Honda R&D

Um den besten Weg zur Einführung von Big-Data-Analytik-Technologien in seine Forschungs- und Entwicklungsprozesse zu finden, wollte Honda R&D mit einem Technologiepartner zusammenarbeiten, der einen wirklich umfassenden Service bieten konnte.

Kyoka Nakagawa kommentiert: „IBM war aus zwei wichtigen Gründen die richtige Wahl als Partner. Erstens bietet IBM ein sehr breites Spektrum an Big-Data-Analysefunktionen, einschließlich Data Mining, Textanalyse und Visualisierung – wir konnten also alle benötigten Tools von einem einzigen Anbieter beziehen. Zweitens verfügte IBM über die Fähigkeiten und die Erfahrung, um uns auf unserer Big-Data-Reise von der Beratung über den Machbarkeitsnachweis bis hin zur endgültigen Realisierung zu begleiten.“

Die Big-Data-Analytics-Umgebung von Honda R&D basiert auf IBM® SPSS® Modeler, IBM Watson™ Content Analytics und IBM Predictive Maintenance and Quality (PMQ). Die Rolle von Kyoka Nakagawa besteht darin, als Netzwerkknotenpunkt für diese Technologien zu fungieren, bei der Einrichtung von Machbarkeitsnachweisen zu helfen, Schulungen zu organisieren und Mitarbeiter zu ermutigen, ihr Wissen, ihre Erfahrungen und Daten untereinander auszutauschen.

Kyoka Nakagawa kommentiert: „Die Data-Mining-Schulungen waren sehr erfolgreich – IBM SPSS Modeler ist schnell zu einem beliebten Tool im gesamten Unternehmen geworden. Mittlerweile haben mehr als 100 Mitarbeiter die Schulung absolviert, viele von ihnen nutzen SPSS regelmäßig bei ihrer Arbeit.

„SPSS Modeler eignet sich sehr gut zum Organisieren von Rohdaten in nutzbare Datasets, sodass sie einfach analysiert werden können. Es ist auch sehr einfach für komplexe Analysen zu verwenden. Eine weitere wertvolle Funktion ist die Möglichkeit, Benutzer zu überwachen und zu sehen, wie sie mit dem Tool interagieren. Wenn also jemand Schwierigkeiten hat, seine Daten effektiv zu verwalten, können Kollegen ihn unterstützen.“

Honda R&D nutzt IBM Watson Content Analytics für das Textmining und ermöglicht Forschern einen nahezu sofortigen Einblick in riesige Bestände von Dokumenten und anderen Textdaten. So sind zum Beispiel die JD Power Initial Quality Studies und die Honda R&D-internen Voice-of-Customer-Studien sehr wertvolle Quellen für Informationen über die Qualität und Zuverlässigkeit von Automobilen im Zeitverlauf. In den USA bietet die National Highway Traffic Safety Authority (NHTSA) ebenfalls eine reichhaltige Quelle für Erkenntnisse über die Probleme und Sicherheitsbedenken der Verbraucher.

Kyoka Nakagawa gibt ein Beispiel: „Kürzlich hatten wir ein Meeting, in der eine Führungskraft eine Frage zu einem Merkmal eines unserer Autos stellte. Wir haben uns bei Watson Content Analytics angemeldet, über eine Million Datensätze im NHTSA-Datensatz analysiert und innerhalb von zehn Minuten drei oder vier Beispiele für relevantes Feedback von Kunden gefunden. Dies ist die Art von Analyse, die manuell kaum durchzuführen wäre.“

Die IBM Watson Content Analytics-Lösung wird auf der flexiblen Cloud-Plattform von IBM in einer gemeinsam genutzten virtuellen Serverumgebung in Tokio ausgeführt. Honda begrüßte die Vielseitigkeit der IBM Cloud für den Aufbau und die Einführung der Watson Content Analytics-Umgebung für die Benutzer im Big Data Initiative-Team des Unternehmens und ihre Skalierbarkeit.

„Aus der Sicht der Anwender des Geschäftsbereichs war es nicht wichtig, ob wir Watson Content Analytics vor Ort oder in der Cloud betreiben“, sagt Kyoka Nakagawa. „IBM Cloud ermöglichte es uns, die Lösung viel schneller in Betrieb zu nehmen, als dies mit einer On-Premise-Lösung möglich gewesen wäre.

„Darüber hinaus hängen die Rechenanforderungen für das Text-Mining mit Watson Content Analytics davon ab, wie viele Inhalte wir in das angepasste Wörterverzeichnis aufnehmen.

„Da wir unser Wortverzeichnis ständig weiterentwickeln und gleichzeitig unsere Text-Mining-Fähigkeiten verfeinern, ist es wichtig, eine flexible Cloud-Umgebung zu haben.“

Die Skalierbarkeit der IBM Cloud-Infrastruktur bedeutet auch, dass es einfach ist, neue Benutzer hinzuzufügen. Wenn sich also andere Abteilungen dazu entschließen, IBM Watson Content Analytics in Zukunft zu übernehmen, wird Honda in der Lage sein, sie nahtlos zu unterstützen.

IBM Predictive Maintenance and Quality unterstützt Unternehmen bei der Überwachung ihrer Anlagen und Prozesse und bei der Vorhersage von Anlagenausfällen oder Qualitätsproblemen. Honda R&D hat diese Technologie in der Analyse von Garantien in Marktqualität getestet, und die ersten Ergebnisse sind vielversprechend.

„Wir sind sehr beeindruckt von den Visualisierungsmöglichkeiten von IBM Predictive Maintenance and Quality“, sagt Kyoka Nakagawa.

„PMQ dient als analytische Entwicklungsumgebung, die es unseren Forschern ermöglicht, in einer Sandbox-Umgebung zu untersuchen, wo analytische Erkenntnisse helfen können, Probleme mit der Qualität oder den Produktionsanlagen zu identifizieren. PMQ dient auch als vollständige Analyselösung, die die Analyse mit einer kontinuierlichen Aufnahme von Prozessereignisdaten aus unseren Betriebsabläufen operationalisiert, wo wir Daten hochladen und sie einfach in intuitiven Dashboards anzeigen können.“

Die Schulungsprogramme von Honda R&D für Big-Data-Analytik haben einen großen Beitrag zur Schaffung einer offeneren und kollaborativeren Kultur unter den Entwicklerteams des Unternehmens geleistet.

„Ich nenne es den ‚Big Data Friends Club‘“, sagt Kyoka Nakagawa. „Das Zusammenbringen unserer Entwickler war an sich schon ein Vorteil, da sie ihre Daten eher austauschen und voneinander lernen können. Unser Fahrwerksteam arbeitete zum Beispiel an einem Projekt zur Untersuchung der Qualitätsminderung von Auspuffrohren und benötigte einige Daten über Benzin. Durch den Big Data Friends Club entdeckten sie, dass unser Team für den Kraftstoffverbrauch bereits über die benötigten Daten verfügte – das sparte eine Menge Aufwand und Kosten."

Sie fügt hinzu: „Das Erlernen von Big-Data-Analysen hat einigen unserer Entwicklern auch dabei geholfen, über den Tellerrand zu schauen. Anstatt nur die Parameter zu analysieren, die sie für wichtig halten, können sie mit Hilfe von Data-Mining-Techniken Muster und Hinweise aufdecken, an die sie vielleicht nie gedacht hätten.

„Wir haben zum Beispiel Millionen von Kunden auf der ganzen Welt, und die Fahrgewohnheiten in den verschiedenen Ländern unterscheiden sich in einer Weise, die nicht immer leicht vorherzusagen ist.

„Vor Kurzem diskutierten wir darüber, wo in unseren Fahrzeugen ein ‚Motorstart‘-Knopf angebracht werden sollte. Bei der Analyse der NHTSA-Aufzeichnungen stellten wir fest, dass sich mehrere Fahrer in den USA darüber beschwert hatten, versehentlich den Motorstartknopf mit den Knien gedrückt zu haben.

„Das war eine große Überraschung für uns, denn das ist nur möglich, wenn man den Tempomat einstellt, die Füße von den Pedalen nimmt und die Beine auf dem Sitz hochlegt. Wir hatten uns nie vorstellen können, dass die Menschen tatsächlich so fahren würden – das war eine wertvolle Erkenntnis für unsere Produktdesign-Teams.“

Ein weiterer wichtiger Vorteil des Ansatzes von Honda R&D ist, dass er den Mitarbeitern des Unternehmens den Wert der Big-Data-Analyse gezeigt hat, um zu verstehen, wie sich Autos und Fahrer unter realen Bedingungen verhalten, und um neue technische Projekte zu identifizieren.

Beispielsweise nutzt das Unternehmen Fahrzeugsensordaten, um die Lenkmanöver der Fahrer zu überwachen und die Vorlieben der Kunden besser zu verstehen. Diese Erkenntnisse aus der Praxis fließen in technische Projekte ein, die darauf abzielen, ein Lenkerlebnis zu entwickeln, das für jeden Fahrer individuell gestaltet werden kann.

Kyoka Nakagawa fasst zusammen: „IBM Analytics hilft den Entwicklern von Honda R&D, Big Data zu nutzen, um wertvolle neue Forschungsbereiche zu erschließen – und letztendlich bessere, intelligentere und sicherere Autos zu entwickeln."