Quality Engineering 01.2023

IM FOKUS » KI

IM FOKUS » KI Systematische Ansätze der Datenanalyse sind in den Unternehmen ein beliebtes Mittel, um unter anderem Qualitätsprobleme zu lösen. Bild: denisismagilov/stock.adobe.com Vorausschauende Qualitätssicherung In den Daten liegt die Zukunft Qualitätsprobleme lassen sich vorhersehen – so lautet das Credo von Predictive Quality. Mit Hilfe von künstlicher Intelligenz analysieren entsprechende Systeme die Produktionsdaten und zeigen nicht nur, welche Einflussgrößen für Fehler verantwortlich sind – sondern auch, wie diese verändert werden sollten. » Markus Strehlitz 18 Quality Engineering » 01 | 2023

Die Anwendung systematischer Ansätze der Datenanalyse ist bereits heute in vielen Unternehmen ein beliebtes Mittel, um organisatorische und produktionstechnische Fragestellungen zu adressieren und um Qualitätsprobleme zu lösen“, schreibt Max Ellerich in einem Blog-Beitrag für die Deutsche Gesellschaft für Qualität (DGQ). Prognosen im Rahmen solcher Datenanalysen dienten immer häufiger als Entscheidungsgrundlage, so Ellerich, Oberingenieur am Lehrstuhl für Fertigungsmesstechnik und Qualitätsmanagement des Werkzeugmaschinenlabors (WZL) der RWTH Aachen. Daten erlauben also einen Blick in die – zumindest nahe – Zukunft. Damit sind sie auch für die Qualitätssicherung von großem Wert. Ihre Auswertung mit Hilfe von Methoden der künstlichen Intelligenz (KI) kann die QS ein stückweit vorausschauend machen. Preditive Quality lautet der Begriff, den Experten aus der Branche dafür verwenden. „Predictive Quality ist die Befähigung eines Unternehmens zur Optimierung seiner produkt- und prozessbezogenen Qualität“, erklärt Ellerich. Dabei gehe es nicht nur um Handlungsmaßnahmen, die durch den Anwender selbst abgeleitet werden, sondern auch Handlungsempfehlungen, die durch ein lernendes Data-Analytics-Modell bereitgestellt werden. Im besten Fall erkennt der Nutzer eines entsprechenden Systems nicht nur, dass etwas schief läuft, sondern erfährt auch, wie sich das ändern lässt. „Der Wert von Predictive Quality liegt also nicht in den Daten selbst, sondern in dem generierten Wissen, da dieses unmittelbar in die Entscheidung miteinfließt“, so Ellerich. System korreliert eine Vielzahl unterschiedlicher Daten Wie Predictive Quality konkret umgesetzt wird, erklärt Dr. Markus Ohlenforst, Geschäftsführer von Iconpro. Sein Unternehmen hat unter dem Namen Ares eine entsprechende Lösung entwickelt. Diese verarbeitet eine Vielzahl unterschiedlicher Daten. Dazu zählen Materialdaten, Fertigungsdaten von den Maschinen wie etwa Vorschubgeschwindigkeit oder Spindeldrehzahl sowie Umgebungsinformationen aus der Produktion wie Temperatur oder Luftfeuchtigkeit. „Diese korreliert das System dann, um die Qualität für ein spezifisches Bauteil vorherzusagen“, erläutert Ohlenforst. Die Prognose für eine bestimmte Fertigungseinheit sei das, was man klassischerweise als Predictive Quality bezeichne, so der Experte. Darüber hinaus gibt es auch Methoden, um einen Trend für die Qualität eines Produkts über einen längeren Zeitraum – zum Beispiel für eine Woche – hinweg zu erkennen. Auch diese können interessante Erkenntnisse liefern, allerdings mit etwas mehr Unsicherheiten. „Das ist eher mit einer Wettervorhersage zu vergleichen“, so Ohlenforst. Quality Data Reduce Inspection Predict Quality Production Data Optimize Processes Reduce Scrap Purchasing Parts / Materials Manufacturing Parameters Environment Conditions Die Software Ares liefert Prozesserkenntnisse, um Qualität zu verbessern und Ausschuss zu reduzieren. Assembly Parameters Bild: Iconpro Quality Engineering » 01 | 2023 19