Weiss Technik unterstützt die Entwicklung von Brennstoffzellenfahrzeugen durch speziell abgesicherte Umweltsimulationsanlagen.

Weiss Technik hat gemeinsam mit dem TÜV Rheinland ein Maßnahmenkonzept für die Umweltsimulation wasserstoffbetriebener Fahrzeuge und deren Komponenten entwickelt.

16:9

Qualitätsplanung

Qualitätsmethoden

Brennstoffzelle

Elektronik

Stromversorgung

Brennstoffzellen

Mobilität

Qualitätssicherung

Umweltmessgeräte

Messtechnik

Messung von Umgebung (Klima)

Korrosions-Prüfkammern im Automobil- / Fahrzeugbau

Prüfplanung

Prüfsysteme für Umweltsimulation bei

Carsten Scholl 1 1 Rothenburg (CH)

Systemübergreifend für komplexe Anforderungen 

SPC, Statistische Prozesssteuerung

CAQ (Computer Aided Quality Assurance)

Beschwerdemanagement

Anschluss an die Zukunft mit flexiblen Lösungen 

Steffen Breitmoser 1 1 Villingen-Schwenningen

Schnellere Reaktionszeiten und kaum Informationsverluste 

Standorterweiterung ohne Nebenwirkungen 

Measurement System Analysis in der vierten Auflage 

Prüfmittelverwaltung

MSA – what's new? 

Überarbeiteter VDA Band 5 – Prüfprozesseigenung 

Messsystem und Messprozess sind zweierlei 

Robert Schmitt 1 | Isabel Basse 1 1 Aachen

Anspruchsvollere Prüfplanung mittels Entscheidungstheorie 

Mit Entschiedenheit 

Während die Prüfprozesseignung für die Automobilindustrie ein Standard-Verfahren ist, haben Unternehmen anderer Branchen Schwierigkeiten damit – insbesondere wenn komplexe Produkte in kleinen Losgrößen gefertigt werden. Die neue Richtlinie VDI/VDE  2600 "Prüfprozessmanagement – Identifizierung, Klassifizierung und Eignungsnachweise von Prüfprozessen" verspricht hier Abhilfe. Einer der ersten Anwender berichtet.  

Eignungsnachweis von Prüfprozessen mittels VDI/VDE 2600 

Prüfdatenauswertung

Großer Nutzen bei  kleinen Losgrößen 

Spezialistin für KVP-Qualitätsmanagement

Synprovis GmbH  

https://www.synprovis.ch

8D-Report

Arbeitssicherheit

Recht allgemein / sonst.

Audit / Auditierung

Audit-Software, Auditmanagement

Software

Aufbau CAQ-System

Beratung und Consulting

Dienstleistungen

Aufbau Prozessmanagement

Aufbau QM-System

Aufbau Umweltmanagement-System

Auswerte- und Analysesoftware

Seminare, Schulungen, Kongresse

Big Data für die Qualitätssicherung

Industrie 4.0 für die Qualitätssicherung

Industrie 4.0

Changemanagement / -projekt

Qualitätsmanagement

Cloud für die Qualitätssicherung

Dokumentationsmanagement

Dokumentenmanagement, CAQ

Energieeffizienz

FMEA-Systeme

Fehlermöglichkeits- und -einflussanalyse

Fehlerbaumanalyse

Fehlermanagement

Führung / Leadership

Innovationsmanagement

Instandhaltungsmanagement (TPM)

Integriertes Management-System

Kennzahlen

Kennzahlen, Q-Leitstand, Q-Monitor

Kontinuierlicher Verbesserungsprozess

Kunden-Lieferanten-Verhältnis

Kundenorientierung

Lieferantenbeurteilung

Management-Beratung

Maßnahmenmanagement

Messdatenerfassung, Software

Mitarbeiterorientierung

Modulare Q-Informationssysteme

Prüfmittelüberwachung

Prüfpunkte / Bauteilstempel

Q-Management(system), Strategie

QM-Handbuch

QMS-Software

Qualitätskostenrechnung

Qualitätsmanagement-Seminare

Qualitätsnachweise

Qualitätstechniken allgemein

Reklamations-, Beschwerdemanagement

Requirement / Anforderungsmanagement

Risikomanagement

Strategie und Organisation

Wirtschaft

Rückverfolgbarkeit, Traceability

Soft Skills

Software für Integrierte Managementsysteme

Softwarequalität

Stakeholder-Analyse

Systemstandards ISO/VDA

Normen / Standards

TQM / Null-Fehler-Strategie

Umweltaudit

Umweltmanagement

Unternehmenskultur

Vorbeugende Instandhaltung für die Qualitätssicherung

Wareneingangs- / -ausgangsprüfung

Wissensmanagement

Workflow- / Prozessmanagement

Softwareanbieter von MES-Lösungen für die diskrete Fertigungsindustrie

Syncos GmbH  

https://www.syncos.com

APQP / PPAP

Agentensoftware / Herstellerportale

Business Process Management

CAQ-Seminare

Dienstleistungsqualität

Erstbemusterung, Erstmusterprüfbericht

ISO 9001:2000

ISO 9001:2008

Messdatenerfassung und -verarbeitung

Produktentwicklung(sprozess)

Produktionssystem

Prozesssimulation

Simulation

QDX / Datenaustauschformat

QFD / House of Quality

QM-Methoden

Quality Function Deployment

Reifegrad / CMMI / Spice

Six Sigma

Statistische Methoden

VDA 6.1 / ISO TS 16949

Vorbereitung zur Zertifizierung

Die AHP hat sich in den zurückliegenden 22 Jahren eine führende Marktposition für DV-Systeme in der Fertigungsindustrie erarbeitet, insbesondere mit unserem CAQ-System iQ-Basis.

AHP Gesellschaft für Informationsverarbeitung mbH 

https://www.ahp-gmbh.de

Softwarelösungen für die Qualität von Unternehmensprozessen und -produkten

Babtec Informationssysteme GmbH  

https://www.babtec.de

DOE-Software

Softwarelösungen für das Qualitäts- und Fertigungsmanagement

Böhme & Weihs Systemtechnik GmbH & Co. KG 

https://www.boehme-weihs.de

IATF 16949

ISO 9001:2015

Management-Informationssysteme

QM in IT-Projekten

Reporting-Tools

Software / Betriebssysteme / KI

Kfz-Elektronik

Vorbeugende Instandhaltung für die spanende Fertigung

Industrie 4.0 für die spanende Fertigung

JessenLenz GmbH  

https://www.pdap.de

Management Seminare

Beratungs- und Schulungsunternehmen in den Bereichen Qualitäts- und Umweltmanagement international

bfk ingenieure  

https://www.bfk-ingenieure.de

Auditorentraining

Benchmarking

EFQM-Assessment

ISO 15504 (SPICE)

Normen

QM im Gesundheits- / Sozialwesen

Weiterbildung, allgemeine

Zertifizierung

anerkannte und zertifizierte Aus- und Weiterbildungssangebote

TÜV NORD Akademie GmbH & Co. KG  

https://www.tuevnordakademie.de

Akkreditierung von Personalzertifizierungsstellen

Akkreditierung

Beruf des Qualitätsmanagers

EFQM

Einführung Balanced Scorecard

Kraftwerkstechnik

Konventionelle Energie

Energieerzeugung

Lehrgänge, technische

Mess- und Prüftechnik-Seminare

Messmittel

Kalibrierdienste

Messsysteme

Personalzertifizierung

Produkthaftung

Technische Dokumentation

Adaptive Prüfung in der Variantenproduktion

Durch App-basierte Prüfplanung Aufwände reduzieren

Ein Verfahren, das Methoden aus dem Bereich des Machine Learning nutzt, befähigt KMU für eine adaptive Prüfplanung in der Variantenproduktion.

Bei der adaptiven Prüfplanung werden Prüfergebnisse und die sich ständig ändernde Produktionsumgebung kontinuierlich analysiert und Analyseergebnisse in die Prüfplanung rückgeführt. Die Analyse basiert auf datengetriebenen Ansätzen, wie statistischen Auswertungen und Machine-Learning-Verfahren. Letztere bieten das Potenzial, Zusammenhänge aufwandsarm zu detektieren und für den Anwender nutzbar zu machen

Meike Huber, Jonathan S. Greipel, Robert H. Schmitt

Um im Wettbewerb zu bestehen, stimmen KMU ihre Produkte zunehmend individuell auf Kundenanforderungen ab und gehen in eine Variantenproduktion über. In der Variantenproduktion ist eine 100%-Prüfung aller Merkmale üblich, welche mit einem hohen Prüfaufwand verbunden ist. [1] In der Großserienproduktion wird häufig eine Stichprobenprüfung von Schlüsselmerkmalen eingesetzt [2]. Dies ist bei der Variantenproduktion aufgrund der geringen Losgrößen nicht möglich. Zudem fehlt KMU ein Leitfaden zur Prüfplanung, da die VDI-Richtlinie 2619 zurückgezogen wurde. Aktuell wird die VDI-Richtlinie 2600–3 „Adaptive Prüfplanung“ erstellt. Bei der adaptiven Prüfplanung werden Prüfergebnisse und die sich ständig ändernde Produktionsumgebung kontinuierlich analysiert und Analyseergebnisse in die Prüfplanung rückgeführt [1, 3]. Die Analyse basiert auf datengetriebenen Ansätzen, wie statistischen Auswertungen und Machine-Learning-Verfahren. Letztere bieten das Potenzial, Zusammenhänge aufwandsarm zu detektieren und für den Anwender nutzbar zu machen [4].

In diesem Artikel wird ein Verfahren beschrieben, das Methoden aus dem Bereich des Machine Learning nutzt, um KMU für eine adaptive Prüfplanung in der Variantenproduktion zu befähigen. Das Verfahren umfasst die Prozess- und Zielanalyse, die Schlüsselmerkmalsdefinition, die Mischlosbildung und die Adaption des Prüfplans (Bild 1).

Die Analyse der Rahmenbedingungen ist Voraussetzung für die Umsetzung der adaptiven Prüfplanung. Nur wenn im Vorfeld die notwendigen Zielvorgaben (Risiko, Kosten, Zeit, Qualität) definiert wurden, können Prüfpläne kosten- und nutzenoptimal angepasst werden. Die verfügbaren Prozessinformationen müssen im Vorfeld analysiert werden, um passende Algorithmen für die vorliegenden Daten zu identifizieren und eine automatisierte Auswertung zu ermöglichen. Basierend auf den Analyseergebnissen, erfolgt die Definition von Schlüsselmerkmalen, Mischlosen und Stichprobenumfängen.

Ziel der Schlüsselmerkmalsdefinition ist die Identifikation einer Minimalanzahl an Prüfmerkmalen, bei Beibehaltung einer hinreichend genauen Bestimmung der Bauteilqualität [2]. Das Verfahren umfasst die Gruppierung redundanter und die Identifikation relevanter Merkmale. Zur Gruppierung redundanter Merkmale eignen sich Cluster-Algorithmen aus dem Bereich des „Unsupervised Learning“, da hiermit Klassen ähnlicher Merkmale identifiziert werden können, ohne dass die Klassen im Vorfeld definiert werden. Die Gruppierung kann beispielsweise mit Hilfe einer Principal Feature Analysis oder mittels Autoencoder erfolgen. Um relevante Merkmale zu identifizieren, werden Feature-Selection-Methoden aus dem Bereich des „Supervised Learning“ genutzt. Hiermit können relevante Merkmale aufwandsarm und zuverlässig aus einer Gruppe ähnlicher Merkmale identifizieren werden. Die Methoden basieren zum Beispiel auf dem Informationsgehalt oder der Prozessfähigkeit. Zur Bewertung der besten Algorithmen werden Kennzahlen (Accuracy, Specificity, Sensitivity) eingesetzt. Um den Kosten-Nutzen-Faktor der reduzierten Prüfung abzuschätzen, wird der Anteil der Schlüsselmerkmale (in %) ermittelt. In Abhängigkeit der definierten Zielvorgaben wird der passende Algorithmus und damit eine Menge an Schlüsselmerkmalen ausgewählt.

Da die klassische Stichprobenprüfung in der Variantenproduktion aufgrund der kleinen Losgrößen nicht angewandt werden kann, werden die Varianten zu homogenen Mischlosen gruppiert. Durch die Mischlosbildung erhöht sich die Losgröße und die Entnahme von Stichproben ist statistisch begründbar. Zur Mischlosdefinition können Verfahren zum Pooling von Daten, die Clusteranalyse und das Expectation-Maximization-Verfahren genutzt werden. Die Algorithmen werden anhand der Inhomogenität der Mischlose bewertet: je mehr Varianten gruppiert werden, umso höher ist das Risiko, inhomogene Mischlose zu bilden. Zur Quantifizierung des Risikos wird das Bayes Informationskriterium genutzt (BIC). Wie bei der Schlüsselmerkmalsdefinition wird diejenige Mischlosgruppierung gewählt, welche den zuvor definierten Zielvorgaben genügt.

Risikobewertung und Entwicklung des Stichprobenprüfplans

Adaptive Prüfung - Hauptartikel