direkt zum Inhalt springen

direkt zum Hauptnavigationsmenü

Sie sind hier

TU Berlin

Inhalt des Dokuments

ODFQ

ODFQ - Optimierung der Feldqualität

Big Data zur Steuerung des Zuverlässigkeitsregelkreises

Ausgangssituation

Die Automobilindustrie ist durch einen innovativen Wettbewerb sowie hohe Kunden- und Marktanforderungen geprägt. Neben der Sicherheit und Wirtschaftlichkeit stellen für deutsche Automobilhersteller die Erfüllung der Kundenanforderung durch zuverlässige und qualitativ hochwertige Produkte zentrale Ziele dar. Jedoch kann es aufgrund von konzeptionellen Schwächen, Prozessabweichungen in den fahrzeugbauenden Werken, fehlerhaft verbauten Teilen, nicht berücksichtigtes Kundenverhalten sowie Umweltbedingungen oder sogar einer Kombination aus diesen Ursachen zur Verfehlung der festgelegten Qualitäts- und Zuverlässigkeitsziele kommen. Diese Zielabweichungen können schwerwiegende Auswirkungen auf den Hersteller durch Garantie- und Kulanzkosten sowie negative Kundenerfahrungen durch Werkstattaufenthalten sowie Reparaturkosten haben.

Leider ist es heutzutage nicht möglich, eine durchgängige Zuverlässigkeitszielbetrachtung sowie eine rechtzeitige Detektion möglicher Abweichungen vom Ziel über alle Fahrzeuglebensphasen oder sogar Fahrzeugprojekten hinweg zu gewährleisten. Die Ursachen für diesen Umstand sind sehr vielfältig. Dabei spielen jedoch die steigende Komplexität der Fahrzeuge mit der dazugehörigen komplexen Lieferkette sowie die Heterogenität der Absatzmärkte eine zentrale Rolle. So existiert bisher noch kein standardisierter Prozess, der eine systematische Zuverlässigkeitszielverfolgung von der Konzept- bis hin zur Nutzungsphase ermöglicht sowie die systematische Informationserhebung, -nutzung und Methodenanwendung innerhalb der Lieferkette unterstützt. Als Folge daraus bleiben zahlreiche Daten und Informationen zur rechtzeitigen Detektion von Zuverlässigkeitszielabweichungen als auch zur Generierung und Nutzung von Wissen über das Zuverlässigkeitsverhalten von Systemen bis hin zu Komponenten für z.B. Abstellmaßnahmen und nachfolge Projekte ungenutzt. Vermeidbare Beanstandungen führen weiterhin zu hohen Garantie- und Kulanzkosten sowie zu Imageschäden für den Hersteller.

Der Trend zur Erfassung, Analyse und Auswertung großer Datenmengen (Big Data) ist heute allgegenwärtig und kann auch im Bereich der Zuverlässigkeit helfen, der Komplexität der anfallenden Daten gerecht zu werden. Entscheidend ist dabei nicht die bloße Menge der Daten, sondern vielmehr die Qualität dieser und der daraus gewonnenen Informationen. Es gilt, die Daten sinnvoll zu strukturieren, um so aus Big Data einen Prozess des Wissensmanagements werden zu lassen. Nur so kann sichergestellt werden, dass die richtigen Daten erfasst werden, aus welchen dann Erkenntnisse und Wissen in allen Fahrzeuglebensphasen abgeleitet werden können.

Zielsetzung

Ziel ist es, einen Zuverlässigkeitsregelkreis mit einem strukturierten Datenmodell zu erstellen, der zukünftigen Trends und Herausforderungen der Automobilindustrie gerecht wird. Dabei sollen durch die Prozesse Qualitätsprobleme frühzeitig erkannt und aus Analysen ein standardisierter Handlungsbedarf ableiten werden. Von zentraler Bedeutung innerhalb der Prozesse ist dabei die Erfassung der Daten, auf die alle beteiligten Personen und Fachbereiche zugreifen können. Hierfür wird zur Dokumentation, Verfolgung und Informationsgewinnung über den gesamten Lebenszyklus ein Datenmodell benötigt, das alle Informationen in jeder Phase nutzbar macht. Nur so ist es möglich, Redundanzen zu vermeiden und sicherzustellen, dass jeder über die gleichen, qualitativ hochwertigen, Informationen verfügt. In dem Datenmodell sollen sowohl Historiendaten, als auch Daten aus dem Produktentstehungsprozess, der Serie und dem Feld einfließen. Auf Grundlage dieser Daten sollen anschließend, durch die Verwendung von Trend- und Prognoseverfahren, Vorhersagen getroffen werden, die ein präventives Handeln ermöglichen. Das abgeleitete Wissen soll dann an geeigneter Stelle in den Zuverlässigkeitsregelkreis zurückfließen, um diesen und die Qualität der Produkte zu verbessern (KVP). Auch soll diese Möglichkeit der Datenerfassung dazu beitragen, neue Daten aufzunehmen, die bisher nicht erfasst worden sind. So sollen beispielsweise lückenlos und standardisiert von den Systemen bis hin zu den Komponenten die Zuverlässigkeitsziele erfasst und überwacht werden.

Im Rahmen dieses Angebots sollen die ersten Ergebnisse zur Erreichung der oben beschriebenen Zielstellung erarbeitet werden. Ziel ist es eine IST-Analyse heutiger Prozesse und Datenmodelle des Qualitätsmanagements durchzuführen und Best-Practice-Modelle aufzuzeigen. Dabei soll ein branchenübergreifender Benchmark erfolgen, der bisherige Ansätze aufzeigt. Im Bereich der Datenmodelle sollen hierbei neben dem Bereich des „Warranty Managements“ explizit auch die Bereiche „Machine Learning/Künstlichen Intelligenz“ und „Data Analytics“ betrachtet werden. Der Fokus der Vergleichsprozesse soll dabei auf Prozessen liegen, die durch Daten unterstützt werden.

Zuverlässigkeitsrelevante, datentechnische Ereignisse eines Fahrzeugs
Lupe

Anmeldung zu Interviews

Wir beabsichtigen, im Rahmen des Projekts Interviews zur Zuverlässigkeitsanalyse verschiedener Branchen zu führen. Wir würden uns freuen, wenn sie sich dazu direkt an uns wenden (Ansprechpartner: ).

Projektpartner

Das Forschungsprojekt wird in Kooperation mit dem Automotive Quality Institute (AQI) durchgeführt. Das AQI übernimmt hierbei auch die Projektleitung. Die Projektlaufzeit ist für das erste Arbeitspaket geht bis zum 31.05.2017.

Zusatzinformationen / Extras

Direktzugang

Schnellnavigation zur Seite über Nummerneingabe

AQI

Automotive Quality Institute
Webseite

Ansprechpartner

Dipl.-Ing. Johannes Schober
Wissenschaftlicher Mitarbeiter
Fachgebiet Qualitätswissenschaft
Institut für Werkzeugmaschinen und Fabrikbetrieb
Fakultät V
Produktionstechnisches Zentrum (PTZ)
Raum 429
Pascalstr.8-9
10587 Berlin
+49 (0)30/ 314 25930

Sprechstunde
Mi 13-15 Uhr

Ansprechpartner

Robert Trevino, M. Sc.
Wissenschaftlicher Mitarbeiter
Fachgebiet Qualitätswissenschaft
Institut für Werkzeugmaschinen und Fabrikbetrieb
Fakultät V
Sekr. PTZ3
Produktionstechnisches Zentrum (PTZ)
Raum 424
Pascalstr. 8-9
10587 Berlin
+49 (0)30 / 314 21083