Am 20. März 2025 fand ein Workshop zur Anforderungsanalyse in der Produktionstechnik statt, der den Startschuss für ein wichtiges Projekt gab. Unter dem Titel „Predictive Quality durch entwicklungslenkende Datenanalyse für die variantenreiche Produktion in KMU“ (GeoPreQ) zielt das Vorhaben darauf ab, die Qualitätssicherung in kleinen und mittleren Unternehmen (KMU), insbesondere im Sondermaschinenbau, signifikant zu verbessern. Das Projekt, das von der Professur Fertigungsmesstechnik der TU Chemnitz, N+P Informationssysteme GmbH und SITEC Industrietechnologie GmbH getragen wird, hat eine Laufzeit bis zum 30. Juni 2027.
Das übergeordnete Ziel dieses Projekts ist die Optimierung der Prozessqualität durch die umfassende Nutzung von Maschinendaten. Vor dem Hintergrund wirtschaftlicher Fertigung von Werkstücken in kleinen Losgrößen stehen die beteiligten Unternehmen vor Herausforderungen wie hoher Komplexität und Individualität sowie begrenztem Vorwissen und fehlenden Datenbasen. Das Projekt wird kofinanziert von der Europäischen Union und erhält zusätzlich Unterstützung durch Steuermittel des Sächsischen Landtags.
Optimierung durch Datenanalyse
Die Initiative GeoPreQ verfolgt das Ziel, die Wettbewerbsfähigkeit regionaler KMU zu stärken. Zentrale Ansätze sind die Verknüpfung von Messdaten mit Produktionsmetadaten, darunter Maschinendaten, Prozessparameter und Werkzeugdaten. Die Definition datenbasierter Qualitätssicherungsprozesse soll Entscheidungsfindungen in der Prüfplanung unterstützen. Laut aktuellen Entwicklungen in der Datenanalytik, wie im Blog der Deutschen Gesellschaft für Qualität (DGQ) erwähnt, sind Prognosen aus Datenanalysen zunehmend maßgeblich für Produkt- und Prozessoptimierungen.
Besonders herausfordernd sind hierbei die Aspekte der Datenauswahl, Datenaufbereitung und Datenintegration, welche eine lückenlose Verknüpfung von Datenpunkten erfordern. Predictive Quality, die vorausschauende Qualitätssicherung, ermöglicht Unternehmen, ihre produkt- und prozessbezogene Qualität systematisch zu optimieren. Diese Form der Qualitätssicherung stützt sich auf datengetriebene Prognosen, die als Entscheidungsbasis für Erfordernisse im Produktionsprozess dient.
Die Rolle des Internet of Production
Ein wesentlicher Baustein bei der Umsetzung von Predictive Quality ist das Internet of Production (IoP), das seit seiner Vorstellung auf dem Aachener Werkzeugmaschinenkolloquium im Jahr 2017 Förderungen durch die Deutsche Forschungsgemeinschaft (DFG) erhält. Das IoP zielt darauf ab, Echtzeitinformationen bereitzustellen und kontextspezifische Entscheidungen zu unterstützen. Die Infrastruktur des IoP gliedert sich in vier Ebenen: die Rohdatenebene, Middleware zur Verwaltung des Datenzugriffs, die Smart Data Ebene zur Wissensgenerierung und die Smart Expert Ebene für die Nutzung des aggregierten Wissens.
Die Implementierung eines datenbasierten Qualitätsmanagements bietet Herausforderungen, birgt jedoch auch unternehmensweite Potenziale. Zukünftig wird ein verstärkter Fokus darauf liegen, von prädiktiven Analysen zu präskriptivem Handeln überzugehen. Hierbei ist das Ziel, die kontinuierliche Optimierung der Qualität zu beschleunigen und zu resilienter zu gestalten.
Die Kontaktperson für mehr Informationen über das Projekt ist Prof. Dr. Sophie Gröger von der TU Chemnitz. Interessierte können sie unter der Telefonnummer 0371 531-32212 oder per E-Mail an sophie.groeger@mb.tu-chemnitz.de erreichen. Insgesamt bietet GeoPreQ einen vielversprechenden Ansatz zur Verbesserung der Qualitätssicherung in der Produktion, der konkrete wirtschaftliche Vorteile für regionale KMU verspricht.
