Fachwissen oder Data Scientists?
Betrachten wir es von hinten, um zu verstehen, warum diejenigen, die große Datenmengen sammeln, die Vorteile nicht nutzen, und wie Sie dieses Potenzial erschließen können.
In den Anfängen der digitalen Transformation stellten sich viele von uns — oder zumindest ich — vor, dass Optimierungen und Erkenntnisse nur so aus einer gigantischen Datenbank heraussprudeln würden, wenn wir erst einmal eine hätten. Big Data war das große Modewort.
Angesichts der heute verfügbaren Tools, um all diese Daten zu sammeln und einen riesigen Data Lake zu erstellen, ist die schiere Datenmenge in der Realität jedoch zu überwältigend. Vor allem, wenn das nötige Fachwissen fehlt, um aussagekräftige Erkenntnisse zu gewinnen und Maßnahmen abzuleiten.
Interne Data Scientists mögen exzellent darin sein, Daten zu analysieren, aber ohne das Fachwissen und die operativen Einblicke der Bediener und Anbieter von Lagerautomatisierungssystemen suchen sie oft blind nach den offensichtlichsten Erkenntnissen.
Der Zugang zum Data Lake bringt kein Essen auf den Tisch, wenn man nicht weiß, wie man fischt. Um die Daten voll auszuschöpfen, müssen Sie das Fachwissen Ihrer Bediener und Ihrer Anlagenlieferanten nutzen.
Entschuldigung, wir haben keine Zeit, eine Stunde am Tag einzusparen
Diejenigen, die Daten sammeln, ohne danach zu handeln, haben oft eine Entschuldigung, die wir alle kennen: Zeitmangel.
Ein perfektes Beispiel hierfür sind Kunden unserer eigenen KI-Lösung, dem Operator Eye , welches die Betriebszeit des Layer Pickers von Körber erhöht. Dies geschieht mithilfe neuronaler Netze, die Bilder in Echtzeit analysieren, um ungeplante Stopps zu vermeiden und die Maschine automatisch zurückzusetzen, wenn ein Alarm durch ein unkritisches Ereignis wie ein loses Zwischenblatt verursacht wird.
Die Verbesserung der Betriebszeit um 8 bis 12 % ist für unsere Kunden bereits sehr erfreulich. Wenn wir ihnen also erzählen, dass all die vom Operator Eye gesammelten Daten genutzt werden können, um den Betrieb über die gesamte Wertschöpfungskette hinweg erheblich zu verbessern, winken sie ab mit einem Satz wie: „Klingt großartig, aber wir haben im Moment weder die Zeit noch die Ressourcen.“
Ich verstehe das vollkommen. Wir alle haben viel zu tun, und das Sichten Ihrer Stammdaten kann zu viel Arbeit im gesamten Betrieb führen. Aber die Antwort erinnert mich immer an die alte Karikatur mit den Menschen aus der Steinzeit, die zu dem Mann, der ihnen Räder anbietet, sagen: „Nein danke, wir haben zu viel zu tun“, während sie schwitzend einen Karren voller schwerer Steine schieben.
Erstellen Sie einen kleinen Datenteich und fangen Sie Mehrwert ein
Und dann ist da noch der Rest von Ihnen. Diejenigen, die das Rad bereitwillig annehmen würden, wenn sie nur einen Karren schiebebereit hätten. Wo fangen Sie an?
Zuerst beginnen Sie mit dem Sammeln von Daten, um eine Baseline zu erstellen. Vorzugsweise Daten, die die Qualität, die operative Verfügbarkeit Ihrer Anlagen oder einen anderen Output widerspiegeln, der es Ihnen ermöglicht, Fortschritte zu messen.
Wenn Sie wirklich Mehrwert aus Ihren Daten ziehen wollen, besteht der nächste Schritt darin, Projekte zu erstellen, bei denen Sie diese Daten mit Stammdaten abgleichen. Viel zu oft sind die Stammdaten im Lager fehlerhaft oder unzureichend. Wenn Sie fehlerhafte Stammdaten wie Volumen oder Kartongrößen identifizieren können, erzielen Sie eine positive Wirkung über Ihre gesamte Wertschöpfungskette hinweg — bis hin zur Frage, wie viele Kartons in einen Lkw passen.
Dies ist eine der Möglichkeiten, die sich durch die Daten des Operator Eye und unserer Digital Enablement-Plattform bieten. Wenn wir die Fähigkeit zur Identifizierung fehlerhafter Stammdaten mit Erkenntnissen über Alarme und Maschinenstillstände kombinieren, können wir herausfinden, ob bestimmte Arten von Alarmen durch spezifische Produkte, einen bestimmten Gewichtsbereich oder andere Produktparameter ausgelöst werden. So einfach wie es klingt, kann dies massive Auswirkungen auf die Warenmenge haben, die durch Ihr Lager fließt.
Fazit — Fokus auf Datenqualität und Fachwissen
Obwohl die digitale Revolution nicht so schnell voranschreitet wie erwartet, können sich Lager durch die Nutzung ihrer Daten nach wie vor einen enormen Wettbewerbsvorteil verschaffen. Wir müssen jedoch anerkennen, dass es nicht ausreicht, große Datenmengen zu sammeln. Wir müssen uns auf die Qualität unserer Datenerfassung konzentrieren, das Fachwissen von Bedienern und Lieferanten nutzen und — was vielleicht am wichtigsten ist — beginnen, auf Basis der Erkenntnisse zu handeln, um geschäftlichen Mehrwert zu schaffen.
Heute sind wir in der Lage, viele Erkenntnisse zu gewinnen, und es ist meine Erfahrung, dass wir, wenn wir beginnen, auf Basis dieser Erkenntnisse zu handeln, riesige Schritte in Richtung der lang erwarteten Vorteile der digitalen Revolution machen können.
