Die richtigen Daten aus der richtigen Quelle erzeugen die richtigen Modelle

Vernetzte Fabriken werden immer häufiger, da die Hersteller die Macht erkennen und nutzen, die ihre Betriebsdaten freisetzen können. Die COVID-19-Pandemie zwang viele Unternehmen dazu, sich neu auszurichten und sich an die „neue Normalität“ anzupassen, wobei die Grundlage für diese Bemühungen die Datenfähigkeiten – die Digitalisierung – waren.

Durch die Offenlegung ihrer Technologie, ihrer Mitarbeiter und Prozesse – und durch die Gewinnung dieser Betriebsdaten – haben viele zahlreiche verborgene Fähigkeiten und Verbindungen entdeckt, die ihnen noch tiefere Einblicke in den Betrieb, die Kapazität und die Effizienz ihrer Produktionslinien geben.

Aber bei all diesen neuen Daten stellt sich die große Frage: Werden diese Daten optimal genutzt? Nutzen die Unternehmen jedes letzte byte nutzbarer Information, und setzen sie diese dann dort ein, wo und wann sie einen Unterschied machen kann – indem sie die richtigen Entscheidungen zur richtigen Zeit treffen?

Woher stammen Ihre Daten?

In vielen Fällen hängt die richtige Entscheidung davon ab, wo die Entscheidung getroffen wird, was ebenso wichtig ist wie die Art und Weise, wie die Entscheidung getroffen wird. Jeder Anwendungsfall ist anders, da es von Vorteil ist, Probleme auf Gerät-, Steuerungs-, edge- und/oder Cloud-Ebene zu lösen.

Der Wert der Cloud liegt in bestimmten Arten von Anwendungen, wie z. B. der gemeinsamen Nutzung von Daten über Ökosysteme und die Lieferkette hinweg, der Datenaggregation und der Visualisierung in Nicht-Echtzeit (Energieüberwachung), rechenintensiven Anwendungen, der Entwicklung und Schulung von Modellen für maschinelles Lernen, um nur einige zu nennen.

Aber in der Regel gilt: Je weiter Sie von der Datenquelle entfernt sind, desto seltener sehen Sie Aktualisierungen der Daten – was bedeutet, dass Zwischenwerte fehlen können. Infolgedessen sehen Cloud-Nutzer in der Regel nur eine kleine Auswahl möglicher Datenwerte und interner Gerätedaten; Prozess-, Steuerungs- und Gerätemodelle sind überhaupt nicht sichtbar.

In den meisten Fällen sollten Entscheidungen so nah wie möglich an der Quelle – dem edge – getroffen werden, um den Datenkontext und die Geschwindigkeit zu erhalten. Kontextualisierung und Modellierung am edge ermöglichen umfassendere Analyse-Einblicke, und edge-to-cloud-basierte Lösungen können das Beste aus beiden Welten nutzen, um mehr Agilität und Produktivität zu bieten.

Wenn Sie Daten näher an der Quelle erfassen und Analyse durchführen, erhalten Sie Echtzeit-Feedback. Ohne diese Unmittelbarkeit könnten Sie ein Modell oder eine Simulation mit begrenzten Fähigkeiten und Umfang erstellen – weil Sie nicht wissen, was Sie nicht wissen! Sie benötigen Informationen, die es Ihnen ermöglichen, die tatsächliche Fähigkeit zu verstehen, nicht nur die typischerweise beobachtete Fähigkeit. Aber eine edge-Lösung ist nur ein Teil des Ganzen.

Datenanalyse: Grenzen und Mythen

Analyse, KI und maschinelles Lernen können leistungsstarke Werkzeuge sein, wenn sie in Verbindung mit Bibliotheken und Fachexperten eingesetzt werden – die verborgene Werte und Chancen erkennen und erschließen können – und Möglichkeiten zur Prozessoptimierung und Zukunftsprognosen auf der Grundlage des beobachteten Verhaltens bieten. Doch diese Werkzeuge können aufgrund der schieren Vielfalt möglicher Anwendungen im breiten industriellen Spektrum nicht generisch eingesetzt werden.

Analyse liefert auch kein vollständiges Bild. Sie sehen nur Daten, die Sie beobachten können, sodass zusätzliche Fähigkeiten und Einschränkungen in der Regel nicht sichtbar sind und ein vollständiger Status möglicherweise nicht verfügbar ist.

Nicht genug Scheiben

Nehmen wir zum Beispiel einen handwerklichen Pizza-Truck und welche Betriebsdaten wir darüber erhalten. Er ist X Stunden an Y Tagen pro Woche im Betrieb, serviert Z Pizzen, mit einer Zeit T zwischen Bestellung und Lieferung. Was wir nicht „beobachten“ können, sind die Fähigkeiten des Trucks: Wie viele Stunden pro Tag könnte er im Betrieb sein? Wie viele Stunden müssen die Mitarbeitenden arbeiten? Sind sie geschult, und auf welchem Niveau? Wie viele Portionen können maximal serviert werden? Wie groß ist die Reichweite (und Geschwindigkeit) zwischen den Standorten? Wird er ordnungsgemäß gewartet? Welche Ausrüstung (Fähigkeiten) befindet sich in der Küche? Können auch andere Lebensmittel zubereitet werden?

Das Pizza-Truck-Beispiel veranschaulicht, wie viele Unternehmen mit einer Mischung aus Daten und Modellen konfrontiert sind, bei denen einige Details nicht unmittelbar verfügbar sind. Dies gilt insbesondere, wenn versucht wird, Daten aus der Ferne zu analysieren. Das Verständnis der Grenzen beobachtbarer Daten und die Überlegung, wo zusätzliche Daten gesammelt und einbezogen werden könnten, ergibt letztlich ein robusteres Bild jeder Situation.

Erschwerend kommen die vielfältigen Herausforderungen rund um die Verfügbarkeit von Daten hinzu, darunter die Abtastrate, die Art und Weise, wie Daten ausgedrückt werden, und Einschränkungen durch Netzwerkkommunikation, was zu großen Lücken in den Daten führt.

Was passt zu mir?

Sie müssen das Problem, das Sie lösen möchten, und das Ergebnis, das Sie erreichen möchten, verstehen. Wenn Sie mehr wissen und mehr tun müssen, ist es besser, mit Analyse zu beginnen, die Ihnen Einblicke in die bestehenden Probleme gibt, damit Sie eine Strategie zu deren Lösung entwickeln können. Dies bedeutet in der Regel, dass zusätzliche Sensoren hinzugefügt oder Modelle zur Modellierung der Lösung erstellt werden. Diese Modelle können auch entscheidend sein, um Lösungen zu entdecken und zu erforschen, die Sie noch nie zuvor ausprobiert haben.

Es ist wertvoll, Probleme auf Gerät-, Steuerungs-, edge- und Cloud-Ebene zu lösen, aber in allen Fällen sollten Sie versuchen, Tools zu verwenden, die Ihren Bedürfnissen am besten entsprechen. Tatsächlich könnten Sie sogar eine hybride Lösung einsetzen.

Es ist entscheidend, das richtige Gleichgewicht zu finden, um das volle Potenzial einer Fabrik freizusetzen. Das ultimative Ziel sollte sein, Fachwissen und die richtige Modellierung anzuwenden, um eine genaue Simulation zu erstellen, die ein vollständiges Bild der Daten verwendet – nicht nur das, was Sie bereits wissen!

Erfahren Sie mehr darüber, wie Sie Ihre Daten optimal nutzen können, auf dem Management Perspectives Hub. Dort finden Sie eine Fülle von Ressourcen für Führungskräfte in der Industrie, die Ihnen die Informationen liefern, die Sie benötigen, um in der sich entwickelnden digitalen Landschaft erfolgreich zu sein.