Den eigenen Datenschatz ausgraben

Den eigenen Datenschatz ausgraben
26.10.2018

CAD-Daten bergen eine enorme Fülle an Informationen. Diese analysiert die Firma Shouldcosting, um Sparpotenziale im Einkauf aufzudecken oder Kosten für neue Bauteile zu berechnen. Auch QUO setzt in gewissen Projekten gezielt auf diese Analysen. Hans-Peter Gysel, Geschäftsleiter von Shouldcosting, erklärt, wie Big Data im Unternehmen genutzt werden können und wie die Produktentwicklung davon profitieren kann.

Herr Gysel, Sie setzen auf Big Data, um Herstellkosten zu senken. Wie funktioniert das?

In 3D-CAD-Dateien und 2D-Zeichnungen sind enorm viele kostenrelevante Informationen abgelegt – die Form eines Bauteils, Grösse, Anzahl Bohrungen, Materialeigenschaften, Oberflächenbeschichtungen etc. Diese Daten lesen wir vollautomatisch ein, durchsuchen sie nach kostenrelevanten Informationen und strukturieren sie. Mit diesem «Data Mining» können wir bereits innert kürzester Zeit herausfinden, wie viele ähnliche oder identische Teile ein Unternehmen verbaut bzw. einkauft.

Wie vergleichen Sie die Kosten?

Hierzu berechnen unsere Algorithmen Korrelationen zwischen den technischen Spezifikationen der Bauteile, der Losgrösse, dem Preis oder dem Produktionsland. Zeigen sich Ausreisser, schauen wir genauer hin. Zum Beispiel, wenn zwischen ähnlichen Produkten beim gleichen Lieferanten oder in unterschiedlichen Ländern grosse Preisdifferenzen bestehen. Hier können die Unternehmen Kosten sparen.

Unternehmen händigen Ihnen sensible Informationen aus. Wie gehen Sie damit um?

Der Datenschutz hat bei uns oberste Priorität. Alle unsere Systeme sind dreifach verschlüsselt und mit jedem Kunden schliessen wir eine Geheimhaltungsvereinbarung ab. Teilweise analysieren wir die Daten auch direkt vor Ort, damit diese das Unternehmen nicht verlassen. Mit dem Einverständnis der Kunden, können wir die Daten auch für unsere Referenzdatenbank nutzen. Hierzu werden aber keine Zeichnungen oder Bilder abgelegt, sondern nur Zahlen in Form von digitalen, anonymisierten Fingerprints der analysierten Artikel.

Auch QUO hat Ihre Expertise schon genutzt. Zum Beispiel im Projekt für Bibliotheca, in dem die Herstellkosten um 20 % und die Anzahl Teile um 30 % reduziert werden konnten. Wie war dies möglich?

Die grosse Einsparung wurde hier erzielt, indem QUO verschiedene Geräte mit den unterschiedlichsten Bauteilen zu einem Gerätekonzept mit modularer Architektur zusammenführte. Das kann ein Algorithmus nicht, da braucht es findige Köpfe. Unser Beitrag in solchen Projekten ist aufzuzeigen, bei welchen Bauteilen das grösste Einsparpotenzial liegt. Zudem verfügen wir nach dem Data Mining über Preisinformationen aller Lieferanten eines Unternehmens. Aus diesen Angaben konnten wir für QUO Soll-Kosten für neue Bauteile rasch berechnen (Predictive Costing).

Sie arbeiten auch in anderen Projekten als Partner mit QUO zusammen. Wie ergänzen Sie sich?

Wir sind ideale Partner und ergänzen uns sehr gut. QUO betrachtet eine Maschine oder Produktegruppe in der Tiefe und optimiert das ganze Design, um etwa die Anzahl Baugruppen zu reduzieren, die Montage zu vereinfachen oder die Nutzerfreundlichkeit zu verbessern.

Unsere Algorithmen analysieren in der Breite des ganzen Unternehmens; So können wir verschiedene Fertigungsvarianten rasch vergleichen oder abschätzen, von welchem Lieferanten oder in welchem Land ein Bauteil zu welchem Preis produziert werden kann. Damit lassen sich in der Produktentwicklung die späteren Herstellkosten besser kontrollieren. Weil wir grosse Datenmengen analysieren, können wir innert kürzester Zeit Potenziale aufdecken – auch solche, an die niemand gedacht hätte.

Weitere Informationen

shouldcosting


Zurück