Cintelligence: Welche Rolle spielt Big Data bei der digitalen Transformation von KHS?
Stelter: In den modernen Hochleistungsanlagen werden sehr viele Daten generiert. So liefern moderne MES-Systeme Echtzeitinformationen zu Maschinenzuständen. Weiterhin sind Diagnosen zum Maschinenzustand und zu Verbrauchsdaten möglich. Auch Energie- und Medienverbräuche der Maschinen können gut gemessen werden.
Cintelligence: Ihr Vortragstitel lautet „Big Data aus Maschinen und Anlagen zur Getränkeverpackung“. Worum wird es gehen?
Stelter: Es wird um die Aufzeichnung der Betriebsdaten bei der aseptischen Abfüllung sensibler Produkte gehen. Weiterhin werde ich Ansätze der zustandsorientierten Instandhaltung behandeln. Condition Monitoring und Energiemonitoring sind hier wichtige Themen. Im Theorieteil werde ich zeigen, wie aus Zeitreihen mithilfe der Methoden der multivariaten Statistik über Abstandsmaße Ähnlichkeiten oder Disparitäten ermittelbar sind.
Cintelligence: Welche Ergebnisse wurden hier erzielt?
Stelter: Wir können jetzt die Ursachen von stochastisch auftretenden Produktionsfehlern schnell und eindeutig detektieren. Gute Verfahren sind hier beispielsweise Assoziations- oder auch Clusteranalysen, die es ermöglichen, Fehler auch auf das Zusammenwirken unterschiedlicher Einflüsse zurückzuführen. Es ist beispielsweise möglich, dass eine erhöhte Verkeimung ausschließlich aus einer speziellen Kombination von Vibration, Umgebungstemperatur und Fülldruck resultiert, während die Auswertung jedes einzelnen Parameters völlig unauffällig bleibt.
Cintelligence: Auf welche Probleme sind Sie gestoßen?
Stelter: Vertreter namhafter Anbieter haben von Big Data und Datamining geredet, konnten aber nicht erklären, welche Informationen aus den Zeitreihen generierbar sein werden und welche Vorteile potentielle KHS-Kunden davon haben könnten. Zudem wird aus Sicht der Analytik oft vergessen, dass die Datenvorbehandlung eine entscheidende Rolle für ein verwertbares Ergebnis spielt.
Cintelligence: Was lief gut?
Stelter: Gut lief die Einarbeitung in die multivariate Statistik, mit derer Hilfe man Ähnlichkeiten oder Nichtähnlichkeiten von Zeitreihen mathematisch ermitteln kann. Und wir wurden sehr gut unterstützt, als es darum ging, eine geeignete Messkette zu finden.
Cintelligence: Welche Entwicklungsansätze verfolgen Sie bei Ihrer Big Data Roadmap?
Stelter: Die Roadmap verfolgt zunächst die Akquisition von Daten über geeignete Sensoren und Messketten sowie die lokale Zwischenspeicherung der entsprechenden Daten. Nachdem eine bestimmte Grundgesamtheit an Daten erfasst worden ist, geht es darum, durch geeignete Datamining-Algorithmen entsprechende Muster zu erkennen und damit zum Beispiel Rückschlüsse etwa auf das Verschleißverhalten der Maschine zu bekommen.
Cintelligence: Wenn Sie Managern, die Big Data Projekte angehen möchten, drei Ratschläge geben müssten, wie würden diese lauten?
Stelter: Zunächst sollte man sich Klarheit darüber verschaffen, welche Erkenntnisse man aus Mustern als Ergebnis von Dataminingprozessen gewinnen kann, und wie diese sinnvoll in einen Kundennutzen umgesetzt werden können.
Weiterhin muss klar sein wie die Datenerfassungskette aussehen wird, in welcher Frequenz und in welchem Umfang Daten erfasst werden sollen. Es wird leichtfertig behauptet, eine Cloud hätte unendlich viel Speicherplatz und unendlich viel Rechenpower. Die damit verbundenen hohen Kosten werden gerne verschwiegen.
Und lassen Sie sich ruhig Zeit, den richtigen Partner für die passenden Datenbanken und Auswertealgorithmen zu finden. Schließlich müssen die Ergebnisse später zu 100% nachvollziehbar und vertrauenswürdig sein.
Cintelligence: Die aktuelle Transformation hat Auswirkungen auf die Organisation. Vor welchen Herausforderungen stehen die Mitarbeitenden und wie reagieren Sie darauf?
Stelter: Mitarbeitende müssen offen sein, Neues zu lernen, und sich auf allen Ebenen mit den modernen IT-Techniken auseinandersetzen.
Cintelligence: Big Data und Predictive Analytics stehen noch am Anfang. Wie schätzen Sie die künftige Entwicklung und die Potenziale für KHS ein?
Stelter: Getränkeabfüllung ist in den heutigen Märkten sehr datengetriebenen. Das hängt mit den Wünschen der Verbraucher zusammen. Aus diesem Grund schätze ich die zukünftige Entwicklung bei KHS positiv ein. Sinnvoll ausgewertete Daten ergeben bessere Kenntnisse und zeitnahe Informationen für unsere Kunden. Ohne diese Auswertungen ist eine moderne Getränkeabfüll- und Verpackungstechnik mit ihrer Sortenvielfalt und gewollten Abwechslung für die Konsumenten praktisch nicht mehr möglich.
Stelter: In den modernen Hochleistungsanlagen werden sehr viele Daten generiert. So liefern moderne MES-Systeme Echtzeitinformationen zu Maschinenzuständen. Weiterhin sind Diagnosen zum Maschinenzustand und zu Verbrauchsdaten möglich. Auch Energie- und Medienverbräuche der Maschinen können gut gemessen werden.
Cintelligence: Ihr Vortragstitel lautet „Big Data aus Maschinen und Anlagen zur Getränkeverpackung“. Worum wird es gehen?
Stelter: Es wird um die Aufzeichnung der Betriebsdaten bei der aseptischen Abfüllung sensibler Produkte gehen. Weiterhin werde ich Ansätze der zustandsorientierten Instandhaltung behandeln. Condition Monitoring und Energiemonitoring sind hier wichtige Themen. Im Theorieteil werde ich zeigen, wie aus Zeitreihen mithilfe der Methoden der multivariaten Statistik über Abstandsmaße Ähnlichkeiten oder Disparitäten ermittelbar sind.
Cintelligence: Welche Ergebnisse wurden hier erzielt?
Stelter: Wir können jetzt die Ursachen von stochastisch auftretenden Produktionsfehlern schnell und eindeutig detektieren. Gute Verfahren sind hier beispielsweise Assoziations- oder auch Clusteranalysen, die es ermöglichen, Fehler auch auf das Zusammenwirken unterschiedlicher Einflüsse zurückzuführen. Es ist beispielsweise möglich, dass eine erhöhte Verkeimung ausschließlich aus einer speziellen Kombination von Vibration, Umgebungstemperatur und Fülldruck resultiert, während die Auswertung jedes einzelnen Parameters völlig unauffällig bleibt.
Cintelligence: Auf welche Probleme sind Sie gestoßen?
Stelter: Vertreter namhafter Anbieter haben von Big Data und Datamining geredet, konnten aber nicht erklären, welche Informationen aus den Zeitreihen generierbar sein werden und welche Vorteile potentielle KHS-Kunden davon haben könnten. Zudem wird aus Sicht der Analytik oft vergessen, dass die Datenvorbehandlung eine entscheidende Rolle für ein verwertbares Ergebnis spielt.
Cintelligence: Was lief gut?
Stelter: Gut lief die Einarbeitung in die multivariate Statistik, mit derer Hilfe man Ähnlichkeiten oder Nichtähnlichkeiten von Zeitreihen mathematisch ermitteln kann. Und wir wurden sehr gut unterstützt, als es darum ging, eine geeignete Messkette zu finden.
Cintelligence: Welche Entwicklungsansätze verfolgen Sie bei Ihrer Big Data Roadmap?
Stelter: Die Roadmap verfolgt zunächst die Akquisition von Daten über geeignete Sensoren und Messketten sowie die lokale Zwischenspeicherung der entsprechenden Daten. Nachdem eine bestimmte Grundgesamtheit an Daten erfasst worden ist, geht es darum, durch geeignete Datamining-Algorithmen entsprechende Muster zu erkennen und damit zum Beispiel Rückschlüsse etwa auf das Verschleißverhalten der Maschine zu bekommen.
Cintelligence: Wenn Sie Managern, die Big Data Projekte angehen möchten, drei Ratschläge geben müssten, wie würden diese lauten?
Stelter: Zunächst sollte man sich Klarheit darüber verschaffen, welche Erkenntnisse man aus Mustern als Ergebnis von Dataminingprozessen gewinnen kann, und wie diese sinnvoll in einen Kundennutzen umgesetzt werden können.
Weiterhin muss klar sein wie die Datenerfassungskette aussehen wird, in welcher Frequenz und in welchem Umfang Daten erfasst werden sollen. Es wird leichtfertig behauptet, eine Cloud hätte unendlich viel Speicherplatz und unendlich viel Rechenpower. Die damit verbundenen hohen Kosten werden gerne verschwiegen.
Und lassen Sie sich ruhig Zeit, den richtigen Partner für die passenden Datenbanken und Auswertealgorithmen zu finden. Schließlich müssen die Ergebnisse später zu 100% nachvollziehbar und vertrauenswürdig sein.
Cintelligence: Die aktuelle Transformation hat Auswirkungen auf die Organisation. Vor welchen Herausforderungen stehen die Mitarbeitenden und wie reagieren Sie darauf?
Stelter: Mitarbeitende müssen offen sein, Neues zu lernen, und sich auf allen Ebenen mit den modernen IT-Techniken auseinandersetzen.
Cintelligence: Big Data und Predictive Analytics stehen noch am Anfang. Wie schätzen Sie die künftige Entwicklung und die Potenziale für KHS ein?
Stelter: Getränkeabfüllung ist in den heutigen Märkten sehr datengetriebenen. Das hängt mit den Wünschen der Verbraucher zusammen. Aus diesem Grund schätze ich die zukünftige Entwicklung bei KHS positiv ein. Sinnvoll ausgewertete Daten ergeben bessere Kenntnisse und zeitnahe Informationen für unsere Kunden. Ohne diese Auswertungen ist eine moderne Getränkeabfüll- und Verpackungstechnik mit ihrer Sortenvielfalt und gewollten Abwechslung für die Konsumenten praktisch nicht mehr möglich.
