Die Datendrescher

Der Landmaschinenhersteller CLAAS bringt seine Gewährleistungsdatenanalyse mit SAS auf Zukunftskurs

„CLAAS kümmert sich um seine Kunden und lässt sie niemals im Stich.“ Dieser über 100 Jahre alte Leitspruch des Firmengründers treibt den Landmaschinenhersteller CLAAS bis heute an. Und er ist ein wichtiger Erfolgsbaustein in einer hart umkämpften Branche, in der es neben Innovationsfreude und Ingenieurskunst nicht zuletzt um Zuverlässigkeit und Servicequalität geht.

Die Kombination aus SAS Field Quality Analytics und SAS Visual Analytics ist die geeignete Mischung für das, was wir brauchen.

Jan-Phillip Weber
Projektleiter bei der CLAAS Service and Parts GmbH

Fehlerquellen identifizieren und beseitigen

Wenn es um die Kundenorientierung und das Qualitätsmanagement geht, legt der europäische Marktführer bei Mähdreschern ebenso viel Wert auf Innovation und neue Technologien wie bei der Weiterentwicklung seiner Produkte. Bestes Beispiel dafür liefert der Bereich „Warranty and Reporting“ der CLAAS Service and Parts GmbH. Die Konzerntochter versorgt die Kunden des Unternehmens mit Ersatzteilen und ist erste Anlaufstelle für Gewährleistungsfälle und Schadensmeldungen. Nach innen fungiert der Bereich als Dienstleister, der Schäden analysiert und die Ergebnisse an technische und kaufmännische Fachabteilungen sowie an die Konzernleitung meldet. „Unsere Aufgabe ist es, die Produktgesellschaften innerhalb des Konzerns auf Schadensschwerpunkte und Korrelationen aufmerksam zu machen“, erläutert Jan-Phillip Weber, Projektleiter bei der CLAAS Service and Parts GmbH. „Das ist wichtig, um systemische Fehlerquellen zu beseitigen – im Sinne unserer Kunden und im Sinne unseres Konzernergebnisses.“

In der Vergangenheit arbeiteten Weber und seine Kollegen für die Gewährleistungsdatenanalyse mit einem selbst entwickelten Prozess auf Basis von Microsoft (MS) Office. Der lieferte zwar akzeptable Ergebnisse, stieß aber bald an seine natürlichen Grenzen – sowohl qualitativ als auch quantitativ. „Unsere Access-Datenbanken waren schließlich alle über ein Gigabyte groß, das ließ sich so nicht länger bewältigen. Der manuelle Aufwand nahm überhand, und auch die analytische Detailtiefe reichte uns nicht mehr aus“, erklärt Weber.

class-feld

Gesucht – gefunden: Performance, Flexibilität und Visualisierung mit SAS

Hauptkriterien für eine neue Lösung waren: Performanz, Visualisierbarkeit und effiziente Verteilung an Fachabteilungen und Management – sowie die Möglichkeit, die Software an CLAAS-spezifische Anforderungen anzupassen. „Dass es schließlich SAS geworden ist, hat nicht zuletzt mit Performanz und Visualisierung zu tun“, erinnert sich Weber. „Die Kombination aus SAS Field Quality Analytics und SAS Visual Analytics ist die geeignete Mischung für das, was wir brauchen.“

Kennzahlen und Ursachenforschung für das Gewährleistungsdatenmanagement

Die Daten der aktuellen Lösung kommen überwiegend von den Vertriebspartnern, die Gewährleistungsfälle über ein Webinterface erfassen. Von dort gelangen sie in das ERP-System des Unternehmens, wo sie unter kaufmännischen Gesichtspunkten verarbeitet werden. Für die qualitative Analyse greift SAS Field Quality Analytics auf diesen Datenschatz zu, um Fehlermuster und Lösungsansätze zu identifizieren.

„Wir liefern mit SAS zunächst einmal ein klassisches kennzahlenbasiertes Reporting“, erklärt Jan-Phillip Weber. „Wie viele Gewährleistungsfälle hatten wir, werden es mehr oder weniger, welche Kosten sind daraus entstanden und so weiter. Richtig spannend wird es, wenn wir Cluster bilden, um Schadensschwerpunkte im Markt zu identifizieren, um den Ursachen von Schadenbildern auf die Spur zu kommen. Das macht SAS Field Quality Analytics zum Teil automatisch, ganz im Gegensatz zu unserem früheren Vorgehen, bei dem uns das manuelle Clustering viel Zeit gekostet hat.“ Weber und seine Kollegen spüren dabei der zentralen Frage nach, wo es Korrelationen zwischen ursächlichen Faktoren und wo es wiederkehrende Schadenmuster gibt. Hat ein Schaden mit der Ausstattung einer Maschine zu tun? Mit dem Einsatzmonat? Mit der Region, in der die Maschine läuft? Oder mit dem Zeitraum, in dem sie gebaut worden ist? „Mit SAS Field Quality Analytics finden wir diese Auffälligkeiten und erklären sie, um den Fall dann detailliert beschrieben an die Kollegen weiterzugeben, die das Problem lösen können.“

SAS Visual Analytics als Erfolgsfaktor im Reporting

Dieses Reporting findet bei CLAAS heute über SAS Visual Analytics statt. Ein großer Fortschritt aus Webers Sicht, weil sich daraus eine ganz neue Form von Transparenz und Dynamik entwickelt. „Jeder Empfänger unserer Reports kann mit SAS Visual Analytics nicht nur unsere voreingestellte Perspektive auf die Dinge einsehen, sondern den Dingen selbst auf den Grund gehen.“ Voraussetzung für eine Nutzung von Analytics in solcher Breite ist natürlich eine Lösung, die Fachabteilungen und Management schnell verstehen. „SAS Visual Analytics macht es den Anwendern sehr leicht “, meint Weber. Damit hat SAS Visual Analytics großen Anteil am Erfolg der Lösung, mit der CLAAS nicht nur mehr Transparenz in sein Gewährleistungsmanagement bekommt, sondern vor allem auch Gewährleistungsschäden nachhaltig reduzieren kann.

Predictive Maintenance im Visier

Bereits während der Einführungsphase hat die neue Lösung bei CLAAS viel Aufmerksamkeit auf sich gezogen. Von den Fachabteilungen bis hin zum Top-Management ist man vom großen Potenzial von Analytics im Gewährleistungsdatenmanagement überzeugt, auch im Hinblick auf Industrie 4.0. Noch arbeitet die Lösung mit historischen Daten. Aus gutem Grund, wie Projektleiter Weber zu berichten weiß: „Wir wollten im ersten Schritt zunächst einmal genau die bestehende Datenlandschaft auf das neue System übertragen“, sagt Jan-Phillip Weber. „Wenn wir das im Griff haben und die Möglichkeiten kennen, können wir auch beginnen, Telemetrie- oder Diagnosedaten direkt aus den Maschinen zu integrieren – und dann vorausschauendes Predictive Maintenance ins Visier nehmen. Die SAS Lösung ist mit ihrem Datenmanagement und der analytischen Tiefe dafür bestens geeignet, sodass wir auch in dieser Hinsicht absolut zukunftssicher sind.“

logo-claas

Herausforderung

Gewährleistungsdatenanalyse: Performanz, Visualisierbarkeit und effiziente Verteilung an Fachabteilungen bzw. Management. Software soll an CLAAS-spezifische Anforderungen anpassbar sein.

Lösung

Nutzen

Effizientes Reporting und ursachenbezogene Schadenanalyse sorgen für Transparenz und helfen, Gewährleistungsfälle zu reduzieren

The results illustrated in this article are specific to the particular situations, business models, data input, and computing environments described herein. Each SAS customer’s experience is unique based on business and technical variables and all statements must be considered non-typical. Actual savings, results, and performance characteristics will vary depending on individual customer configurations and conditions. SAS does not guarantee or represent that every customer will achieve similar results. The only warranties for SAS products and services are those that are set forth in the express warranty statements in the written agreement for such products and services. Nothing herein should be construed as constituting an additional warranty. Customers have shared their successes with SAS as part of an agreed-upon contractual exchange or project success summarization following a successful implementation of SAS software. Brand and product names are trademarks of their respective companies.

Back to Top