Data-Mining-Projekt bei Japan Tabacco International:
Präzise Prognosen für Stillstandszeiten und Ausschussmengen

Über Japan Tobacco International

Japan Tobacco International (JTI) ist ein führender internationaler Tabakkonzern, der einige der bekanntesten Zigarettenmarken der Welt wie Winston, Camel und Mevius vertreibt – und das in 120 Ländern. Das Unternehmen beschäftigt weltweit über 26.000 Mitarbeiter in 367 Geschäftsstellen, 26 Fabriken, neun Forschungs- und Entwicklungszentren und fünf Tabakverarbeitungsanlagen. 

Ausgangssituation und Zielsetzung

JTI hat es sich zum Ziel gesetzt, der erfolgreichste und verantwortungsbewussteste Tabakkonzern am Markt zu werden. Seine Unternehmensstrategie basiert dabei auf den folgenden vier Leitsätzen:

• Aufbau und Kultivierung herausragender Marken
• Stetige Steigerung der Produktivität
• Verstärkter Fokus auf Verantwortungsbewusstsein und Glaubwürdigkeit
• Personalentwicklung als Grundpfeiler für Wachstum und kontinuierliche Verbesserung

Anforderungen 

Um all dies umzusetzen, braucht es wirksame und leistungsstarke Tools zur Analyse historischer Daten sowie zur
Prognose potenzieller Risiken und Schwachstellen.

Produktivitätssteigerung

In den Produktionslinien großer internationaler Hersteller wie JTI kommen riesige Mengen an Daten zusammen. Diese werden als äußerst spezifische Informationen von Maschinen während des Produktionsprozesses generiert, sodass einfache Analysetools nicht mehr ausreichen, um sie auszuwerten und dann angemessen für geschäftliche Zwecke einzusetzen. Die Nutzung solcher unstrukturierten, bislang ungenutzten Daten ist jedoch unerlässlich, wenn eine Produktivitätssteigerung und -verbesserung erreicht werden soll. Aus diesem Grund kommen in folgenden Bereichen immer häufiger Data-Mining-Lösungen zum Einsatz:

• Analyse der Produktqualität je nach Maschinenparameter
• Ursachenanalyse bei Ausfällen und Fehlern
• Fehlerprognosen
• Planung und Terminierung optimaler Produktionsprozesse 

Durch die Anwendung von Data-Mining-Modellen in den besagten Bereichen lassen sich fundierte Entscheidungen
treffen, die beträchtlich zur Kostensenkung, Ausfallminimierung und allgemeinen Produktivitätssteigerung beitragen.

Data-Mining-Projekt für JTI

JTI entschied sich für eine Zusammenarbeit mit Comarchs Data-Science-Team, um durch den Einsatz von Data Mining seine Produktionslinien zu optimieren und Ausschuss zu reduzieren. Bereits in der Phase des Machbarkeitsnachweises wurden zwei maßgebliche Projektziele erreicht:

• Schätzung der im Folgejahr zu erwartenden monatlichen Ausschussmenge pro Maschine für unterschiedliche Maschinenmodelle
• Schätzung der im Folgejahr zu erwartenden monatlichen Stillstandszeiten pro Maschine für unterschiedliche Maschinenmodelle

Die Ergebnisse zu beiden Kriterien umfassten die geschätzten Prognosen für zwei Maschinentypen (Fertigungs- und Verpackungsanlagen) in einem Folgejahr sowie die Validierung der Modelle auf Grundlage ihrer historischen Daten. Die erhaltenen Schätzungen zu den Modellen beruhen auf den historischen Daten aus den vergangenen drei Jahren. Die Ergebnisse hängen u. a. von folgenden Parametern ab:

• Maschinengeschwindigkeit
• Schicht
• Team
• Material

Für jede Maschine wurde eine andere Methode angewandt – für die Fertigungsanlagen wurden Daten auf Schichtebene gesammelt, während für die Verpackungsanlagen Daten auf Minutenbasis erfasst wurden. Die komplette Lösung wurde mittels der Programmiersprache R und der RStudio-Plattform entwickelt.

Die dargestellte Lösung hat es JTI ermöglicht, zukünftige Ausschussmengen und Stillstandszeiten während des Produktionsprozesses vorauszuberechnen, was insgesamt zu einer Optimierung der Produktivität geführt hat.

Case Study als PDF downloaden