Technische Wege zur Innovation: Simulation und Optimierung

Nein, jetzt kommen keine Datenbanken mit Ideen …. hier kommt Technik pur:

Simulation

Da ist ein Problem und wenn es ein halbwegs übersichtliche ist kann man es simulieren. Simulieren meint hier eine mathematisch, physikalische Abbildung im Computer eines technischen Objekts. Nun kann man einfach neue Konstruktionen, neue Betriebsbedingungen etc ausprobieren ohne die Dinger zu bauen und kaputt zu machen. Das klingst sehr preiswert, ist es aber nicht so wirklich. Da gibt es einige Probleme

• Wo fängt die Simulation an, wo hört die Simulation auf? Also bei der Simulation eines Schalters wird man wohl die Festigkeit des Kunststoffes berücksichtigen müssen, den Luftdruck wahrscheinlich nicht. Aber so einfach wie in diesem Beispiel ist die Wirklichkeit nicht: Geht es auch um Wärme, so ist die Frage ob die Einbaubedingungen eines Schalters berücksichtigt werden müssen oder nicht. Also ist der Schalter im Gipskarton versteckt oder in der Natursteinmauer?
• So einfach ist die Wirklichkeit nicht und für vieles gibt es zwar Rechenvorschriften aber die Realität hält sich nicht so daran. Hier ist zum Beispiel der Bruch eines Materials zu erwähnen – das ist einfach nicht so einfach und überhaupt nicht sehr erfolgreich erforscht.
• Die Mathematik ist manchmal sehr lästig und damit die Lösungsverfahren schon überhaupt. Denken wir uns ein Aufzugseil bei der Aufwärtsfahrt:  Schwingungsgleichung, der zweite Auflagerpunkt ändert sich dauernd, durch die Aufwärtsfahrt werden im Seil Schwingungen angeregt….

Optimierung

Ist man einmal erfolgreich in der Erstellung einer Simulation kann man diese zur Optimierung einer Zielfunktion verwenden: ein Praxisfernes Ziel (für die Elektroindustrie) wäre eine lange Lebensdauer 🙂 Jetzt stellt sich die Frage „Was bewirkt eine lange Lebensdauer?“ – da ist der Experte gefragt aber zu vermuten ist, dass die Eigenschaften

• Materialabtrag durch den Lichtbogen,
• Federstärke,
• Belastung der bewegten Teile und vielleicht die
• Feuchtigkeit eine Rolle spielen.

Wir haben also im Normalfall keine einzige Eigenschaft die möglichst groß oder möglichst klein sein soll sondern ein ganzes Bündel. Nun kann man aber nur nach einer Eigenschaft ein Optimum suchen. Das erinnert stark an die Frage „Was ist besser ein 6 Liter Mercedes oder ein Toyota Prius?“. Klar da ist keine einfache Antwort möglich, das kommt auf die Randbedingungen wie Statusbedürfnis oder Umweltbewusstsein an. Mathematisch ausgedrückt: man kann nur im eindimensionalen Positionen ordnen – also größer und kleiner – Aussagen treffen.

Praktisch wird man aus den offenen Eigenschaften einen Mix bilden der einen Wert ergibt der dann optimiert werden kann.

Nun könnte man prinzipiell alle Parameter (Abmessungen, Materialauswahl, Federstärken, Belastungen, Temperaturen,…) so lange verändern bis die Zielfunktion möglichst groß oder klein ist. Das sind aber ein paar hundert, alleine die Konstruktionsmerkmale… Mathematisch bewegen wir uns daher im, sagen wir 500 dimensionalen Raum, und suchen einen möglichst hohen Gipfel. Klar das können nur ausgeklügelte numerische Mathematik Programme, die Anschauung hört ja schon im 4 dimensionalen Raum auf.

Das tolle ist aber, nimmt man den Weg auf sich, man kann „auf Knopfdruck“ ein besseres Produkt erstellen. Ist doch geil – oder? Ein Nebeneffekt ergibt sich aus der Praxis: das Optimierungsprogramm findet jeden Programmierfehler im Simulationsprogramm. Es sucht nämlich wirklich alle Möglichkeiten ab um das Ziel möglichst gut zu erreichen.

TrendScouting

TrendScouting ist eine Methode um zukünftige Trends vorherzusehen. Klarerweise kommt diese Methode aus Bereichen wo Markentreuegering ist und die Trends sich schnell abwechseln. Jugendmode und Mobiltelefone sind sicher Beispiele für (manchmal) erfolgreiches TrendScouting. Es wurden (und werden) beispielsweise Jugendliche in trendigen Diskotheken beobachtet, was die so tragen und daraus Trends abzulesen. Auch kann von Hochtechnologiebereichen (Rennautos, militärische Luftfahrt etc.) auf den Konsumgüterbereich der Zukunft geschlossen werden. Ein beliebtes Verfahren ist auch die Beobachtung was von der „Zielgruppe“ so auf Flohmärkten gekauft wird.

Auch Zielgruppenentwickungen werden versucht aufzuspüren: man kann z.B. 12jährige über Ihre Erwartungen an Mobiltelefone für 18jährige interviewen. Das Alles erfordert keine mathematischen Untersuchungen sondern viel Gespür und Psychologie, aber auch eine gute (sehr gute) Kenntnis der Zielgruppe.

Es sind aber nicht nur Mode und Jugendartikel im Focus des TrendScoutings, nein auch Möbeldesign und Bürofarben haben Trends. Man denke nur an Autofarben – wer wäre früher mit einem Auto in der Farbe eines Postkastens gefahren? Wer hätte sich die Autowascharbeit mit einem weißen Auto angetan? Ja sogar im Maschinenbau gibt es Designtrends.

Klar – wer Trends schnell erkennt ist vorne mit dabei. Also ganz praktisch: woher nehmen Ihre Produkte Ihre Funktionsanforderungen, Design, Farbe etc her? Wieso so und nicht anders? Wenn Ihr Produkt gut ankommt ist dort die Quelle der Trends. Dort würde ich dann nach den Trends für Übermorgen suchen, die Trends in den Trends.

Schwachsinn? Nein, aber auch nicht die Lösung für schlechte Produkte!

Wissensmanagement 2

Warum wird das Wissen nicht weiter gegeben?

• 70% aus Zeitknappheit
• 67% weil das Bewusstsein fehlt das es sich hier eventuell um wichtiges Wissen handelt.
• 39% weil das Bedarf an diesem Wissen nicht bekannt war
• 39% weil ich dadurch ersetzbar werde (Wissen ist Macht)
• 35% wegen der fehlenden Transparenz was dann weiter mit meiner Idee passiert
• 34% warum soll ich?
• 28% weil die Dokumentation des Wissens zu mühselig ist
• 28% weil es keinen Ansprechpartner gibt
• 27% niemand macht das
• 29% wegen hierarchischer Strukturen
• 28% wegen Abteilungskonkurenz

Inzwischen gibt es sehr gut verwendbare EDV Lösungen zur Eingabe von Ideen und Vorschlägen – aber Wissen?

Was ist Wissen?

Jeder weiß was Wissen ist. Aber wir müssen das formalisieren und definieren, sonst kann man das nicht sammeln. Es sei wiederholt, jemand dessen Arbeitsplatz bedroht ist wird nie Wissen preisgeben, sein Wissen ist der Anker der ihn mit der Firma verbindet. Nun zu den Ansätzen die zur Formalisierung von Wissen verwendet werden:

1. Regeln finden und definieren: Meist „wenn-dann“ Strukturen. Das hört sich primär einfach an:
   Beispiel:  „Wenn die zulässige Geschwindigkeit größer als 50km/h ist dann verwende eine M8 Schraube.“ Das lässt sich locker in ein EDV System als Test eingeben, man kann sogar den wenn-Teil und den dann-Teil getrennt eingeben – super und bisher einfach. Die Frage ist nur was machen wir mit diesem „Wissen“, wenn wir es nur für die Einschulung neuer Mitarbeiter verwenden ist das OK, der Kontext kann erklärt werden. Wenn wir aber eine automatische Warnung ausgeben möchten wenn ein Konstrukteur das nicht beachten und das wäre doch toll, wird es komplex: was hat diese Geschwindigkeit, welche Schraube, wie findet das System diese Schraube formal etc.
2. Modelle erfordern eine komplette Beschreibung eines Systems, ein Techniker denkt hier an eine Simulation. Man kann aber auch Geschäftsprozesse simulieren. Bleiben wir aber bei der technischen Anschauung – und da kann ich berufen mitreden, das habe ich jahrelang gemacht – hier ist das Problem wo das Modell endet! Die Begrenzung des Modells hängt stark mit der zugrunde liegenden Fragestellung zusammen. Also nehmen wir einen Flugzeugpropeller, klar da ist Festigkeit, Drehzahl , Aerodynamik und die Verbindung zur Welle sicher ein Thema. Geht es nur um die Konstruktionssicherheit ist das wohl genug. Geht es auch um Treibstoffverbrauch wird man wohl den Vortrieb bei verschiedene Luftdrücken (? ..drucken) und die Berücksichtigung der Verschmutzung nicht vorbeikommen. Die Begrenzung des Modells ist eine menschliche Entscheidung, das ist schön und wird dadurch aber zu einer sehr subjektiven Entscheidung.
3. Künstliche Intelligenz, hier wird anhand von Beispielen versucht Regeln und Grenzen automatisch zu finden. Das funktioniert in der Regel sehr gut, man (frau) muss aber doch sehr viele Beispiele haben. Hier gibt es die Methode der neuronalen Netze und die Methode der Entscheidungsbäume. Neuronale Netze sind im wesentlichen black-boxes, können also nicht diskutiert werden. Entscheidungsbäume können gemeinsam mit dem Kunden diskutiert werden. Das Diskutieren ist sehr vertrauensbildend da die erfahrenen Werkmeister meist bei einigen Regeln „sowieso klar“ sagen. Das ist meist das Tor zum „aha“ in den feineren Verzweigungen.
4. Datenbanken. Hier wird versucht das Wissen in eine bestimmte Logik zu pressen. Das klingt für mich nicht berauschend, aber diese Methode habe ich noch nicht in der Praxis erlebt.
5. Musterfälle, hier kann man besonders gute „best practice“ oder besonders schlechte Fälle „worst practice“ Fälle sammeln. Die Dokumentation erfolgt oft (leider) ex post, was manchmal beschönigend wirken kann. Bei „worst practice“ Fällen zu lernen ist in der Theorie noch besser als von besonders guten Fällen, allerdings besteht ein menschliches Problem – wer will schon da (direkt oder indirekt) genannt werden? Wichtig ist auf jeden Fall die Darstellung der Gründe für Erfolg und Misserfolg.