Bericht MLUGS Treffen im Juli 2016

19. July 2016

Protokoll

Vorstellungsrunde

+1 Nachzügler

Johannes Heischmann - Diskussion zu Business-Cases für Machine-Learning

Folien: https://github.com/mlugs/jupyter/blob/master/slides/Use_Cases_MLUGS_final.pdf

Artikel in der Harvard Review: https://hbr.org/2016/02/companies-are-reimagining-business-processes-with-algorithms

Weg von Prozessen hin zu regelgetriebenen Aktivitäten

Regeln wurden aus einem All-in-one-System rausgebaut. Software-Oriented-Architecture

Wissen -> Lernen -> Regeln -> Methoden -> Prozess

Prozesse sind effizient; aber eben starr

die Verbesserung ist, dabei die Regeln zum steuern zu verwenden, und keine Methoden/Prozesse daraus zu machen

Beispiel: wo kommt ein Artikel ins Regal? Diese Regeln immer wieder nachvalidieren.

Viele der Regeln bei Kaufland werden aktuell von Menschen entschieden (ca. 30 Personen).

Diskussion: Preisänderung innerhalb eines Tages. vielleicht sogar stündlich.

SAP F&R für Planung aktuell. und Blue Yonder für Fleisch. Ziel möglichst wenig wegwerfen.

Menschliche Disponenten machen manchmal Fehler. Maschinen dürfen weniger Fehler machen, weil man das von ihnen erwartet.

Blackbox Machine-Learning hat ein ggü Menschen Argumentationsproblem.

A/B-Test zwischen neuronalem Netz und menschlichen Disponenten

Wenn am Sonntag viel nach Eis gegooglet wird, dann wird am Montag mehr Eis verkauft.

Will man die Disponenten wirklich komplett ersetzen? Sicher erstmal nicht.

Diskussion: Ethik von ML. Der Algorithmus performt besser, wenn die kranke Kuh früher geschlachtet wird.

Du musst ggü. dem Betriebsrat beweisen, dass damit keine Mitarbeiter überwacht/gemessen werden.

Es wird um mögliche Betriebsratsprobleme herumimplementiert.

Götz Bräuer - Business Case in der Zeitungsproduktion bei Freiburger Druck. Aus der Sicht des Qualitätsmanagemts berichten wir über Condition Monitoring bei Druckmaschinen mit dem Ziel Predictive Maintenance.

seine Firma ist bringQ - Qualitätsmanagement

wasserloses Druckverfahren bei Freiburger Druck

heute ist QM wichtig, weil man keine Ausfälle möchte

Ziel dabei auch mehr die Fehler monitoren und protokollieren.

Ziel: lernende Mitarbeiter; lernende Maschinen; lernende Produktion; lernende Organisation

Erfassen der Fehler mit 8D-Report: W-Fragen, ...

Ableitung der Fehlerbäume

Auswertung mit Qlik Sense (kostenfrei bis zu 5 User)

Ausblick: Audioaufnahmen, ob die Druckmaschine richtig arbeitet.

Messen vs. einfach ausbauen nach X Durchläufen.

Resultat inzw. 99.991% Zuverlässigkeit ... dadurch weniger leute im Support; vor allem nachts. Mitarbeiter jetzt anders eingesetzt.

Möglicher (anderer) Businesscase: Rechner mitverkaufen, um die Anlage zu überwachen und besser festzustellen ob noch alles ok ist.

Gerold Hafner - Lebensmittel retten!

ISWA, Uni Stuttgart

Thema: (kein) Müll - Lebensmittelverschwendung

http://www.green-cook.org / http://refowas.de

Ziel: Prognose der Nachfrage in Supermärkten und in Großküchen / Monitoring Lebensmittelverlust in Bayern

Größtes Potential sind vermeidbare Lebensmittelabfälle schon beim Kunden. Viel mehr Abfälle als im Handel.

Bayern möchte eine App für Großküchen, Gastronomie, Bäckereien, Online-App; Zentrale Datenbank für Monitoring Bayern

Hinterlegung von Benchmarks / Referenzwerten

aktuell: Windowssoftware mit Waage in der Küche

mögliche Lösung: Bildverarbeitung / Videoverarbeitung

sucht Enwickler für neue verbesserte Lösung