Prozess- und Garantieüberwachung
in der Automobilindustrie.

Frühwarnsysteme und Ursachenanalysen.

Automobil

Statistische Prozesslenkung

Lösungen für erweiterte Prozessüberwachung in der Automobilindustrie

Automobilhersteller und ihre Zulieferer können von einer Vielzahl von Statistica-Produkten profitieren. Typische Anwendungen beinhalten Prozessüberwachung, die Identifikation der wichtigen Prozessparameter und die Prognose von Qualitätsproblemen, bevor diese tatsächlich auftreten.

Das folgende Video zeigt, wie mit Predictive Quality Control in der Automobilindustrie Ausschuss, Nacharbeit oder sogar der Rückruf von Produkten vermieden werden kann.

Anwendungsgebiete: Prozessüberwachung

Nutzen Sie Statistica zur Überwachung verschiedener kritischer Herstellungsprozesse, die simultan zur Prüfung und Montage durchgeführt werden. Zeitnahes Erkennen, wenn ein Prozess außerhalb der Spezifikationen verläuft, spart Zeit und Material. Statistica ermöglicht die Einrichtung von SPC-Lösungen für die Zulieferindustrie zur Überwachung der Prozesse und beim Test der Qualität von Teilen und Baugruppen.

Statistica Monitoring & Alerting Server (MAS) ermöglicht automatische Überwachung und Visualisierung in Dashboards für hochautomatisierte Fertigungs- und Montageprozesse.

Zusammenarbeit mit Lieferanten

Statistica ermöglicht Automobilproduzenten eine Zusammenarbeit mit den Zulieferern über eine Web-Schnittstelle, mit der diese Ihre Daten mit Ihren Auftraggebern teilen und Ergebnisse gemeinsam beurteilen können.

Prognose von Qualitätsproblemen bevor diese tatsächlich entstehen

Statistica ist ein außergewöhnliches Werkzeug zur Beurteilung des Produktionsprozesses in jedem Schritt, inklusive der sensitiven und effektiven Prognose von bevorstehenden Qualitätsproblemen. Durch die Integration moderner Prognosemodelle und Data Mining-Methoden zusammen mit klassischen Werkzeugen, wie z.B. Qualitätsregelkarten, Prozessfähigkeitsanalyse, Versuchsplanung und Six Sigma-Methoden ermöglicht die Software ein vollständiges Prozessverständnis, umfassende Ursachenanalyse und genaue Qualitätsprognosen für den Herstellungsprozess.

Mit Statistica ziehen sie Nutzen aus existierenden historischen Daten und können Muster in ihnen erkennen, welche die Produktionsergebnisse beeinflussen. Weil die meisten automatisierten Fertigungsprozesse eine große Zahl von Fertigungsschritten beinhalten, die häufig miteinander wechselwirken, ist eine klassische Versuchsplanung hier zu aufwändig. Bei einer Ursachenanalyse verwenden sie historische Fertigungsdaten um Einflussfaktoren und deren Wechselwirkungen auf die Produktqualität zu identifizieren.

Mit Statistica erstellen sie Prognosemodelle, welche die Beziehungen zwischen Prozessparametern und den Produktionsergebnissen (z.B. die Einhaltung der Spezifikationen) abbilden. Mit diesen Modellen können Prozesse simuliert, optimale Einstellungen für Prozessparameter gefunden und die Gesamtqualität der Prozesse verbessert werden.

Für einen Überblick zur Anwendung von Prognosemodellen für Herstellungsprozesse empfehlen wir den folgenden Artikel aus Quality Digest, Finding Direction in Chaos, Data mining methods make sense out of millions of seemingly random data points(http://www.qualitydigest.com/magazine/2008/dec/article/finding-direction-chaos.html)

Warranty Cost Sharing

Neue Herausforderungen für OEM-Hersteller

  • Automobilhersteller beginnen damit, bei der “Verletzung” von Toleranzen Garantieansprüche an Ihre OEM-Hersteller durchzureichen.
  • Die Auswirkungen für OEM-Hersteller sind (a) es werden Frühwarnsysteme zur Identifikation von Qualitätsproblemen im Prozess benötigt, damit kritische Faktoren korrigiert werden können, bevor die Qualität des Produktes beeinträchtigt wird und (b) es werden verbesserte Techniken für die Ursachenanalyse benötigt, damit positiv geklärt werden kann, ob ein geliefertes Teil ursächlich für ein Qualitätsproblem verantwortlich ist.
  • Viele Firmen nutzen Excel und andere Werkzeuge für die manuelle Analyse zur Erkennung auftretender Komplikationen.  Aber solche einfachen Ansätze reichen nicht für frühzeitige Erkennung, damit ein Zulieferer Probleme frühzeitig erkennen und beseitigen kann.
  • Die Lösung von Problemen wird nicht durch mehr Daten, sondern durch die intelligentere Beurteilung vorhandener Daten ermöglicht, damit Muster früher im Prozess erkannt, Ursachen identifiziert und Qualitätsprobleme beseitigt werden.

Verbessertes Verständnis von Garantiefällen und Ausfällen von Teilen

Um die pro Fahrzeug anfallenden Garantiekosten zu reduzieren, haben führende Autohersteller „Warranty Cost Analysis“ als Geschäftsprozedur eingeführt. Als Folge wurden seit 2012 immer strengere Systeme für die Beurteilung von Garantiefällen eingeführt. Z.B. haben General Motors, Ford, Chrysler und andere Hersteller ein formalisiertes System zur Weiterreichung von Garantieansprüchen an die Zulieferfirmen eingeführt, um die eigenen Garantiekosten zu reduzieren.

Die Zulieferer der Automobilindustrie können sich auf diese Herausforderungen vorbereiten, indem sie Ihre Produktqualität verbessern und Ihre Nachweismöglichkeiten zur Abwehr von Garantieansprüchen bei Ausfall von gelieferten Teilen optimieren. Eine große Sorge der Zulieferer ist, dass ungerechtfertigte Garantieansprüche an sie weitergegeben werden. Mit den existierenden manuellen Prozessen wird es, laut Vertretern der Zulieferindustrie, schwierig und zeitaufwendig zwischen tatsächlich defekten Teilen und systembedingten Ausfällen zu unterscheiden.

Es muss Herstellern und Zulieferern ermöglicht werden, echte Ausfälle von Teilen zu erkennen und von den vielfältigen möglichen anderen Problemen zu unterscheiden. Sie benötigen die Möglichkeit zur Beurteilung der Ausfalldaten nach Kunden, Plattformen und anderen Kategorien, um Ausfallursachen zu identifizieren, aber die zur Beurteilung von Garantiefällen zur Verfügung stehenden Informationen sind vielfältig und komplex. Es wird ein systematischer Ansatz für die Aggregation und Organisation dieser Daten benötigt. Wobei die relevanten Daten häufig verschlüsselt sind sowie numerische Daten aus dem Produktionsprozess und Textdaten aus den Garantiefallbeschreibungen enthalten. Die Ausfallbeschreibungen der Mechaniker bei Garantiefällen sind oft inkonsistent und unstrukturiert und erschweren die Beurteilung des Falles.

Mit der Verwendung von StatSoft’s multivariaten Lösungen können auftretende Muster identifiziert werden, die zuvor verborgen blieben. Mit Hilfe dieser Muster können automatisierte Alarmereignisse definiert werden, mit denen Qualitätsprobleme bereits frühzeitig erkannt werden. Mit dem Alarm können Probleme in Echtzeit analysiert werden, um zu beurteilen, ob es sich um ein defektes Teil oder einen anderen Systemfehler handelt.

Ablauf Garantieüberwachung: Frühwarnsystem und System zur Ursachenanalyse

ETL: Datenzugriff

Problem: Daten liegen in getrennten Datenbanken. Es werden Verbindungen zwischen Datenquellen, Aggregation und Anpassungen für das Zusammenführen von unterschiedlichen Datenbanken und historischen Datenbeständen benötigt. Das Zusammenstellen der Daten ist ein manueller Prozess und die Ingenieure benötigen zu viel Zeit, um Berichte zu erstellen.
Lösung: Einmalige Erstellung von Vorlagen für Datenzugriff, automatisierte Prozessüberwachung und Ursachenanalyse. Verschafft Ingenieuren Freiräume für höherwertige Aufgaben, z.B.  Maßnahmen zur Prozessverbesserung umzusetzen und die Zahl von Garantiefällen zu reduzieren.

Traditionelle SPC-Analyse

Problem: Wie kann eine effektive SPC-Überwachung implementiert werden, die auch sensitiv für kleine (Garantie-relevante) Trendveränderungen ist?
Lösung: Verwenden Sie CUSUM-Karten und EWMA-Karten (Qualitätsregelkarten mit Gedächtnis) sowie Runs-Tests für die simultane Überwachung hunderter oder tausender Komponenten und Subkomponenten.

Modeling: Failure Modes + Component Life

Problem: Wie können Beschreibungen zu Garantiefällen mit Produktionsparametern und Testergebnissen verknüpft werden? Wie können erfolgreiche Strategien für die Absenkung von Garantiekosten implementiert werden?
Lösung: Mit Prognosemodellen können die wesentlichen Muster in Produktions- sowie Testdaten bezogen auf Garantieleistungen identifiziert werden. Diese Prognosemodelle können für die Entwicklung von “was-wäre-wenn” Szenarien und Analysen verwendet werden, und damit zur Entwicklung kosteneffektiver Lösungen zur Absenkung der erforderlichen Garantieleistungen beitragen.

Ursachenanalyse

Problem: Welches sind die wichtigsten Variablen, die Produktqualität sowie Zuverlässigkeit im Feld und damit die Höhe der Garantiekosten beeinflussen? Wie können Ursachen schnell identifiziert werden, wenn neue Ausfälle im Feld auftreten?
Lösung: Schnelle Diagnose komplexer Zusammenhänge durch automatisierte Ursachenanalyse. Mit einer schnellen Identifikation kritischer Prozessparameter und Variablen, bei denen zusätzliche Ressourcen benötigt werden, um Garantiekosten zu senken.

Effektive Multivariate Prozessüberwachung

Problem: Besondere Produkt- bzw. Komponentenzuverlässigkeit ist das Ergebnis eines vollständigen Prozessverständnisses inklusive der Interaktionen zwischen vielfältigen Produktionsparametern und Variablen in den Daten der Zulieferer usw.  Wenn ein Prozess nur sequentiell und schrittweise pro Parameter betrachtet wird, können wichtige Wechselwirkungen übersehen werden.
Lösung: Finde Anomalien und Muster in hochdimensionalen Daten mit der Implementierung multivariater und Modell-basierter Prozessüberwachung. Entdecke Qualitätsprobleme der Fertigung, bevor sie in Standard-Qualitätsregelkarten sichtbar werden.

Ad Hoc Analysen für Ingenieure; Text Mining für Garantiefälle

Problem: Wie können auftretende Probleme und neue Muster in den Garantiedaten gefunden werden? Wie kann man vermeiden, dass gut ausgebildete Ingenieure eine große Zahl von Berichten für Garantiefälle lesen und klassifizieren müssen, damit neue Probleme identifiziert werden können?
Lösung: Verwenden sie automatisierte Text Mining Methoden und klassifizieren sie Garantieberichte. Anschließend verwenden Sie Ad-Hoc –Analysen und Drill-Down-Methoden, um auftretende Trends zu identifizieren.

Anwenderberichte

STATISTICA Enterprise helps Delphi Save Significant Time for its Statistical Process Control and 6 Sigma Applications

STATISTICA Enterprise/QC Receives Top-Notch Real-world Review from VISTEON Automotive

Kontakt