Datenoptimierungsstrategien für die Fertigungsindustrie

Daten sind zunehmend der Motor für Innovationen in der Fertigung. Um herauszufinden, wie Daten heute Innovationen vorantreiben und wie sie die Fertigungsindustrie von morgen prägen werden, trafen sich kürzlich Führungskräfte von Rackspace technology® und Amazon Web Services (AWS) mit leitenden IT-Führungskräften aus der Fertigungsindustrie zu einem Roundtable-Event mit dem Titel "Unlocking the Potential of Data in Manufacturing"

Gemeinsam haben wir uns angesehen, wie Hersteller IoT, Automatisierung und Daten integrieren, um die Entwicklung und Produktion von Autos bis hin zu intelligenten medizinischen Geräten zu optimieren.

Hemanta Banerjee, Vice President of Public Cloud Data Services bei Rackspace Technology, erinnerte daran, dass die digitale Transformation vor zwei Jahren lediglich als Schlagwort, als Projekttitel oder als Wunsch an den Vorstand betrachtet wurde. Banerjee betonte, dass die Transformation ein wesentlicher Bestandteil der Funktionsweise von Unternehmen ist. Er wies auf drei Faktoren hin, die den Erfolg eines Unternehmens während des Transformationsprozesses beeinflussen: öffentliche Cloud, Menschen und Daten. "Daten stehen dabei an erster Stelle, denn sie ermöglichen es Ihnen zu verstehen, was in Ihrem Geschäftsprozess vor sich geht und ihn zu verbessern. Die Schwierigkeit besteht dann darin, wie wir die Daten nutzen können, um unsere Fertigungsprozesse zu verbessern oder unsere Lieferkette effizienter zu gestalten", bemerkte er.

Herausforderung

Zwar haben viele Hersteller die Möglichkeiten, die Daten bieten, bereits genutzt, doch gibt es noch einige weitere Sorgen, die Führungskräfte nachts wachhalten. Ein häufiges Problem ist die Datenresidenz, die die Speicherung, die Verwaltung und den Schutz personenbezogener Daten und Mitteilungen umfasst. Es gibt auch das Dilemma zwischen Zentralisierung und Dezentralisierung, bei dem Fertigungsunternehmen entscheiden müssen, ob sie Daten an einem zentralen Ort aufbewahren oder über verschiedene dezentrale Knotenpunkte verteilen.

"Früher haben wir uns auf die Konsolidierung konzentriert, um die Daten besser nutzen zu können", sagt Isaac Tan, APAC Director for IT beim Medizintechnikhersteller Hologic. "Jetzt suchen wir nach Wegen, wie wir dezentralisieren und dennoch die gewünschten Ergebnisse erzielen können. Wir müssen auf Fragen der Datenresidenz achten und überlegen, wie wir Teams am besten organisieren oder Daten aggregieren können

"Die Herausforderung, mit der wir derzeit konfrontiert sind, besteht darin, die Daten aus verschiedenen Quellen zusammenzutragen", erklärte Azuhar Mohammed, Head of Global Solution Centre Expertise & Innovation bei Sanofi. "Wir haben viele Systeme in verschiedenen Ländern, aber wir versuchen, unsere Lösungen einzusetzen, um die Daten zu standardisieren. Der nächste Schritt besteht darin, unsere Daten aus verschiedenen Quellen wie Vertrieb, Marketing, Finanzen und Personalwesen zu sammeln, sie an einem Ort wie einem Data Lake zusammenzuführen und diese Daten dann mit intelligenten Analysen für das Unternehmen zu nutzen, um eine sinnvolle Entscheidung zu treffen."

Die Reise der Transformation

Viele Hersteller haben sich bereits auf den Weg der digitalen Transformation begeben und nutzen die Datenmöglichkeiten, die die neuen Technologien bieten.

Der Pharmahersteller Sanofi beispielsweise hat bereits 2017 die robotergestützte Prozessautomatisierung (RPA) erforscht. "Jetzt nutzen wir maschinelles Lernen und künstliche Intelligenz, um einen intelligenten Entscheidungsprozess zu entwickeln", so Mohammed von Sanofi. "Wir wenden KI auf unsere Modellierungsprozesse an und implementieren Mustererkennung auf der Grundlage großer Datenbestände, um die Produktivität in Forschung und Entwicklung zu steigern."

Für Tan ist der Umfang zwar eine Herausforderung, aber er hat Hologic nicht von seinem IoT-Vorstoß abgehalten.

"Wir konzentrieren uns sehr darauf, alle Geräte, die wir bei unseren Kunden einsetzen, miteinander zu verbinden", so Isaac. "Vom Standpunkt der Konnektivität aus gesehen, ist es entscheidend, mehr Datenpunkte und Sensoren zu haben.

Der Hersteller medizinischer Geräte hatte seine Datenstrategie jedoch nicht immer im Griff. Tan erläuterte: "Vor ein paar Jahren lautete unser Ansatz: 'Bringt einfach alle Daten rein, dann machen wir einen Sinn daraus.' Mit der Zeit wurde uns klar, dass dies geändert werden musste. Das IT-Team wird nie in der Lage sein, die vielfältigen Anforderungen der Beteiligten weltweit zu erfüllen. Wie befähigen wir alle, anstatt zu geben, was sie verlangen? So haben wir es gehandhabt. Wir haben über dezentralisierte oder verteilte Datenprodukte nachgedacht. Wir behandeln sie als eigenständige Bereiche, aber wir schaffen auch einen Rahmen und bestimmte technologische Basiskomponenten, die es ihnen ermöglichen, schneller zu bauen."

Tan empfahl auch die Erstellung eines gemeinsamen Datenmodells, das als Standard für die Entwicklung dienen kann und auf das bei Bedarf zugegriffen werden kann.

Projekte zur digitalen Transformation sind in der Tat mehr als nur einmalige Unternehmungen. Banerjee stellte fest, dass sich diese Projekte in der Regel über mehrere Jahre erstrecken. "Es ist eine lange Reise", sagte er. "Es handelt sich nicht um ein einzelnes Projekt, sondern eher um eine Lebensweise"

Strategie zur Datenoptimierung

Eine scheinbar allgemeingültige Wahrheit ist, dass unabhängig von der Phase der Datenmodernisierung, in der Sie sich befinden, Kopfschmerzen in der Regel auf die Existenz von Datensilos zurückzuführen sind. Shwetank Sheel, Director of Data Services Sales - APJ bei Rackspace Technology, merkte an, dass der erste Schritt zum Aufbrechen von Silos darin besteht, sie zu identifizieren und an die Oberfläche zu bringen.

"Andere haben über die Herausforderungen gesprochen, die sowohl zentralisierte als auch dezentralisierte Daten mit sich bringen", so Sheel. "Aber im Zusammenhang mit einem kuratierten Data Lake und dezentraler Analyse ist eines der Dinge, über die ich viele Kunden habe sprechen sehen - aus der Governance-Perspektive - die Idee eines Katalogs oder eines Stroms von Datenprodukten. Wenn Sie versuchen, Innovationen voranzutreiben, sei es über Geschäftsbereiche oder mehrere Länder hinweg, beginnen Sie mit der Indizierung der bereits vorhandenen Daten, anstatt bei Null anzufangen."

Um den ROI zu ermitteln, müssen Unternehmen laut Sheel zunächst sicherstellen, dass die benötigten Daten intern vorhanden sind. "Indem wir uns auf Anwendungsfälle und deren Ergebnisse konzentrieren, arbeiten wir in der Regel mit den Nutzern zusammen, um ihnen zu helfen, das Potenzial der Daten zu verstehen, und dann einen Rahmen zu schaffen, der sowohl dem Einzelnen als auch dem Unternehmen hilft, den Wert des Anwendungsfalls, die Kosten für die Beschaffung und die Frage, ob die Daten im Unternehmen überhaupt existieren, zu ermitteln. Dieser Prozess wird dann weiterverfolgt, um fortgeschrittene Analysen mit KI und maschinellem Lernen durchzuführen", erklärt Sheel.

Banerjee merkte an, dass sich die Verteilung von Analysen an die Geschäftsbereiche bisher als erfolgreich erwiesen hat.

"Wir haben festgestellt, dass wir uns von einem zentralen Datenteam, das alles macht, wegbewegen und stattdessen die Datenfunktion innerhalb der Unternehmen verteilen, während das zentrale Team Rahmenbedingungen, Richtlinien und Infrastrukturen bereitstellt, damit sie erfolgreich sein können

Dieser Beitrag wurde mit Unterstützung von Amazon Web Services (AWS) erstellt.