Fingerprints of Quality - Qualität 4.0 bei KMU
Zielsetzung des Forschungsvorhabens ist die Konzeption und Entwicklung eines datengetriebenen methodischen Vorgehens zum Aufbau eines ganzheitlichen Produkt- und Prozessverständnisses im Unternehmen selbst.
mehr zu: FPQ
Industrial Data Services for Quality Control in Smart Manufacturing
The i4Q project aims to provide IoT-based Reliable Industrial Data Services (RIDS) to manage industrial data to support online monitoring and quality control of manufacturing.
mehr zu: i4Q
Produktentstehungsprozess (PEP) integrierte Qualifizierung
Die Zielsetzung von PEPiQ besteht in der Entwicklung eines Kompetenzmanagementmodells, mit dessen Hilfe Nutzfahrzeug-OEMs ihre PEP- und Serien-Mitarbeiter für bevorstehende Produkttechnologiesprünge proaktiv qualifizieren können.
mehr zu: PEPiQ
SAPEQ - Smart Data Analytics in der Produktentstehung zur Sicherstellung der Qualität bei KMU
Zielsetzung des Forschungsvorhabens ist die Erarbeitung eines Konzeptes zur IT-basierten Befähigung der Mitarbeiter*innen in KMU hinsichtlich der bedarfsgerechten Anwendung von Smart Data in einem systematischen und methodenbasierten Produktentstehungsprozess (PEP).
mehr zu: SAPEQ
Unternehmens-Community-Zusammenarbeit zur Open-Source-Enwicklung von Produkten und Dienstleistungen
OPENNEXT unterstützt die partizipative Produktgestaltung und Distribution durch Unternehmen und Communities von Verbrauchern und Makern mittels neuer Denkweisen, neuer Geschäftsmodelle, neuer Designprozesse und neuer kollaborativer Softwarelösungen.
mehr zu: OPENNEXT
Im Rahmen des Projekts OPENNEXT entwickelt das Fachgebiet Qualitätswissenschaft mit Hilfe führender Experten ein Reifegradmodell für Unternehmens-Community-Zusammenarbeit (C3MM). Das Modell wird Unternehmen und Communities, die offenes Design und Open-Source-Hardware-Entwicklung betreiben, dabei helfen, Kernfähigkeiten der Community-Zusammenarbeit bezüglich ihres Reifengrads zu beurteilen und Verbesserungspotentiale aufzuzeigen.
mehr zu: C3MM - Reifegradmodell für Unternehmens-Community-Zusammenarbeit
Dynamisches Referenzmodell der IT- und Prozessqualität in der digitalen vernetzten Produktentwicklung in KMU
Im Rahmen des Forschungsvorhabens wird erstmals ein dynamisches Referenzmodell entwickelt, dass die Verbesserung der Entwicklungsumgebung (Prozesse und IT) und der Kollaborationsfähigkeit unter den geänderten Bedingungen berücksichtigt und die Zusammenarbeit fördert. Hierbei wird eine Integration des Fachwissens aus den Bereichen Qualität und Industrielle Informationstechnik benötigt. Zur Sicherstellung der operativen Nutzbarkeit ist es darüber hinaus notwendig die Bedarfe und Erfahrungen von Industriepartnern direkt in das Referenzmodell einfließen zu lassen.
mehr zu: DIP
Optimierung der Feldqualität
Zielsetzung 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. 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 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.
mehr zu: ODFQ
Predictive Intelligence Data Analytics
Zielsetzung des Forschungskooperationsprojekts ist es eine Vorgehensweise zu entwickeln, die im Rahmen eines automatisierbaren Prozesses die Daten aus Beanstandungen hinsichtlich signifikanter Häufungen und relevanter Merkmalsausprägungen analysiert. Insbesondere sollen charakteristische Auffälligkeiten von signifikanten Merkmalsausprägungen herausgefiltert und diese durch eine Systematik zur Gruppierung und Klassifikation geordnet werden.
Homepage: PIA
mehr zu: PIA
