Proaktives Reaktionsmanagement mit Big Data

Felix Jordan, Kerem Oflazgil und Jan Reschke

Big Data avanciert zunehmend zu einem der meist beachteten Themen, sowohl in der Wissenschaft als auch im unternehmerischen Alltag des produzierenden Gewerbes. In diesem Zusammenhang gewinnen auch Ansätze zur Implementierung eines effektiven Reaktionsmanagements in die laufende Produktion verschiedenster Branchen an Bedeutung. Das Forschungsprojekt BigPro hat sich die Entwicklung einer echtzeitfähigen Big Data-Plattform zum Ziel gesetzt, die die Anforderung einer konkreten industriellen Anwendbarkeit einschließt. Eine solche Plattform stellt produzierenden Unternehmen Anwendungen zur Verfügung, mit denen Monitoring-, Prognose- und Reaktionsaufgaben erfüllt werden können. Darüber hinaus ist es ein Ziel des Projektes BigPro, drohende Störungen im ersten Schritt als solche zu erkennen und anschließend bereits vor dem Eintreten proaktive Maßnahmen zu identifizieren, die den Störungsfall vermeiden.

Produzierende Unternehmen müssen sich heutzutage den Herausforderungen stetig wachsender Datenmengen stellen, die mit der zunehmenden Digitalisierung verschiedenster Inhalte und der Integration von digitalen Steuer-, Regel- und Messsystemen in die Produktionsumgebung einhergehen [1, 2, 3]. Im Rahmen des Zukunftsprojektes Industrie 4.0 wird diese vielschichtige Problematik unter dem Begriff Big Data zusammengefasst [1]. Als Thematik, die den unternehmerischen Alltag schon heute vor viele konkrete Probleme stellt und deren Lösungsansätze eine dementsprechend unmittelbare Anwendbarkeit versprechen, ist Big Data das zentrale Kernthema vieler aktueller Forschungsvorhaben im Bereich Industrie 4.0. In diesen Kreis reiht sich auch das Projekt BigPro ein, in dessen Fokus die Entwicklung einer echtzeitfähigen Big Data-Plattform steht, in der umfangreiche und heterogene Datenmengen eines Unternehmens zentral aggregiert und ausgewertet werden. Das Ziel ist es, Erkenntnisse für eine maßnahmenorientierte Optimierung der laufenden Produktion zu extrahieren.
 

Störungen erkennen, bevor sie entstehen

Das Forschungsprojekt setzt dabei im Bereich des Störungs- und Reaktionsmanagements an, das durch eine intelligente Analyse umfassender Datenbestände und die Identifikation von auf Störungen hinweisenden Konstellationen um eine breite Informationsbasis bekannter und drohender Störungen erweitert wird. Adressiert wird hierbei in besonderem Maße das proaktive Reaktionsmanagement als Teil des Störungsmanagements. Bild 1 zeigt das Ineinandergreifen von Störungs- und Reaktionsmanagement mit der Differenzierung von reaktivem Vorgehen (Variante A in Bild 1), bei dem Maßnahmen zur effektivsten und effizientesten Behebung aufgetretener Störungen das Ziel sind und proaktives Vorgehen (Variante B in Bild 1), bei dem auf Grundlage der Informationen aus dem Störungsmanagement unmittelbar drohende Störungen schon vor ihrem Eintreten prognostiziert werden. Die Maßnahmen in diesem Fall sind dementsprechend präventiver Natur und unterscheiden sich deutlich von denen, die als Handlungsempfehlungen aus einem reaktiven Reaktionsmanagement resultieren.


Bild 1: Pro- und reaktives Reaktionsmanagement
während des Störungsmanagements.

Da Störungen in der Produktion und insbesondere Produktionsausfälle je nach Branche und Unternehmen Kosten in Höhe von bis zu $  50 000 pro Minute verursachen [4], ist es ein branchenübergreifendes Anliegen, Störungen nicht nur als solche zu erkennen und schnellstmöglich zu beheben, sondern bereits proaktiv durch geeignete Maßnahmen vollständig zu vermeiden. Da dazu große Mengen von (Echtzeit-) Informationen aus sämtlichen Bereichen notwendig sind, in denen theoretisch Störungen entstehen können, lässt sich dieses Anliegen im Bereich von Big Data verorten.

Wenn Sie weiterlesen möchten, klicken Sie hier