Haben Sie Ihre Produktionsdaten im Griff? Dann kann “Big Data” kommen!

Sieht man sich in der Prozessoptimierungsszene anderer Branchen nach Trends und Entwicklungen um, stößt man unweigerlich auf den Begriff „Big Data“. Mit „Big Data“ werden Massendaten bezeichnet, die zu groß, zu komplex, zu schnelllebig oder zu schwach strukturiert sind, um sie mit herkömmlichen Methoden der Statistik oder der Datenverarbeitung auszuwerten und zu verstehen. Dabei steht bei der Auswertung von „Big Data“ – wie bei bisherigen Daten – im Vordergrund, Ursache-Wirkungs-Beziehungen zu identifizieren, die wichtige strategische Entscheidungen professionell unterstützen. Wie sieht nun die Realität in vielen Firmen der Druckbranche aus?

In der Betriebswirtschaft werden in der Regel intensiv Daten analysiert und daraus Entscheidungsgrundlagen generiert. Bestehende Controlling-Systeme sind an den Anforderungen von Vertriebs und Geschäftsleitung ausgerichtet, selten aber am Produktionsprozess. Noch seltener werden prozessübergreifende Daten erfasst und ausgewertet. Dies lässt eine Beurteilung des gesamten Produktionsprozesses nicht zu.

Steigt man in die statistische Analyse eines Prozesses ein, stellt sich zu Beginn immer die Frage nach der Qualität der erfassten Daten. Bei diesem Thema stehen einem dann des Öfteren die Haare zu Berge, weil vorhandene Daten sehr unscharf oder auch fehlerhaft sind. Absurd wird es, wenn wichtige kaufmännische Kennzahlen aus mangelhaften Daten generiert werden, die dann als Grundlage für strategische Entscheidungen herangezogen werden.

Dabei müsste dies nicht so sein. Moderne Maschinensteuerungen erfassen hochpräzise Prozessparameter und -daten. Die Wirkungen von Problem­-ursachen wie z. B. Bahnrisse, Papierstopper, Anlegerstau usw. werden dokumentiert und sind auswertbar. Leider können die Steuerungen die Ursachen der dokumentierten Ereignisse nicht ermitteln. Dazu braucht es auch noch in diesem Jahrtausend professionelles Expertenwissen.

Erstaunlich ist, dass die präzisen Logbuchdaten der Steuerungen nur selten für Produktionsanalysen genutzt werden. In vielen Fällen wurden und werden zusätzlich sogenannte Betriebsdatenerfassungssysteme installiert, die oftmals nicht mit den Maschinen gekoppelt sind. Dies führt teilweise zu erheblichen Unschärfen bei der Erfassung der Produktionsdaten. In vielen Fällen führt dies dazu, dass Bediener wichtige Zeiten für Störungen, Rüstzeiten etc. abschätzen und manuell in das bestehende System eintragen. Bei derartigem Vorgehen ist es eigentlich überflüssig, sich über die Qualität von Vor- und Nachkalkulationen Gedanken zu machen. Sie zeigen in vielen Fällen nur Tendenzen auf und lassen keine wirklichen zielorientierten strategischen Entscheidungen zu.

Ist also der Start des Controlling-Prozesses bereits stark fehlerbehaftet, kommen dann bei der Bewertung der Daten noch klassische Fehler hinzu. Typisch dabei sind Controlling-Runden am Monatsende, in denen die Mittelwerte der vergangenen Monate miteinander verglichen werden. Dabei spielt es oftmals keine Rolle, wie viele Daten zu den Mittelwerten geführt haben. Waren Ausreißer dabei, die die Werte verfälschen? Für eine oberflächliche Produktivitätsbewertung mag das vielleicht ausreichend sein. Für eine strategisch geführte Produktionsabteilung reicht dies heute nicht aus.

Die Frage, ob die Verbesserung oder Verschlechterung der beurteilten Kennziffer tatsächlich aus Prozessveränderungen herrührt oder dem normalen Grundrauschen der Prozesse geschuldet ist, ist von entscheidender Bedeutung. Verschiedene Lage- und Streuparameter, OEE (Gesamtanlageneffektivität), Hypothesentests, Regelkarten, Anova oder Regression sind in anderen Branchen seit langem in der Steuerung der Produktion als Basiswerkzeuge verankert – in der Druckbranche in vielen Fällen leider unbekannt.

Welche Konsequenzen entstehen aus diesen Defiziten?

Auf Störungen wird nur reagiert. Das heißt, der Prozess führt die Führungskräfte, und nicht umgekehrt. Das Tagesgeschäft ist übermächtig, eine strategische Entwicklung der Prozesse bleibt aus Kapazitätsgründen aus. Wichtige Ursachen-Wirkungs-Zusammenhänge oder Haupteffekte und Wechselwirkungen werden nicht erkannt. Dies führt zu Fehlentscheidungen und Maßnahmen, die oft keine Wirkung auf die Ergebnisse generieren.

Um sich künftig im Wettbewerb zu behaupten, ist es notwendig, mit professionellen statistischen Methoden eine höhere strategische Entscheidungssicherheit zu generieren. Entscheidend dabei ist eine hohe valide Datenqualität und statistisches „Know-how“. Nur so wird man in der Lage sein, auskömmliche Aufträge zu identifizieren. Sind Sie mit Ihrem Team bereits fast am skizzierten Ziel angelangt, dann zieht bereits die nächste intellektuelle Herausforderung auf:„Big Data“.

Ihre Meinung? → insider@print.de