Datengetriebenes Qualitätsmanagement

Besonders in hochflexiblen Produktionssystemen sieht sich das Qualitätsmanagement mit immensen Herausforderungen konfrontiert. Die Bewältigung der hohen Komplexität mit Paradigmen der Lean Production und Six Sigma gelangt in Folge steigender Variantenvielfalt an seine Grenzen. Data Analytics gilt als ein Megatrend, von dem sich erhofft wird, diese hohe Komplexität durch die Verarbeitbarkeit großer Datenmengen beherrschbar zu machen. Branchenübergreifend bleibt aber vielerorts der gewünschte Erfolg aus. Die Ursachen dafür liegen häufig in zwei wesentlichen Problemfeldern: Mangelhafte Datenqualität und zu geringe Prozessorientierung. Das führt dazu, dass Daten sehr intensiv aufbereitet werden müssen, Analysen nicht belastbar sind oder die Analyseergebnisse nicht verständlich und nutzbar für den Anwender sind. Dieses Paper beschreibt daher einen Ansatz wie diese Probleme eliminiert werden können. Dazu werden die Grenzen und Potenziale von Ganzheitlichen Produktionssystemen und Data Analytics aufgezeigt. Darüber hinaus lassen sich Schnittstellen identifizieren, die es ermöglichen, Analytics mit den Paradigmen der schlanken Produktion zu fusionieren. Befähigt wird dies durch die Visualisierung von Daten. Visual Analytics beschreibt dabei ein stark wachsendes Feld, das den Prozessspezialisten – im Wesentlichen durch Visualisierung und Interaktion – zur Analytics am Ort der Wertschöpfung befähigt. Mithilfe kontinuierlicher Verbesserung gilt es in Zusammenarbeit zwischen Daten- und Produktions- bzw. Qualitätsspezialisten eine geeignete Anwendung zu entwickeln. Durch die Visualisierung der gesamthaft verfügbaren Prozessdaten, möglichst ohne aufwendige Data Preparation, können nicht nur Fehler im Prozess reduziert werden. Die Plausibilisierung von Daten direkt am Ort ihrer Entstehung bzw. Erfassung führt zu einer permanenten Steigerung der Datenqualität, sodass auch die Belastbarkeit der Daten erhöht wird und zukünftige Advanced Analytics Applikationen in kurzer Zeit wirksam umgesetzt werden können.

Trotz Automatisierung und Digitalisierung sind manuelle Montagetätigkeiten hinsichtlich Flexibilität und Variabilität nach wie vor ein Schlüsselelement für effiziente Produktionsprozesse. Um ein hohes Qualitätsniveau zu gewährleisten, gilt es, sowohl eine wirtschaftliche als auch zuverlässige Durchführung dieser Prozesse zu gewährleisten. In der Praxis scheitert die Schaffung robuster und effizienter manueller Montageprozesse jedoch oft daran, dass das Auftreten menschlicher Fehler nicht angemessen prospektiv quantifiziert werden kann. Dies wirkt sich insbesondere auf die Effizienz der Qualitätsplanung aus und damit auf die resultierenden Qualitätskosten. Daher wurde an den Einrichtungen der Autoren ein entsprechendes Verfahren für die manuelle Montage entwickelt. Die modular aufgebaute Methode „Methods Time and Quality Measurement“ (MTQM) verwendet Verfahren zur Bewertung der menschlichen Zuverlässigkeit auf Basis von Performance Shaping Factors (PSF), um die Wahrscheinlichkeit menschlicher Handlungsfehler zu prognostizieren. Das Verfahren ermöglicht dem Anwender eine prospektive Bewertung von manuellen Montageprozessen hinsichtlich menschlicher Fehlermöglichkeiten, die Identifizierung kritischer Montageschritte und die monetäre Bewertung verbundener Risiken. Dieses Papier erläutert die Konzeption und Entwicklung der MTQM-Methode. Darüber hinaus wird die Motivation zur Entwicklung eines Softwaretools erläutert und dessen Entwicklungsprozess schrittweise vorgestellt. Das Papier verdeutlicht dabei, wie das resultierende Software-Tool nicht nur den notwendigen Wissens- und Anwendungsaufwand von MTQM reduziert, sondern auch die Vergleichspräzision der Methode erhöht. In diesem Zusammenhang veranschaulicht der Beitrag die Entwicklung standardisierter Übersetzungen von MTM-UAS-Bausteinen mittels MTQM-Standardwörtern sowie die damit verbundenen Anpassungen der Methode. Darüber hinaus wird ein Ansatz zur Optimierung der subjektiven Beurteilung von PSFs aufgezeigt und dessen Integrationsmöglichkeit in die Methode diskutiert. Hierbei liegt der Fokus auf ergonomie-bezogenen Einflussfaktoren auf das menschliche Fehlverhalten.

In einem verstärkten Wettbewerb zwischen Unternehmen gewinnt das frühzeitige Erkennen von Abweichungen und das Ergreifen von Korrekturmaßnahmen zur Gewährleistung qualitativ hochwertiger und optimierter Prozesse zunehmend an Bedeutung. Durch regelmäßig stattfindende Besprechungen und die Visualisierung von Kennzahlen trägt das Shopfloor Management zu einer Erhöhung der Transparenz der Unternehmensabläufe bei. Aktuelle Digitalisierungstrends haben ebenso einen Einfluss auf das Shopfloor Management in Unternehmen. So hat sich in den vergangenen Jahren neben dem analogen Shopfloor Management eine digitale Form entwickelt. Unabhängig von der eingesetzten Variante des Shopfloor Managements sollte beim Auftreten von Abweichungen zeitnah ein Problemlösungsprozess initiiert werden, um fortlaufende Fehler zu vermeiden und eine hohe Qualität zu gewährleisten. Eine in der Praxis weit verbreitete Problemlösungsmethode stellt der 8D-Report dar. Doch welche Form des Shopfloor Managements einen Einfluss auf die Effizienz von Problemlösungsprozessen hat, wurde bisher nicht näher untersucht. Ziel dieses Papers ist daher die Entwicklung eines Konzeptes für die Durchführung eines Planspiels, um die Effizienz der 8D Problemlösungsmethode in ihrer Anwendung im analogen und digitalen Shopfloor Management zu vergleichen. Das Planspiel soll demonstrieren, inwieweit ein digitales Shopfloor Management in Kombination mit der 8D Problemlösungsmethode zu einer besseren Qualität der Produktionsabläufe und damit auch der Endprodukte beitragen kann.

Hohe Qualitätsstandards in der Fertigung wären ohne effektive Messverfahren heute nicht vorstellbar. Die Ergebnisse sind notwendig, um den Fertigungsprozess gegenüber den Qualitätsansprüchen zu validieren und gleichzeitig zu steuern. Die übliche, nachgelagerte und zusätzliche Aufwendung zur Prozesskontrolle ist zeit- und kostenintensiv. Ansätze zur In-Prozesskontrolle können diesen Schritt reduzieren oder sogar komplett entfallen lassen. Die hier vorgestellte Arbeit zeigt eine Möglichkeit zur Prozessüberwachung und -steuerung für die Additive Fertigung und ist am Beispiel des Fused Filament Fabrication Verfahrens spezifiziert. Es werden Fertigungsabweichungen identifiziert, Ursachen ergründet und eine quantitative Messung als Grundlage für die Qualitätsverbesserung durchgeführt. Der für die Additive Fertigung typische, schichtweise Strukturaufbau ermöglicht es während der Fertigung Prozessinformationen über das Werkstück zu erfassen. Jede einzelne gefertigte Schicht wird 3-dimensional erfasst und ist die Grundlage zur anschließenden In-Prozessauswertung. Im Bereich des Fused Filament Fabrication Verfahrens gibt es eine große Auswahl von verfügbaren Materialien, die für die Verarbeitung verwendet werden können. Die Herausforderung liegt in den unterschiedlichen Materialeigenschaften und den damit verbundenen, variierenden Anforderungen an die Prozessparameter. Die hier gezeigte Arbeit soll die Regelung der Prozessparameter automatisieren und objektivieren. Die Auswertung der aufgenommenen Schichtinformationen erfolgt mit der Unterstützung von Convolutional Neural Networks und die Ergebnisse steuern, mit dem Ziel zur Steigerung der Fertigungsqualität, einen geschlossenen Qualitätsregelkreis.

Die steigende Komplexität in der Automobilindustrie durch externe Treiber stellt hohe Herausforderungen an das klassische Qualitäts- und Komplexitätsmanagement. Eine häufige Maßnahme ist die produktseitige Reduzierung der Variantenvielfalt, welche der idealen Balance aus interner und externer Komplexität meist nicht gerecht wird. Es sind neue Ansätze notwendig, um trotz hoher interner Komplexität zur Sicherung von Marktpotenzialen eine stabile und nachhaltige Qualität sicherstellen zu können. Die Hypothese dieser Arbeitet lautet, dass trotz gleichbleibender und hoher objektiver Komplexität positive Auswirkungen auf die Qualität durch eine methodische sowie toolbasierte Reduzierung der subjektiven Komplexität erzielt werden können.

Es wird dazu ein Vorgehensmodell vorgestellt und angewendet, welches Prinzipien und Methoden zum qualitätsorientierten Umgang mit Komplexität beinhaltet. Betrachtungsgegenstand ist der automobile Konfigurationsprozess, welcher aufgrund seiner Vielzahl und Vielfalt an Konfigurationsmöglichkeiten sowie seiner vor allem durch den Mensch beeinflussten Dynamik eine hohe Systemkomplexität aufweist. Es werden drei verschiedene Projekte entlang des Konfigurationsprozesses vorgestellt, welche die verschiedenen Phasen des Prozesses abdecken. Erste Studienergebnisse in einem der Projekte bestätigen die positiven Effekte des neuen Qualitäts- und Komplexitätsansatzes. So können durch die Reduzierung der subjektiven Komplexität eine messbar gesteigerte objektive wie auch subjektive Qualität erreicht werden.

Im Herstellungsprozess von Messern stehen die Prozessparameter und die Oberflächenbeschaffenheit in einem direkten Zusammenhang. Da die Qualität von fein geschliffenen Oberflächen über Kenngrößen, die die Oberflächenbeschaffenheit beschreiben, ermittelt werden kann, hat die Veränderung eines Parameters eine unmittelbare Auswirkung auf die Qualität des Messers. Durch eine Quantifizierung sowie Optimierung der Einstellungen der Prozessparameter und damit verbundenen Standardisierung kann somit die Qualität des Produktes dauerhaft verbessert werden. Um das zu realisieren, müssen die Oberflächenkenngrößen im Anschluss an den Fertigungsprozess ermittelt werden. Dazu werden meist klassische, produktbezogene Methoden angewandt, die äußerst zeit- und kostenintensiv sind. Damit die Optimierung des Prozesses dennoch durchführbar wird, ist es notwendig, einen neuen, zeit- und kosteneffizienteren Ansatz für die Ermittlung zu entwickeln. Im Rahmen dieser Studie wird die Analyse der Oberflächenbeschaffenheit von fein geschliffenen Messern unter Verwendung der Bildanalyse mit Computer Vision (CV) in Verbindung mit maschinellem Lernen (ML) vorgestellt. Das Analyseverfahren wird innerhalb dieser Studie anhand realer Prozessdaten durchgeführt und einige der gewonnenen Ergebnisse werden im folgenden Beitrag vorgestellt.

Trotz der heterogenen Wahrnehmung und Evaluierung des aktuellen Digitalisierungstrends in der Landwirtschaft gewinnen digitale Lösungen aufgrund ihrer Möglichkeiten auch im Qualifizierungsbereich der Branche an Bedeutung. Die gestiegene Akzeptanz führt dazu, dass Entwicklerteams neue Produkte konzipieren, erproben und in der Praxis etablieren. Das International FoodNetCenter der Universität Bonn koordiniert ein genossenschaftlich geprägtes Konsortium, das sich zu der Initiative QVIREA zusammengeschlossen hat. Ziel ist es, ein international harmonisiertes Qualifizierungsangebot für Beteiligte in Produktionsketten von Lebensmitteln tierischen Ursprungs durch neue Virtual- und Mixed-Reality-Tools zu erweitern – vor allem aber den Erwerb von Kompetenzen beim fachgerechten Umgang mit Tieren einfach, sicher und schnell überprüfbar zu machen. Vor diesem Hintergrund werden in einem transdisziplinären Entwicklungsprozess die Smart Products „Digital Academic Career Card“ und „Digital Qualification Card“ konzipiert und erprobt, um in einem Zeitraum von knapp eineinhalb Jahren Marktreife zu erlangen. Zur Planung und Sicherung der Entwicklungsstufen „Konzeption“, „pilotmäßige Erprobung“ und „Bewertung aus Kundensicht“ kommt die FMEA als präventive Qualitätsmanagementmethode zur Anwendung. Über Quality-gates sollen Entscheidungssituationen herbeigeführt werden, um mögliche Finanzierungsalternativen des Gesamtsystems finden zu können.

Der industrielle Wandel stellt Unternehmen zunehmend vor Herausforderungen. Vor allem das Management umfangreicher Informationen aufgrund komplexer werdender Produkt- und Produktionssysteme ist ein Problem, mit dem sich Unternehmen auseinandersetzen müssen. Dies macht sich insbesondere im Bereich des Reklamationsmanagements bemerkbar. Obwohl es sehr unterschiedliche Ansätze zum Umgang mit Reklamationen gibt, stützen sich viele von ihnen auf manuelle Eingaben und bieten kaum Schnittstellen zu Informationssystemen im Unternehmen. Aus diesem Grund hat die Forschergruppe Produktsicherheit und Qualität im Rahmen des Forschungsprojekts FusLa [Förderkennzeichen: SCHL 2225/1-1] der Deutschen Forschungsgemeinschaft (DFG) einen Algorithmus entwickelt, der eine automatisierte Sondierung relevanter Reklamationsinformationen aus einem Reklamationstext realisieren soll. Validierungen an praktischen Beispielen haben gezeigt, dass der Algorithmus ein großes Potenzial hat, das Management umfangreicher Informationen zu erleichtern. Dieser hat aber auch Schwächen, die in weiteren Forschungsprojekten beseitigt werden müssen. Dieser Artikel stellt den Algorithmus sowie die Ergebnisse der Validierung vor und gibt einen ersten Überblick darüber, wie das Reklamationsmanagement in Zukunft aussehen könnte.

Sich verkürzende Produktlebenszyklen stellen Unternehmen vor große Herausforderungen. Durch den steigenden Wettbewerbsdruck und die zunehmende Vernetzung müssen Unternehmen in kurzer Zeit neue Innovationen generieren, um auf dem Absatzmarkt attraktiv zu bleiben. Die sich ändernde Dynamik von Kundenanforderungen stellt dabei einen schwer einzuschätzenden Einflussfaktor dar. Vor allem in der Automobilindustrie kann eine Verkürzung der Produktlebenszyklen beobachtet werden. Um individuelle Unternehmensziele, wie bspw. geringe Entwicklungskosten, niedrige Produktionskosten und hohe Qualitätsstandards einzuhalten, ist die gezielte Suche nach Optionen und Wegen zur Beherrschung von Variantenvielfalt und der Modellwechsel unerlässlich. Hierbei ist auch die Kenntnis über die Veränderung der Kundenanforderungen im zeitlichen Verlauf von Vorteil. Aus diesem Grund werden diese anhand der Automobilindustrie genauer untersucht. In der vorliegenden Arbeit werden Expertinnen und Experten befragt, um aktuelle Kundenanforderungen zu identifiziert und die Veränderung deren Bedeutung im Zeitverlauf zu bewerten. Hierzu wird das Kano-Modell herangezogen und eine Zuordnung zu unterschiedlichen Zeitpunkten vorgenommen. Die Auswertung der Untersuchung lässt erste Rückschlüsse bezüglich der Auswirkungen der sich ändernden Kundeanforderungen auf die Dauer der Produktlebenszyklen in der Automobilindustrie zu.

Die Instabilität in Systemen und Prozessen ist charakteristisch für Produktionsanläufe. Durch sie lassen sich Produktionsbedingungen nicht reproduzieren, sodass die Qualitätsziele aufgrund stochastisch auftretender Verluste verfehlt werden. Das Ziel des Beitrags ist die Sicherstellung der Produktionsleistung eines anlaufenden Montagesystems durch eine qualitätsorientierte Planung der Anlaufstrategie. Unter Anwendung eines systemdynamischen Modells, welches Teil der qualitätsorientierten Produktionstheorie darstellt, werden Anlaufstrategien unter den spezifischen Rahmenbedingungen des Montagesystems simuliert. Durch die Simulation können Anlaufszenarien generiert werden, die das Anlaufverhalten zu verschiedenen Zeitpunkten quantifiziert beschreiben. Zur Identifizierung eines optimalen Anlaufszenarios wird das systemdynamische Modell funktionalisiert und in ein nichtlineares Optimierungsproblem überführt. Anschließend wird das Optimierungsproblem mit genetischen Algorithmen funktional verknüpft, was die Annäherung eines Anlaufszenarios ermöglicht, das mit Bezug zu den zu erreichenden Anlaufzielen die beste Alternative darstellt. Ausgehend von diesem Szenario wird eine geeignete Anlaufstrategie abgeleitet. Zudem wird im Beitrag ein Verfahren vorgestellt, das zur Operationalisierung der Anlaufstrategie angewendet werden kann. In diesem Schritt wird die Anlaufstrategie in quantifizierte Steuerungsfaktoren heruntergebrochen, die vom Anlaufmanagement in der industriellen Praxis umgesetzt werden können.