Data Science in der verarbeitenden Industrie

Industrie 4.0, Smart Factory – Für die industrielle Produktion der Zukunft gibt es viele Modeworte, die sich auf die intelligente Nutzung verfügbarer Maschinendaten zur Stärkung und Verbesserung der operativen Leistung beziehen. Die Analyse und Modellierung von Produktionsprozessen ermöglicht die nachhaltige Reduktion von down time. Gleichzeitig rüstet Big Data die Produktionsanlagen dazu aus, verlässlich eine große Produktvielfalt bei maximaler Maschinenauslastung zu handhaben. Die shop floors deutscher (und internationaler) Produktionsstandorte sind bereits stark optimiert und datengesteuert. Die Verfügbarkeit von Daten ist selten ein Thema und allem voran steht ein klar definiertes Ziel: maximaler Output bei minimalen Kosten. Kein Spielraum für Innovation? Weit gefehlt: denn Data Science ist der Schlüssel für neue Bereiche der Wertschöpfung, die über die traditionelle Optimierung der Produktionshallen hinausgehen.

Mit den vorhandenen strukturierten und unstrukturierten Informationen gehen Produktionsunternehmen schrittweise über die shop floors hinaus und wollen die Daten aus verschiedenen Abteilungen integrieren, um neue und umfassendere, intelligente Einblicke zu gewinnen.

Predictive maintenance und neue Geschäftsmodelle

Seit einiger Zeit ist die predictive maintenance (vorausschauende Wartung) ein wichtiger Punkt auf der Agenda der Geschäftsführer von Industrieunternehmen, da sie eng mit der Prävention von Maschinenausfallzeiten verbunden ist. Die Wartung ist jedoch nicht nur bei der kontinuierlichen Optimierung der eigenen Fertigungsstraßen von Bedeutung. Mit Sensoren und kabelloser Kommunikation als einem wesentlichen Bestandteil der Fertigungsanlagen, kann sie genutzt werden, um über die Grenzen der organisationalen Grenzen des Unternehmens hinaus zu optimieren.

Insbesondere für Unternehmen, die Maschinen und andere Investitionsgüter vertreiben, wird der Kundendienst allmählich zu einer zentralen Einnahmequelle. Das präventive Aussenden von Serviceteams zu den Kunden ist entscheidend für die tatsächliche Prävention von Maschinenstörungen und um eine hohe Servicequalität zu gewährleisten. Die Sicherstellung einer hohen Servicequalität kann durch Data Science und kundenspezifische Algorithmen gewährleistet, die die Maschinendaten erfassen und maßgeschneiderte Vorhersagen für das jeweilige Kundenumfeld treffen. Zusätzlich können Unternehmen vom Leasen ihrer Maschinen und Ausstattung profitieren und neue pay-per-use-Modelle einführen. Data Science ermöglicht Organisationen zuverlässig die revenue streams pro Kunde vorherzusagen und stellt die Basis für innovative Geschäftsmodelle dar.

Voll integrierte Unternehmens- und Produktionssteuerung

Die industrielle Fertigung ist kein isoliertes Unterfangen mehr, sondern wird entlang diverser Dimensionen optimiert. Das Integrieren von Indikatoren für den Fertigungs-Output mit anderen unternehmensrelevanten Metriken ist der Schlüssel zu einer langfristig verbesserten Performance. Data Science und maschinelles Lernen können effektiv helfen, schnell Hypothesen über kausale Beziehungen und Muster aufzustellen, zu prüfen und zu testen. Sie können daher beim Aufbau neuer Strategien unterstützen, die auf diesen Erkenntnissen beruhen.

Data Science entfaltet seinen zentralen Vorhersagewert besonders in Szenarien, in denen Daten aus verschiedenen Bereichen zusammengefasst werden und Data-Mining betrieben wird, um neue Insights zu erlangen. Die Geschäftsführung von Produktionsunternehmen steht vor der konstanten Herausforderung, ihr Geschäft noch besser zu verstehen, neue Hebel für die Optimierung zu identifizieren und über alle Dimensionen hinweg zu explorieren. Eine belastbare Data Science-Kultur über alle Bereiche zu etablieren, die neue Erkenntnisse und thought provocation liefert, ist essentiell für Verbesserungen bei der Qualitätskontrolle, der Unternehmenssteuerung (bspw. Cashflow-Management, etc.).

Eliminierung von overhead costs

Während die Prozessoptimierung üblicherweise die Eliminierung direkt produktionsrelevanter Kosten umfasst, sind es nicht nur die Herstellungsprozesse, die aus einem neuen Blickwinkel technologischen Fortschritts beurteilt werden müssen. Tatsächlich sollte eine neue Kultur der lean organisation mit Data Science unterstützt und in Produktionsunternehmen eingeführt werden.

Beispielsweise können Serviceprozesse durch Natural Language Processing vereinfacht werden. Dabei wird der Serviceprozess entsprechend aufgezeichnet und einige Komponenten des Serviceprozesses werden sukzessive automatisiert. Innerhalb des Verkaufsprozesses können Handelsvertreter durch intelligentes Dokumenten-Tagging automatisch mit relevanten Dokumenten versorgt werden, was ihnen ermöglicht potenziellen Kunden einen höheren Mehrwert zu liefern, die Gespräche zu optimieren und eine größere Anzahl an Leads und Conversions zu generieren. Die die grundsätzliche Einstellung, die lean operations inspiriert, sollte aktiv in allen Abteilungen des Unternehmens eingesetzt und diffundiert werden. Diese Kultur zu pflegen kann ferner Fixkosten senken, weil die Möglichkeiten von Data Science aktiv ermittelt und implementiert werden.

Contact the author
Paul von Bünau
+49 (30) 814 513-14
Subscribe
Share

Leave a Comment

Your email address will not be published. Required fields are marked *