nach oben
Meine Merkliste
Ihre Merklisteneinträge speichern
Wenn Sie weitere Inhalte zu Ihrer Merkliste hinzufügen möchten, melden Sie sich bitte an. Wenn Sie noch kein Benutzerkonto haben, registrieren Sie sich bitte im Hanser Kundencenter.

» Sie haben schon ein Benutzerkonto? Melden Sie sich bitte hier an.
» Noch kein Benutzerkonto? Registrieren Sie sich bitte hier.
Ihre Merklisten
Wenn Sie Ihre Merklisten bei Ihrem nächsten Besuch wieder verwenden möchten, melden Sie sich bitte an oder registrieren Sie sich im Hanser Kundencenter.
» Sie haben schon ein Benutzerkonto? Melden Sie sich bitte hier an.
» Noch kein Benutzerkonto? Registrieren Sie sich bitte hier.

« Zurück

Ihre Vorteile im Überblick

  • Ein Login für alle Hanser Fachportale
  • Individuelle Startseite und damit schneller Zugriff auf bevorzugte Inhalte
  • Exklusiver Zugriff auf ausgewählte Inhalte
  • Persönliche Merklisten über alle Hanser Fachportale
  • Zentrale Verwaltung Ihrer persönlichen Daten und Newsletter-Abonnements

Jetzt registrieren
Merken Gemerkt
10.12.2018

Industrie schöpft Big-Data-Potenzial im Qualitätsmanagement nicht aus

Die deutsche Industrie nutzt Big Data vor allem für das Qualitätsmanagement. Rund sieben von zehn Unternehmen mit Industrie-4.0-Anwendungen werten ihre in der Produktion anfallenden Datenmengen aus, um die Qualität ihrer Produkte zu sichern.

Vorreiter ist dabei die Elektroindustrie, wie der Deutsche Industrie 4.0-Index 2018 der Unternehmensberatung Staufen zeigt. Allerdings schöpfen die Betriebe dabei das Potenzial von Big Data längst nicht aus. Den Ursachen von Qualitätsproblemen sind sie mit ihren Analysen bisher jedenfalls kaum auf der Spur, wie ein gemeinsames Forschungsprojekt von Staufen und der TU Darmstadt belegt.

In der Elektroindustrie kontrollieren inzwischen fast drei Viertel der Unternehmen die Qualität mithilfe von Big Data. Im Maschinenbau dagegen liegen das Qualitätsmanagement (59%) und die Produktentwicklung (51%) fast gleichauf.

Produktionsdaten meist nicht berücksichtigt

Allerdings beschränken sich die Firmen darauf, Abweichungen von vorgegebenen Standards oder Kennzahlen zu ermitteln. Aber in der Qualitätssicherung wird das Potenzial von Datenanalysen (Manufacturing Analytics) bisher überhaupt noch nicht ausgeschöpft.
Ein genauer Blick auf die Produktionsdaten ermöglicht jedoch Einblicke in die Ursachen von Qualitätsproblemen und in Wirkungszusammenhänge, die nicht offensichtlich sind.

Gemeinsam mit dem Institut für Produktionsmanagement, Technologie und Werkzeugmaschinen (PTW) der TU Darmstadt hat S.QE in einem Forschungsprojekt die Möglichkeiten von Datenanalysen im Produktionsprozess für das Qualitätsmanagement untersucht.

Descriptive Analaysis statt Diagnose

Das Ergebnis: Ein großer Teil der Industrieunternehmen setzt Big Data lediglich auf der ersten Stufe (Descriptive Analytics) ein. So schaffen die Betriebe zwar Transparenz im Produktionsprozess, können aber keine Aussagen zu Ursache-Wirkungs-Beziehungen treffen (Diagnostic Analytics).

Auch für höherstufige Anwendungen wie Predictive oder Prescriptive Analytics zum vorzeitigen Erkennen von potentiellen Störungen beziehungsweise zur Automatisierung der Problembehandlung fehlt dann die dafür notwendige kausale Beziehung.

Die für ein vollumfängliches Qualitätsmanagement notwendige Analyse (Manufacturing Analytics) findet sich noch selten in den Unternehmen. Denn es fehlt an Know-how und Software sowie passenden Datenbankstrukturen.

Noch keine automatisierte Auswertung

Zudem werden bisher nicht alle gemessenen Daten in Speichersysteme überführt, wo sie im verlinkten Zustand ausgelesen und analysiert werden können. Stattdessen nutzen die Unternehmen häufig weiterhin traditionelle QM-Methoden, die zum Teil sogar noch auf Papier basieren. Diese stoßen bei hoher Komplexität der Produkte und Produktionsnetzwerke an ihre Grenzen.

Redaktion QZ
qz <AT> hanser.de

Staufen AG

Weiterführende Information
DNV GL Business Assurance [Anzeige]

Kostenloser Download

  • 5 Schritte zu einem nachhaltigen Prozessmanagement

  • Prozessreifegrad Assessments

  • Self-Assessment BPM

Jetzt kostenlos downloaden!