Wachsende Herausforderungen in der Qualitätssicherung
Perfekte Produktqualität ist ein Markenzeichen des deutschen Mittelstands und der deutschen Industrie. Damit verbunden sind oft erhebliche Aufwände in der Qualitätssicherung und hohe Kosten bei Produktionsausschuss. Dabei nehmen die Herausforderungen in der Analyse stetig zu: innovative Produkte an der Grenze des technisch Machbaren, eine hohe Variantenvielfalt, kleine Losgrößen und immer kürzere Produktlebenszyklen. Die klassische manuelle „Analyse am defekten Einzelteil“ durch erfahrene Ingenieure stößt dabei häufig an Grenzen, wenn schnell akute Probleme gelöst werden müssen, oder wenn Ursachen in der Kombination von Effekten liegen. Der menschliche Experte kann zwar manchmal „auf den ersten Blick“ einen Fehler im Prozess entdecken, doch wenn sich defekte Teile auf dem Labortisch stapeln und es schnell gehen muss, braucht es einen komplementären Ansatz.
Mit Daten und Künstlicher Intelligenz (KI) zu einem komplementären Ansatz
Hier kann eine ganzheitliche Datensicht, verbunden mit der richtigen KI, schnell die richtigen Ideen liefern. Als Grundlage für solche KI-Assistenzsysteme braucht man durchgängige Produktionsdaten, die möglichst viele Einflussfaktoren auf die Qualität übergreifend darstellen. Moderne Manufacturing Execution Systeme (MES), ergänzt durch Sensorik (IoT) und ERP-Daten, können diese Daten in der Regel bereitstellen. Der Lohn für die damit verbundenen Mühen ist nicht nur eine verbesserte Diagnosefähigkeit, sondern durch die intensive Nutzung auch eine insgesamt höhere Datenqualität. Vor allem aber sind solche Lösungsprojekte auch Katalysatoren für ganz neue Zusammenarbeitsmodelle, in denen Expert:innen prozess- und abteilungsübergreifend datenbasiert neue Lösungen finden. Ob in der diskreten Massenfertigung oder in der Prozessindustrie: Die datengetriebene Qualitätssicherung mit KI-Unterstützung kann einen wichtigen Beitrag zu kürzeren Anlaufphasen bei neuen Produkten und zur schnelleren Diagnose von akuten Fehlerbildern leisten – und somit zur nachhaltigen Verminderung von Qualitätskosten und damit zur Erhöhung des Deckungsbeitrags führen.
Daraus resultierende Vorteile:
- Mehr Transparenz in Bezug auf die Produktion
- Kürzere Zykluszeiten in der Qualitätssicherung
- Höhere Diagnosefähigkeit und mehr Zusammenarbeit entlang der gesamten Produktionskette
- Höhere Datenqualität durch intensive Nutzung
- Schnell und dauerhaft weniger Ausschuss
