Aufrufe
vor 4 Monaten

f+h fördern und heben 6/2019

  • Text
  • Heben
  • Foerdern
  • Fuh
f+h fördern und heben 6/2019

PERSPEKTIVEN 02 Konzept

PERSPEKTIVEN 02 Konzept der zielgerichteten, befristeten Erhebung von Materialflussdaten 1. INSTALLATION der Sensoren zur Datenerfassung vor Ort durch Logsol: • Keine Eingriffe in die Fahrzeugelektronik • Keine baulichen Eingriffe in die Infrastruktur • Keine externe Energieversorgung (außer Gateway) 2. Automatische DATENAUFNAHME durch autarke Sensoren und Übermittlung an zentralen Server 3. ABBAU der Technik und Herstellung des Ausgangszustands 4. DATENAUSWERTUNG durch Analysesoftware 5. PRÄSENTATION der Ergebnisse und Potentialanalyse Installation vor Ort Automatische Datenaufnahme und -speicherung Abbau der Technik Datenanalyse und -auswertung 1 Tag 28 Tage 1 Tag 7 Tage n Zu welchem betrieblichem Zweck wurden die Daten erhoben? Sind sie so auch für die konkrete Planungsaufgabe brauchbar? n Gibt oder gab es bei der Erhebung Voraussetzungen, Einschränkungen oder Annahmen, die auch für den Planungsprozess, mithin für die Zukunft, gelten? n Wurden die Daten durchgängig erhoben? Gibt es Lücken oder Systembrüche in der Datenerfassung? An diesen Beispielen lässt sich leicht ablesen, wie unterschiedlich die Sichtweisen von Betreibern und Planern von Logistiksystemen auf ein und denselben Datenbestand sind. Und es lässt sich erahnen, warum dem: „Haben wir alles da.“ eines Betreibers der Planer meist ein: „Nein, wir brauchen noch ...“ entgegensetzt und sich damit ganz zu Unrecht dem Verdacht aussetzt, unnötig Aufwände zu generieren. Die divergierende Sichtweise von Betreibern und Planern ist dabei keineswegs verwunderlich, denn die Datenqualität ist keine inhärente Eigenschaft eines Datenbestandes. Sie ist stets nur hinsichtlich des Zwecks zu bewerten, dem er dient. Was dem einen genügt, muss den anderen noch lange nicht zufriedenstellen. AUTOMATISIERTE, PROZESSBEGLEITENDE DATENERFASSUNG IST NICHT ALLES Vor diesem Hintergrund wird auch deutlich, dass das gern bemühte Bild vom „Digitalen Zwilling“ irreführend ist: Es suggeriert, dass einem realen technischen System in den DV-Systemen ein virtuelles Abbild gegenübersteht, das seinem Vorbild zwillingshaft ununterscheidbar gleicht. Dies aber ist nicht der Fall, denn jedes virtuelle Abbild ist ein Modell, welches nur in den Aspekten mit seinem Vorbild übereinstimmt, die für die Erfüllung seines Zwecks unabdingbar sind – und nur in diesen. Erfasst werden freilich viele Daten – aber niemand pflegt Daten, die er nicht braucht, und niemand dokumentiert allein vorsorglich den Kontext der Datenerfassung oder die Bedeutung von Parametern, damit sie sich später einmal richtig interpretieren lassen, wozu auch immer. Also werden Datenberge aufgehäuft, von denen keiner sagen kann, ob sich aus ihnen jemals ein zutreffendes Abbild der Realität gewinnen lässt. Kurzum: Die automatisierte, prozessbegleitende Datenerfassung eröffnet faszinierende Möglichkeiten, aber damit allein ist es noch nicht getan. Sie ist nur der Anfang, die eigentliche Arbeit kommt erst danach. Zudem darf nicht übersehen werden, dass sich heute Auftragsstrukturen, Fertigungsabläufe und Geschäftsprozesse oftmals schneller ändern, als DV-Systeme angepasst werden können. Der gern beklagte Wildwuchs dezentraler Excel-Lösungen hat hier seine Ursache, denn das operative Geschäft muss weiterlaufen, auch wenn die Änderungen noch nicht in den zentralen Systemen angekommen sind. So entstehen Schnittstellenprobleme und Medienbrüche, die am Ende eine Gesamtschau auf das System unmöglich machen, denn es gibt kein übergreifendes, konsistentes Abbild. Aber wichtiger noch: Der (alte) Datenbestand bildet eine Realität ab, die längst überholt ist. Die „anlasslose Vorratsdatenspeicherung“ im Betrieb ist schon allein fragwürdig, weil ohne einen gegebenen Zweck kein Nutzen abzuschätzen ist, der ins Verhältnis zum betriebenen Aufwand zu setzen wäre. Leicht wird zudem vergessen, dass der Aufwand sich nicht auf den Unterhalt von Speichermedien und Datenbanksystemen beschränkt: Mit den Datenmengen wachsen die Anforderungen an Datensicherheit und Datenschutz, um Schäden oder 12 f+h 2019/06 www.foerdern-und-heben.de

PERSPEKTIVEN Verluste durch technisches Versagen oder unautorisierten Zugriff zu vermeiden. Zu diesem betrieblich/unternehmerisch begründeten Interesse kommt noch das individuelle Interesse der Mitarbeiter am Schutz ihrer personenbezogenen Daten hinzu. Von daher ist es schon bemerkenswert, dass das aus der Datenschutzgesetzgebung bekannte Konzept der Datensparsamkeit im betrieblichen Alltag noch nicht angekommen ist. Eine zielgerichtete, zeitlich befristete Datenerhebung für einen spezifischen Zweck ist hier eine Alternative. Sie galt lange genug als sinnvolle Strategie (z. B. REFA-Prozessaufnahmen oder Multimomentanalysen). Es gibt keinen Grund, solch ein Vorgehen im Zuge der Digitalisierung einfach über Bord zu werfen. So lassen sich z. B. vorhandene innerbetriebliche Transportmittel verschiedener Generationen für einen definierten Zeitraum mit moderner Sensorik ausstatten. Diese liefern Materialflussdaten zum Istprozess, welche die Basis für die weitere Planung des Logistikers bilden. Die Grafiken 01 und 02 verdeutlichen die Idee der zweckorientierten, zeitlich befristeten Datenerhebung für das genannte Beispiel. „WANDERER ZWISCHEN DEN WELTEN“ VONNÖTEN Zu guter Letzt erfordert die zielgerichtete Datenerhebung und -auswertung mit modernen Technologien mehr Personal mit entsprechenden Qualifikationen. Das ist nicht etwa rar, weil die Informatik- Fakultäten zu wenig Absolventen produzieren oder weil die Logistik für diese nicht attraktiv genug ist – für die Datenanalyse braucht es vielmehr „Wanderer zwischen den Welten“: Neben Sicherheit im Umgang mit Softwaretechnologien müssen sie zugleich über vertiefte Kenntnisse in der jeweiligen Domäne verfügen, denn nur damit können sie die vorliegenden Daten in den richtigen Kontext setzen und sie korrekt interpretieren. Algorithmen können im Unterschied dazu zwar in gigantischen Datenmengen in kürzester Zeit Korrelationen aufspüren – aber eben nur das. Für die Entscheidung, ob sich eine Korrelation gewinnbringend und risikoarm für eine Optimierung ausnutzen lässt, ob sie gar auf eine Kausalität hindeutet, braucht es das menschliche Verständnis. Erst dadurch, dass ein Mensch den Daten so eine Bedeutung beimisst, werden daraus Informationen. Und erst dadurch, dass ein Mensch die gewonnenen Informationen mit seinen Erfahrungen verknüpft und daraus die richtigen Schlüsse zieht, entsteht neues Wissen. Insofern ist der etwas angestaubte Begriff „Elektronische Datenverarbeitung“ zutreffender als „Information Technology“: Computer können keine Informationen verarbeiten, denn Daten „bedeuten“ ihnen nichts. Vertreter der künstlichen Intelligenz werden dies freilich vehement bestreiten und Gegenbeispiele anführen – nur, weil eine Maschine besser Go spielt als ein Mensch, heißt das aber noch lange nicht, dass sie „weiß“, was sie da tut. Dies ist nur vordergründig ein anderes Thema, denn letztlich folgt daraus, dass auch die künstliche Intelligenz das Problem nicht lösen kann. Und auch für das Training künstlicher neuronaler Netze gilt im Übrigen: Die Qualität des Ergebnisses kann unmöglich besser sein als die Qualität der Trainings-Daten. Aktuelle Erfolgsmeldungen aus diesem Umfeld kommen noch zu oft aus Pilotprojekten in datentechnisch sauberen „Schutzzonen“. Solange maschinelle Lernverfahren nicht das Erfahrungswissen des Logistik- Akteurs berücksichtigen können, ist die Ergebnis-Interpretation abhängig von dessen Kompetenzen. Der Bottleneck bleibt also (vorerst) der Mensch. Foto/Grafiken: Fotolia, 01 – 02 Autoren Autoren: Dr.-Ing. Frank Schulze ist Leiter der AG Materialflussplanung der Technischen Universität Dresden, Fakultät Maschinenwesen, Professur für Technische Logistik. Dr.-Ing. David Wustmann ist Bereichsleiter Logistiksoftware der Logsol GmbH, Dresden www.logsol.de | bit.ly/tu-dd-tl Logistik, die begeistert: Umpacklösungen von BMS. bms-maschinenfabrik.de

AUSGABE