Use Case Qualitätssicherung

Bildnachweis: Photon photo/Shutterstock.com

Worin besteht die Herausforderung?

Die Qualitätssicherung umfasst sämtliche Maßnahmen zur Sicherstellung festgelegter Qualitätsanforderungen. Diese finden in jedem Unternehmen in vielen verschiedenen Bereichen und Ausführungen statt. So wird die Qualität von einzelnen Produkten (wie Bauteile oder Lebensmittel), die Sicherheit von Prozessen und die Qualität von Beratungen und anderen Serviceleistungen erfasst und überprüft. Auch die Identifikation von Fälschungen fällt in den Bereich der Qualitätssicherung. Manuelle Qualitätskontrolle ist zeit- und kostenintensiv und kann fehleranfällig sein.

Welche Daten können hier helfen?

• Produkt- und Produktionsdaten

• Bild- und Sensordaten (Vibration, Geräuschabweichungen)

• Relevante Daten aus Zeitungen, Berichten und Meldungen (Hinweise zur Qualität und für eventuelle Rückrufaktionen)

• Kundenfeedback

Wie kommt der Nutzen aus den Daten?

Der Einsatz von Datenanalysen kann helfen, Prozesse der Qualitätssicherung zu automatisieren – und damit zu beschleunigen und die Messgüte zu erhöhen. Beispielsweise werden Bilddaten von Produktteilen verglichen. Mediale Daten und Berichtsinformationen können in ein Frühwarnsystem einfließen und so frühzeitig Qualitätsmängel anzeigen. Darauf können spezifischere Qualitätsüberprüfungen folgen. Kern der Datenanalysen zur Qualitätssicherung sind dabei Abweichungsanalysen vom Soll bzw. von festgelegten Qualitätsanforderungen. Außerdem können Unternehmen ihre Handlungsoptionen besser ableiten, wenn aus den Datenanalysen Meldungen zur Anzeige der Abweichungen generiert oder wahrscheinliche Abweichungen vorhergesagt werden.

Wo wird diese Datennutzung bereits angewendet?

• Die Programme »TotalSense« und »LumoVision« des Technologiekonzerns Bühler beurteilen auf Basis von Bilddateien und Fluoreszenz-Farbe die Qualität von Lebensmitteln, zum Beispiel von Reiskörnern.

• Das IT-Unternehmen Elunic unterstützt die Qualitätssicherung durch eine optische Überprüfung der Produktionsqualität. Mit einem Kamera- und Beleuchtungssystem werden Bilder aufgenommen und ausgewertet. Über eine Datenanalyse können Fehler auf Oberflächen detektiert werden. Zum Einsatz kommt die Software beispielsweise bei BMW, Braun und QCells.

• Der Chemiekonzern BASF sammelt Daten zu Unfällen und sicherheitsrelevanten Ereignissen. So kann eine tiefere Ursachenanalyse solcher Ereignisse betrieben werden, um die Prozesssicherheit und -qualität zu erhöhen.

• Der Technologiekonzern Bosch nutzt IoT-Daten, um die Qualität seiner Produkte zu verbessern und an die Nutzung der Kundschaft anzupassen. Mit automatischen Feedbackschleifen werden auch Fehlermeldungen übermittelt. So können Nutzung und Fehlermeldungen verknüpft und Produktanpassungen abgeleitet werden.

Welchen Beitrag leistet diese Datennutzung zur Wertschöpfung?

Durch den Dateneinsatz bei der Qualitätssicherung kann deren Effizienz gesteigert werden. Die frühzeitige Anzeige von Qualitätsmängeln spart Kosten für spätere Korrekturen, Fehlproduktionen oder Rückrufaktionen. Die höhere Qualität ist oft verbunden mit einer höheren Vertrauenswürdigkeit und besseren Kundschaftsbindung. Neue Angebote und Services zur Qualitätssicherung im After-Sales-Bereich können auch zu einer neuen Wertschöpfung führen.

Quellen: Bühler AG (2019), Elunic AG (2019), BASF (2017), Bosch (2019)

Publikation: Wie Unternehmen Daten heute schon nutzen und in Zukunft nutzen können. Herausgeber: Fraunhofer IMW, Inhalt: Data Mining und Wertschöpfung