„Durchsatz ist wichtig, jaja“, Supply-Chain-Leiter Herr Aklit lehnt sich zurück, faltet seine Hände über dem üppigen Bauch und sagt zu Lenin: „Sie haben ja schon einiges in Fluss gebracht mit Ihren Projekten zur Datenanalyse im Internet of Things.“ Er atmet tief durch und schaut aus dem Fenster: „Alles fließt …“, aufmerksam schaut er uns an: „… schnell!“
Lenin hat mich eingeladen, den Einsatz von Event Stream Processing im Supply Chain Management zu besprechen. In der Produktion hatten wir inzwischen erfolgreich ein Pilotprojekt durchgeführt: Die Daten der Pilotanlage wurden nicht mehr am Schichtende gespeichert und analysiert. Stattdessen fand die Analyse nun statt, während die Daten noch im Fluss waren. Der Sprung in die Echtzeit-Analyse hatte Begeisterung ausgelöst: „Nu‘ ham wir’s im Griff! Wir sinnie Chefs vonne Produktion!“, hatte ein älterer Maschinenführer in Siegerpose gerufen. – Ein Video des beglückten Arbeiters hatte Lenin mir auf seinem Mobiltelefon gezeigt.
Die Pilotanwendung hatte zum einen Regelkarten-Logik enthalten. Dabei wurden im Datenstrom ausgewählte Western Electric Rules sowie einige selbst entwickelte Regeln geprüft. Zum anderen hatten wir in den strömenden Daten mit Data-Mining-Verfahren Muster identifiziert und sehr gute Vorhersagen von Prozess-Schwankungen erhalten – zur Freude des Maschinenführers und von Lenins Chefin, die den Erfolg des Pilotprojekts im Management bekannt gemacht hatte.
Deshalb sitzen wir jetzt mit dem Supply-Chain-Leiter zusammen: „Seitdem sich in der Fertigung Ahhaus Werkstücke und Maschinen selbsttätig finden, haben wir dort keineswegs einen höheren Durchsatz. Im Gegenteil …“ Herr Aklit seufzt und fährt fort: „Manche Werkstücke machen lange Umwege. Alles fließt, aber nicht immer so, wie es soll.“
Er schaut uns an: „Durchsatz ist wichtig. Voraussetzung ist, dass Sie den Datendurchsatz schaffen: Wir messen in Ahhaus alle Sekunde, Milli- und Mikrosekunde; wir messen, was sich messen lässt, weil wir hier das Prozessverständnis aufbauen, um weitere Bereiche und Werke umzustellen. Wir wollen in Echtzeit Zusammenhänge verstehen und schnell handeln.“ Herr Aklit hebt die Augenbrauen: „Alles fließt. Doch die Daten sind ein reißender Strom. Wenn Sie den bewältigen …“
Ich will was Kluges zum Datendurchsatz sagen, aber Lenin ist schneller: „Die Event-Stream-Processing-Architektur ist darauf ausgerichtet, Millionen von Datensätzen pro Sekunde zu verarbeiten – mit einer Latenz von Milli- und Mikrosekunden.“
Vor meinem inneren Auge sehe ich Lenin wilde, bettsprengende Fluten kanalisieren und in effizient fließende Ströme verwandeln, sein Bolschewiken-Gesicht gefeiert vor leuchtenden Bannern, die drei verheißungsvollen Lettern: … Ich schüttle mich: Visionen fast wie in einem Film von Eisenstein!
Bleibt die Revolution in Fluss? Fortsetzung folgt!
2 Comments
Zum Thema "... Data-Mining-Verfahren Muster identifiziert":
Ich denke, dass dies (Data-Mining) ist ein sehr wichtiger Faktor bei der Muster Identifizierung.
Ich selbst bzw. ein Freund von mir hatte sich vor Jahren mit dem Clustering von statistische Daten (damals mit dem Tool SPSS) auseinander gesetzt um (auch) neue Wege für/in der AI zu finden. Eine seiner (beruflichen) Projekte wurde und wird nach wie vor für die polizeiliche Arbeit genutzt bzw. für die semi-automatische Erstellung von Sicherheits-"Bilder" - im Sinne von Monitoring - die z.B. vom österreichischem Innen Bundesministerium genutzt wird und zwar quasi Realtime!
Meine verstorbene Frau hat sich auch beruflich mit diesem Thema (Clustering/Muster) auseinander gesetzt - sie arbeitete im Bereich Meinungs- & Marktforschung (ÖAMTC, etc-) - um z.B. verkehrspolitische Themen zu analysieren.
Ad Verkehr:
Es gibt bereits sehr gute Projekte (quasi angewandte Forschung) in denen die automatische Fahrzeugkennzeichnung bereis angewendet werden, um z.B. im Sicherheitsbereich, aber auch im Bereich Muster-Identifizierung von Verkehrsströme, um nachhaltige verkehrspolitische Entscheidungen zu setzen.
Hie und da spielt die (automatisierte) Muster Identifizierung eine wichtige Rolle!
Hallo Herr Täubler,
danke für den Hinweis. Auch in Lenins Team wurde früher mit anderen Tools 'rumprobiert. Auf die Frage, ob sie damit weiterarbeiten wolle, sagte die Dame mit der Hornbrille, die eine berufliche Vergangenheit im Einzelhandel hat: "Ich bin doch nicht blöd!" und "Gut, dass wir verglichen haben!"