Page 52 - Handbuch Internet of Things

HANDBUCH INTERNET OF THINGS
Kapitel 1.6 / Data & Analytics
ten der Vergangenheit die richtigen Entschei- dungen für die Zukun zu tre en.
Machine Learning und künstliche Intelli- genz schließlich führen zur datengetriebenen Prozessoptimierung. Erkannte Zusammen- hänge aus dem Data Mining lassen sich durch Verfahren des Supervised Learning (Machine Learning) exakt quanti zieren und für Prog- nosen oder zur Optimierung von Entschei- dungen nutzen. Verwendete, unterschiedliche Verfahren müssen eines gemeinsam haben: Sie müssen exakt auf die jeweilige Aufgaben- stellung und die Situation des Unternehmens zugeschnitten sein.
Keine eorie, sondern Praxis
Der Übergang auf solche datengetriebenen Prozesse ist für Unternehmen unerlässlich. Durch ihren Einsatz wird die Wettbewerbs- fähigkeit und Nachhaltigkeit zielorientiert aufgebaut. Auf der Basis ihrer eigenen Da- ten bekommen Unternehmen „den optima- len Lösungsvorschlag“ für die jeweilige Ent- scheidungs ndung je nach Aufgabenstellung in wenigen Sekunden errechnet. Hierzu wur-
den parametrierbare, mathematische Model- le für eine Vielzahl von Fragen der Entschei- dungs ndung erstellt. Diese Modelle werden den Anwendern aus entsprechenden Bran- chen oder IT-Partnern über den Einsatz von Microso Azure zugänglich gemacht. Je kom- plexer die Aufgabenstellung ist, desto größer ist das Einsparungspotenzial, das durch den Einsatz von mathematischen Modellen erzielt werden kann. (Siehe Kasten und Abb. 3.)
Optimierung des Produktionsnetz- werks
So geschehen in einem Projekt bei einem großen Hygienepapierhersteller, das eine Lö- sung zur simultanen Optimierung der Pro- duktions-, Lager- und Transportplanung in einem europaweiten Produktionsnetzwerk liefern sollte. Nach einem gemeinsamen As- sessment entwickelte man zunächst eine So - warearchitektur, die im Wesentlichen aus ei- nem Modul zur Au ereitung der Daten und einem Optimierungs-Modul bestand und ei- ner gra schen Ober äche zur vereinfachten Nutzung der Optimierung und e zienten Da- tenverwaltung. Basierend auf einem mathe-
 DerNutzenvonDataScience
Der Nutzen für den Anwender tritt in un- terschiedlichen Formen ein:
V Ertragssteigerung,
V direkte Kostenreduktion,
V Verkürzung der Planungszeit,
V Steigerung der Planungsqualität,
V Stetigkeit in der Produktionsqualität,
V Bestandsoptimierung,
V Ausrichtung der Planung an der Unter- nehmensstrategie,
V Verbesserung der Ökobilanz,
V e zientere Nutzung der bestehenden Kapazitäten und Ressourcen.
53
Treiber & Trends