Verfasser: Eckhard Eyer, Perspektive Eyer Consulting, Ockenfels
Vor gut 10 Jahren konnten wir uns nicht vorstellen, dass wir über eine Glasscheibe streichen und die nicht spürbaren Tasten eines Telefons oder Tablet bedienen.
Die Gesellschaft für Konsumforschung (GfK) in Nürnberg analysiert seit Jahrzehnten Kundenverhalten und beschreibt aufgrund von Kundenbefragungen, Einschaltquoten im Fernsehen, Testmärkten – also mit bewährten klassischen Methoden der Marktforschung – verschiedene Kundenprofile und Veränderungen im Käuferverhalten. Google, Facebook und Amazon analysieren das Informations- und Kaufverhalten von (potenziellen) Kunden im Netz und generieren aus diesen Daten Trends und valide Kundenprofile mit Hilfe pfiffiger statistischer Auswertungen (Algorithmen). Zum Teil werden auch die Kundenprofile mit (Internet-)Adressen verknüpft und diese Kundendaten Unternehmen zum Kauf angeboten, damit diese zielgruppenspezifisch und erfolgreich werben können.
Auch mit der Einführung der Industrie 4.0 werden umfangreiche Daten zur Programmierung der Maschinen und Anlagen sowie zur Steuerung der Prozesse benötigt. Durch die hohe Transparenz der Wertschöpfungsprozesse müssen Daten in Echtzeit erfasst, verarbeitet und zur optimalen Steuerung eingesetzt werden. Ausgefeilte statistische Methoden schaffen die Voraussetzungen zur Identifizierung und Nutzung von Potenzialen in den Wertschöpfungsprozessen. Die Daten lassen sich auch als Steuergrößen und Leistungskennzahlen für das Management und die Mitarbeiter einsetzen. Zusätzlich können ausgewählte belastbare Leistungskennzahlen, die von Management und Betriebsrat akzeptiert werden, zur Leistungsvergütung von Mitarbeitern und Teams herangezogen werden.
Für das Industrial Engineering stellt sich angesichts dieser Entwicklung die Frage, welchen Stellenwert die bewährte methodische Datenermittlung zukünftig (noch) hat, in welchem Umfang und mit welcher Genauigkeit (Stichwort: Epsilon) die Daten zukünftig noch methodisch ermittelt werden müssen. Dabei sind sowohl der Aufwand der Datenermittlung sowie die Qualität und Validität der gewonnenen Daten zu bewerten als auch die rechtliche Situation bezüglich des Sammelns und der Verwendung der Daten zu beachten (Stichwort: Datenschutzgesetz).
Bei der Messung der Qualität im Produktionsprozess werden die Ist-Daten der Qualität ermittelt, analysiert und ausgewertet.
Bereits heute werden mit arbeitswissenschaftlichen Methoden ermittelte Daten, wie z. B. Vorgabezeiten, mit Hilfe von statistisch ausgewerteten Ist-Daten ergänzt. Zu denken ist hierbei z. B. an das Zeitbudget für Gemeinkostentätigkeiten, in dem die im Durchschnitt bezahlten Zeiten im Akkordlohn statistisch aufbereitet und ausgewertet werden. Auf mögliche zeitintensive und teure Multimomentaufnahmen wird in der Regel verzichtet. Die Qualität der ausgewerteten Ist-Daten über einen längeren Zeitraum entspricht erfahrungsgemäß mindestens der statistischen Genauigkeit einer Multimomentstudie.
Bei der Aufbereitung von Qualitätskennzahlen auf Basis von bereits vorliegenden Ist-Daten, um z. B. mit dem Kunden Qualitätsstandards (Null-km-Qualität in ppm) bei der Lieferung von Komponenten in der Automobilindustrie zu vereinbaren, werden bereits heute bekannte statistische Methoden eingesetzt.
Die so ermittelten Qualitätskennzahlen haben eine hohe Genauigkeit. Sie können sowohl die Basis für eine zu vereinbarende Qualitätskennzahl zwischen Kunden und Zulieferer sein als auch eine von den Mitarbeitern beeinflussbare Leistungskennzahl für ein Leistungsentgelt.
Die in der Industrie 4.0 vorhandenen bzw. anfallenden Daten können analysiert und aufbereitet werden, um die mit klassischen Methoden ermittelten Daten (z. B. Vorgabezeiten) zu ergänzen bzw. sie teilweise oder ganz zu kompensieren.
