In drei Schritten zu datengestützten Produktionsverbesserungen

Einige Firmen haben Daten und fragen sich ob diese nicht Nutzenbringend sein könnten. Doch wissen sie nicht genau wie der Einstieg in die Welt der Datennutzung am besten gelingen kann. Zu diesem Zweck haben wir von LeanBI ein 3 stufiges Vorgehen entwickelt. Nach dem sanften Einstieg in die Thematik gefolgt von einem Prof of Concept sorgen wir schliesslich dafür, dass die Datennutzung auch im täglichen Geschäftsbetrieb ankommt.

Big Picture

Als sanften Einstig in die Welt der Datenanalyse erstellt LeanBI aus Ihren eigenen Daten eine Datenanalyse Demo. Diese Demo deutet bereits an, welche Informationen in Ihren Daten liegen und dient als Grundlage für unseren «Nutzenworkshop». In diesem Workshop wird mit Ihnen zusammen ermittelt welchen Nutzen Sie aus Ihren Daten ziehen können und wie weiter vorgegangen werden soll. Somit entsteht in unseren Worten das «Big Picture der Datennutzung».

Bild: Visualisierungen in einer kundenspezifischen Datenanalyse Demo

Prof of Concept

Um zu zeigen, dass das «Big Picture der Datennutzung» auch praktisch umgesetzt werden kann, erstellen wir als nächstes einen Prof of Concept. Darin wird die technische Machbarkeit gezeigt und der Nutzen der Analysen verdeutlicht.

Überführung in den täglichen Geschäftsbetrieb

Am Ende des 3 stufigen Prozesses kümmern wir uns darum, dass die Datennutzung auch im täglichen Geschäftsbetrieb ankommt und dort den versprochenen Nutzen liefert. Und natürlich lassen wir sie auch bei der Wartung und Weiterentwicklung nicht im Stich.

An Hand von 3 Use Cases möchten Ihnen den Nutzen, welcher nach diesem 3 stufigen Prozess entstehen kann exemplarisch zeigen:

Prozessoptimierung bei der Wattestäbchenproduktion (PDF zum Download)

Predictive Maintenance bei Pumpen (PDF zum Download)

Prozessoptimierung in der Elektronikindustrie (PDF zum Download)

Controlling Konferenz 2017 – Digitaler Wandel im Controlling

Am 26. September 2017 findet am IFZ Zug die Controller Konferenz 2017 zum Thema „Digitaler Wandel im Controlling“ statt. LeanBI ist tatkräftig mit dabei! Die Konferenz ist bereits ausverkauft und zeigt damit durchaus auch die Relevanz des Themas auf. Es gibt aber noch eine Warteliste.

Übersicht Controlling Konferenz 2017

Sponsoren der Controller Konferenz

LeanBI zeigt an seinem Stand mit unserem Partner Benkendorf&Company, wie sich mit Hilfe der Digitalisierung eine Investitionsplanung flexibilisieren und automatisieren lässt. Dadurch wird ein monatlicher Forecast der Investitionsplanung entlang der gesamten Organisation ideal unterstützt.
Damit vereinfacht sich der Planungsprozess rund um Investitionen und wird massiv übersichtlicher. Unsere Lösung basiert auf der bekannten BPM (Business Performance Management) Software Jedox.

Doch an der Konferenz gibt es noch weitere spannende Themen:

  • Wie unterstützt ein modernes Controlling die Unternehmensführung im digitalen Zeitalter?
  • Der Einfluss der Digitalisierung auf Controllingprozesse und Controllingservices
  • Die Auswirkungen der Digitalisierung auf das Controllinginstrumentarium (Planung und Reporting)
  • Das zukünftiges Controller-Rollenbild (Data Scientist)
  • Controllingtrends (Big Data, Cloud Computing)

Unsere Firma LeanBI mit ihren Data Scientists ist damit gut gerüstet, Unternehmen bei der Digitalisierung optimal zu unterstützen.

Hier das Programm der Konferenz:

Programm der Controlling Konferenz_2017

Das Programm kann auch heruntergeladen werden:

https://www.hslu.ch/de-ch/wirtschaft/agenda/veranstaltungen/2017/09/26/controlling-konferenz-2017/

Wie eine Dynamische Unternemensplanung erreicht wird

Immer mehr Unternehmen spüren die zunehmende Dynamik und die damit verbundenen Risiken globaler Märkte. Diese kontinuierliche Entwicklung stellt neue Anforderungen an die finanzielle Führung und Steuerung von Unternehmen: die Prozesse zur Unternehmenssteuerung müssen dynamischer werden! Das bedeutet gleichzeitig eine Abkehr vom starren System der traditionellen Budgetierung, das durch fixe Ziele, eine jährliche Planung und sehr detaillierte Budgets gekennzeichnet ist.

Die dynamische Unternehmenssteuerung basiert auf zwei Grundprinzipien.

Grundprinzip 1: Eindeutige und verbindliche Ziele, die Dynamik reflektieren

Vorab festgelegte fixe Ziele stehen in klarem Widerspruch zur wachsenden Dynamik des Unternehmensumfelds. Fixe Ziele werden sich unterjährig immer häufiger entweder als zu schwer oder als zu leicht erreichbar erweisen.

Daher werden Ziele benötigt, die einerseits eindeutig und verbindlich sind und andererseits Dynamik reflektieren. Ziele, die relativ zum Markt (zur Konkurrenz) gesetzt werden, besitzen diese Eigenschaften. Ein sehr anschauliches Beispiel hierfür liefert die VOLVO Group. Sowohl das Ziel für das Umsatzwachstum, als auch die Regeln für die Messung der Zielerreichung, sind eindeutig und verbindlich definiert:

  • Zielgrösse = Umsatzwachstum
  • Peer-Group = Daimler, Iveco, MAN, Navistar, Paccar, Scania, Sinotruk
  • Messung der Zielerreichung = gleich oder grösser als der gewichtete Durchschnitt der Peer-Group

Dynamik wird dadurch reflektiert, dass der zu erreichende Zielwert erst im Vergleich mit der Peer-Group entsteht. Bei der VOLVO Group konnte so die Leistung im Jahr 2016 auch in einem sehr anspruchsvollen Marktumfeld fair bewertet werden: der Umsatzrückgang von 5% der VOLVO Group war verglichen mit dem gewichteten Durchschnitt der Peer-Group von minus 7.3% eine (relativ) gute Leistung.

Grundprinzip 2: Ein reaktionsschneller integrierter Forecast- & Planungsprozess

Bei zunehmender Dynamik des Unternehmensumfelds werden Forecasts an Bedeutung gewinnen. Ein Forecast ist die bestmögliche Aussage über zukünftig zu erwartende Ergebnisse auf der Basis der aktuellsten Annahmen über die Zukunft. Nicht nur die Anzahl und der Umfang von Aussagen über zukünftig zu erwartende Ergebnisse wird wichtiger, sondern auch die Qualität dieser Aussagen. Verlässliche Aussagen über zukünftige Ergebnisse werden in einem dynamischen Unternehmensumfeld zu einem Wettbewerbsvorteil. Ein Forecast ist wirkungslos, wenn die Erkenntnisse daraus nicht zeitnah in Form von korrektive Massnahmen (d.h. Plananpassungen) umgesetzt werden. Forecasting und Plananpassungen stellen daher einen integrierten Prozess dar, der in drei Schritten abläuft:

  1. Forecast erstellen: Welche zukünftigen Ergebnisse sind auf Basis der aktuellsten Annahmen über die Zukunft zu erwarten? Sind korrektive Massnahmen notwendig (wenn die zukünftig zu erwartenden Ergebnisse nicht zufriedenstellend sind)?
  2. Korrektive Massnahmen erarbeiten (um die Zukunft so zu gestalten, dass der nicht zufriedenstellende Forecast aus Schritt 1 nicht Realität wird).
  3. Plananpassung durchführen: Aktueller Plan + korrektive Massnahmen = angepasster Plan.

Der integrierte Forecast- & Planungsprozess kann entweder periodisch (z.B. einmal pro Quartal) oder anlassbezogen durchgeführt werden. Die Notwendigkeit, den integrierten Forecast- & Planungsprozess in kurzer Taktung zu durchlaufen, liegt auf der Hand: Wenn sich das Unternehmensumfeld immer schneller ändert, dann müssen Unternehmen die Auswirkungen dieser Änderungen so früh wie möglich erkennen, um dann in Form von Plananpassungen (d.h. in Form von veränderter Ressourcenallokation) zeitnah darauf zu reagieren.

Der Wechsel von einer jährlichen Planung mit sehr detaillierten Budgets zu einem integrierten Forecast- & Planungsprozess mit kurzer Taktung (und weniger Details) stellt aus kultureller, prozessualer und technischer Sicht für viele Unternehmen eine grosse Herausforderung dar.

Dynamische Unternehmenssteuerung

Die beschriebenen zwei Grundprinzipien stellen den Kern der dynamischen Unternehmenssteuerung dar und bedingen sich gegenseitig: Eindeutige und verbindliche Ziele, die Dynamik reflektieren (Grundprinzip 1) bilden den Rahmen, der einen reaktionsschnellen integrierten Forecast- & Planungsprozess (Grundprinzip 2) erst ermöglicht.

Dieser Blog ist in Zusammenarbeit mit unserem Partner Benkendorff & Company entstanden.

Swiss Industry 4.0 Conference – Digitale Transformation in der Praxis

Am 14. September 2017 findet in Baden die Swiss Industry 4.0 Conference® statt, eine der bedeutendsten Praxisveranstaltung in der Schweiz zu allen Themen in Bezug auf die digitale Transformation.

Diese Fachveranstaltung dient Fach- und Führungskräften zum intensiven Austausch mit Experten und externen Firmen und Unterstützern.
LeanBI ist als Logopartner der Veranstaltung ebenfalls vor Ort und freut sich auf viele interessante und anregende Diskussionen mit den Teilnehmern.
Organisiert und durchgeführt wird diese hochkarätige Veranstaltung – wie schon 2016 – von Autexis IT AG aus Villmergen. Weitere Kooperationspartner sind Siemens, Swisscom, SAP und Universität St.Gallen.



Das Programm

Eine Abfolge von Fachvorträgen, der Verleihung des Swiss Industry 4.0 Award 2017 und ausreichend Raum für Networking kennzeichnen den Nachmittag im Kongresszentrum „TRAFO“ in Baden (AG). Hier das abwechslungsreiche Programm (s. auch unter www.industry40.ch):

13.00 Eintreffen der Gäste
13.30 Begrüssung durch Philippe Ramseier als Vertreter der Kooperationspartner
13.45 Keynote Daniel Rudin, Melde- und Analysestelle Informationssicherung MELANI:
«Cyber Security, damit Smart nicht zum Albtraum wird»
14.15 Laudatio
14.30 Vergabe des Swiss Industry 4.0 Award 2017
15.00 Pause – Besuch der Ausstellung, Networking Tische mit Key-Note Referent und Award- Gewinner
15.45 Ramseier Suisse AG, Andreas Balmer (Leiter Betrieb Sursee): «Traditionell – Fortschrittlich»
16.10 Swiss Can Machinery AG, Marc Grabher (CTO): «Ordnung im Datenchaos – Digitalisierung im KMU»
16.35 Walter Meier (Klima Schweiz) AG, Martin Kaufmann (CEO): «smart-guard: die clevere Fernüberwachung für Wärmepumpen
17.00 ABB, Adrian Wyss (Process Planer): «ABB Semiconductors – Industry 4.0 in der Halbleiterproduktion
17.30 Pause – Besuch der Ausstellung, Networking Tische mit Ramseier Suisse AG, Swiss Can
Machinery AG, Walter Meier (Klima Schweiz) AG und ABB.
18.00 Führung durch Industry 4.0-Themenbereiche
18.30 Apero Riche inkl. Networking bei den Themenbereichen
19.00 Überraschungsgast
ab 20.30 Barbetrieb

Der Swiss Industry 4.0 Award 2017

Ein wesentlicher Bestandteil dieser Konferenz ist neben der Fachtagung die Verleihung des Swiss Industry 4.0 Award 2017. Mit dieser mit CHF 10.000 dotierten Auszeichnung wird jährlich ein Unternehmen, eine Organisation oder ein Projekt ausgezeichnet, das in der praktischen Umsetzung von Digitalisierungs-Lösungen der Industrie 4.0 einen bemerkenswerten Beitrag an den Fortschritt der Wirtschaft in der Schweiz geleistet hat oder leistet.

Digitale Transformation und LeanBI

Diese Veranstaltung trifft das Arbeitsgebiet von LeanBI genau: mit unseren drei Geschäftsfeldern Business Intelligence, Big Data und Industrie 4.0 bieten wir einen breiten Fächer von Know-how und Unterstützung von Produkt- und Prozessoptimierung bis hin zur Gestaltung und Implementierung neuer digitaler Geschäftsmodelle (www.leanbi.ch).
Eine ganze Zahl erfolgreiche abgewickelter Projekte rund um das Thema Industrie 4.0 haben nicht nur den betreffenden Kunden zu einem entscheidenden Wettbewerbsvorteil verholfen, sondern natürlich auch unseren Erfahrungsschatz weiter vergrössert – auch wir lernen ständig dazu!

Fazit

Eine Veranstaltung, die bestens zum Business von LeanBI passt – wir freuen uns auf viele spannende Diskussionen mit Kunden, Teilnehmern und Fachkräften am 14. September in Baden.

Swiss Alliance for Data-intensive Services – Bootcamp von LeanBI

Die Mission der Swiss Alliance for Data-intensive Services ist klar und eindrücklich:
«Swiss Alliance for Data-Intensive Services provides a significant contribution to make Switzerland an internationally recognized hub for data-driven value creation.”

LeanBI ist seit 2016, also seit Beginn an, aktives Mitglied dieser Initiative und bietet in diesem Zusammenhang ganz konkrete operative Unterstützung für andere Mitglieder in Form von datenanalytischen Workshops.
Ein erstes Industrieunternehmen, welches diesen Service nun in Anspruch nimmt, ist die Firma TRUMPF in Grüsch (GR).

Das Schiff nimmt Fahrt auf

LeanBI bietet seine Kompetenzen in den Bereichen Business Intelligence (BI), Big Data und Industrie 4.0 für die Mitglieder der Swiss Alliance for Data-intensive Services in Form von Workshops an.
Damit soll einerseits die Hemmschwelle für den Nutzen-orientierten operativen Einsatz datengetriebener Analysen und Arbeitsmethoden gesenkt werden. Andererseits soll aber auch den interessierten Firmen kräftig praktisch unter die Arme gegriffen werden, wenn es darum geht, aus Daten diesen Nutzen konkret und messbar zu generieren.

Unter https://www.data-service-alliance.ch/services sind auf der Homepage der Swiss Alliance alle diese Service gelistet, u.a. auch der von LeanBI mit dem Titel «Innovation Bootcamp on Predictive Analytics»:

Fig. 1: Services der Swiss Alliance

Innovation Bootcamp on Predictive Analytics

Was verbirgt sich genau dahinter?
LeanBi bietet über die Swiss Data Alliance deren Mitgliedern Workshops an, um die Anwendung von IoT-Implementierungen und Daten-getriebenen Anwendungen in konkreten Situationen zu realisieren.
Dabei handelt es sich um Workshops mit den Schwerpunktthemen «Daten-gestützten Produkt- oder Prozessoptimierung» und «Entwicklung neuer digitaler Businessmodelle».

Der Fokus liegt dabei auf der Visualisierung und Modellierung von Daten mit Algorithmen, die auf die jeweilige konkrete Situation zugeschnitten sind.
Für den Aufbau von Prototypen steht dabei die datenanalytische Plattform von LeanBI zur Verfügung, jedoch sind die Ergebnisse unabhängig von der Plattform und der eingesetzten Software.

Dieses Workshop-Angebot besteht seit April 2017 und Interessenten finden weitere Informationen dazu auf unserer Website www.leanbi.ch.

Zusammenarbeit mit der Firma TRUMPF

Ein erster Interessent hat vor wenigen Tagen Gebrauch vom Angebot dieser Workshops gemacht: Die Firma TRUMPF Laser Marking Systems AG.

Das Hochtechnologieunternehmen TRUMPF bietet Fertigungslösungen in den Bereichen Werkzeugmaschinen, Lasertechnik und Elektronik. Sie kommen bei der Herstellung unterschiedlicher Produkte zum Einsatz – von Fahrzeugen und Gebäudetechnik über mobile Endgeräte bis hin zur modernen Energie- und Datenspeicherung. Mit rund 70 operativen Tochtergesellschaften ist die TRUMPF Gruppe weltweit in allen wichtigen Märkten vertreten.



Und eine dieser Töchter ist die TRUMPF Laser Marking Systems AG in Grüsch (GR), die unter anderem Systeme zur Lasermarkierung entwickelt und herstellt, mit denen nahezu alles in kürzester Zeit und höchster Präzision markiert werden kann.

Zusammen mit der TRUMPF Laser Marking Systems AG wird LeanBI einen Workshop durchführen, um erste Erkenntnisse aus bereits vorhandenen Daten zu gewinnen und weitere nutzbringenden Projekte zu identifizieren.

Fazit

Es geht los – und zwar ganz konkret: aus Daten wird bei der TRUMPF Laser Marking Systems AG Nutzen erzeugt.

Digitale Geschäftsmodelle – speziell für KMU!

Unterhält man sich mit den Führungspersonen von Schweizer KMUs, ist fast immer von neuen digitalen Geschäftsmodellen die Rede. Doch gleichzeitig ist eine gewisse Unsicherheit spürbar und die zentralen Fragen sind: „Wie könnte ein neues digitales Geschäftsmodell für unser Unternehmen aussehen?“, „Wie gelange ich dort hin?“ und „Was geschieht dann mit unserem bisherigen G-Modell?“.

LeanBI wendet ein Workshop-basiertes Vorgehen an, um zusammen mit den jeweiligen Unternehmen die spezifischen Antworten auf obige Fragen zu erarbeiten. In einem selbst entwickelten systematischen Vorgehen erarbeiten wir in Kunden-Workshops top-down und Schritt für Schritt das digitale Geschäftsmodell und die Projekte, die zu seiner Implementierung notwendig sind. Unsere Nähe sowohl zu allen Themen um die Digitalisierung herum als auch unsere breit gefächerte Industrieerfahrung haben sich bei diesem Vorgehen sehr bewährt.

Eine gesunde Unruhe

Die Sorge, den „digitalen Zug“ zu verpassen, ist in vor allem in vielen KMU deutlich wahrnehmbar. Aber gleichzeitig ist doch sehr oft unklar, in welchen konkreten Schritten bzw. Stufen die digitale Transformation angegangen werden kann, ohne das bestehende – und meist bewährte – Geschäftsmodell aufzugeben oder zu gefährden. Ein mehrstufiges Vorgehen nimmt dem Vorhaben einerseits den Schrecken und ermöglicht es gleichzeitig, die Erfahrungen, die in einer Stufe gewonnen wurden, in der nächsten Stufe zu berücksichtigen.

In den meisten KMU erfolgen die Stufen in der Reihenfolge: Produktverbesserung → Prozessverbesserung → Aufbau / Optimierung digitaler Geschäftsmodelle. In den Stufen 1 und 2 kommen dabei bereits häufig digitale Elemente zum Einsatz, wenn auch meist noch im Rahmen des bestehenden Geschäftsmodells. Von einem tatsächlich neuen digitalen Geschäftsmodell spricht man eigentlich erst, wenn zumindest zwei der drei Kernelemente eines jeden Geschäftsmodells digitalisiert sind. Diese drei Kernelemente eines Geschäftsmodells sind:

  1. Das Geschäftsfeld, d.h. welche Produkte, Dienstleistungen, Kunden und Märkte haben wir?
  2. Die Wertschöpfung, d.h. wie wird der Wertzuwachs generiert, (wie weit) ist die Wertschöpfungskette integriert, ist der Kunde Teil der Wertschöpfung usw.?
  3. Das Finanzmodell, d.h. wie verdienen wir unser Geld, in welchem Preissegment sind wir angesiedelt, werden wir nach Stückzahlen oder für Dienstleistungen bezahlt usw.?

Fig. 1: Typische Vorgehensweise in 3 Stufen

In acht Schritten zum neuen digitalen Geschäftsmodell

Fig. 2: in 8 Schritten zum digitalen G-Modell

Ein Vorgehen in klar gegliederten Schritten erleichtert sowohl die Wegfindung als auch die Umsetzung digitaler Geschäftsmodelle. Im Folgenden werden die acht Schritte zum erfolgreichen digitalen Geschäftsmodell kurz skizziert.

 

Schritt 1: Den Startpunkt festlegen, d.h. die spezifische digitale Geschäftsstrategie formulieren. Oder: «Wie sieht der Masterplan für unser digitale Transformation aus?»

 

Schritt 2: Das bestehende und die möglichen neuen digitalen Geschäftsmodelle grafisch und mit Hilfe von morphologischer Kästen beschreiben.

 

Schritt 3: Den gegenwärtigen Zustand und den angestrebten Zielzustand des Unternehmens bezüglich des digitalen Geschäftsmodells sowie der wichtigsten Soft- und Hard Facts beschreiben.

 

Schritt 4: Die Ausprägungen der G-Modelle, d.h. die digitalen Businessziele definieren: «Welche Geschäftsbereiche sollen in welcher Ausprägung digitalisiert werden?»

 

Schritt 5: «Wie können wir den angestrebten Zielzustand konkret und messbar beschreiben?». Mit anderen Worten: die Operationalisierung der Businessziele («Was ist hinterher neu bzw. anders als zuvor?»)

 

Schritt 6: Die erarbeiteten neuen Geschäftsmodelle in methodischer Art und Weise gegeneinander priorisieren und damit das favorisierte Modell identifizieren.

 

Schritt 7: Die zur Umsetzung erforderlichen Projekte definieren und gemäss einer vereinbarten Roadmap durchführen.

 

Schritt 8: Die abgeschlossenen Umsetzungsprojekte hinsichtlich ihres Nutzens für die definierte digitale Unternehmensstrategie auswerten und gegebenenfalls Korrekturen bzw. weitere digitale Massnahmen beschliessen.

Unser Workshop-basiertes Vorgehen

Fig. 3: Drei Workshops zur Erarbeitung eines digitalen Geschäftsmodells

 

In vielen Fällen hat sich bei LeanBI eine Abfolge von drei Workshops zur Erarbeitung und Implementierung von neuen digitalen Geschäftsmodellen sehr bewährt. Selbstverständlich können sowohl die thematische Gliederung als auch der Umfang und die Dauer der Workshops den Anforderungen des jeweiligen Unternehmens angepasst werden.

  • Workshop 1: Das Resultat des ersten Workshops ist die Beschreibung des bzw. der neuen digitalen Geschäftsmodelle (Szenarien) entlang seiner drei Kernelemente Geschäftsfelder, Art der Wertschöpfung und Finanzmodell. Operationalisierte und messbare Ziele beschreiben den neuen «digitalisierten Zustand» des Unternehmens.
  • Workshop 2: Beginnend mit realen Use Cases und basierend auf den Ergebnissen von Workshop 1 werden das bzw. die neuen digitalen Geschäftsmodelle hinsichtlich ihrer zeitlichen, finanziell/wirtschaftlichen, qualitätsbezogenen und räumlichen Ausprägungen ausformuliert. Anschliessend werden anhand einer Unternehmens-spezifischen Systematik die verschiedenen Szenarien gegeneinander priorisiert und so das meistversprechende Geschäftsmodell identifiziert.
  • Workshop 3: Die Umsetzung des zuvor ausgewählten neuen Geschäftsmodells erfolgt in der Regel durch mehrere Projekte entlang einer vereinbarten Roadmap. Diese wird zusammen mit dem Kunden nach der Methode des Fast Prototyping entsprechend gemäss den drei Kriterien Machbarkeit, Dringlichkeit und (grösster) Nutzen erstellt. Und jedes Projekt wird nach Abschluss hinsichtlich seines Nutzens für die digitale Strategie evaluiert. So können jederzeit notwendige Korrekturen an der Roadmap oder weitere digitale Schritte eingesteuert werden.

Fazit

Die Digitalisierung verliert viel von ihrer vermeintlichen Mystik und ihrem Schrecken, wenn man systematisch und schrittweise vorgeht: Schritt für Schritt erarbeitet man so die erforderlichen Strategien und Ziele, gestaltete und priorisiert die zukünftigen Geschäftsmodelle, operationalisiert die Ziele und setzt sie wiederum in Projektziele um. Der Kreis zurück zur digitalen Unternehmens-Strategie schliesst sich mittels der Evaluierung der Ergebnisse der abgeschlossenen Projekte.

TensorFlow

LeanBI ist konstant auf der Suche nach neuen Technologien um innovative Geschäftsmodelle zu entwickeln und neue Projekte zu starten. Eine solche Technologie präsentieren wir in diesem TensorFlow Blog.

 

Was ist TensorFlow

TensorFlow ist eine plattformunabhängige und freie Programmbibliothek für künstliche Intelligenz bzw. maschinelles Lernen. Es ist der Nachfolger von DistBelief, eine ähnliche aber nicht freie Programmbibliothek von Google. TensorFlow wird vor allem für die Modellierung neuronaler Netze benutzt. Im Moment sind  Sprach- und Bildverarbeitungsaufgaben die Hauptanwendungsfälle. Andere Nutzungen sind aber möglich.

Wie funktioniert TensorFlow?

TensorFlow führt numerische Berechnungen durch gerichtete Datenflussgraphen aus. Die interne Struktur von TensorFlow ist wie folgt:

  • Die Tensoren sind Objekte bzw. Datenstrukturen, die Vektoren oder mehrdimensionale Matrizen enthalten.
  • Die Knoten des Datenflussgraphen entsprechen mathematischen Berechnungen (Operatoren).
  • Die Kanten des Datenflussgraphen entsprechen den Tensoren und geben diese an andere Knoten weiter.

Was sind die Vorteile von TensorFlow?

Im Unterschied zu Numpy ist TensorFlow für Machine Learning spezifische Berechnungen optimiert. Ein Beispiel ist die Ableitungen von Matrizen. Die dezentralisierte Architektur von TensorFlow ermöglicht die Berechnung auf mehreren Rechnern oder Grafikprozessoren.

Des Weiteren ist transferlernen (Englisch: transfer learning) möglich: Vortrainierte Modelle werden verwendet um die Merkmale neuer Datensätze automatisch extrahieren zu können. Eine praktische Möglichkeit um neuronale Netze zu benutzen ohne über grosse Datensätze und lange Trainingszeiten zu verfügen. Beispielsweise kann ein neuronales Netz, welches die Klassifizierung von LKWs gelernt hat, nach kurzem Training auch PKWs klassifizieren.

 

Schliesslich ermöglicht TensorFlow die Kreation, Modifikation und Ausnutzung von Neuronalen Netzen in einer vereinfachten Form. Diese Modelle sind oft komplex und dementsprechend profitiert man von bereits geleistetem Programmieraufwand. Die Verschiedene Programmierungsbibliotheken – inkl. Python die wir für unsere Teste verwendet haben – sind sehr einfach und effizient.

Möchten Sie TensorFlow spielerisch ausprobieren? Dann empfehlen wir Ihnen die folgende TenorFlow Homepage mit einem graphischen interaktiven neuronalen Netz.

DEFL – Digitale Transformation im KMU – Jetzt Mal konkret!

In der Schweizer KMU-Landschaft ist eine stark wachsende Unruhe spürbar:
Zwar ist erkannt, dass es sich bei der Digitalisierung um wesentlich mehr als nur einen „Hype“ handelt, doch wo und wie soll man konkret damit beginnen? Was macht der Wettbewerber? Welche Irrwege gilt es zu vermeiden? Am 2. Mai fand in im KKL in Luzern die erste Veranstaltung des DEFL mit dem Titel „Digitale Transformation im KMU – jetzt mal konkret!“ statt (www.defl.ch). Mit dem Ziel, obige und andere Fragestellungen zu beleuchten und dadurch mehr Licht ins Halbdunkel zu bringen.

Ein Helikopterblick auf das Thema Digitalisierung

Im Einführungsvortrag zeigte Prof. Markus Wyss von der Hochschule Luzern mittels einer Studie, dass zwar etwa die Hälfte der darin befragten KMUs für sich eine digitale Strategie reklamiert und dieser auch grosse Bedeutung zumisst, in der praktischen Umsetzung aber noch sehr zögerlich ist.
Dies zeigt sich u.a. bei den Studien-Auswertungen zum Prozess-Automatisierungsgrad, zur Nutzung von Mobile Office, zur Intensität der Einbeziehung der Kunden in das Business oder im tatsächlichen Angebot von digitalen Produkte und Dienstleistungen. Vor allem widerspricht die geringe Bereitschaft, in digitale Technologien zu investieren (nur ca. 20% der befragten KMUs), dem reklamierten «strategischen Glaubensbekenntnis».
Doch in den folgenden Vorträgen wird klar: die digitale Transformation ist nicht aufzuhalten und eine «Kopf-in-den-Sand-Taktik» wird nichts helfen. Dabei muss es nicht immer gleich die Implementierung eines neuen Geschäftsmodells sein: schon mit ersten einfachen und begrenzten Massnahmen zur Produkt- und Prozessoptimierung kann die digitale Transformation schrittweise angegangen werden. Und noch eine mittlerweile beinahe schon triviale Erkenntnis: möglichst den Kunden – und dabei insbesondere sein tatsächliches Verhalten – ins Zentrum der Überlegungen zu stellen, und digitale Vorhaben stets von dieser Warte aus anzugehen.

 

Die wesentlichen (subjektiven) Erkenntnisse

Insgesamt acht Vorträge am Vormittag, 4 parallele Streams mit jeweils sechs Kurzvorträgen am Nachmittag sowie ein Abschlussvortrag befassten sich mit der digitalen Transformation. Im Folgenden sollen exemplarisch nur einige wenige Aspekte bzw. Erkenntnisse kommentiert werden:

  • Unbestrittener Ausgangspunkt für konkrete Massnahmen und Projekte zur Digitalisierung ist die Formulierung einer digitalen Strategie. Offensichtlich tun sich viele KMUs damit aber recht schwer. Zumindest wurden keine solche Strategien exemplarisch genannt.
    Sicherlich ist der Einstieg über zunächst rein operative Schritte einfacher, doch auch schon eine vorläufig formulierte Strategie zwingt einerseits zur Auseinandersetzung mit dem Thema, andererseits kann sie auch nach ersten praktischen Erfahrungen durchaus umformuliert werden.
  • Die beiden Seiten von Fortschritt sind «Chance» und «Risiko»; das ist auch bei der digitalen Transformation nicht anders.
    Aus einigen Vorträgen konnte man den Eindruck gewinnen, dass manche Schweizer KMUs eher Risiko-avers planen und handeln. Und zwar erkennen, dass sich «da draussen etwas tut», aber man sich doch erst mal noch auf’s Abwarten verlegen.
    Verschiedene Vorträge zeigen anhand von historischen Beispielen die Gefährlichkeit dieser Haltung.
  • Die digitale Transformation beginnt nicht erst jetzt, sondern hat, je nach Branche, schon vor etlichen Jahren begonnen. Und oft ist für die beteiligten Unternehmen daraus ein grosser Nutzen entstanden – der übrigens in vielen Fällen von Kritikern anfänglich massiv bezweifelt wurde.
    Eindrückliche Beispiele dazu legen den Schluss nahe, dass sich diese Entwicklung trotz sicherlich manchem Irrweg auch in der Schweiz rasant fortsetzen wird. Und die Schweizer KMUs daher gut beraten sind, diese Entwicklung ernst zu nehmen und beherzt anzugehen.
  • Sollte es nicht vielmehr «disruptive (statt digitale) Transformation» heissen? Dies schlug einer der Vortragenden vor.
    Zugegeben: für Aussenstehende mag manche Neuerung disruptiv, also «abgerissen» wirken. Doch bei näherer Betrachtung verliert sich dieser Eindruck meist, und viele neue Produkte, Prozesse oder Dienstleistungen zeigen sich entweder als das Ergebnis zäher und kluger Weiterentwicklung oder gründlichen Durchdenkens des bestehenden (und des zukünftigen) Geschäftsmodells.
    Die gute Nachricht dabei ist: Ohne Disruption verliert das Ganze auch viel von seiner Unnahbarkeit und seinem Schrecken, d.h. der Einstieg wird leichter.
    Und – streng genommen – stehen «Disruption» und «Transformation» sinngemäss sogar im Widerspruch zueinander, denn Transformation bedeutet kontinuierliche Umwandlung.

 

Die Randbedingungen

Das KKL in Luzern ist ein prächtiger Veranstaltungsort, zumal bei noch prächtigerem Frühlingswetter. Eine perfekte und «geräuschlose» Vorbereitung und Organisation sowie ein ausgezeichneter Stehlunch rundeten den guten Eindruck ab.
Etwas schade war allerdings, dass nur eine überschaubare Zahl der Teilnehmer aus der Industrie kam, dagegen viele Treuhänder zu den Besuchern zählten. Dennoch ergaben sich für LeanBI einige hochkarätige und sehr interessante Gespräche mit potentiellen Kunden. Im Zentrum der meisten dieser Gespräche stand die Entwicklung neuer digitaler Geschäftsmodelle. Hier hat LeanBI eine seiner grossen Stärken und hier wird allgemein auch der grösste Nutzen der digitalen Transformation gesehen.

 

Fazit

Was bleibt als Zusammenfassung?

  • Kunde im Mittelpunkt:
    Sämtliche Überlegungen und Massnahmen zur Digitalisierung und zu neuen Geschäftsmodellen sollten beim Kunden beginnen. In vielen Unternehmen ist diese Sicht anscheinend noch nicht ausreichend entwickelt.
  • Klein anfangen – aber anfangen!
    Erste konkrete Schritte, z.B. in der Produkt- oder Prozessverbesserung, nehmen der Sache ihren Schrecken und zeigen gleichzeitig auf, wohin die weitere Reise gehen kann. Also ein eher agiles Voranschreiten in kleinen Projekten, statt eine langjährige digitale Roadmap aufzubauen, die dann doch wieder geändert werden muss.
  • Es kommt so oder so:
    Es nicht die Frage, ob die digitale Transformation kommt oder nicht. Sondern, wie rasch sie in welcher Branche voranschreitet. Und wie gut die entsprechenden Unternehmen darauf vorbereitet sind, und zwar nicht nur technisch, sondern vor allem auch mental.

Anomalieerkennung am Beispiel eines Motors

In diesem letzten Artikel unserer Ananomalierkennungs-Serie zeigen wir ein praktisches Beispiel der Anomalieerkennung. Wir erklären, in welchem Szenario der Anomalieerkennung wir uns befinden und welche Anomalien wir in Betracht ziehen. Mehr Einzelheiten erfahren Sie in den vorhergehenden Artikeln zum selben Thema: „Die drei verschiedenen Arten von Anomalieerkennung“ und „Die drei Szenarien der Anomalieerkennung“.

 

Es handelt sich um einen Elektromotor. Dieser dreht mehrere durch einen Antriebsriemen miteinander verbundene Metallscheiben. Die einzelnen Teile des Motors und die Scheiben vibrieren, wenn der Motor läuft. Die Vibrationen werden mit einem drahtlosen Vibrationssensor der Firma Neratec gemessen. Diese Messungen ermöglichen die Erkennung möglicher Anomalien des Motors.

 

Anomalieerkennung am Elektormotr, ausgestellt an der Sindex
Abb. 1: Elektormotor an unserem Stand auf der SINDEX 2016 in Bern. Blau: Motor. Rot: Vibrationssensor. Grün: Echtzeitanomalieerkennung.

 

Die vollständige Anlage ist in Abb. 1 dargestellt. Der Motor ist blau, der Vibrationssensor rot und die Benutzeroberfläche grün umrahmt. Wir haben diese Versuchsanordnung bei der großen, alle zwei Jahre stattfindenden Technologiemesse Sindex 2016 aufgebaut.

 

In den nächsten Kapitteln gehen wir in wenigen Zeilen auf die Einzelheiten der Problemerkennung, Problemlösung und Durchführung der Anomalieerkennung ein.

Problemerkennung:

Die Hauptursachen von Funktionsstörungen eines solchen Motors sind folgende: Der Motor dreht sich zu langsam, zu schnell oder eine der Metallscheiben ist in Unwucht. Weitere Funktionsstörungen haben wir absichtlich außer Acht gelassen, da sie mit einem Vibrationssensor nicht von anderen Störungen unterscheiden lassen. Ein Problem der Stromversorgung beispielsweise, verhindert, dass der Motor läuft: Wie wäre ein Stromunterbruch vom ausgeschalteten Motor mit einem Vibrationssensor zu unterscheiden?

 

Wir wollen herausfinden, ob der Motor richtig funktioniert und die verschiedenen Anomalien erkennen. Wir haben also ein Klassifizierungsproblem mit fünf Klassen:

 

  1. 1. Der Motor ist ausgeschaltet
  2. 2. Der Motor funktioniert normal
  3. 3. Der Motor läuft zu langsam
  4. 4. Der Motor läuft zu schnell
  5. 5. Eine der Metallscheiben ist in Unwucht

 

Im Vorfeld haben wir Messungen jeder Klasse vorgenommen und jede Messung einer der fünf Klassen zugeordnet. Dadurch sind die zu erkennenden Anomalien vollständig bekannt.

Problemlösung:

Die zur Verfügung stehenden Daten werden durch den Vibrationssensor gesammelt. Dieser stellt ein Signal mit 2 kHz Abtastrate zur Verfügung. Dieses Signal haben wir mittels Fast Fourier Transformation (FFT) in den Frequenzbereich transformiert. Die Features (verwendete Merkmale) unseres Modells sind somit die Koeffizienten der Fourier-Transformierten.

 

Verschiedene Spektren je nach Zustand des Motores

 

Abb. 2: Mittlere Frequenzen je nach Zustand des Motors (ausgeschaltet, normal, zu schnell, zu langsam)

 

Im vorliegenden Beispiel haben wir mehrere Modelle angewandt und getestet. Unser Ziel war es, richtige Vorhersagen schnell und mit einem einfachen Algorithmus zu erhalten. Unsere Wahl fiel schließlich auf den Algorithmus Random Forest. Er ist einfach anzuwenden, schnell, erzielt zufriedenstellende Ergebnisse und gibt Auskunft über den Einfluss der verschiedenen Features (Merkmale) auf die Anomalienklassifizierung.

Durchführung:

Das Projekt wurde mit der Software Dataiku durchgeführt. Es erleichtert und beschleunigt Datenimport, -bereinigung und -verarbeitung. Auch das Erstellen eines Modells ist einfacher. Unseren Algorithmus Random Forest können wir mit einem einzigen Klick anwenden und auswerten.

 

Datenfluss in Dataiku

Abbildung 3: Datenfluss des Projekts in Dataiku

 

Abschließend ein kurzes Video, das auf der SINDEX aufgenommen wurde, und in welchem wir unseren Motor live vorstellen:

 

Seminar-Rückblick “Data Science in der Industrie 4.0”

Die mentale Hürde ist wie so oft die höchste: Zwar spricht beinahe jeder von der Notwendigkeit und Unaufhaltsamkeit der Digitalisierung (auch) in der Industrie, aber wie beginnt man, wo ist der beste Einstieg und in welchem Bereich lassen sich erste Erfolge am einfachsten realisieren? M&F Engineering AG in Fahrweid, seit mehr als 30 Jahren auf die Schwerpunkte Software-Entwicklung, automatisiertes Testen und Prüfsysteme fokussiert, veranstaltet mehrmals jährlich Seminare zu diesen und verwandten Themen. Am 21. März ging es vor allem um die Beantwortung obiger Fragen, und LeanBI war als Partnerfirma von M&F zu einer Handvoll Kurzvorträgern eingeladen.

Eine gelungene Veranstaltung

Um es gleich vorweg zu nehmen: Es war eine überaus gelungene und mit ca. 50 Teilnehmern auch vollständig ausgebuchte halbtägige Veranstaltung. Die verschiedenen Vorträge befassten sich mit sehr konkreten Themen wie Fast Prototyping für Data Science Projekte, dem Einsatz gängiger Machine-Learning-Algorithmen mit Beispielen und ihren jeweiligen Vor- und Nachteilen sowie den Ergebnissen eines Kunden-Workshops. Doch auch der Blick aus der «Helikopter-Perspektive» fand mit einem Beitrag zum Nutzen von Big Data Platz in der Veranstaltung.

big_data_nutzen

Die Kurzvorträge

  • Begrüssung und Einführung (R. Bättig, Geschäftsführer M&F Engineering AG)
    Reto Bättig startete die Veranstaltung pünktlich um 9:00 mit einem kurzen Abriss zu den Geschäftsfeldern und insbesondere zu dem ausgefeilten Trainee-Programm von M&F und der Vorstellung der Agenda.
  • Einführung LeanBI (M. Tesch, LeanBI AG)
    Eine kurze Vorstellung von LeanBI und die Darstellung typischer Data Analytics Use Cases markierten den Einstieg in den Fachteil.
  • Der Weg von Big Data zu Nutzen und Wert (W.Weber, LeanBI AG)
    Sämtliche Überlegungen zur Anwendungen digitaler Möglichkeiten sollten beim angestrebten Nutzen beginnen. Dieser «diktiert» über die Stationen «Wissen» und «Information» sozusagen im Rückwärtsgang, welche Daten erhoben und ausgewertet werden sollten. Ein Beispiel aus der Medizinaltechnik für einen solchen Weg illustriert diese Vorgehensweise.
  • Übersicht über die wichtigsten Algorithmen und deren Möglichkeiten (S. Pauli und J. Bovay, beide LeanBI AG)
    Was kann man aus den Geräuschen, welche eine Aufzugstüre beim Bewegen erzeugt, über den Zustand des Türsystems herauslesen? Ein einfacher Algorithmus gibt die Antwort. Oder: Was sind die (überraschenden) Erkenntnisse aus der Auswertung der Daten eines städtischen Velo-Verleihs? Ein wesentlicher Benutzerkreis der Velos sind «Sonntagsfahrer»! Das hätte zuvor niemand erwartet, erst ein Algorithmus zeigt diese Tatsache auf. Beginnend mit solchen praktischen Anwendungen erklärten die beiden Vortragenden exemplarisch vier verschiedene, aber stets einfach anwendbare Algorithmen, die häufig zum Einsatz kommen, sowie deren industrielle Einsatzmöglichkeiten. Auf einmal verliert die Sache ihren Schrecken und nutzbringende Anwendungen werden plastisch begreifbar.
  • Data Science Projekt-Beispiel: Geberit (R. Bättig, M&F Engineering AG)
    Bei einem vollautomatischen Prüfsystem bei Geberit bricht bei Fehlern in der Vorbereitung die Prüfung irgendwann ab. Dadurch geht Zeit geht verloren und die Prüfung muss wiederholt werden. Zusammen mit den Datenspezialisten von LeanBI wurde die Auswirkung eines häufig zu wechselnden Teststeckers untersucht; diesen erst zu tauschen wenn dies wirklich nötig wird (Predicitive Maintenance), reduziert den Verbrauch an neuen Steckern. Doch der eigentliche Nutzen zeigte sich dann plötzlich ganz woanders: Es gibt Prüfteams, deren Ausschussrate massiv niedriger als die anderer Teams ist. Unter Berücksichtigung des Datenschutzes lassen sich so mögliche Verbesserungen erkennen, deren Nutzen den von vorausschauender Wartung bei Weitem übersteigt.
  • Fast Prototyping: Inspiration, was möglich ist (S. Pauli, LeanBI AG)
    Mit der Methode des fast Prototyping ist es z.B. möglich, mittels einer ersten Datenanalyse und ohne grossen Aufwand grundlegende Erkenntnisse über komplexe Produktionsverfahren zu gewinnen. Diese sind als Basis für eine Qualitäts-stabile Produktion und deren Optimierung von grossem Nutzen. S. Pauli zeigte das im Abschluss-Vortag u.a. am Beispiel der Herstellung von Dialysefiltern.

Fazit

Der Einstieg in die Gebiete des Machine Learning und der industriellen Datennutzung ist viel weniger kompliziert als gedacht: Schon die erste Anwendung einfach zu bedienender Algorithmen liefert erste wertvolle Erkenntnisse und vor allem Antworten auf Fragen, die man zu Beginn gar nicht gestellt hatte. Aber genau diese Antworten weisen den richtigen Weg für die weitere Untersuchung der Systeme und ihrer Optimierung. Und wenn man parallel zu diesen praktischen Anwendungen stets deren erforderlichen Nutzen herausarbeitet und beachtet, ergeben sich weittragende digitale Lösungen.

Kurz zusammengefasst: Ohne Scheu anfangen, auch wenn man anfangs vielleicht noch gar nicht genau weiss, wohin die Reise gehen wird. Der weitere nutzbringende Weg wird oft erst durch die überraschenden Ergebnisse erster Datenauswertungen klar.
Auf geht’s!