Data Analytics erzeugt eine hohe Transparenz in der Industrieproduktion und digitalisiert die Wertschöpfungskette von Entwicklung über Herstellung bis Service. Dazu gehört Planung, Steuerung und Überwachung von Herstellungsprozessen ebenso wie ihre Automatisierung. Unternehmen müssen dafür in den eigenen Prozessen sowie der gesamten Supply Chain Daten ermitteln und analysieren.
Data Analytics verknüpft die einzelnen Abschnitte der Wertschöpfungskette und ermöglicht den Datenaustausch zwischen ihnen. So entsteht ein digitaler Wertstrom. Er erlaubt eine integrierte Sicht und digitalisiert Customer Experience, Produktionsprozesse und Geschäftsmodelle. Data Analytics macht dabei Komplexität und Risiken beherrschbar, erleichtert die Produktionsplanung, sagt Störungen voraus und optimiert die Instandhaltung.
Dieser Beitrag ist eine Ergänzung zum „Trendbook Smarter Analytics“. Einen Überblick über den Inhalt gibt der Artikel Smarter Analytics: Erkenntnisse für neue Geschäftsmodelle gewinnen. Sie können das Trendbook außerdem direkt kostenlos herunterladen.
Herstellungskosten mit Data Analytics senken
Digitale Produktionsplattformen und SmartFactory as a Service ermöglichen es Herstellern, sich auf die Kundenzufriedenheit zu konzentrieren und gleichzeitig die Kosten für die Fertigung zu senken. Bei „New Manufacturing“ ist die Produktion nicht vor Ort und wird mit Data Analytics gesteuert, der Fertiger ist lediglich Dienstleister des Entwicklers.
Xunxi Digital Factory - Fertigen nach Daten
Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren
Die Xunxi Digital Factory von Alibaba in Hangzhou verwirklicht „Made-to-Sell“-Produktion. Sie stützt sich auf Rückmeldungen der Verbraucher und Echtzeit-Markt-Trends, die in den E-Commerce-Plattformen von Alibaba gesammelt und mit Data Analytics ausgewert werden.
Dank neuer Technologien wie Echtzeit-Ressourcenbeschaffung, Prozess- und Kostenplanung, automatisierter innerbetrieblicher Logistik und dem Xunxi-Fertigungsbetriebssystem ist die Fabrik in der Lage, Kleinserienaufträge zu angemessenen Kosten und mit kürzeren Lieferzeiten zu produzieren. Der Prototyp der Fabrik erreichte eine um 75 Prozent kürzere Auftragsvorlaufzeit bei einer Mindestbestellmenge von 100 Stück.
Wenn Sie mehr erfahren wollen, können Sie das Trendbook Smarter Analytics als kostenloses E-Book herunterladen.
Produktionseffizienz mit Data Analytics steigern
Nachfrageprognosen und Kapazitätsplanung erzeugen für die Unternehmen eine smarte Supply Chain. Sie wird anhand mit Data Analytics in Beinahe-Echtzeit gesteuert. Verfahren wie Computer Vision (Bild/Video-Erkennung mit KI) erlauben eine verbesserte Qualitätssicherung. Dadurch gibt es weniger so Umsatzverluste durch Ausschuss oder Reklamationen von fehlerhaften Produkten.
Optische Qualitätskontrolle mit KI
Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren
Die KI-Lösung AI.SEE ist ein visuelles Qualitätskontroll- und Fehlererkennungssystem für die Industrieproduktion. Die Lösung nutzt ein neuronales Netzwerk und Deep Learning, um fortlaufend die Daten in der Produktion mit Kameras zu erfassen und Anomalien zu erkennen. Dies bedeutet, dass die Lösung im Laufe der Zeit immer besser wird. Zudem kann sie mit vorhandenem Bildmaterial vortrainiert werden und ist danach schneller einsatzbereit.
Ressourcen mit Data Analytics optimieren
Die Überwachung und Steuerung von Produktionsabläufen in Echtzeit beginnt bei der Optimierung der Rüstkosten und geht bis hin zur Qualitätsüberwachung, um Verschwendung von Ressourcen zu vermeiden.
Selbst die Wartung kann mit Datenanalysen verbessert werden: Predictive Maintenance (vorausschauende Instandhaltung) verringert Stillstand durch eine KI-gestützte Maschinenüberwachung. Sie zeigt potenzielle Fehler bereits dann an, wenn sie noch nicht zu echten Problemen geworden sind.
Vorausschauende Wartung macht Fehler transparent
Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren
CERTUSS produziert hochwertige Dampferzeuger. Ausfälle bewirken Schäden und legen industrielle Prozesse lahm. Eine Anomalie-Erkennung über Sensordaten erzeugt mit Data Analytics eine Visualisierung des Maschinenzustands. Machine Learning erkennt Schäden und Störungen, bevor sie auftreten. Dadurch kann die Wartung optimal und gut planbar umgesetzt werden. Teile werden ausgetauscht, bevor der Dampfautomat ausfällt.
Newsletter
Verpassen Sie keine Beiträge und lesen Sie regelmäßig Impulse für die Gestaltung der Digitalisierung. Jetzt anmelden!
Geschäftsmodelle mit Data Analytics
Der entscheidende Schritt für B2B-Unternehmen ist das Angebot von digitalen Services, die auf den Produkten basieren. Dabei wird der Service zumeist nach dem Prinzip Pay-per-Use verkauft. Er umfasst zusätzliche Nutzenversprechen, etwa die Erkennung von Anomalien oder Störungen vor ihrem Eintreffen – mit Data Analytics.
Zusätzlich gibt es das Potenzial für rein digitale und datenbasierte Geschäftsmodelle. Bei ihnen rückt das Produkt ganz in den Hintergrund. Die Datenservices sind auch in anderen Bereichen nützlich. Ein Beispiel sind die Positionsdaten von Android-Smartphones. Google nutzt sie für die Anzeige der Verkehrsdichte auf den Straßen und für Stauwarnungen in Google Maps.
Geschäftsmodell durch Daten:
Der Print Industry Climate Index
Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren
Die Heidelberger Druck AG nutzt ein Betreibermodell, bei dem Mietgeräte als Smart Service inklusive Betrieb, Wartung, Reparatur und Lagermanagement angeboten werden. Die dafür notwendige Datenermittlung erlaubt auch Analysen, die mit dem Kerngeschäft nichts zu tun haben – eine Basis für neue Geschäftsmodelle.
Ein Beispiel dafür ist der Print Industry Climate Index von Heidelberger. Er analysiert die Daten von weltweit etwa 5.000 Kunden aus unterschiedlichen Segmenten der Druckindustrie. In erster Linie ist das der Produktionsausstoß von kommerziellen Druckereien und Druckmaschinen in der Verpackungsindustrie und Logistik.
Wenn Sie mehr erfahren wollen, können Sie das Trendbook Smarter Analytics als kostenloses E-Book herunterladen.
Industrieunternehmen ermitteln bereits heute viele Daten, beispielsweise aus ERP-Systemen, MES-Software und den klassischen Industriesteuerungen. Doch häufig werden diese Daten nicht zusammengeführt. Wie sieht es bei Ihnen aus? Welche Art von Daten nutzen Sie und auf welche Weise werten Sie sie aus? Schreiben Sie uns oder hinterlassen Sie einen Kommentar.
