In der Nutzfahrzeugindustrie sorgt Mass Customization für eine Variantenvielfalt, die der Losgröße 1 entspricht. Das hat zur Folge, dass der Automatisierungsgrad von Montageprozessen gering ist und die Fehleranfälligkeit steigt. Die Befähigung der Mitarbeitenden zur strukturierten und schnellen Fehlererfassung ist deshalb umso wichtiger. Infolgedessen wurde ein Prozessmodell entwickelt, das diese Anforderungen adressiert und als Grundlage für spätere Datenanalysen genutzt werden kann.**

Im Kontext von Industrie 4.0 offenbaren sich im Qualitätsmanagement neue Chancen, bisherige Limitationen von Qualitätswerkzeugen aufzuheben, um so das Prozesswissen und die Produktqualität zu erhöhen. Am Beispiel eines Verschraubungsprozesses wird aufgezeigt, wie bei selbiger Datenbasis bereits ein einfacher Ansatz eines Neuronalen Netzes Prozessstörungen besser vorhersagen kann als eine klassische SPC.

Jüngste technologische Entwicklungen lassen die Menge verfügbarer Daten entlang der Wertschöpfung und Produktnutzung ansteigen. Jedoch fehlt es derzeit an systematischen Ansätzen, um Daten über die eigenen Unternehmensgrenzen hinweg zu integrieren und im Sinne der Fehlerbearbeitung und -prävention zu verwerten. Im Rahmen des Forschungsprojekts „value chAIn“ wird die Erarbeitung eines wertschöpfungsübergreifenden Fehlermanagements angestrebt, welches sowohl eine Optimierung der Prozesse als auch die Verfügbarkeit und Leistung der Produkte einschließt.

No abstract

No abstract