04.01.2016 Vorausschauende Analysen

Predictive Analytics in der Fertigung

Von: Marian Spohn

Für fertigende Unternehmen sind vorausschauende Analysen keine Randerscheinung. Sie können dabei helfen, effizienter und innovativer zu sein.

Im Zusammenhang mit Industrie 4.0 und dem Internet der Dinge werden vorausschauende Analysen interessanter.

Erfolgsbeispiele findet man gemäß der PAC-Studie „Predictive Analytics in der Fertigungsindustrie“ vor allem im Automotive-Sektor. So konnte die Daimler AG in einem Stuttgarter Werk die Produktion von Zylinderköpfen optimieren, die Produktivität um 25 Prozent steigern und teuren Ausschuss vermeiden. Auch BMW gelang es mithilfe einer Predictive-Maintenance-Lösung, Produktionsfehler zu beseitigen sowie Reparaturkosten zu senken.

Jedoch seien nicht alle Unternehmen so offen, weiß Jörg Kremer, Analytics-Experte bei der Münchner Mip GmbH: „Häufig herrscht ein Unglaube, dass Fertigungsprozesse zu verbessern sind – besonders wenn Firmen schon Qualitätssicherung z.B. nach Six Sigma betreiben.“ Dennoch ist er sich sicher, dass Fertiger von Predictive Analytics profitieren können. „Diese Projekte bedeuten zunächst einmal eine Investition. Doch die Realität zeigt, dass in fast allen Fällen Verbesserungspotentiale erkannt werden und sich die Projekte amortisieren.“

Im Zusammenhang mit Industrie 4.0 und dem Internet of Things werden vorausschauende Analysen interessanter. So setzen immer mehr Firmen auf Predictive-Maintenance-Technologien, mit deren Hilfe sie ihre Anlagen und Maschinen effizient warten und kostspielige Ausfälle vermeiden wollen. „Viele Firmen tun sich noch schwer, den ersten Schritt zu gehen. Vor allem dann, wenn sie bereits Business-Intelligence-Projekte durchgeführt haben und Dashboards, Balanced Scorecards oder KPI-Systeme einsetzen“, erläutert Kremer.

Dies ist ein Artikel aus unserer Print-Ausgabe 12/2015. Bestellen Sie ein kostenfreies Probe-Abo.

Als weitere Herausforderung kommen die Daten hinzu: Die richtigen zu identifizieren, bereitzustellen, auszuwerten und zu verstehen, erfordert Fachkenntnis. Sind belastbare Modelle etabliert, können auch Mitarbeiter ohne statistische Expertise auf deren Basis wertvolle Erkenntnisse gewinnen. Insbesondere in eng umkämpften Märkten kommt es heute darauf an, mehr über die Firmendaten und -prozesse sowie die Zusammenhänge mit inneren und äußeren Einflussfaktoren zu wissen.

Bildquelle: Thinkstock/Stockbyte