Die Möglichkeiten, durch die Daten in Form von Produkt-,Prozess- und Lebensdauerdaten generiert werden, ist kaum zählbar. Zudem liegen die zu analysierenden Daten selten direkt in einer sinnvoll auswertbaren Form vor. Mit dieser zeitintensiven Situation sehen sich erfahrene und regelmäßige “Datenauswerter” regelmäßig konfrontiert. Der Großteil der Zeit, die für eine Datenanalyse investiert wird, wird auf das Konto der Datenorganisation gebucht. Zudem gestaltet die vorliegende Datenqualität eine Ursachen-Wirkungs-Analyse, beispielsweise über eine vollständige Wertschöpfungskette hinweg, zum Teil schwierig.

Selbstverständlich sehen wir auch die Entwicklung der rasant zunehmenden Informationsmengen/Daten. Damit steigt auch das Interesse, die „alten“ und „neuen“ Daten so miteinander auszuwerten, dass ein deutlicher Mehrwert aus den Daten und nicht zuletzt auch mindestens eine Amortisierung der bspw. für die Datenerfassung getätigten Investitionen erreicht wird.
Data-Mining steht für uns komplementär zu den klassischen statistischen Verfahren. Nicht immer, wenn Prognosemodelle (bspw. predictive maintenance) gewünscht sind, sind moderne Verfahren wie Neuronale-Netze oder Machine Learning sinnvoll einsetzbar. In Projekten entscheiden wir, anhand der Komplexität der vorliegenden Daten und der abgestimmten Ziele, gemeinsam, welche Verfahren sinnvoll einsetzbar sind.

So oder so, ist es jedoch mindestens für alle Bereiche in einem Unternehmen sehr wertvoll, die Zusammenhänge zwischen bspw. Eingangsmaterial, Prozessdaten und Produktqualität zu kennen. So können Produkte und Prozesse nicht nur robuster ausgelegt und damit Ausschuss und Garantieansprüche reduziert werden, sondern auch die Kosten bleiben vorhersehbar.

Typischer Projektablauf für eine Datenanalyse:

  • Allgemeine Abstimmung der Kundenerwartungen und Ziele
  • Erste grobe Aufwandsabschätzung durch BNB und Angebot
  • „Kick-Off-Workshop“ des Projekts zur Besprechung der zu bewertenden Daten (1-2 Tage vor Ort)
  • Statistische Bewertung der Daten durch BNB (Grafiken, klassische statistische Verfahren, Data Mining)
  • Ergebnisvorstellung und Ergebnisdiskussion (1 Tag vor Ort)
  • Abschlussdokumentation, ggf. inklusive Handlungsempfehlung

 

Haben wir Ihr Interesse geweckt? Lassen Sie uns in Kontakt treten und die Möglichkeiten gemeinsam besprechen.