Informationsmangel trotz Datenflut?
Hersteller haben die Art und Weise, wie Daten erfasst, analysiert und verarbeitet werden, drastisch verbessert. Doch zu oft wird die Fülle an Betriebs- und Geschäftsdaten jenseits von Standard-Monitoring und Reporting überwältigend und trägt nicht zur Verbesserung der Geschäftsergebnisse bei. Immer mehr Unternehmen haben Schwierigkeiten, Systemdaten effektiv zu identifizieren und zu nutzen, um Probleme zu lösen und die Rentabilität zu maximieren. Dieser Kampf wird durch die zunehmende Komplexität der Probleme verschärft, die durch die Vielfalt der Systeme, Plattformen, Standorte, Lieferanten und anderen Faktoren entstehen, die die moderne Fertigung kennzeichnen.
Die Identifizierung und Nutzung der richtigen Daten ist das Herzstück effektiver Problemlösung und Entscheidungsfindung. Um in der riesigen Flut verfügbarer Daten, die komplexe Problemlösungen unterstützen können, nicht den Anschluss zu verlieren, sollten Sie diese drei grundlegenden Maßnahmen in Betracht ziehen.
1. Holen Sie die richtigen Leute an einen Tisch. Ein vielfältiges Problemlösungsteam versteht es, auf Informationen in seinen Fachbereichen zuzugreifen und diese zu nutzen. Wenn Sie beispielsweise bei der Behebung eines Qualitätsproblems jemanden aus der Qualitätssicherung, der Produktion und der Instandhaltung einbeziehen, erweitert dies das Fachwissen und die Kenntnisse im Raum erheblich und kann den Zugriff auf die zur Problemlösung erforderlichen Informationen beschleunigen. Durch die Verknüpfung unterschiedlicher Datenquellen erhalten Sie Zugriff auf Informationen, die in verschiedenen Systemen oder Abteilungen isoliert waren. Wenn sich alle auf die Lösung eines Problems konzentrieren, kann eine Vielfalt an Perspektiven und Informationen Hindernisse beseitigen, Konsens schaffen und die Problemlösung vorantreiben, indem man sich auf relevante Informationen konzentriert.
2. Sie benötigen mehr Daten? Bleiben Sie dort nicht stehen. Irgendwann erreichen Problemlöser einen Punkt, an dem die benötigten Informationen nicht zur Hand sind und möglicherweise existieren oder auch nicht. Bleiben Sie dort nicht stehen. Innerhalb aller relevanten Datenquellen gibt es möglicherweise Rohdaten und Analysen, die zusammengestellt werden müssen, oder es gibt jemanden außerhalb des Problemlösungsteams, der Zugang zu den benötigten Antworten hat. Sie können die Problemlösung zwar weiter verfolgen, aber bevor Sie das tun, delegieren Sie. Anstatt zu akzeptieren, dass die Daten nicht verfügbar sind, beauftragen Sie ein Teammitglied mit der Nachverfolgung, um Zugang zu den Informationen zu erhalten und weitere Ressourcen einzubinden. In einem unserer Kundenunternehmen wurde die Notwendigkeit, Maßnahmen zu ergreifen und „Benötige mehr Daten“ nicht als Sackgasse zu akzeptieren, als erhebliches Hindernis bei der Fehlersuche identifiziert und als Schlüsselpriorität für die Verbesserung der Problemlösung hervorgehoben.
3. Verstehen Sie Ihr Problem, bevor Sie nach einer Lösung suchen. Ein Problem ist dann ein Problem, wenn die Lösung nicht offensichtlich ist. Es muss mit Spezifität definiert werden, um Lösungen effizient in Betracht ziehen zu können. Ein Fehlermodus wie „Korrosion“ reicht nicht aus, um ein Problem zu definieren. Je spezifischer die Problemspezifikation ist, desto einfacher ist es, die Daten zu finden, die zur Lösung führen. Eine einfache Methode zur Definition eines Problems ist die Anwendung der „Five Whys“ (beschreiben Sie die Situation und fragen und beantworten Sie dann „Warum?“, bis die Antwort „Ich weiß es nicht“ lautet). Bei einfachen Problemen kann das Stellen einiger Warum-Fragen schnell zur Ursache führen. Bei komplexen Problemen helfen die „Five Whys“, das eigentliche Problem zu definieren, indem Symptome abgeschält werden, um zum Kern des Problems vorzudringen. Wenn die Antwort auf „Warum“ „Ich weiß es nicht“ lautet, haben Sie das Problem identifiziert.
Hier ist ein von der Toyota Motor Company entwickeltes Beispiel für die „Five Whys“:
„Der Roboter ist stehen geblieben“
- „Warum ist der Roboter stehen geblieben?“ Der Stromkreis ist überlastet, was zum Durchbrennen einer Sicherung geführt hat.
- „Warum ist der Stromkreis überlastet?“ Die Lager waren unzureichend geschmiert, sodass sie festgefressen sind.
- „Warum waren die Lager unzureichend geschmiert?“ Die Ölpumpe am Roboter lässt nicht genügend Öl zirkulieren.
- „Warum lässt die Pumpe nicht genügend Öl zirkulieren?“ Der Pumpeneinlass ist mit Metallspänen verstopft.
- „Warum ist der Einlass mit Metallspänen verstopft?“ Weil kein Filter an der Pumpe vorhanden ist.
Beachten Sie die Entwicklung der Problemdefinition. Die „Five Whys“ nutzten Daten (in diesem Fall beobachtete Daten, keine digital überwachten oder komplexen Datenanalysen), um das Problem von dem potenziell komplexen Thema „der Millionen-Dollar-Roboter ist kaputt“ auf „der Ölpumpeneinlass im Roboter ist mit Metallspänen verstopft“ zu spezifizieren. Anstatt sofort eine Lösung herbeizuführen – wie etwa einen Software-Fix, der den Roboter wieder in Bewegung setzen könnte –, schält das Problemlösungsteam die Symptome ab, um zu einem spezifischen Teil des Roboters zu gelangen, in diesem Fall dem fehlenden Ölfilter. Die Spezifizierung des Problems beschleunigt den Zugriff auf die Informationen, die zur Lösung eines Problems erforderlich sind.
4. Kontext aufbauen. Bei Big Data ist der Kontext der Schlüssel zur Offenlegung nuancierter, vollständiger Informationen. Durch die Integration von „Thick Data“ (riesige Datenmengen) anstelle einer Stichprobe von Informationen können Datenanalysen einen genaueren Kontext und ein vollständiges Bild auf der Grundlage der gesammelten Daten erstellen. Ähnlich verhält es sich bei der Problemlösung: Der Kontext ist der Schlüssel zur Offenlegung nuancierter und vollständiger Informationen. Ein Beispiel ist die Kepner-Tregoe Problemanalyse, die den Kontext mithilfe einer IST/IST-NICHT-Matrix aufbaut.
Auch wenn es nicht die Dimensionen von Big Data erreicht, baut das Sammeln von Daten, die das Was, Wo, Wann und das Ausmaß des Problems definieren, zunehmend „dichte“ Daten auf, indem nicht nur IST-, sondern auch IST-NICHT-Informationen spezifiziert werden, um dann den Unterschied zu detaillieren und die Ursache zu betrachten. Je vielfältiger und reichhaltiger die Daten sind, die sowohl mit IST als auch mit IST-NICHT gesammelt werden, desto vollständiger und nuancierter wird der Kontext für die Situation. Dies hilft Problemlösern, Themen zu eliminieren, die als potenzielle Ursachen in Betracht gezogen werden könnten, während sie sich auf die relevanten Daten konzentrieren, die das Problem am besten beschreiben und mögliche Lösungen unterstützen.
Diese vier grundlegenden Maßnahmen können Unternehmen dabei helfen, Daten effektiver zu nutzen und Probleme schneller und genauer zu lösen. Da die Menge der verfügbaren Daten wächst, darf die Fähigkeit, sie zu nutzen, nicht zurückbleiben. Für die komplexe Problemlösung können diese grundlegenden Schritte zur Navigation im Datenmeer die Problemlösung beschleunigen und zu qualitativ hochwertigen Lösungen beitragen.
Über Kepner-Tregoe
Seit über 60 Jahren hat Kepner-Tregoe Tausenden von Unternehmen geholfen, Millionen von Problemen zu lösen. Die Dienstleistungen von Kepner-Tregoe sind darauf ausgelegt, organisatorische Herausforderungen dauerhaft mit messbaren Ergebnissen anzugehen, die Qualität und Leistung verbessern und gleichzeitig die Gesamtkosten senken.
