Suche
Mein Konto
Dataanalyse for SMV'er: Fremtiden for kvalitetssikring starter nu!
"Predictive Quality"-projektet starter i 2025 på Chemnitz University of Technology for at optimere kvalitetssikringen i SMV'er.
Dataanalyse for SMV'er: Fremtiden for kvalitetssikring starter nu!
Den 20. marts 2025 fandt en workshop om kravanalyse i produktionsteknologi sted, som markerede startsignalet for et vigtigt projekt. Under titlen "Predictive Quality through development-guiding data analysis for varieret produktion i SMV'er" (GeoPreQ) har projektet til formål at forbedre kvalitetssikringen markant i små og mellemstore virksomheder (SMV'er), især inden for special maskinkonstruktion. Projektet, som er støttet af professoratet i fremstillingsmetrologi ved Chemnitz University of Technology, N+P Informationssysteme GmbH og SITEC Industrietechnologie GmbH, løber frem til 30. juni 2027.
Det overordnede mål med dette projekt er at optimere proceskvaliteten gennem omfattende brug af maskindata. På baggrund af økonomisk produktion af emner i små batchstørrelser står de involverede virksomheder over for udfordringer som høj kompleksitet og individualitet samt begrænset forhåndsviden og mangel på databaser. Projektet er medfinansieret af EU og modtager yderligere støtte fra skattemidler fra det saksiske delstatsparlament.
Optimering gennem dataanalyse
GeoPreQ-initiativet har til formål at styrke konkurrenceevnen for regionale SMV'er. De centrale tilgange er at koble måledata med produktionsmetadata, herunder maskindata, procesparametre og værktøjsdata. Definitionen af databaserede kvalitetssikringsprocesser har til formål at understøtte beslutningstagning i testplanlægning. Ifølge den aktuelle udvikling inden for dataanalyse, som nævnt i det tyske selskab for kvalitet (DGQ) blog, er prognoser fra dataanalyser i stigende grad afgørende for produkt- og procesoptimering.
Aspekterne af datavalg, dataforberedelse og dataintegration, som kræver en problemfri forbindelse af datapunkter, er særligt udfordrende. Predictive Quality sætter virksomheder i stand til systematisk at optimere deres produkt- og procesrelaterede kvalitet. Denne form for kvalitetssikring er baseret på datadrevne forecasts, som fungerer som beslutningsgrundlag for krav i produktionsprocessen.
Rollen af Internet of Production
En nøglekomponent i implementeringen af prædiktiv kvalitet er Internet of Production (IoP), som har modtaget midler fra den tyske forskningsfond (DFG) siden præsentationen på Aachen Machine Tool Colloquium i 2017. IoP har til formål at give information i realtid og understøtte kontekstspecifikke beslutninger. Infrastrukturen i IoP er opdelt i fire niveauer: rådataniveauet, middleware til styring af dataadgang, smart dataniveauet til videngenerering og smart ekspertniveauet til brug af den aggregerede viden.
Implementeringen af databaseret kvalitetsstyring byder på udfordringer, men rummer også potentiale for hele virksomheden. Fremadrettet vil der være øget fokus på at gå fra prædiktiv analyse til præskriptiv handling. Målet her er at fremskynde den løbende optimering af kvalitet og gøre den mere robust.
Kontaktpersonen for mere information om projektet er prof. Dr. Sophie Gröger fra Chemnitz University of Technology. Alle interesserede kan ringe på 0371 531-32212 eller sende en mail sophie.groeger@mb.tu-chemnitz.de at nå. Samlet set tilbyder GeoPreQ en lovende tilgang til at forbedre kvalitetssikringen i produktionen, der lover konkrete økonomiske fordele for regionale SMV'er.