Gewährleistungsmanagement bekommt, sondern vor allem auch Gewährleistungsschäden nachhaltig reduzieren kann.

Predictive Maintenance



Der Landmaschinen-hersteller Claas spürt wiederkehrenden Schadensmustern nach.
Bild: Claas KGaA mbH

Bereits während der Einführungsphase hat die neue Lösung bei Claas viel Aufmerksamkeit auf sich gezogen. Von den Fachabteilungen bis hin zum Top-Management ist man vom großen Potenzial von Analytics im Gewährleistungsdatenmanagement überzeugt, auch im Hinblick auf Industrie 4.0. Noch arbeitet die Lösung mit historischen Daten. Aus gutem Grund, wie Projektleiter Weber sagt: „Wir wollten im ersten Schritt zunächst einmal genau die bestehende Datenlandschaft auf das neue System übertragen“, sagt Jan-Phillip Weber. „Wenn wir das im Griff haben und die Möglichkeiten kennen, können wir auch beginnen, Telemetrie- oder Diagnosedaten direkt aus den Maschinen zu integrieren – und dann vorausschauendes Predictive Maintenance ins Visier nehmen. Die SAS Lösung ist mit ihrem Datenmanagement und der analytischen Tiefe dafür geeignet, sodass wir auch in dieser Hinsicht zukunftssicher sind.“

google plus


Das könnte Sie auch interessieren:

Dieser Beitrag zeigt, wie sich mit einer HMI- und Scada-Lösung eine norwegische Fischzucht auf eine neue Rentabilitätsstufe heben ließ - und worauf bei der Wahl entsprechender Systeme zu achten ist.‣ weiterlesen

Anzeige
Anzeige
Anzeige