Big Data in der Produktion: ein Leitfaden zum Start

Nachdem Sie die Anwendungsfälle von Big Data in der Produktion durchgegelesen haben, sind Sie vielleicht beeindruckt. Vielleicht beeilen Sie sich sogar, die Macht von Big Data zu ergreifen, um Ihre Konkurrenz zu überholen. Aber es ist nicht so einfach. Bevor Sie mit beiden Händen zugreifen und Ihr Big-Data-Projekt starten, müssen Sie die Haken kennen, die Sie erwarten können. Also, hier ist ein Leitfaden, der Ihre "Fahrt" bei der Einführung von Big Data so reibungslos wie möglich macht.

Leitfaden für Big Data in der Produktion

Auf die Plätze… Fertig…

Um sich auf ein Big-Data-Projekt vorzubereiten, müssen Sie den richtigen Ansatz finden. Anstatt von der Idee über Big Data besessen zu sein, sich zu beeilen, das Budget zu bekommen und dann keinen Wert daraus zu ziehen, sollten Sie zuerst die Grundlage für die mögliche zukünftige "Neuheit" legen. Die folgenden Schritte zielen darauf ab und sind charakteristisch für Business-IT-Alignment (im Sinne Ausrichtung zwischen IT und Geschäft). Lassen wir also diese Schritte aus der Perspektive betrachten, die Produktqualität in einem Unternehmen zu verbessern.

Schritt 1. Nachdem Sie genug über die Möglichkeiten von Big Data gelesen haben, sehen Sie Ihre Geschäftsstrategie durch und verstehen Sie, welche Ziele darin mithilfe von Big Data erreicht werden können.

Schritt 2. Als IT-Experte (-Expertin) sollten Sie mehr Details zu den Produktionsproblemen und -anforderungen  in Ihrem Unternehmen erhalten. Der beste Weg, das zu tun, ist, mit der technischen Leitung in Ihrer Fabrik zu sprechen und sie zu fragen, wie der Qualitätsverbesserungsprozess abläuft. Das ist höchst wahrscheinlich, dass sich der Prozess als problematisch erweist und es noch keine Lösung gefunden wurde. Dort erklären Sie (sehr vorsichtig, ohne allzu viel IT-Slang zu sprechen), dass solche Herausforderungen mit einer sogenannten Big-Data-Analyse gelöst werden können.

Schritt 3. Versuchen Sie, die Zustimmung der technischen Leitung zu erhalten, um (falls erforderlich) dem Top-Management des Unternehmens zu beweisen, dass sie Big Data wirklich benötigen. Und warnen Sie sie auch davor, dass ihre Beteiligung später auch notwendig sein wird, um Datenanalysten zu helfen, die benötigten Details des Produktionsprozesses zu verstehen.

Schritt 4. Bestimmen Sie eine bestimmte Bandbreite, wie viel ein bestimmtes Big-Data-Projekt kostet, und sprechen Sie mit Ihrem Top-Management über die Einführung von Big Data und welche Auswirkungen das bringt.

Los!

Sie können die Möglichkeiten von Big Data gleich am Anfang mit komplexen Aufgaben nicht testen. Gleichfalls können Sie in ein paar Tagen nach der Entscheidung, Astronaut zu werden, in den Weltraum nicht gehen. Produktionsunternehmen sollten mit einem einfachen Projekt beginnen (zum Beispiel versuchen, eine stabile Ausgabequalität in einem Impfstoffwerk zu erreichen). Ein einfaches Projekt am Anfang zeigt Ihnen, wie Big Data Ihre Probleme mit geringen Risiken und Investitionen lösen kann. Das wird sich wahrscheinlich wiederum positiv auf die Meinung Ihres Top-Managements in Bezug auf Big Data auswirken und sie dazu ermutigen, weitere Investitionen in Big Data zu planen (für ernstere analytische Projekte). Ein übermäßiges komplexes und risikoreiches Projekt am Anfang, wie die Neuorganisation des gesamten Produktionsprozesses in dem Impfstoffwerk, kann Ihr Top-Management gegen Big Data für immer aufhetzten, weil die hohen Investitionen des Projekts leicht spurlos verschwinden können.

Und wenn wir auf einer mehr globalen Ebene über irgendeinen Big-Data-Projekt sprechen, sollte er immer in "leichtverdauliche" Phasen aufgeteilt werden, die getrennt angegangen werden müssen. Hier schlagen wir die folgenden Phasen für Ihre Big-Data-Abenteuer vor:

  • Datensammlung.
  • Verwendung von einfachen analytischen Algorithmen.
  • Einsatz von ausgeklügelten analytischen Methoden.
  • Eine schrittweise Automatisierung Ihres Produktionsmanagements.

Datensammlung

Lange bevor eine Analyse stattfinden kann, müssen Sie mit der Datensammlung beginnen. In einigen Fällen ist das überhaupt kein Problem: Sie müssen nur Sensoren auf Ihren Produktionsanlagen einsetzen/hinzufügen, Datenspeicher vorbereiten und den Strom von "frisch geschnittenen" Daten genießen.

In anderen Fällen, beispielsweise wenn Ihr Produktionszyklus monate- oder sogar jahrelang dauert, kann das sich als schwierig erweisen, weil Ihnen möglicherweise die Informationen darüber fehlen können, wie die Parameter Ihres Produktionsprozesses den Output beeinflussen. Und ohne es zu wissen, ist es wirklich ein Schuss in der Dunkelheit. Aber regen Sie sich nicht auf: es gibt Möglichkeiten, dagegen anzukämpfen. Versuchen Sie zum Beispiel, sich nicht auf den gesamten Produktionszyklus zu konzentrieren. Richten Sie stattdessen Ihre Aufmerksamkeit auf einen Teil Ihres Produktionsprozesses (z. B. Inokulation in der Käseproduktion), sammeln Sie Daten darüber, analysieren Sie diese und sehen Sie, wie Sie diesen Prozess verbessern können.

Vom analytischen Babyschritten zu großen und sicheren Big-Data-Schritten

Wenn sich Ihre Big-Data-Lösung weiterentwickelt, können Sie verschiedene Ebenen von Analyseergebnissen erhalten, die sich auf diese Phasen beziehen:

  1. Zunächst können Sie relativ einfache Big-Data-Analysen durchführen, um gezielte Änderungen in Ihren Produktionsprozessen vorzunehmen (z. B. um die Produktqualität zu verbessern).
  2. Dann können Sie Ihre Daten genauer analysieren, um Wege zu finden, Ihre Geschäftsprozesse zu ändern. Zum Beispiel haben Sie früher eine reaktive Wartung durchgeführt und mit Big Data starten Sie, eine vorbeugende Wartung auszuüben.
  3. Wenn die Zeit kommt, können Sie Ihr Geschäftsmodell sogar neu gestalten, indem Sie mithilfe von Big-Data-Analysen einen besseren Weg zu solchen Änderungen finden (zum Beispiel, Sie entscheiden sich, näher zum Kunden zu sein, indem Sie die Autos, die Sie herstellen,  zu einem intelligenten vernetzten Produkt machen; Sie montieren Sensoren darauf, analysieren Daten von Autos im Einsatz und bieten After-Sales-Services).

Im Anfangsstadium benötigen Sie nur die gebräuchlichsten Analysemethoden wie Korrelationen und Regressionsanalysen. Und wenn Ihre Big-Data-Kompetenzen und -bedürfnisse wachsen, werden analytische Methoden immer aufwendiger. Mit der Zeit werden Predictive Analytics und maschinelles Lernen "eingestellt". Und, wie weit Sie sich vorstellen können, wenn Sie einfache Korrelationen hilfreich finden, werden komplexe Analysemethoden dazu führen, dass Sie sich mit neuen Möglichkeiten schwindelig fühlen werden.

Automatisierung des Produktionsmanagements

Die Automatisierung Ihres Produktionsmanagements ist wahrscheinlich die ausgeklügelste Art, Big Data in Produktionsprozessen zu verwenden. Das ist die Stelle, an der Sie als Mensch selten auf der Produktionsstätte gesehen werden. Das Konzept des automatisierten Produktionsmanagements ist relativ einfach: ihre historischen und eingehenden Sensordaten werden in Echtzeit analysiert und die Steuerungsanwendungen senden gezielte Befehle an die Aktoren in Ihren Maschinen und Anlagen.

Ein gutes Beispiel für eine Automatisierung des Produktionsmanagements ist der Fall bei den Windkraftanlagen von General Electric. Sensoren liefern Daten zur Energieerzeugung und Windrichtung, demzufolge wird die Blattverstellung (Pitchregelung) geändert, um den Wirkungsgrad der Windkraftanlage zu optimieren.

Ein Beispiel, um es deutlich zu machen

Angenommen, Ihr Unternehmen produziert Babynahrung und entscheidet sich für Big Data. Als Erstes müssen Sie die erforderliche Expertise erwerben, die Sie bei der Einführung eines Projektes unterstützt (hier wäre es eine gute Wahl, wenn Sie viel lesen und Big-Data-Berater anstellen würden). Und nachdem Sie ein tief greifendes Verständnis für Big Data gewonnen haben, stellen Sie die benötigten Mitarbeiter ein und starten die Datensammlung (Einsatz/Hinzufügen von Datensensoren in Ihrer Produktion und Vorbereitung des Datenspeichers).

Stellen wir uns um des Beispiels willen vor, dass die Chargen von Ihrer Babynahrung systematisch mehrmals im Monat erheblich an Qualität verlieren. Jetzt können die Big-Data-Mitarbeiter (zusammen mit den Fertigungsingenieuren) herausfinden, was diese Qualitätseinbußen verursacht. Und sie stellen fest, dass Ihr Produktionsprozess die Schwankungen in der Qualität der Rohstoffe (Inhaltsstoffe für Babynahrung) nicht berücksichtigt. Wenn die Qualität der Inhaltsstoffe geringer ist, ist die Maschine nicht "eingestellt", eine bessere Ausgabequalität zu erhalten (nehmen wir an, Sie passen Temperatur und Garzeiten nicht an). Darüber hinaus finden sie auch eine Möglichkeit, Ihre gesamten Produktionszeiten zu reduzieren. Diese Big-Data-Anwendung (bessere Qualitätssicherung) kann das gute erste Projekt sein.

Die Erkenntnisse, die schnell und kostengünstig gewonnen werden, steigern das Interesse von Ihrem Unternehmen an weiteren Big-Data-Möglichkeiten und komplexeren Analysealgorithmen. Und in einiger Zeit beginnt Ihr Unternehmen damit, Predictive Analytics, Verschleißanalysen und maschinelles Lernen zum Einsatz zu bringen. Unter anderem ermöglicht es die vorbeugende Wartung durchzuführen, wodurch das Personal auf alarmierende Trends auf der Produktionsebene reagieren kann, bevor es zu echten Schäden kommt.

Und wenn die Zeit kommt, global weiter zu expandieren, entscheidet sich Ihr Unternehmen für Franchising und nutzt Ihre Big-Data-Kompetenzen, um die Qualität von Babynahrung bei all Ihren Franchisenehmern zu gewährleisten und zu kontrollieren.

Und jetzt durchhalten

Wenn Sie damit anfangen, Big Data einzuführen, wird es einige Hindernisse auf dem Weg geben (nehmen wir an, im Projektmanagement). Aus diesem Grund müssen Sie auf Management-Herausforderungen achten, die Big Data in der Produktion mit sich bringen kann:

1. Mangel an eigenen technischen Fähigkeiten.

So verlockend es ist, sollten Sie das gesamte Einführungsprojekt nicht vollständig auslagern. Sonst wird es schwierig sein, das dringend benötigte Big-Data-Verständnis zu erlangen. Darüber hinaus ist Outsourcing kein Ausweg, denn – gerade in frühen Phasen – Sie müssen viel experimentieren. Und es ist einfacher, wenn Ihre „interne“ Arbeitskräfte beteiligt sind. Deshalb ist es ganz selbstverständlich, neue qualifizierte Tech-Mitarbeiter einzustellen oder das alte Personal zu schulen.

Bevor Sie konkrete Maßnahmen ergreifen, sollten Sie sich an das Big-Data-Beratungsteam wenden, weil es die Beschwerlichkeiten in Big-Data-Projekten erleichtern und zum Verständnis von Big Data beitragen kann. Aber bevor Sie zum nächstgelegenen Beratungsanbieter gehen, müssen Sie etwas wissen: es ist nur von Vorteil, wenn Sie den Wissenstransfer an Ihre technischen Mitarbeiter organisieren.

2. Fehlende Betriebsingenieure im Team.

Nicht nur Entwickler arbeiten mit Big Data. Ihr IT-Team muss eng mit Betriebsingenieuren zusammenarbeiten. Erstens, weil das Team Ihre Produktionsprozesse verstehen muss und Betriebsingenieure dabei helfen können. Zweitens, weil Ihre Ingenieure selbst wertvolle Möglichkeiten sehen können, die Produktion und das Management zu verbessern, wenn sie allgemeine Big-Data-Möglichkeiten erforschen. Sie sollten also sicherstellen, dass Ihr Big-Data-Team über eine ausreichende Anzahl an qualifizierten Betriebsingenieuren verfügt.

3. Widerstand gegen die neuen Technologien.

Einige Mitarbeiter – wir hoffen, der kleinere Teil – werden wahrscheinlich Big Data widerstehen. Und es ist nichts Persönliches: für Gewohnheitsmenschen ist es einfach bequemer, die alten Technologien zu verwenden. Die Schulung Ihrer Mitarbeiter sowie die Steuerung bei dem Einsatz der neuen Lösung können dazu beitragen, diese Herausforderung zu bewältigen.

Lassen wir uns noch einmal üben

Um zu beginnen, Big Data in der Produktion einzusetzen, müssen Sie:

- den richtigen Ansatz für Ihr Big Data finden; sorgfältig Ihre Geschäftsanforderungen analysieren, einen Weg finden, um sie mithilfe von Big Data zu erfüllen und niemals Trends nur aus Spaß verfolgen.

- Ihre Einführung von Big Data sorgfältig planen; nicht gleich von Anfang an zum schwierigsten Teil springen. Ein kleines Projekt finden, um Big Data zu testen. Daten aggregieren, einfache Algorithmen testen und nur dann versuchen, wagemutigere Projekte umzusetzen.

- auf Management-Herausforderungen achten; ein gründliches Big-Data-Verständnis gewinnen, das Projekt nicht vollständig auslagern; eine benötigte Anzahl von Betriebsingenieuren engagieren.

Big Data ist der nächste Schritt zu Ihrem Erfolg. Wir helfen Ihnen, den richtigen Ansatz zu finden und volles Potenzial von Big Data zu entfalten.

Ähnliche Beiträge

Was ist Big Data? Ein Modewort erklärt
Die Erfahrung mit Big Data in der Produktion: 12 reale Anwendungsfälle
Ein umfassender Leitfaden für Big Data Analytics in Echtzeit

Fragen Sie uns

Sending the message ...

0/511

Informationsaustausch

In Übereinstimmung mit den Vorschriften der Datenschutz-Grundverordnung (DSGVO) werden Ihre persönlichen Daten 10 Jahre lang auf Servern in den USA gesammelt und gespeichert. Nach Ablauf dieser Frist werden Ihre Daten gelöscht. Wir teilen Ihre Informationen mit unserem Entwicklungszentrum, wo sie verarbeitet werden. Das Zentrum befindet sich unter folgender Adresse: Weißrussland,  Minsk, Leanida Biady Straße 2. In unserer Zentrale und in unserem Entwicklungszentrum erfüllen wir die Sorgfaltspflichten im Umgang mit Ihren Informationen, die gemäß DSGVO gesetzlich vorgeschrieben sind. Weitere Informationen finden Sie in unserer Datenschutzerklärung.