Optimierung der Qualitätssicherung in der Automobilzulieferproduktion mittels Predictive Analytics

Abstract

Der Wettbewerb und der damit verbundene Leistungsdruck spielt allgemein im Produktionssektor in Zeiten der Globalisierung ungebrochen eine große Rolle. Der Automobilsektor ist hierbei keine Ausnahme. Um ein Unternehmen wettbewerbsfähig zu halten, muss auch die komplexe Logistik der vielen Zulieferfirmen optimiert werden um fortlaufend funktionsund leistungsfähig zu sein. Aus diesem genannten Grund ist es die Aufgabe der Produktionslogistik, die Schnittstellen der Produktübergabe zwischen Original Equipment Manufacturer (OEM) und allen Elementen des Zuliefernetzwerkes (auch untereinander) durch Qualitätssicherungsmaßnahmen zu unterstützen, damit weder qualitative Mängel am Endprodukt entstehen noch Engpässe an den Produktionslinien auftreten. Hiermit sind kosten und zeitintensive Messoperationen verbunden, die Anforderungen an die Beschaffenheit der Produkte gewährleisten sollen. Um Durchlaufzeiten sowie hierbei anfallende Kosten zu reduzieren, ist es ratsam, statistische Methoden zu benutzen, die den Messaufwand bei gleichbleibend hohem Qualitätsniveau senken. Hierfür wurden Annahmestichprobenprüfungen (engl. Acceptance Sampling Plans, ASP) entwickelt, die entweder Chargen oder kontinuierlich den Out-come einer Produktionslinie, bewerten können. Bei dieser Bewertung wird üblicherweise eine Vielzahl an Qualitätsmerkmalen pro Produktionsprozess untersucht. Hier knüpft diese Arbeit an und befasst sich mit der Frage, ob man zwischen einzelnen Qualitätsmerkmalen Abhängigkeiten finden kann. Ziel hierbei ist, ein Qualitätsmerkmal durch ein passendes Regressionsmodell anhand eines anderen Merkmals zu quantifizieren. Damit soll der Messaufwand in der Qualitätssicherung langfristig reduziert werden. In dieser Arbeit wird nun anhand zweier Datensets der Firma Sticht Technologie dieser Frage nachgegangen. Mittels moderner Data Mining Methoden sollen zunächst Korrelationen zwischen den Qualitätsmerkmalen ausfindig gemacht werden um diese anschließend mittels linearer Regressionsmodelle vorherzusagen. Zusätzlich wird der Einfluss auf die Ergebnisse einer Annahmestichprobenprüfung untersucht. Hierfür wird eine passende Stichprobenprüfung ermittelt und für die Datensets durchgeführt. Zunächst mit den unveränderten Datensets und anschließend mit den Datenreihen der regressierten Werten. Zur vollständigen Bearbeitung der Aufgabenstellung werden zuerst wichtige Begriffe des Qualitätsmanagements definiert, die historische Entwicklung dieser Wissenschaft skizziert und anschließend im Stand der Technik die Theorie der verwendeten Methoden beschrieben. Hierbei liegt das Augenmerk auch bei der Frage, wann bzw. für welche Daten die angewendeten Methoden benutzt werden dürfen.

Competition and the associated pressure to perform generally play an important role in the production sector in times of globalization. The automotive sector is no exception. To keep the companies competitive, the complex logistics of the suppliers must be optimized in order to be continuously functional and efficient. Thus, the interfaces of the product handover between OEM (Original Equipment Manufacturer) and all elements of the supplier network (also among each other) must be supported by quality assurance measures, so that neither qualitative defects on the end product arise nor bottlenecks occur on the production lines of components. This involves costly and time-consuming measuring operations, which are intended to ensure requirements for the quality of the products. In addition to minimize throughput times and associated production costs, it is advisable to use (or even develop) statistical methods that reduce the measurement effort while maintaining a high level of quality. For this purpose, ASP (Acceptance Sampling Plans) have been developed, which can either evaluate batches or the outcome of a production line continuously. In this assessment, a variety of quality characteristics per production process are usually examined. Aim of this work is to deal with the question to find dependencies between individual quality characteristics to achieve these objectives a quantification of quality characteristic by means of a suitable regression model using another feature must be done. This is intended to reduce the measuring effort in quality assurance in the long term. In this work, this question will now be investigated on the basis of two data sets of the company Sticht Technologie. By means of modern data mining methods, correlations between the quality characteristics have to be located by means of linear regression models in order to predict these subsequently. In addition, the influence on the results of an acceptance sampling test is examined. For this, a suitable sampling test is determined and carried out for the data sets. At first, the unchanged datasets will be investigated followed by the data series of the regressed values. To complete the task, important terms of quality management will be defined, the historical development of this science outlined, and finally the state of the art of the used theory methods will be described. In this context, another focus is on the question of when and which methods may be used for the data.