Skip to main content
main-content

2022 | Buch

Trends und Entwicklungstendenzen im Qualitätsmanagement

Bericht zur GQW-Jahrestagung 2021 in Cottbus

share
TEILEN
insite
SUCHEN

Über dieses Buch

Zielsetzung der Gesellschaft für Qualitätswissenschaft e.V. ist es, die Qualitätswissenschaft in Lehre und Forschung zu fördern und den Wissenstransfer in die industrielle Anwendung zu unterstützen. Geschehen soll dies unter anderem durch Pflege des wissenschaftlichen Erfahrungsaustauschs unter den auf diesem Gebiet tätigen Personen und Institutionen und der Verbreitung von Forschungs- und Entwicklungsergebnissen sowie der Unterstützung des Wissenstransfers zwischen Forschung und Praxis. Die Jahrestagung 2021 der Gesellschaft für Qualitätswissenschaft fand gemeinsam mit der Brandenburgischen Technischen Universität Cottbus - Senftenberg unter der Leitung von Prof. Dr.-Ing. Ralf Woll im September 2021 in Cottbus statt. Leitthema der Tagung war "Trends und Entwicklungstendenzen im Qualitätsmanagement". Der Tagungsband beinhaltet die eingereichten und begutachteten Beiträge, die im Rahmen der Tagung präsentiert worden sind. Diese decken ein weites thematisches Spektrum ab, von Potentialen neuronaler Netze zur Fehlervermeidung, automatisierte Maßnahmenempfehlung in Softwareentwicklungsprozessen über die zeitliche Veränderung von Kundenanforderungen bis hin zur Sicherheitskultur in der Agrar- und Ernährungsbranche.

Inhaltsverzeichnis

Frontmatter
Identifikation von Einflüssen und Wechselwirkungen auf die Kundenanforderungsverschiebung in der Automobilbranche
Zusammenfassung
Die Analyse sich ständig wechselnder Kundenanforderungen stellt einen wichtigen Schritt in der Produktentwicklung dar. Um frühzeitig Kundenanforderungsverschiebungen aufzudecken, ist es wichtig, die Einflüsse auf die Kundenanforderungen und deren Wechselwirkungen zu kennen. Die vorliegende Studie widmet sich dieser Identifikation. Als Untersuchungsobjekt wurde die Automobilbranche herangezogen. Zur Beantwortung der Forschungsfrage wurden eine Literaturrecherche und eine Online-Befragung durchgeführt. Die Auswertung erfolgte mittels der deskriptiven Statistik, der Anwendung des Chi2-Unabhängigkeitstests und dem Einsatz eines Paarweisen Vergleichs. Durch die Literaturrecherche konnten Einflussfaktoren auf die Kundenanforderungsverschiebung in der Automobilbranche identifiziert werden. Ausgewählte Einflussfaktoren sind der Umweltgedanke, soziale Faktoren, die Parksituation sowie der Verlust des Autos als Statussymbol. Es wurden Wechselwirkungen zwischen den Einflussfaktoren erkannt. Eine starke Wechselbeziehung besteht beispielsweise zwischen der Technologie und der Digitalisierung sowie zwischen dem Umweltbewusstsein der Probanden und dem CO2-Ausstoß des Fahrzeugs. Dieses Wissen kann die Automobilbranche direkt in neue Produktentwicklungen und aktuelle Vermarktungsstrategien einfließen lassen. Außerdem bietet die Wechselwirkungsmatrix einen guten Ausgangspunkt für weitere Untersuchungen.
Beatrice Monique Rich, Nicole Burwitz, Ralf Woll
Entwicklung eines IT-basierten Assistenzsystems zur Anwendung von Smart Data Analytics im PEP von KMU zur Sicherstellung der Qualität
Zusammenfassung
Um auch in Zukunft wettbewerbsfähig zu bleiben, müssen sich kleine und mittlere Unternehmen (KMU), stets neu positionieren und sich den aktuellen Herausforderungen, resultierend aus den Megatrends und der Industrie 4.0, stellen. KMU müssen zukünftig schneller entwickeln, leichter auf Änderungen reagieren und besser auf Kundenwünsche eingehen. In diesem Zusammenhang stellt insbesondere Smart Data als aktuelles Forschungsfeld im Rahmen der Industrie 4.0 neue Herausforderungen an die Gestaltung des Produktentstehungsprozesses (PEP) produzierender Gewerbe. Ziel dieser Publikation ist es, spezifische Herausforderungen für KMU im PEP zu ermitteln, um anschließend aufzuzeigen, welche Smart Data Methoden zur Lösung dieser Herausforderungen herangezogen werden können.
Ingo Vincent Dietz von Bayer, Jasmin Ohlig, Bert Leyendecker, Roland Jochem, Phuong Diem Anh Cao
Kundenanforderungen in der Automobilindustrie – Eine empirische Untersuchung zu deren zeitlichen Veränderungen mittels Kano-Modell
Zusammenfassung
In der Automobilindustrie haben sich die Produktlebenszyklen einzelner Modelle in den vergangenen Jahren stark verkürzt. Dies führt zu besonderen Herausforderungen innerhalb der gesamten Supply Chain. Von besonderer Brisanz sind die Herausforderungen in den Bereichen der Produktentwicklung und im Qualitätsmanagement der OEMs. Um diesen Herausforderung begegnen zu können, ist es von substantieller Bedeutung, Kundenanforderungen zu analysieren und ihre Auswirkungen auf den Produktlebenszyklus zu verstehen. Dabei stellt sich die Frage, ob ein direkter Zusammenhang zwischen der zeitlichen Veränderung von Kundenanforderungen und den sich verkürzten Produktlebenszyklen besteht und dieser validiert werden kann. Ziel der Gesamtstudie ist es daher, zu prüfen, ob sich die Kundenanforderungen innerhalb eines Produktlebenszyklus in der Automobilindustrie tatsächlich ändern. Für die Gesamtstudie wurde ein dreischichtiges Forschungsdesign gewählt, bestehend aus einer Literaturrecherche, Experteninterviews und einer anschließenden Online-Befragung, bei der die Kano-Methode verwendet wurde. Dazu wurden im Voraus im Rahmen einer ersten Studie eine Literaturanalyse und Experteninterviews durchgeführt. Mittels der Literaturrecherche konnten eine Vielzahl relevanter Merkmale in der Automobilindustrie identifiziert werden. Anhand der geführten und ausgewerteten Experteninterviews konnten zusätzliche Merkmale identifiziert und die Ergebnisse der Literaturrecherche validiert werden. In der vorliegenden Studie wurde hierauf aufbauend eine Online-Befragung durchgeführt. Hauptergebnis der durchgeführten Befragung war, dass sich unter Verwendung der, nach wie vor in den wissenschaftlichen Publikationen aktuellen Kano-Methode, keine signifikanten zeitlichen Veränderungen der Kundenanforderungen widerspiegeln. Somit konnte die These der verkürzten Produktlebenszyklen mittels zeitlicher Veränderungen der Kundenanforderungen nicht unter Einsatz der Kano-Methode durch eine Online-Befragung validiert werden.
Julia Braun, Stephanie Künnemann, Beatrice Monique Rich, Magdalena Mißler-Behr, Ralf Woll
Datenzentrierte Entwicklung von Machine Learning Modellen zur Qualitätsvorhersage in der Fahrzeugmontage
Zusammenfassung
Im Zeitalter von Industrie 4.0 und dem Einzug der Künstlichen Intelligenz in nahezu alle Lebens- und Fachbereiche, geht es im Qualitätsmanagement derzeit auch um die zentrale Frage, wie maschinelle Lernverfahren auf produkt- und prozessbezogene Daten angewendet werden können, um Vorhersagen über zukünftige qualitätsrelevante Ereignisse zu treffen. Ein Blick auf das Gartner Analytics Ascendancy Model macht deutlich, dass das enorme Potential zur Effizienzsteigerung in der Produktion erst durch die Anwendung von prädiktiven Modellen freigesetzt werden kann (Kantardzic, M.: Data mining: Concepts, models, methods, and algorithms, 2nd Edition, In: Wiley-Interscience, Hoboken, 2003, ISBN: 0- 471–22.852–4). Dass derzeit laut einer Studie des McKinsey Global Institutes (MGI) in der industriellen Fertigung nur etwa 20 bis 30 Prozent des Potentials in der Anwendung von Data Analytics Methoden ausgeschöpft werden (Maoz, M.: How IT should deepen big data analysis to support customer-centricity. Gartner. G00248980. (2013)), liegt vorrangig an der eindimensionalen Fokussierung auf die Auswahl und Optimierung von Algorithmen bei der Anwendung von Machine Learning. Dabei belegen zahlreiche Untersuchungen, dass verschiedene Algorithmen für die gleiche Datenbasis vergleichbare Ergebnisse liefern und eine Erhöhung der Datenqualität einen weitaus größeren Einfluss auf die Vorhersagegenauigkeit ausüben kann als die Hyperparameteroptimierung eines x-beliebigen Machine Learning Modells (Ng A.: MLOps: From Model-centric to Data-centric AI. https://​www.​deeplearning.​ai/​wp-content/​uploads/​2021/​06/​MLOps-From-Model-centric-to-Data-centric-AI.​pdf. Zugegriffen: 8. Aug. 2021). Aus diesem Grund vollzieht sich gerade in der anwendungsorientierten Entwicklung von Machine Learning Modellen ein Paradigmenwechsel: weg von der Modell-zentrierten und hin zur Daten-zentrierten Künstlichen Intelligenz (Ng A.: MLOps: From Model-centric to Data-centric AI. https://​www.​deeplearning.​ai/​wp-content/​uploads/​2021/​06/​MLOps-From-Model-centric-to-Data-centric-AI.​pdf. Zugegriffen: 8. Aug. 2021). Vor diesem Hintergrund wurde am Fachgebiet Qualitäts- und Prozessmanagement der Universität Kassel eine Methodik zur kontextbezogenen Datenaufbereitung entwickelt. Die strukturierte Vorgehensweise der Methodik hat zum Ziel, die Eigenschaften des Datensatzes in Abhängigkeit des spezifischen Anwendungsfalles so zu modellieren, dass die potentiellen Ursachen für das Auftreten von Fehlerbildern mit größtmöglicher Wahrscheinlichkeit im Datensatz begründet ist. Anhand eines konkreten Fallbeispiels aus der Fahrzeugmontage wird gezeigt, dass sich die Leistungsfähigkeit von Machine Learning Modellen durch die Anwendung der Methodik um bis zu 100 % steigern lässt. Darüber hinaus wird im Rahmen des Beitrags das Potential zur Optimierung von Stichprobenprüfungen in der Fahrzeugmontage ausgewiesen.
Andreas Schoch, Robert Refflinghaus
Digital Q-Twin: Interoperabilität qualitätsbezogener Daten auf Basis des Digitalen Zwilling
Zusammenfassung
Die richtigen Informationen an der richtigen Stelle zur richtigen Zeit zur Verfügung zu haben, um schnelle, wirtschaftliche und faktengestützte Entscheidungen zu treffen, stellt für KMU in der heutigen Zeit nach wie vor eine große Herausforderung dar. Zahlreiche Daten und Informationen, die im Laufe des Produktlebenszyklus entstehen, bleiben vielfach ungenutzt bzw. finden nach Abschluss von Aufträgen keine Beachtung mehr, da sich diese in einzelnen, nicht miteinander vernetzten Insellösungen zahlreicher Software-Anwendungen befinden, die eine weiterführende Nutzung erschweren. Qualitätsdaten und -informationen spielen dabei eine besondere Rolle, da diese einen entscheidenden Beitrag zur Sicherung der Produkt- und Prozessqualität liefern. Die Digitalisierung liefert zweifelsohne einen wesentlichen Beitrag, um diese Daten und Informationen nutzbar zu machen. Die in der Literatur thematisierten Ansätze für Digitale Zwillinge stellen immer wieder deren großen Nutzen für die unterschiedlichsten Prozesse im Produktleben hervor, wobei an vielen Stellen unklar bleibt, wie eine konkrete Umsetzung und Anwendung aussehen kann. Eine grundlegende Voraussetzung für die Etablierung der Technologie der Digitalen Zwillinge ist die Interoperabilität von Daten und Informationen. Besonders im Bereich der Qualitätsplanung und -sicherung stellt dies KMU jedoch vor ein großes Problem, welches die Nutzung Digitaler Zwillinge beispielsweise für die Optimierung von Produktionsprozessen oder die Visualisierung von Fertigungsabweichungen anhand des 3D-Modells behindert. Die Frage ist, wie KMU der Herausforderung der Interoperabilität von Qualitätsdaten und -informationen begegnen können und durch eine entsprechende Lösung dieser Problematik Digitale Zwillinge für die Erhaltung bzw. den Ausbau der Wettbewerbsfähigkeit nutzen können. Zur Beantwortung dieser Frage werden die aktuellen Herausforderungen der produzierenden KMU im Kontext der Digitalisierung aus Sicht der Qualitätsplanung und -sicherung analysiert und wesentliche Handlungsfelder aufgezeigt. Daraus abgeleitet, wird ein Konzept vorgestellt, dass das Ziel hat, die Interoperabilität qualitätsbezogener Daten und Informationen zu verbessern und diese innerhalb einer kollaborativen Umgebung den einzelnen Akteuren im Produktentstehungsprozess kontextspezifisch und produktbezogen nutzbar zu machen.
Stanley Sittner, Juliane Schuldt, Sophie Gröger
COVID-19-Pandemie: Transfer von Methoden der Technischen Zuverlässigkeit zur Analyse von Ausbreitungsverhalten und Eindämmungsmaßnahmen
Zusammenfassung
Die COVID-19-Pandemie zeigt mit ihrer hohen Ausbreitungsgeschwindigkeit seit Ende 2019 die Vulnerabilität einer globalisierten und vernetzten Welt auf. Für die Pandemiebekämpfung ist eine fundierte Analyse des Infektionsgeschehens, u. a. des Ausbreitungsverhaltens erforderlich. In der Epidemiologie werden dazu Ausbreitungsmodelle wie das SIR-Modell verwendet. Zusätzlich werden Kennzahlen wie die 7-Tages-Inzidenz genutzt, bei diesen ist nicht immer eine Trendaussage möglich. Daher wird in dieser Publikation ein Methodentransfer der Technischen Zuverlässigkeit auf das Infektionsgeschehen vorgestellt, mit welchem ein Erkenntnisgewinn für die Pandemiebekämpfung erzielt werden kann. Kern des Transfers ist die Anwendung von Weibullverteilungsmodellen mit leicht interpretierbaren Parametern auf die Infektionsdaten, wobei der Formparameter b des Modells als Ausbreitungsgeschwindigkeit gedeutet wird. Anhand dreier Transferstudien wird die Anwendbarkeit auf das Infektionsgeschehen verdeutlicht. Am Beispiel Deutschlands werden zunächst die verschiedenen Infektionswellen detektiert und im Anschluss Unterschiede hinsichtlich ihrer Ausbreitungsverhaltens aufgezeigt. Außerdem wird die Wirksamkeit von Eindämmungsmaßnahmen anhand eines Vergleichs verschiedener Lockdowns mit den zugehörigen Infektionswellen belegt. In einer dritten Transferstudie erfolgt der Vergleich verschiedener Pandemiephasen mit einer Durchschnittsgrippesaison, wobei die unterschiedlichen Charakteristika hinsichtlich des Ausbreitungsverhaltens herausgestellt werden.
Alicia Puls, Stefan Bracke
Empirische Untersuchung der Akzeptanz verschiedener Antriebsarten von Automobilen in der Gesellschaft
Zusammenfassung
Ein wichtiger Aspekt beim Kauf eines Neufahrzeugs ist u. a. die Wahl der Antriebsart des Automobils. Um den neuen Umweltanforderungen aus Politik und Gesellschaft gerecht zu werden, müssen Unternehmen der Automobilbranche Anpassungsstrategien entwickeln und sich mit ihren Produkten neu ausrichten [1, 2, 3]. Besonders sichtbar wird die Diskussion in Anbetracht der Endlichkeit fossiler Ressourcen für die Automobilbranche beim Übergang auf alternative Antriebsarten. Beim Auswahlprozess eines Fahrzeugs ist für die KäuferInnen u. a., die Wahl der Antriebsart eine mittlerweile grundlegende Fragestellung, welche in Zukunft weiter an Bedeutung zunehmen wird [4]. Dabei wirken verschiedene Einflüsse und Anforderungen auf den Auswahlprozess zur Antriebsart. Diese Einflüsse und Kriterien werden im Rahmen der vorliegenden Studie untersucht. Ziel ist es, Treiber für die Anforderungsverschiebung bei den KundInnen zu identifizieren und Handlungsempfehlungen für das Anforderungsmanagement der Automobilbranche abzuleiten. Dafür kommt neben einer Literaturrecherche eine Onlineumfrage zum Einsatz. In einer ersten Vorauswahl wurden mittels Literaturanalyse 11 Kriterien identifiziert. Zu diesen gehören unter anderem: die Wohnregion, das Geschlecht, die Zufriedenheit mit dem Versorgungsnetz und die Reichweite eines Automobils [2, 4, 5, 6, 7]. Als Ergebnis aus der anschließenden Onlineumfrage kann festgehalten werden, dass die Wahl der Antriebsart von verschiedenen Faktoren abhängig ist und viel Spielraum für weitere Forschungsarbeiten bietet. Basierend auf der Datenauswertung sind vor allem personenbezogene Daten, wie Alter und Wohnregion eines Individuums, maßgebend bei der Wahl der Antriebsart. Zur Erreichung politischer Klimaziele, ist eine zukünftige nachhaltige Erhöhung der Akzeptanz alternativer Antriebe unumgänglich [1]. Dafür bedarf es einer intensiven Einbindung der Nachfrageseite.
Christine Goldmann, Beatrice Monique Rich, Max Hülse, Ralf Woll
Automatisierte Maßnahmenempfehlung zur Erhöhung der Qualität in Softwareentwicklungsprozessen
Zusammenfassung
Von aktuellen Trends und Tendenzen wie der Digitalisierung, kürzeren Produktlebenszyklen und zunehmendem Wettbewerbsdruck ist die Softwareentwicklung als schnell wachsende, dynamische Branche besonders betroffen. Software durchdringt inzwischen nahezu alle Lebensbereiche. Mit der gesteigerten Komplexität von Produkten nimmt aber auch die Komplexität und Varianz zugehöriger Softwarelösungen zu. Dies steigert letztlich die Fehleranfälligkeit von Softwareentwicklungsprozessen. Das Software-Qualitätsmanagement nimmt damit einen immer höheren Stellenwert ein. Gleichzeitig manifestiert sich in den erwähnten Herausforderungen die Notwendigkeit, die Software-Ingenieure:innen im Entwicklungsprozess zu unterstützen. An dieser Stelle setzt der vorliegende Beitrag an, indem erläutert wird inwiefern ein algorithmisch-basierter Empfehlungsassistent auf Basis der Fuzzy-Logik die Lücke zwischen Qualitätsdefiziten der Qualitätssicherungsmaßnahmen und zu ergreifenden Gegenmaßnahmen zur Behebung dieser Qualitätsdefizite schließen kann. Ziel des Papers ist es demnach, den Entwicklungsprozess eines solchen Fuzzy-Systems strukturiert aufzuzeigen. Dazu werden die einzelnen Gestaltungsschritte bis hin zum implementierten Empfehlungsassistenten am Beispiel der automotiven Softwareentwicklung beleuchtet. Der Empfehlungsassistent soll so gestaltet sein, dass die Konformität des Entwicklungsprozesses gemäß den Vorgaben aus zugrundeliegenden Normen wie der ISO 26262-6 für funktionale Sicherheit bestimmt und automatisiert erforderliche Gegenmaßnahmen zur Verbesserung der Qualität abgeleitet werden. Dazu soll der Fuzzy-Empfehlungsassistent auf Basis der Verteilungen der Qualitätsparameter geeignete Gegenmaßnahmen vorschlagen. Potenzielle Anwender:innen sollen ohne weiterführende Vorerfahrungen oder tiefergehendes Fachwissen systematisch und objektiv Verbesserungen anstoßen und umsetzen können. Ergebnis ist schließlich ein vollständig implementierter Fuzzy-Empfehlungsassistent, welcher die Software-Ingenieure:innen im Entwicklungsprozess unterstützt und die Qualität der Software überwacht.
Stephan Höhne, Maurice Meyer, Roland Jochem, Hartmut Pohlheim
Wearables zur Qualitätssicherung in der manuellen Montage – Eine qualitative Studie
Zusammenfassung
Dieses Paper stellt eine qualitative Studie vor, welche die wirtschaftliche Relevanz von Wearables für die Qualitätssicherung einer manuellen Montage untersucht. Analysiert man den Einsatz von Wearables im industriellen Umfeld, kann festgestellt werden, dass es bisher wenige Fallstudien und Literatur zum Einsatz von Wearables in Produktionsunternehmen gibt. Allerdings bieten Wearables erhebliche Optimierungsmöglichkeiten bezüglich Effizienzsteigerungen, Fehlerreduktion und Qualitätskontrollen, sowie eine wirtschaftlichere und sicherere Arbeitsweise. Als Voruntersuchung für ein Forschungsprojekt bezüglich eines Auswahlassistenten für Wearables in der Qualitätssicherung wurden elf leitfadengeführte Experteninterviews durchgeführt, um die Relevanz und Wichtigkeit dieses Forschungsthemas, insbesondere für KMU, herauszustellen. Die Interviewergebnisse bestätigen die Notwendigkeit, einen Auswahlassistenten zu erstellen, der Unternehmen bei der Auswahl des richtigen Wearables für deren Qualitätskontrolle unterstützt. Insbesondere KMU benötigen Unterstützung bei der Auswahl und Implementierung von Wearables.
Kristin Wagner, Patrick Pötters, Bert Leyendecker, Rebecca Maria Ries, Holger Beckmann
Anwendung von Algorithmen des Maschinellen Lernens zur Beurteilung der Qualität von fein geschliffenen Messeroberflächen als Grundlage für die kontinuierliche Prozessverbesserung im Rahmen des Qualitätsmanagements
Zusammenfassung
Die Ausbreitung der Digitalisierung in der industriellen Produktion von Produkten während der letzten Jahre ermöglicht eine zunehmend umfassendere Datenerfassung innerhalb der einzelnen Prozesse, wodurch die Implementierung von komplexen und präziseren, datenbasierten Analyseverfahren möglich wird. Auf Basis der Daten können multivariate Modelle, zum Beispiel Algorithmen des Maschinellen Lernens, entwickelt werden mit denen mehrdimensionale, komplexe Zusammenhänge erfasst sowie deren Einfluss auf die Erreichung der definierten Prozessziele ermittelt werden können. Die Implementierung dieser Modelle in die laufenden Prozesse ermöglicht die Qualität der Produkte inner-halb des Herstellungsprozesses zu erfassen, sodass Parametereinstellungen be-reits im Rahmen der Fertigung angepasst, Ausschuss reduziert und die Qualität des finalen Produktes gewährleistet werden kann. Damit kann durch derartige Methoden eine gute Grundlage für eine kontinuierliche Prozessoptimierung und die ständige Verbesserung des Qualitätsmanagements geschaffen werden. Das vorliegende Paper liefert einen Beitrag zur Auswahl der Algorithmen sowie, für eine ausgewählte Gruppe, die empirisch ermittelte Parametrierung und Einstellung. Hierbei werden neben der klassischen Methode bestehend aus Feature Extraction verbunden mit Ansätzen des überwachten Lernens der Methode des Deep Learnings gegenübergestellt und bewertet. Dabei werden insbesondere die Convolutional Neural Networks (CNNs), Feedforward Neural Networks (NNs) sowie Support Vector Machines (SVMs) angewendet, ausführlich diskutiert und anschließend hinsichtlich der erreichten Ergebnisse priorisiert. Die Datenbasis für die Studie stellt ein im Labor erzeugter Datensatz basierend auf fein geschliffenen hochwertigen Küchenmessern. Die im Rahmen dieser Forschungsaktivitäten entwickelten Methoden zur Bestimmung der Qualitätskenngrößen der Oberflächenbeschaffenheit können weiterhin dazu genutzt werden, den Fertigungsprozess kontinuierlich zu verbessern, die Qualitätsziele zu erreichen und das Qualitätsmanagement zu optimieren.
Marcin Hinz, Lea Hannah Günther, Jannis Pietruschka, Stefan Bracke
Potenziale von Neuronalen Netzen gegenüber SPC zur Fehlervermeidung in der Prozesssteuerung
Zusammenfassung
Die voranschreitende Digitalisierung produzierender Unternehmen gilt als ein zentraler Treiber der Industrie 4.0. Das Qualitätsmanagement, als einer der wesentlichen Faktoren des unternehmerischen Erfolgs, bleibt von dieser Entwicklung nicht unberührt. Auf Basis der stetig zunehmenden und sicheren Verfügbarkeit von Daten, Informationen und der hieraus gebildeten Wissensbasis zeigt sich zunehmend ein Trend hin zu prädiktiven Ansätzen der Fehlervermeidung unter Zuhilfenahme moderner Analysemethoden. Längst können individuelle, produktbezogene Daten in Echtzeit erhoben, gespeichert, vorverarbeitet und analysiert werden. Doch welche Potenziale ergeben sich durch die zur Verfügung stehenden Daten und modernen Ansätze gegenüber herkömmlichen Methoden des Qualitätsmanagements für produzierende Unternehmen? Um diese Potenziale exemplarisch aufzuzeigen, wurde ein Convolutional Neural Network (CNN) zur Bewertung der Vorhersagegenauigkeit der Prozessstabilität eingesetzt und den Ergebnissen einer Statistischen Prozesslenkung (SPC) gegenübergestellt. Als Anwendungsfall wurde ein Montageprozessschritt eines Nutzfahrzeugherstellers betrachtet. Zu diesem Zweck wurde ein Prozessschritt gewählt, der trotz hoher Produktvarianz bei Nutzfahrzeugen an jedem Fahrzeug durchgeführt wird und aus Revisionsgründen dokumentationspflichtig ist. Innerhalb des Montageprozesses wurde das Ist-Drehmoment und der Ist-Drehwinkel automatisiert in eine SPC überführt und fahrzeugspezifisch archiviert. Mithilfe des so erzeugten Datensatzes konnte ein CNN trainiert und erprobt werden, welches gleichzeitig nicht durch die statistischen Limitationen einer SPC eingeschränkt ist. Anhand des Datensatzes konnte ein direkter Vergleich von einer klassischen SPC und dem Ansatz des CNN durchgeführt werden. Die Ergebnisse zeigen auf, dass das CNN die Vorhersagegenauigkeit der SPC übertrifft. Besonders durch kontinuierlich steigende Kundenanforderungen bezüglich Funktionalität und Qualität sowie der damit einhergehend wachsenden Komplexität von Produktionsprozessen und Datengrundlagen erweisen sich CNN mindestens als Ergänzung zur klassischen SPC als äußerst fähig.
Sebastian Beckschulte, Louis Huebser, Nils Klasen, Robin Günther, Robert H. Schmitt
Datenbasierte Qualitätssicherung von Fahrerassistenzsystemen
Zusammenfassung
Die Erfüllung der Qualitätsanforderungen des Kunden hinsichtlich Fahrerassistenzsystemen sorgt für Vertrauen in die innovative Technik, die seit einigen Jahren im Rahmen des Paradigmenwechsels vom Fahrer zum Passagier thematisiert wird. Damit sich der Fahrer während der Nutzung von Fahrerassistenzsystemen und der damit einhergehenden Kontrollabgabe sicher fühlt, ist es erforderlich, die Kundenerwartungen gegenüber den Systemen zu erfassen und zu verstehen. Die Aufnahme der Anforderungen bezüglich der Funktionsqualität solcher Systeme erfolgt derzeit anhand von Nutzerbefragungen wie zum Beispiel Fragebögen, Fahrstudien oder Studien von Marktforschungsinstituten. Die bisherige Vorgehensweise zur Anforderungsaufnahme von Fahrerassistenzsystemen gibt daher nur zeitverzögert und in begrenztem Umfang Aufschluss über das Kundenerlebnis während der Fahrt, wodurch potenziell wertvolle Informationen über die Kundenwahrnehmung verloren gehen. Daraus ergibt sich die Frage, wie die Qualitätswahrnehmung des Kunden zeitnah, unkompliziert und verständlich erfasst werden kann. Zur Aufnahme der Qualitätsanforderungen des Kunden und seinem Erleben von Fahrerassistenzsystemen wird in diesem Beitrag ein neues Konzept zur Digitalisierung der Kundenstimme (Voice of Customer, VoC) vorgestellt. Dazu werden vergangene Studiendaten aus Kundenbefragungen und Kundenfeedback in Form von Sprachaufzeichnungen über eine Smartphone-App gesammelt. Die anschließende Text-Mining-Analyse bereitet neues eingehendes Kundenfeedback (unstrukturierte Daten) automatisch auf und weist sie definierten Fahrerassistenzsystemen zu. Die automatisch zugewiesenen Kundenaussagen werden mit den entsprechenden Fahrzeugdaten verbunden. Dies gewährt einen Einblick in die wahrgenommene Qualität des Kunden hinsichtlich der Funktion verschiedener Fahrerassistenzsysteme und gibt Aufschluss über Fehlerschwerpunkte im Feld. Der Aufbau eines Informationskanals zum Kunden und die daraus gewonnenen Erkenntnisse tragen zu einer kundenorientierten und kontinuierlichen Verbesserung von Fahrerassistenzsystemen bei.
Hendrik Jasper, Roland Jochem
Schritte zur Etablierung eines gemeinsamen Standards zur Sicherheitskultur für die Agrar- und Ernährungsbranche
Zusammenfassung
In Ergänzung zu den Zertifizierungsaudits gemäß den etablierten Standards ISO, IFS, BRC und FSSC 22000 in den Bereichen Qualität, Umwelt und Arbeitsschutz werden in den letzten Jahren in Unternehmen diverser Branchen verstärkt Prüfungen der Unternehmenskultur durchgeführt. Der Faktor Mensch steht dabei im Vordergrund. Insbesondere die Einstellung und das Bewusstsein für Arbeitssicherheit und Gesundheitsschutz im Verhalten der Mitarbeiter auf allen Ebenen der Organisation rücken in den Mittelpunkt der Betrachtung. Inspiriert durch diesen Ansatz hat sich im Frühjahr 2020 während der Corona-Krise eine Expertengruppe aus den Bereichen Qualitätswissenschaften, Standardisierung und Zertifizierung sowie Beratung von systemrelevanten Unternehmen der Agrar- und Ernährungswirtschaft zu einem Gremium zusammengefunden. Gemeinsames Ziel ist es, einen neuen Standard zu erarbeiten. Dabei gilt es zunächst, Kriterien für ein Bewertungssystem für mehrere Säulen eines House of Total Safety Culture (HSC) maßgeschneidert für ganze Wertschöpfungsketten der Agrar- und Ernährungsbranche festzulegen. Darüber hinaus müssen die wesentlichen Bausteine des Standards definiert werden. Die Einstellung von Führungskräften und Beschäftigten, ihr Verhalten und ihre Kompetenz bilden das Dach des Standards. Das integrierte Managementsystem mit einem kontinuierlichen Verbesserungsprozess stellen das Fundament des House of Total Safety Culture unternehmensübergreifend in Wertschöpfungsketten dar. Qualifizierung und Kommunikation sind die tragenden Säulen und damit weitere Elemente des HSC. Besonderes Augenmerk wird auf die Handlungsfelder Arbeitssicherheit und Gesundheitsschutz, Lebensmittelsicherheit, Tier- und Umweltschutz sowie Nachhaltigkeit und Digitalisierung gelegt. Sie ergeben die vier inneren Säulen des House of Total Safety Culture. Die Ausgestaltung der jeweiligen Zertifizierungsstufen wird als „Bauabschnitt“ betrachtet. Im Rahmen des Standardisierungsprozesses sind hier die Abstimmungen über die jeweiligen Anforderungen an die Sicherheitskultur noch nicht abgeschlossen. Dieser Artikel gibt zunächst einen Überblick über den Stand des Wissens in Bezug auf die etablierten Standards und Normen der Agrar- und Ernährungswirtschaft unter besonderer Berücksichtigung des Safety Culture Ladder Modells. Anschließend wird das Verfahren zur Entwicklung und Etablierung des neuen Standards erläutert. Dazu wird die Zusammensetzung des Expertenforums vorgestellt, bevor die konkreten Schritte zur Etablierung des Standards präsentiert werden. Nachfolgend wird das Modell des House of Total Culture vorgestellt. Darauf aufbauend werden das Verfahren zur Bewertung des Reifegrades sowie mögliche Weiterbildungskonzepte erläutert, bevor ein Ausblick diesen Artikel beschließt.
Sandra Bonse, Lavinia Murielle Diekmann, Brigitte Petersen, Marlies Becker, Rosi Eder-Wörthmann, Stephanie Krieger-Güss
Backmatter
Metadaten
Titel
Trends und Entwicklungstendenzen im Qualitätsmanagement
herausgegeben von
Ralf Woll
Christine Goldmann
Copyright-Jahr
2022
Electronic ISBN
978-3-658-38686-3
Print ISBN
978-3-658-38685-6
DOI
https://doi.org/10.1007/978-3-658-38686-3

Premium Partner

    Marktübersichten

    Die im Laufe eines Jahres in der „adhäsion“ veröffentlichten Marktübersichten helfen Anwendern verschiedenster Branchen, sich einen gezielten Überblick über Lieferantenangebote zu verschaffen.