Quality Intelligence

 

Kompetenzfelder

© WZL vlnr: Felix Sohnius, Alexandra Schmitt, Sebastian Beckschulte, Hannes Elser, Max Ellerich, Jimmy Chhor, Leo Nuy, Peter Schlegel, Marie Lindemann, Lars Gussen, Robin Günther, Junjie Liang, Daniel Buschmann, Quoc Hao Ngo

Die voranschreitende Digitalisierung beeinflusst und verunsichert produzierende Unternehmen mittlerweile gleichermaßen –  der zunehmende Fokus auf IoT, der vielerorts beschworene, zunehmende Grad an Automatisierung und die digitale Abbildung von Prozessen und Produkten im Digitalen Schatten repräsentieren nur einen kleinen Teil der neuen technischen Möglichkeiten. Insbesondere durch die Vielzahl an Handlungsmöglichkeiten, die einem die Digitalisierung bietet, ergeben sich jedoch zunehmend Fragen hinsichtlich der Auswirkungen auf den Geschäftserfolg der Aktivitäten.

Gemeinsam mit produzierenden Unternehmen verfolgen wir das Ziel, Prozess- und Produktqualität durch den Einsatz bewährter Qualitätsmethoden in Kombination mit neuen Technologien zu erhöhen. Hierbei fokussieren wir vor allem die Analyse von Produktions- und Produktdaten.

Insbesondere die Methoden des klassischen Qualitätsmanagements sind seit jeher auf eine stetige Verbesserung von Prozessen und Produkten im präventiven Sinne ausgelegt. Somit verbinden wir die ursprünglichste Motivation des Qualitätsmanagements mit neuen technischen Möglichkeiten, um Potenziale der Digitalisierung aufzuzeigen. Da die Restriktion beschränkter Informationsverfügbarkeit immer mehr in den Hintergrund rückt, können Methoden der Künstlichen Intelligenz wie beispielsweise Maschinelles Lernen bereits heute die klassischen Qualitätsmethoden ergänzen und erweitern. So entstehen beispielsweise bauteilindividuelle Toleranzfelder für jeden Kunden, während IoT-fähige Produkte aus dem Feld selbst Verbesserungsvorschläge für Produktion und Entwicklung initiieren.

Zentrale Aufgabenfelder

• Mit Predictive Quality erweitern wir bestehende statistische Ansätze der Prozessüberwachung um Ansätze aus des Maschinellen Lernens.
• Mit Predictive Maintenance erweitern wir die klassischen Ansätze des Total Productive Maintenance um Künstlichen Intelligenz, um Wartungen durchzuführen bevor Maschinen ausfallen.
• Mit der Objektivierung von Kundenwahrnehmungen und der Analyse im Zuge von Predictive Perceived Quality ergänzen wir klassische Probandenstudien um automatisierte Messungen und um Ansätze des Maschinellen Lernens.
• Mit Usage Data Analytics identifizieren wir Verbesserungspotential für folgende Produktgenerationen basierend auf Nutzungs- und Interaktionsdaten der Produkte aus dem Feld.

 

 

Dienstleistungen

Wir setzen uns mit der Analyse von Daten entlang des Produktlebenszyklus auseinander, die Rückschlüsse auf Prozess- oder Produktqualität erlauben. Hiermit gelingt es uns, durch die Verschmelzung von klassischen QM-Ansätzen mit neuen Technologien neue Lösungen für bekannte aber auch für neue Probleme zu finden.