Qualitätsmanagement für Startups und Kleinstunternehmen agil aufbauen: Neues Projektvideo zeigt Ergebnisse des FQS-Forschungsprojekts „Startups“

Etablierte Konzepte und Ansätze zur Einführung eines Qualitätsmanagements und die formelle Anwendung der DIN EN ISO 9001 sind für Startups und Kleinstunternehmen meist wenig geeignet: Prozesse sind oftmals noch nicht ausreichend definiert und dokumentiert, Anforderungen können sich schnell ändern oder neu hinzukommen. Vielmehr ist ein agiles Vorgehen sinnvoll, bei dem die Beteiligten flexibel und iterativ agieren können und bei dem der Nutzen für das Unternehmen im Vordergrund steht. Im Rahmen des FQS-Forschungsprojekts „Startups“ haben sich Wissenschaftler:innen des RIF – Institut für Forschung und Transfer e.V. mit der Nutzung von agilen Methoden zum Aufbau eines Qualitätsmanagementsystems beschäftigt.

In einem Zeitraum von zwei Jahren ist ein Vorgehensmodell entstanden, das Startups und Kleinstunternehmen darin unterstützt, modular ein bedarfsgerechtes Qualitätsmanagement aufzubauen. Das in einem IT-Tool umgesetzte Konzept sieht unter anderem die Definition von User Stories zur Erhebung von Anforderungen vor, die über Sprints umgesetzt werden. Durch einen Auswahlassistenten können anschließend passende Softwarelösungen identifiziert werden, die das agile Arbeiten unterstützen.

In einem neu veröffentlichten Projektvideo aus der FQS-Videoreihe stellen die Forschungspartner des RIF e.V. die Projektarbeiten vor und zeigen, wie Unternehmen von den vorgestellten Lösungen profitieren können. Ergänzt werden die Einblicke durch eine Praxisstimme des am Projekt beteiligten Startups IPS Engineers GmbH:

 

Videoreihe der FQS – Forschungsgemeinschaft Qualität e. V.
Das Projektvideo „Startups“ ist Teil einer neuen Videoreihe der FQS – Forschungsgemeinschaft Qualität e.V., die die Arbeit und Themen der FQS als Forschungsarm der DGQ vorstellt und Einblicke in aktuelle Forschungsprojekte gibt. Zur Videoreihe »

 

Weitere Informationen zum Projekt und Kontakt:

Projektwebsite „Startups“ »

FQS – Forschungsgemeinschaft Qualität e. V.
August-Schanz-Straße 21A
60433 Frankfurt am Main
infofqs@dgq.de

Über die FQS:
Die FQS – Forschungsgemeinschaft Qualität e. V. (FQS) unterstützt seit 1989 die anwendungsorientierte Forschung rund um das Thema Qualität in Deutschland. Sie versteht sich selbst als Forschungsbereich der Deutschen Gesellschaft für Qualität e. V. (DGQ) und wird von ihr getragen. Die FQS fördert innovative Forschungsideen über das Instrument der Industriellen Gemeinschaftsforschung (IGF) und des Forschungsnetzwerks CORNET des Bundesministeriums für Wirtschaft und Klimaschutz (BMWK). Ziele der Förderung sind möglichst anwendungsnahe Forschungsideen, die einen unmittelbaren Nutzen für die Wirtschaft, insbesondere für kleine und mittelständische Unternehmen (KMU), erbringen.

Ein Video mit weiteren Informationen über die FQS – Forschungsgemeinschaft Qualität e.V. findet sich hier.

FQS – Forschungsgemeinschaft Qualität e. V.
August-Schanz-Straße 21A
60433 Frankfurt am Main
infofqs@dgq.de

Neuer FQS-Band zur gezielten Auswahl und Einführung von Traceability-Lösungen in KMU ab sofort verfügbar

Fehlerhaft gefertigte und an den Kunden gelieferte Produkte verursachen erhebliche Kosten und können in den betroffenen Unternehmen zu einem massiven Imageverlust führen. Traceability-Systeme besitzen das Potenzial, derartige Qualitäts- und Kostenrisiken zu beherrschen, indem sie eine Rückverfolgbarkeit des kompletten Fertigungsprozesses ermöglichen und Erkenntnisse zur Prozessoptimierung liefern. In kleinen und mittleren Unternehmen (KMU) werden solche Systeme jedoch bisher nur zögerlich eingesetzt. Gründe für die geringe Verbreitung sind insbesondere Kostenbarrieren, technische Herausforderungen und mangelhafte Markttransparenz zu verfügbaren Lösungskonzepten.

Im FQS-Forschungsprojekt Traceability, durchgeführt von den Fachgebieten Qualitäts- und Prozessmanagement sowie Produktionsorganisation der Universität Kassel, wurde eine Methodik entwickelt, die insbesondere KMU bei der bedarfsgerechten Auswahl eines leistungsfähigen Rückverfolgbarkeitssystems unterstützt. Mithilfe der Methodik können Unternehmen ein unternehmensspezifisches Rückverfolgbarkeitsprofil generieren, das anschließend mit den Informationen aus einem im Rahmen des Projektes entstandenen Leistungskatalog für Traceability-Systeme abgeglichen wird. Das Instrumentarium gibt zudem Hilfestellung im Hinblick auf die spätere Implementierung des ausgewählten Systems und zeigt auf, wie dieses in den kontinuierlichen Verbesserungsprozess (KVP) des Unternehmens eingebunden werden kann.

In Zusammenarbeit mit der Forschungseinrichtung ist ein FQS-Band im Rahmen der FQS-DGQ-Schriftenreihe erschienen, der Unternehmen in der Anwendung und Nutzung der erarbeiteten Ergebnisse unterstützen soll.

FQS-Band „Entwicklung einer Methodik zur Auswahl und Einbindung von Traceability-Systemen in den kontinuierlichen Verbesserungsprozess von KMU“:

Projektwebseite (Universität Kassel):
https://www.uni-kassel.de/forschung/trace-track/startseite

 

Über die FQS:

Die FQS – Forschungsgemeinschaft Qualität e. V. (FQS) unterstützt seit 1989 die anwendungsorientierte Forschung rund um das Thema Qualität in Deutschland. Sie versteht sich selbst als Forschungsbereich der Deutschen Gesellschaft für Qualität e. V. (DGQ) und wird von ihr getragen. Die FQS fördert innovative Forschungsideen über das Instrument der Industriellen Gemeinschaftsforschung (IGF) und des Forschungsnetzwerks CORNET des Bundesministeriums für Wirtschaft und Klimaschutz (BMWK). Ziele der Förderung sind möglichst anwendungsnahe Forschungsideen, die einen unmittelbaren Nutzen für die Wirtschaft, insbesondere für kleine und mittelständische Unternehmen (KMU), erbringen.

Ein Video mit weiteren Informationen über die FQS – Forschungsgemeinschaft Qualität e.V. findet sich hier.

 

Umfrage für FQS-Forschungsprojekt: Anforderungen und Erwartungen an Fehlermanagementsysteme

Fehlerwissen systematisch nutzbar machen – das ist Ziel des Anfang 2023 gestarteten FQS-Forschungsprojektes MIQFEM (Mitarbeiterorientierte Qualitätsregelkreise in der Produktion zum smarten Fehlermanagement). Dazu entwickeln Wissenschaftler:innen des Fachgebiets Qualitätswissenschaft der TU Berlin ein smartes Fehlermanagementsystem. Es soll insbesondere kleine und mittlere Unternehmen (KMU) unterstützen soll, Fehlerzusammenhänge effektiver und schneller zu erkennen, zukünftige Fehlerereignisse frühzeitig vorherzusagen und Mitarbeitende dialogbasiert durch den Problemlösungsprozess zu führen.

Das Forschungsprojekt hat eine Onlineumfrage gestartet, um die Anforderungen und Erwartungen an ein solches Fehlermanagementsystem zu ermitteln. Ziel der Erhebung ist es, Erkenntnisse über den aktuellen Stand der Erfassung von Fehlerdaten und Nutzung von Problemlösungsmethoden aus der Qualitätswissenschaft in deutschen Unternehmen zu liefern und Aufschluss darüber zu geben, welche Bestandteile ein Assistenzsystem für das Fehlermanagement enthalten sollte. Dafür wird insbesondere Input von produzierenden KMU benötigt.

Um den notwendigen Praxisbezug herzustellen wird um rege Teilnahme gebeten.
Zur Umfrage »

Die Ergebnisse werden nach Abschluss der Umfrage auf Wunsch allen Interessenten zur Verfügung gestellt.

Über das Forschungsprojekt:
Das IGF-Vorhaben 22530 N der FQS – Forschungsgemeinschaft Qualität e. V., August-Schanz-Straße 21A, 60433 Frankfurt am Main wurde über die AiF im Rahmen des Programms zur Förderung der Industriellen Gemeinschaftsforschung (IGF) durch das Bundesministerium für Wirtschaft und Klimaschutz (BMWK) aufgrund eines Beschlusses des Deutschen Bundestages gefördert.

Interview zum FQS-Forschungsprojekt “MIQFEM”: Mitarbeiterorientierte Qualitätsregelkreise in der Produktion zum smarten Fehlermanagement »

Über die FQS:
Die FQS – Forschungsgemeinschaft Qualität e. V. (FQS) unterstützt seit 1989 die anwendungsorientierte Forschung rund um das Thema Qualität in Deutschland. Sie versteht sich selbst als Forschungsbereich der Deutschen Gesellschaft für Qualität e. V. (DGQ) und wird von ihr getragen. Die FQS fördert innovative Forschungsideen über das Instrument der Industriellen Gemeinschaftsforschung (IGF) und des Forschungsnetzwerks CORNET des Bundesministeriums für Wirtschaft und Klimaschutz (BMWK). Ziele der Förderung sind möglichst anwendungsnahe Forschungsideen, die einen unmittelbaren Nutzen für die Wirtschaft, insbesondere für kleine und mittelständische Unternehmen (KMU), erbringen.

Ein Video mit weiteren Informationen über die FQS – Forschungsgemeinschaft Qualität e.V. findet sich hier.

Industriepartner für internationales FQS-Forschungsvorhaben gesucht: Qualitätssicherung in der additiven Fertigung von Metallen

Die additive Fertigung von Metallen gewinnt zunehmend an industrieller Bedeutung. Vorteile dieser Fertigungsmethode sind unter anderem digitale Bestände, flexible und dezentrale Herstellungsmöglichkeiten sowie die maßgeschneiderte Anpassung von Bauteilen an individuelle Anforderungen. Eine hohe Anzahl an Prozessvariablen sowie die Komplexität der Prozesssimulation erschweren jedoch den breiten Einsatz in industriellen Anwendungen. Anwender additiver Fertigungsverfahren für die Herstellung von Metallteilen sind derzeit nicht in der Lage, aus Prozessdaten auf die endgültige Qualität der Teile zu schließen. Daher ist bei vielen Anwendungen eine 100 %ige Nachkontrolle obligatorisch, was die Kosten und die Komplexität erhöht und neue Geschäftsmöglichkeiten verhindert.

Ziel des geplanten internationalen FQS-Forschungsprojektes AQuaPro ist es, die entlang der additiven Fertigungskette von Metallteilen gewonnenen Daten in verwertbare Qualitätsinformationen umzuwandeln. Im Rahmen des Projektes werden dafür drei Strategien zur Qualitätsüberwachung untersucht, die dazu beitragen sollen, die aktuellen technologischen Herausforderungen der additiven Fertigung sicherheitskritischer und hochzuverlässiger Metallteile zu bewältigen. Als Anwendungsfall werden Unterwasserbauteile betrachtet. Diese bieten ein hohes Optimierungspotenzial (zum Beispiel Leichtbauweise für eine nachhaltigere Transport- und Installationslogistik). Zudem kann ihr Versagen mit hohen Umweltauswirkungen verbunden sein. Die Projektergebnisse sollen jedoch auch für andere Bereiche von Nutzen sein, in denen Qualitätssicherung eine zentrale Rolle spielt, zum Beispiel in der Luft- und Raumfahrt, der Automobilindustrie und der Medizintechnik.

Bei dem geplanten Forschungsvorhaben handelt es sich um ein deutsch-brasilianisches Kooperationsprojekt des internationalen Forschungsnetzwerks »CORNET – Collective Research Networking«, das durch das Bundesministerium für Wirtschaft und Klimaschutz (BMWK) gefördert wird. Es ermöglicht transnationale Vorhaben der Gemeinschaftsforschung, um internationale Forschungsprojekte zugunsten kleiner und mittelständischer Unternehmen zu fördern. Interessierte Unternehmen haben die Möglichkeit, sich als Mitglied des Projektbegleitenden Ausschusses zu beteiligen. Hierbei bringen sie Ihre Anforderungen aus der Praxis ein, gestalten das Forschungsvorhaben mit und profitieren frühzeitig von den erzielten Ergebnissen. Hierzu kann auch eine prototypische Umsetzung im Unternehmen durch die Forschungseinrichtung gehören.

Die Projektlaufzeit ist ab Mitte 2024 für zwei Jahre geplant. Für weitere Informationen steht  Gustavo Reis de Ascencao (gustavo.reis.de.ascencao@ipk.fraunhofer.de) sowie die Geschäftsstelle der FQS (infofqs@dgq.de) zur Verfügung.

Zur Projektankündigung (PDF) geht es hier.

Ein Video mit Informationen zu Beteiligungsmöglichkeiten und der Projektarbeit in der FQS – Forschungsgemeinschaft Qualität e.V. findet sich hier.

 

Über die FQS:

Die FQS – Forschungsgemeinschaft Qualität e. V. (FQS) unterstützt seit 1989 die anwendungsorientierte Forschung rund um das Thema Qualität in Deutschland. Sie versteht sich selbst als Forschungsbereich der Deutschen Gesellschaft für Qualität e. V. (DGQ) und wird von ihr getragen. Die FQS fördert innovative Forschungsideen über das Instrument der Industriellen Gemeinschaftsforschung (IGF) und des Forschungsnetzwerks CORNET des Bundesministeriums für Wirtschaft und Klimaschutz (BMWK). Ziele der Förderung sind möglichst anwendungsnahe Forschungsideen, die einen unmittelbaren Nutzen für die Wirtschaft, insbesondere für kleine und mittelständische Unternehmen (KMU), erbringen.

Ein Video mit weiteren Informationen über die FQS – Forschungsgemeinschaft Qualität e.V. findet sich hier.

Nachhaltigkeitsbewertung und -verbesserung für KMU: Industriepartner für geplantes FQS-Forschungsvorhaben gesucht

Insbesondere kleine und mittlere Unternehmen (KMU) stehen aufgrund begrenzter finanzieller und personeller Ressourcen vor der Herausforderung, ihre Nachhaltigkeitsausrichtung im Vergleich zu anderen Unternehmen zu bestimmen und gezielte Maßnahmen zur systematischen Nachhaltigkeitssteigerung auszuwählen.

KMU bei Nachhaltigkeitssteigerung unterstützen

Das geplante FQS-Forschungsvorhaben Dynamic SusMaX zielt darauf ab, einen Nachhaltigkeitsindex (Sustainability Maturity Index) zu entwickeln. Dadurch werden produzierende KMU dabei unterstützt, ihren Nachhaltigkeitsreifegrad zu bestimmen sowie Maßnahmen zur Nachhaltigkeitssteigerung abzuleiten und zu priorisieren. Ergebnis soll eine unternehmensindividuelle Roadmap zur Steigerung der Nachhaltigkeit sein. Diese trägt dazu bei, Risiken und Hürden bei der Nachhaltigkeitstransformation zu reduzieren.

Geplant ist ein Vorgehen in sieben Teilschritten: Zunächst werden die Anforderungen für Nachhaltigkeit in Unternehmen analysiert (1) und in Nachhaltigkeitsdimensionen überführt (2). Als Informationsbasis werden Normen und Richtlinien sowie Herausforderungen und Best-Practice-Ansätze aus der Industrie herangezogen. Hieraus wird dann ein detaillierter Fragenkatalog mit Bewertungskriterien abgeleitet (3), der als Grundlage für den unternehmensindividuellen Sustainability Maturity Index dient (4). Dieser wird auch für den übergreifenden Vergleich der erzielten Werte im Rahmen eines Nachhaltigkeits-Benchmarkings genutzt (6). Anhand einer entwickelten Maßnahmenpriorisierung (5) wird anschließend eine unternehmensindividuelle Maßnahmenroadmap nach einem standardisierten Prozess abgeleitet (7).

Die Ergebnisse bereitet das Projekt in einer dynamischen Benchmarking-Datenbank auf, sodass das Bewertungstool und die Benchmarking-Ziele kontinuierlich mit der fortschreitenden Nachhaltigkeitstransformation weiterentwickelt werden.

Beteiligung als Industriepartner – Vorteile für Unternehmen

Interessierte Unternehmen, insbesondere KMU, haben die Möglichkeit sich als Mitglied des Projektbegleitenden Ausschusses am Forschungsvorhaben zu beteiligen. Hierbei wirken sie bei der Steuerung des Projektes und bei der Beratung der Forschungseinrichtung mit. Sie bringen ihre Anforderungen an einen Nachhaltigkeitsreifegrad aus Perspektive der Industrie ein und profitieren frühzeitig von den erzielten Ergebnissen. Durch die Beteiligung am Projekt haben Unternehmen somit die Möglichkeit Transparenz über nachhaltigkeitsbezogene Kennzahlen und zukünftige Anforderungen zu etablieren. Der Zugriff auf die Methodik zur Reifegradbestimmung bleibt zur wiederkehrenden Nutzung bei den beteiligten Industriepartnern. Darüber hinaus bietet das geplante Forschungsprojekt die Möglichkeit, sich mit anderen beteiligten Unternehmen branchenübergreifend über unternehmerische Nachhaltigkeit zu vernetzen und auszutauschen.

Die Projektlaufzeit ist ab Anfang 2024 für zwei Jahre geplant. Für weitere Informationen stehen Ihnen Juliane Elsner (j.elsner@wzl-mq.rwth-aachen.de) sowie die Geschäftsstelle der FQS (infofqs@dgq.de) zur Verfügung.

Zum Projektflyer geht es hier.

Ein Video mit Informationen zu Beteiligungsmöglichkeiten und der Projektarbeit in der FQS – Forschungsgemeinschaft Qualität e.V. findet sich hier.

Über die FQS:

Die FQS – Forschungsgemeinschaft Qualität e. V. (FQS) unterstützt seit 1989 die anwendungsorientierte Forschung rund um das Thema Qualität in Deutschland. Sie versteht sich selbst als Forschungsbereich der Deutschen Gesellschaft für Qualität e. V. (DGQ) und wird von ihr getragen. Die FQS fördert innovative Forschungsideen über das Instrument der Industriellen Gemeinschaftsforschung (IGF) und des Forschungsnetzwerks CORNET des Bundesministeriums für Wirtschaft und Klimaschutz (BMWK). Ziele der Förderung sind möglichst anwendungsnahe Forschungsideen, die einen unmittelbaren Nutzen für die Wirtschaft, insbesondere für kleine und mittelständische Unternehmen (KMU), erbringen.

Ein Video mit weiteren Informationen über die FQS – Forschungsgemeinschaft Qualität e.V. findet sich hier.

Forschungsarm der DGQ: Dr. Paul Kübler verstärkt Vorstand der FQS – Forschungsgemeinschaft Qualität e. V.

Dr. Paul Kübler ist neuer Vorstand der Forschungsgemeinschaft Qualität: Mit Beschluss der FQS-Mitgliederversammlung vom 5. September 2023 wird er zukünftig gemeinsam mit Klaus Schmieder, Vorstandsvorsitzender der FQS, sowie Prof. Dr. Tilo Pfeifer Impulse für die strategische Ausrichtung des Vereins setzen. Er folgt auf Prof. Dr. Robert Schmitt, der sein Vorstandsamt in der FQS zum Jahresende 2022 niedergelegt hat.

Neben dem Aufbau eines starken Kooperationsnetzwerks mit anderen Forschungsvereinigungen und wissenschaftlichen Institutionen, hat sich der promovierte Chemiker die weitere Verzahnung von DGQ und FQS als Schwerpunkt gesetzt. Als gleichzeitiges Vorstandsmitglied der DGQ möchte er insbesondere „dabei unterstützen, dass Mitglieder der DGQ und FQS das vorhandene Potential heben können“.

Nach dem Chemiestudium und Promotion absolvierte Dr. Paul Kübler Stationen als Projektmanager, Total Quality Manager und Qualitätsmanager Automotive Europe in mittelständischen Unternehmen sowie im Konzern. Er ist Mitglied im Leitungsteam des DGQ-Fachkreises „QM als Organisationsentwicklung“ und des Regionalkreises Münsterland. Seit 2022 ist er Vorstandsmitglied der DGQ.

Als Forschungsarm der DGQ initiiert und begleitet die FQS industrienahe und anwendungsorientierte Forschungsprojekte rund um das Thema Qualität. Hierzu fördert sie Forschungsprojekte über die Industrielle Gemeinschaftsforschung (IGF) und das Forschungsnetzwerk CORNET des Bundesministeriums für Wirtschaft und Klimaschutz (BMWK), die als Förderinstrumente die Brücke zwischen Grundlagenforschung und wirtschaftlicher Anwendung schlagen.

Ein Interview mit Dr. Paul Kübler findet sich hier.

Interview zum FQS-Forschungsprojekt „METIS“: Effektive Bewertung von IT-Werkzeugen für die kollaborative Produktentwicklung

In der Industrie 4.0 ist die Zusammenarbeit in und von Unternehmen mehr denn je entscheidend für den Unternehmenserfolg. Sie umfasst gemeinsame Aktivitäten, Prozesse und Entscheidungen, die intensive Koordination und Datenaustausch erfordern, insbesondere für kleine und mittlere Unternehmen (KMU). Die Konfiguration und Optimierung der IT-Infrastruktur und -Tools sind daher entscheidend für effiziente Zusammenarbeit. Dies stellt jedoch für viele KMU eine bedeutende Herausforderung dar.

Im FQS-Forschungsprojekt „METIS – Methodische Konfiguration von Informationstechnik zur Steigerung der Kollaborationsfähigkeit von KMU in der verteilten Produktentstehung“ arbeiten die Wissenschaftler:innen Can Çağıncan (Fachgebiet Qualitätswissenschaft) und Juliane Balder (Fachgebiet Industrielle Informationstechnik) der TU Berlin gemeinsam daran, diese Herausforderungen zu lösen.

Im Interview gewährt Can Çağıncan einen Einblick in die Projektarbeit und zeigt auf, welche Lösungen das Projekt für KMU bereithält.

 

Was ist das Forschungsprojekt METIS und worum geht es in Ihrem Projekt?

Can Çağıncan: Das Forschungsprojekt METIS hat das Ziel, Unternehmen eine Methode zur Analyse, Bewertung und Konfiguration von IT-Tool-Stacks für die kollaborative Produktentwicklung an die Hand zu geben. Ein IT-Tool-Stack ist die Summe aller informationstechnischen Anwendungen eines Bereichs. Wir konzentrieren uns dabei auf KMU und nutzen Software-as-a-Service (SaaS)-Technologien, um maßgeschneiderte IT-Lösungen für eine effektive Zusammenarbeit zu ermöglichen.

Was hat Sie zu der Entwicklung dieser Methode motiviert? Welche Problemstellung liegt dem Forschungsprojekt zugrunde?

Can Çağıncan: Unsere Motivation entstand aus den Herausforderungen, denen Unternehmen in der Kollaboration in der Industrie 4.0 gegenüberstehen. Aus den Ergebnissen des vorausgegangenen FQS-Forschungsprojektes DIP – Dynamisches Referenzmodell der IT- und Prozessqualität in der digitalen vernetzten Produktentwicklung hat sich gezeigt, dass die zunehmende Digitalisierung und steigende Komplexität von Produkten eine flexible Anpassung der IT-Tool-Stacks erfordern, um erfolgreich mit anderen Unternehmen zusammenzuarbeiten. Dabei spielen SaaS-Technologien eine wichtige Rolle, da sie eine schnelle und kosteneffiziente Anpassung der IT-Systeme und neue Arbeitsweisen in der Produktentwicklung ermöglichen.

Welche Lösung wird im Forschungsprojekt METIS entwickelt, um die genannten Herausforderungen zu bewältigen?

Can Çağıncan: Im Rahmen des Projektes entwickeln wir eine systematische Methode zur kontextabhängigen Analyse, Bewertung und Konfiguration von IT-Tool-Stacks für die kollaborative Produktentstehung. Unsere Methode soll auf einem heuristischen Bewertungsmodell basieren, das Unternehmen eine Bewertung der notwendigen IT-Tool-Stacks ermöglicht.

Welche Zielgruppe soll von den Ergebnissen des Projekts profitieren und welcher konkrete Nutzen ergibt sich für Unternehmen?

Can Çağıncan: Die Ergebnisse werden sowohl den beteiligten Unternehmen als auch KMU zugutekommen. Insbesondere für KMU ergeben sich konkrete Vorteile, da sie durch maßgeschneiderte IT-Lösungen ihre Kollaborationsfähigkeit steigern können, ohne ein eigenes kollaboratives System aufbauen zu müssen.

Können Sie uns einen Einblick in das weitere Vorgehen im Projekt geben?

Can Çağıncan: Das Projekt wird zunächst die gegenwärtige Situation der IT-Tool-Stacks und die maßgebenden Gestaltungstreiber, die zu typischen Projektarchetypen führen, untersuchen. Anschließend werden wir die spezifischen Einflüsse dieser IT-Tool-Stacks sowie möglicher SaaS-Technologien auf die Kollaborationsfähigkeit von KMU analysieren. Das Projekt entwickelt eine Bewertungsheuristik, die auf maschinellem Lernen basiert. Diese Methode wird in Form eines Assistenzsystems als Dashboard implementiert, um den Unternehmen einen niederschwelligen Zugang zu bieten.

Wir laden alle KMU ein, uns in den sozialen Medien zu folgen und an unserer bevorstehenden Umfrage teilzunehmen. Auf diese Weise können KMU maßgeschneiderte Lösungen für sich selbst erhalten und das Projekt unterstützen.

 

 

Über den Interviewpartner:
Can Çağıncan, wissenschaftlicher Mitarbeiter am Fachgebiet Qualitätswissenschaft der TU Berlin, Ansprechpartner Forschungsprojekt METIS

 

 

Interview zum FQS-Forschungsprojekt “MIQFEM”: Mitarbeiterorientierte Qualitätsregelkreise in der Produktion zum smarten Fehlermanagement

Um in einem immer intensiveren Wettbewerbsumfeld bestehen zu können, ist es für Unternehmen essenziell, ihre Produkte schneller, kostengünstiger und in höherer Qualität herzustellen als ihre Konkurrenten. Dabei stellen auftretende Fehler in der Produktion ein signifikantes Hindernis dar, da sie sowohl Kosten als auch Zeitaufwand verursachen und im Falle der Fehlertolerierung zur Qualitätssenkung führen. Dementsprechend ist ein wichtiger Wettbewerbsfaktor zwischen erfolgreichen Unternehmen und weniger erfolgreichen Unternehmen, wie sie mit dem Fehlerwissen umgehen. In vielen kleinen und mittleren Unternehmen (KMU) ist dieses Wissen jedoch ein Tabuthema.

Im Rahmen des über die FQS – Forschungsgemeinschaft Qualität e. V. geförderten Forschungsprojektes „MIQFEM – Mitarbeiterorientierte Qualitätsregelkreise in der Produktion zum smarten Fehlermanagement“ wird unter der Leitung des Fachgebiets Qualitätswissenschaft an der TU Berlin gemeinsam mit Partnern aus Industrie ein smartes Fehlermanagementsystem entwickelt, welches die systematische Nutzung des Fehlerwissens ermöglicht und sich durch die Interaktion mit den Mitarbeitenden in einem ständigen Lernprozess befindet. Über eine KI-basierte Fehlerwissensbasis soll das System zukünftige Fehlerereignisse vorhersagen, Fehlerzusammenhänge in der Produktion frühzeitig erkennen, mögliche Problemursachen identifizieren und daraus Maßnahmen ableiten.

Im Interview gibt Turgut Refik Caglar, Wissenschaftlicher Mitarbeiter und Oberingenieur am Fachgebiet Qualitätswissenschaft der TU Berlin, einen Ausblick auf das Projekt und erklärt, wie Unternehmen von den Forschungsergebnissen profitieren können.

 

Aus welcher Problemstellung heraus ist das Forschungsprojekt entstanden?

Turgut Refik Caglar: Die systematische und wertsteigernde Auswertung von produktbezogenen Daten wird im Markt nicht konsequent verfolgt und kommt bei KMU gewöhnlich nicht zum Einsatz. Nur wenn Fehler am Entstehungsort (Arbeitsplätze) behandelt werden, ist es möglich, Zeitverluste zu senken und die Reaktionsgeschwindigkeit für auftretende Probleme zu erhöhen. KMU erfassen Fehler oft in manuell erstellten Listen oder in lokal gespeicherten Dateien wie Microsoft Excel. Dies erschwert den Aufbau einer soliden Fehlerwissensbasis, die datenbasierte Fehleranalyse sowie den nachhaltigen Umgang mit Fehlern, obwohl eine gut gepflegte Wissensbasis den Kern des smarten Fehlermanagementsystems bildet.

Vor diesem Hintergrund ist der Aufbau eines smarten Fehlermanagementsystems von eminenter Bedeutung für produzierende Gewerbe, um die Qualitäts-, Fehler- und Herstellkosten zu senken.

Welche Lösung wird im Forschungsprojekt MIQFEM entwickelt?

Turgut Refik Caglar: Das Hauptaugenmerk von MIQFEM liegt auf der Entwicklung eines intelligenten Fehlermanagementsystems. Dieses System ermöglicht die systematische Nutzung von Wissen über Fehler und lernt kontinuierlich durch Interaktion mit Mitarbeitenden. Es soll in der Lage sein, zukünftige Fehler vorherzusagen, Fehlerzusammenhänge frühzeitig zu identifizieren, mögliche Ursachen zu erkennen und daraus Handlungsstrategien abzuleiten.

Ein wichtiger Bestandteil dieses Systems ist die Wissensbasis zur Problemlösung. Diese wird im sogenannten „Berliner-Problemlösungskreis“ integriert sein, der Methoden und Werkzeuge der Qualitätswissenschaft und des Data Mining in einem wissensbasierten Expertensystem kombiniert, um einen systematischen Problemlösungsprozess im Falle eines unbekannten Fehlerereignisses zu ermöglichen. Wenn bestimmte Fehler, ihre Ursachen oder Maßnahmen unbekannt sind, kann das System mithilfe dieser Wissensbasis eine computergestützte, dialogorientierte Auswahl und Implementierung von Lösungsstrategien vorschlagen. Ziel ist, Mitarbeitende bei der Methodenauswahl und -durchführung sowie der Ergebnisinterpretation digitalisiert und dialogbasiert zu unterstützen. Ein Novum ist die Integration von Transfer Learning (TL) und Natural Language Processing (NLP) in das Fehlermanagementsystem.

Wer soll von den Ergebnissen profitieren und welcher konkrete Nutzen ergibt sich für Unternehmen?

Turgut Refik Caglar: Aus Gesprächen mit produzierenden KMU wurde ein großes Interesse an der Anwendung eines smarten Fehlermanagementsystems und systematischen Problemlösungsprozess im Shopfloor deutlich. Genau dafür entwickeln wir MIQFEM. Durch die Interaktion mit den Mitarbeitenden befindet sich das System in einem ständigen Lernprozess, wodurch es kognitive Problemlösungsfähigkeiten der Mitarbeitenden erlernt und nachahmt. Das System kann kausale problemlösungsrelevante Zusammenhänge im Shopfloor entdecken und erklären. Auf diese Weise können Fehlerereignisse frühzeitig prognostiziert und einschlägige Maßnahmen ergriffen werden.

Wie sehen diese aus?

Turgut Refik Caglar: Die Integration des Berliner-Problemlösungskreises in das Fehlermanagementsystem ermöglicht die computergestützte und dialogbasierte Auswahl sowie Durchführung von Problemlösungsmethoden im Rahmen eines systematischen Prozesses. Der Nutzen dieses Konzepts besteht darin, die Mitarbeitenden bei der Auswahl der passenden Methoden im Umgang mit Fehlern zu unterstützen und den Komplexitätsgrad des Entscheidungstreffens zu senken. Der Einsatz verschiedener Qualitäts- und Data Mining-Methoden sowie die systematische Nutzung des historischen Fehlerwissens erlauben komplexe Zusammenhänge zwischen Prozessparametern/Einflussgrößen und Qualitätsmerkmalen zu erklären. Darüber hinaus tragen diese zur ganzheitlichen Prozessverbesserung bei: Die Qualitäts-, Fehler- und Herstellkosten können gesenkt werden. Außerdem kann die Integration einer Problemlösungswissensbasis dazu verhelfen, die Komplexität bei der Identifizierung und Lösung von Fehlern zu reduzieren und die Effizienz der Problemlösungsprozesse zu verbessern. Die Nutzung von Transfer Learning (TL) und Natural Language Processing (NLP) optimiert zudem die Qualität und Genauigkeit der Ergebnisse.

Welche zusätzlichen Ziele haben Sie sich im Rahmen des Forschungsprojektes gesetzt?

Turgut Refik Caglar: Das Projektvorhaben beinhaltet eine digitale Learning Plattform, über die Mitarbeitende Problemlösungskompetenzen spielerisch erwerben können. Der Aufbau der eLearning-Plattform dient auch der Ersparnis der direkten und indirekten Weiterbildungskosten, wie beispielsweise Reisekosten, Teilnahmegebühren und ähnlichem. Unter diesem Aspekt stellt die Qualifizierung von Mitarbeitenden hinsichtlich problemorientierter Methoden auf einer solchen Plattform ein weiteres Optimierungspotenzial bei KMU dar.

Insgesamt ist das MIQFEM-Fehlermanagementsystem ein vielversprechender Ansatz, um Unternehmen bei der Verbesserung ihrer Produktqualität und der Reduzierung von Fehlerkosten zu unterstützen. Neben den eingesparten Kosten, welche sich aus den Ergebnissen dieses Projekts ergeben, sind zudem Einsparungen in Form von Zeit, Aufwand und Mitarbeiterausfall wegen der Beschäftigung mit Fehlerbeseitigung, die Verringerung der Belastung und Beanspruchung von Mitarbeitenden im Fehlermanagementprozesses und der Aufbau einer positiven Fehlerkultur bei KMU die Ziele.

 

 

Über den Interviewpartner:
Turgut Refik Caglar, Wissenschaftlicher Mitarbeiter und Oberingenieur am Fachgebiet Qualitätswissenschaft der TU Berlin, Ansprechpartner Forschungsprojekt MIQFEM

 

Interview zum FQS-Forschungsprojekt “AIQualify”: Framework zur Qualifizierung von KI-Systemen in der industriellen Qualitätsprüfung

Die produzierende Industrie und deren Endkunden stellen immer höhere Qualitätsansprüche. Anstelle von manchmal ineffizienten und fehleranfälligen manuellen Qualitätskontrollen setzen Unternehmen zunehmend auf automatisierte Prüfungen, wie zum Beispiel optische Prüfsysteme mit anschließender Bildverarbeitung (siehe Abb. 1). Die klassische Bildverarbeitung stößt jedoch oft an ihre Grenzen, vor allem dann, wenn es eine hohe Variabilität bei Fehlern oder Bauteilen gibt. So können beispielsweise Oberflächenkratzer in Form, Farbe und Lage variieren. Diese Defekte sind jedoch oft schwer analytisch zu beschreiben. Mit Methoden des maschinellen Lernens (ML), einem Teilgebiet der Künstlichen Intelligenz, können diese Einschränkungen zunehmend überwunden werden. Bedenken hinsichtlich der Zuverlässigkeit oder Genauigkeit von ML-Verfahren verhindern jedoch bisher ihren weit verbreiteten industriellen Einsatz. Gerade der Unterschied zu klassischen Algorithmen erschwert die Qualifizierung von ML-basierten Qualitätsprüfungssystemen. Die Qualifizierung solcher Systeme zu erleichtern, stellt das zentrale Forschungsziel des über die FQS – Forschungsgemeinschaft Qualität e. V. geförderten Projekts AIQualify dar.

Das Konsortium von AIQualify besteht aus dem Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA sowie dem Institut für Industrielle Fertigung und Fabrikbetrieb IFF der Universität Stuttgart. Begleitet wird das Projekt von zahlreichen Unternehmen: 36ZERO Vision, AUDI, Babtec Informationssysteme, Bosch, EVT, Festool, Maddox AI, preML, scitis.io, sentin und WICKON Hightech. Zudem unterstützen die Allianz Industrie 4.0 der Bitkom und die Universität Speyer das Vorhaben. Das Projekt startete am 1. Mai 2023 und hat eine Laufzeit von zwei Jahren.

Im Interview gibt Prof. Dr.-Ing. Marco Huber (Fraunhofer IPA / IFF der Universität Stuttgart) einen Ausblick auf das Projekt und erläutert, wie Unternehmen von den Forschungsergebnissen profitieren können.

 

Aus welcher Problemstellung heraus ist das Forschungsprojekt entstanden?

Prof. Dr.-Ing. Marco Huber: Bei der klassischen Bildverarbeitung geben Menschen analytische Kriterien oder explizite Regeln vor, etwa bei der Defekterkennung. Folglich wird das Computerprogramm zur Qualitätsprüfung in der Regel manuell erstellt und besteht aus einer Folge von prüfbaren und nachvollziehbaren Anweisungen. Beim ML hingegen wird das auszuführende Computerprogramm automatisiert auf der Grundlage eines Datensatzes erstellt. Die Daten stellen gewissermaßen die Spezifikation des Programms dar. Dies hat zur Folge, dass bei maschinell erlernten Programmen – die in dem Kontext gerne als ML-Modell bezeichnet werden – eine begrenzte Nachvollziehbarkeit der Entscheidungsfindung oder eine unzureichende Robustheit gegenüber geringfügigen Änderungen der Eingabedaten vorliegt. Auch fehlen aussagekräftige Kriterien, die für einen Nachweis der Eignung herangezogen werden können. Dies alles erschwert die Qualifizierung von ML-basierten Qualitätsprüfungssystemen und mindert auch häufig die Akzeptanz in der Industrie.

Welche Lösung wird im Forschungsprojekt AIQualify entwickelt?

Prof. Dr.-Ing. Marco Huber: Die Entwicklung von ML-Systemen durchläuft üblicherweise die in Abb. 2 dargestellten Phasen. In jeder Entwicklungsphase stehen qualifizierte Entscheidungen an, die einen wesentlichen Einfluss auf das fertige System haben können. Folglich ist es zwingend erforderlich, nicht nur das fertige System zu betrachten, sondern jede Phase dessen Entwurfs bzw. Entwicklung. Dadurch wird sichergestellt, dass bereits frühzeitig qualifizierte Entscheidungen hinsichtlich Datenauswahl, Vorverarbeitung, Gütekriterien, Modellauswahl usw. getroffen und dokumentiert werden.

 

Neben der Ganzheitlichkeit der Betrachtung der gesamten Entwicklungskette liegt die Innovation von AIQualify zudem in der assistierten Ermittlung und Bündelung von Prüf- und Bewertungskriterien und der assistierten Qualifizierung des ML-Systems entlang der formalisierten Kriterien. Hierzu entwickeln wir ein Software-Framework samt Vorgehensmodell und Software-gestützter Prüfmodule, welches die Ermittlung und Formulierung von Prüf- und Bewertungskriterien sowie die Abnahme des ML-Systems entlang dieser Kriterien erlaubt. Das Framework soll modular gestaltet sein, sodass eine einfache Integration und Erweiterung von Prüfmodulen möglich werden.

Wer soll von den Ergebnissen profitieren und welcher konkrete Nutzen ergibt sich für Unternehmen?

Prof. Dr.-Ing. Marco Huber: Angelehnt an die Norm ISO 19011 lassen sich drei Arten der Qualifizierung unterscheiden: Qualifizierung (1) durch die Organisation selbst, was einer Selbstauskunft entspricht, (2) durch einen Kunden, Lieferanten oder Partner oder (3) durch eine unabhängige dritte Stelle, z.B. Zertifizierung. Daraus ergeben sich drei potentielle Nutzerkreise für die Forschungsergebnisse:

1. Dienstleister für (ML-basierte) Qualitätsprüfung und -management
2. Produzierende Unternehmen
3. Dienstleister für Konformitätsprüfungen und Auditierungen

Die Dienstleister können die Forschungsergebnisse für eine systematische und vollumfängliche Prüfung der Konformität eines entwickelten ML-Systems nutzen. Dies kann sowohl kontinuierlich im Entwicklungsprozess der Lösung als auch vor der Auslieferung an Kunden erfolgen. Produzierende Unternehmen erwarten ein Werkzeug, um fremdbezogene ML-Systeme zu qualifizieren, um so sicherstellen zu können, dass die gestellten Anforderungen an das System prüfbar erfüllt sind. Dienstleister für Konformitätsprüfungen und Auditierungen erhalten mit den Forschungsergebnissen ein Werkzeug, mit welchem sie ihre originären Prüfaufgaben auch auf ML-Systeme ausweiten können.

Wie sieht das weitere Vorgehen aus?

Prof. Dr.-Ing. Marco Huber: Zur Evaluierung der Projektergebnisse haben wir einen ersten Anwendungsfall im Bereich der kamerabasierten Defekterkennung von Lochscheiben definiert. Die Besonderheit bei diesem Anwendungsfall ist, dass neben echten Kamerabildern auch synthetische Bilder mit Defekten erzeugt werden können. Dies erlaubt es, unterschiedliche Schweregrade der Prüfaufgabe zu betrachten, um die Eignung von ML-Systemen bewerten zu können.

Die nächsten Schritte sehen vor, dass die unterschiedlichen allgemeinen Anforderungen und Kriterien an ML-Systeme in der Qualitätsprüfung bestimmt werden. Dies mündet dann in ein Konzept zur systematischen Ermittlung konkreter Anforderungen und Kriterien für spezifische Prüfsysteme. Zudem werden wir wird einen weiteren industrienahen Anwendungsfall zusammen mit einigen der beteiligen Unternehmen ausarbeiten.

 

 

Über den Interviewpartner:
Prof. Dr.-Ing. Marco Huber, Institut für Industrielle Fertigung und Fabrikbetrieb IFF, Universität Stuttgart und Leiter der Abteilung Bild- und Signalverarbeitung sowie Leiter der Abteilung Cyber Cognitive Intelligence (CCI) am Fraunhofer IPA, Stuttgart

 

 

FQS-Forschungsprojekt “VorÜber”: Vorausschauende Prozessüberwachung in der Schmiedeindustrie

In der Schmiedeindustrie wird die Lebensdauer von Schmiedegesenken meist auf Basis von Erfahrungswerten und subjektiven Entscheidungen bestimmt. Im Rahmen des vor Kurzem abgeschlossenen FQS-Forschungsprojekts VorÜber haben Wissenschaftler:innen des IPH – Institut für Integrierte Produktion Hannover gGmbH eine Methode entwickelt, die eine Prognose der Restlebensdauer des Schmiedegesenks auf Basis von Bilddaten und Kraftmessungen während der Umformung ausgibt. Durch diese datenbasierte Prognose lässt sich die Restlebensdauer genauer abschätzen und die Produktion von Fehlteilen sowie Stillstandzeiten, aufgrund von Gesenkversagen, vermeiden. Schätzen Mitarbeitende die Lebensdauer von Schmiedegesenken geringer ein als sie wirklich ist, bedeutet dies eine Verschwendung der noch bestehenden Standmenge [1]. Wird die Standmenge zu hoch eingeschätzt, kann es bei unvorhergesehen hohem Verschleiß zur Produktion von fehlerhaften Teilen kommen [2]. In der Praxis wird die verbleibende Standmenge häufig um ein Vielfaches geringer als die tatsächliche verbleibende Standmenge festgelegt, um das Risiko eines Werkzeugversagens gering zu halten [1].

Um die verbleibende Standmenge auszunutzen, aber gleichzeitig das Risiko eines Werkzeugversagens zu vermeiden, kombinierten die Forscher:innen zwei Verfahrensweisen: Eine optische Überwachung des Schmiedegesenks mit einer Kraftmessung. Die erfassten Daten lassen eine objektive Berechnung der verbleibenden Standmenge zu.

 

 

Verschleißermittlung mittels optischer Überwachung

Für die optische Überwachung wurde ein Laserscanner ausgewählt, durch den die Gesenke optisch gemessen und Geometrieveränderungen detektiert werden können. Um die verbleibende Standmenge eines Schmiedegesenks bestimmen zu können, verglichen die Wissenschaftler:innen den Zustand eines verschlissenen Gesenks mit der Geometrie eines Gesenks im unverschlissenen Zustand. Dafür wurden die aus den aufgenommenen Daten entstehenden Punktwolken mittels Anwendung des iterative-closest point-Algorithmus (icp-Algorithmus) übereinandergelegt (Abb. 1).

Der Vergleich der beiden Oberflächen zeigt, wie stark das benutzte Gesenk verschlissen ist. Der Verschleiß innerhalb eines Schmiedegesenks kann allerdings variieren, da die Belastungen beim Schmieden lokal unterschiedlich sind und Flächen mit unterschiedlichen Toleranzwerten existieren können. Um unterschiedliche Bereiche des Schmiedegesenks gesondert betrachten zu können, segmentierten die Forscher:innen die Punktwolken. Nach der Segmentierung konnten sie innerhalb der gesondert gespeicherten Datei einen Vergleich mit dem entsprechenden Bereich des unverschlissenen Gesenks anstellen. Durch einen Abgleich der Verschleißhöhe mit den Toleranzangaben des jeweiligen Bereichs kann so festgestellt werden, ob das Schmiedegesenk die Toleranzen erfüllt.

Auf Basis der erhobenen Daten (Verschleißhöhe und Anzahl bisher geschmiedeter Teile) berechneten die Wissenschaftler:innen anschließend, wie viele Schmiedeteile noch innerhalb der Toleranzen produziert werden können.

Verschleißermittlung mithilfe von Kraftmessungen

Für die Ermittlung von Verschleiß mithilfe von Kraftmessungen mussten die Forscher:innen zunächst Referenzwerte erfassen. Hierfür wurden Kraftmessungen mit unverschlissenem Gesenk durchgeführt. Diese Referenzwerte konnten dann genutzt werden, um Kraftveränderungen zu detektieren und entsprechend Verschleiß festzustellen. Für die Positionierung der Kraftaufnehmer wählten die Verantwortlichen Bereiche aus, in denen es zu deutlichen Spannungsänderungen aufgrund des Verschleißes kommt [3]. Um zu identifizieren, welche Ausprägung der Kraftmessungs-Verschleiß anzeigt, wurden mit Hilfe von vorab durchgeführten Simulationen Grenzen ausgewählt.

Die Auswertung der Kraftmessungen führten die Wissenschaftler:innen anhand der Mittelwerte der Schmiedungen mit den von Störgrößen bereinigten Krafteinflüssen durch. Dabei ist deutlich zu erkennen: Mit zunehmendem Verschleiß sinken die aufgenommenen Kraftwerte. Jedoch können diese Tendenzen nicht während der gesamten Umformung entdeckt werden. Konkret eignen sich dafür insbesondere signifikante Punkte der Umformung, wie der erste Berührpunkt, die Erreichung der Formfüllung und die Ausbildung des Grats. Die höchste Aussagekraft hatte innerhalb dieser Untersuchung die Auswertung der Kraftergebnisse am Berührpunkt.

Auf Basis der Messergebnisse bestimmten die beteiligten Forscher:innen anschließend eine Ausgleichsfunktion, anhand derer die verbleibende Standmenge ermittelt werden kann. Die Berechnung der verbleibenden Standmenge anhand der Kraftmessung lieferte ähnliche Werte wie die Berechnung der verbleibenden Standmenge anhand der optischen Messung.

Kombination beider Vorhersagemodelle und Nutzen der Prognose

Die Ergebnisse, die mit der optischen Messung und die Ergebnisse, die mit der Kraftmessung erzielt wurden, führten die Wissenschaftler:innen im Rahmen des Projekts zusammen (Abb. 2). So kann eine Prognose zur noch verbleibenden Standmenge getroffen werden, die sowohl die Ergebnisse der optischen Verschleißmessung als auch der Kraftmessung berücksichtigt.

Die Prognosegenauigkeit steigt mit der Anzahl der Messungen. Durch diese datenbasierte Voraussage können Mitarbeitende in Unternehmen künftig objektiv entscheiden, wann ein Werkzeug ausgetauscht werden sollte. Ein zu frühes und ein zu spätes Austauschen wird vermieden und so Verschwendung und Stillstandzeiten minimiert.

 

Quellen:
[1] Bach, F.-W.: Prozesskette Präzisionsschmieden, Springer Verlag, Garbsen, 2014
[2] Reim, J.: Erfolgsrechnung – Wertsteigerung durch Wertschöpfung. Grundlagen, Konzeption, Instrumente. Springer Fachmedien, Wiesbaden 2015.
[3] Schellenberg, D. et al..: Reststandmenge von Schmiedewerkzeugen punktgenau prognostizieren. In: stahl + eisen, Maenken Kommunikation GmbH (2021), H. 8, S. 50-51. ISSN: 0340-4803.

Autoren:
Dipl.-Ing. Mareile Kriwall, 1985, Abteilungsleiterin Prozesstechnik, IPH gGmbH, kriwall@iph-hannover.de, Tel.: 0511 27076 330
David Schellenberg, M.Sc., 1993, ehemaliger Projektingenieur der Abteilung Prozesstechnik, IPH gGmbH
Dr.-Ing. Malte Stonis, 1979, Koordinierender Geschäftsführer, IPH gGmbH
Prof. Dr.-Ing. Bernd-Arno Behrens, 1964, Geschäftsführender Gesellschafter, IPH gGmbH und Institutsleitung des Instituts für Umformtechnik und Umformmaschinen

 

Neues FQS-Forschungsprojekt METIS: Effektive Bewertung von IT-Werkzeugen für die kollaborative Produktentwicklung

Vor dem Hintergrund von Industrie 4.0 hat die kollaborative Entwicklungsarbeit stark zugenommen, da der gesamte Produktlebenszyklus von der Idee bis zum Service berücksichtigt werden muss. Um effektiv zusammenzuarbeiten, müssen Unternehmen eine hohe Interoperabilität in Bezug auf Prozesse, IT-Systeme und gemeinsame Daten gewährleisten. Die Schaffung geeigneter IT-technischer Voraussetzungen für eine effektive kollaborative Produktentwicklung stellt Unternehmen jedoch vor große Herausforderungen. Gerade in kleinen und mittleren Unternehmen (KMU) fehlt es in der Zusammenarbeit oftmals an einer zweckmäßigen IT-Anbindung, wodurch eine Vernetzung häufig nur ad hoc mit bestehenden Systemen stattfindet.

Im Rahmen des neuen Forschungsprojekts METIS der FQS – Forschungsgemeinschaft Qualität e. V. soll in einem Zeitraum von zwei Jahren eine niederschwellige Methode zur kontextabhängigen Analyse, Bewertung und Konfiguration von IT-Tool-Stacks für die kollaborative Produktentwicklung entwickelt werden. Ein IT-Tool-Stack ist die Summe aller informationstechnischen Anwendungen eines Bereichs.

Wissenschaftler:innen der Fachbereiche Qualitätswissenschaft und Industrielle Informationstechnik der Technischen Universität Berlin wollen dazu ein Assistenzsystem aufbauen, das insbesondere KMU mit Ressourcen- und Know-how-Begrenzungen einen einfachen Zugang ermöglicht. Dabei sollen auch Software-as-a-Service (SaaS)-Technologien berücksichtigt werden, die eine einfache und nutzungsbasierte Bezahlung ermöglichen und den finanziellen Aufwand für Unternehmen reduzieren. Durch das als interaktives Dashboard umgesetzte Assistenzsystem sollen KMU dazu befähigt werden, die Gestaltungsmöglichkeiten hinsichtlich der IT-Tool-Stacks in der kollaborativen Produktentstehung bereits in der Anbahnungsphase zu bewerten, auszuwählen und anforderungsgerecht zu implementieren.

Elf Industriepartner begleiten die Forschungsarbeiten als Mitglieder des projektbegleitenden Ausschusses. Die enge Zusammenarbeit zwischen Wissenschaft und Industrie stellt sicher, dass die entwickelte Methode praxisnah und an die Bedürfnisse der Unternehmen angepasst ist.

Über das Forschungsprojekt:

Das IGF-Vorhaben 22534 N der FQS – Forschungsgemeinschaft Qualität e. V., August-Schanz-Straße 21A, 60433 Frankfurt am Main wird über die AiF im Rahmen des Programms zur Förderung der Industriellen Gemeinschaftsforschung (IGF) durch das Bundesministerium für Wirtschaft und Klimaschutz (BMWK) aufgrund eines Beschlusses des Deutschen Bundestages gefördert.

Link zur Projektwebseite

Weitere Informationen zum Projekt und zu Beteiligungsmöglichkeiten können über die Geschäftsstelle der FQS bezogen werden:

FQS – Forschungsgemeinschaft Qualität e. V.
August-Schanz-Straße 21A
60433 Frankfurt am Main

infofqs@dgq.de

Über die FQS

Die FQS – Forschungsgemeinschaft Qualität e. V. (FQS) unterstützt seit 1989 die anwendungsorientierte Forschung rund um das Thema Qualität in Deutschland. Sie versteht sich selbst als Forschungsbereich der Deutschen Gesellschaft für Qualität e. V. (DGQ) und wird von ihr getragen. Die FQS fördert innovative Forschungsideen über das Instrument der Industriellen Gemeinschaftsforschung (IGF) und des Forschungsnetzwerks CORNET des Bundesministeriums für Wirtschaft und Klimaschutz (BMWK). Ziele der Förderung sind möglichst anwendungsnahe Forschungsideen, die einen unmittelbaren Nutzen für die Wirtschaft, insbesondere für kleine und mittelständische Unternehmen (KMU), erbringen.
www.fqs.de

Neuer FQS-Band und Online-Tool zur Bewertung und Verbesserung der kollaborativen Produktentwicklung ab sofort verfügbar

Die heutige Produktentwicklung ist stark geprägt durch kollaborative Entwicklungsprojekte. Die partnerschaftliche Entwicklung von Produkten erfordert eine enge Abstimmung zwischen den beteiligten Unternehmen, insbesondere hinsichtlich der verschiedenen Prozess- und IT-Schnittstellen. Insbesondere für kleine und mittelständische Unternehmen (KMU) stellt das aufgrund begrenzter Ressourcen eine Herausforderung dar. Um eine erfolgreiche Zusammenarbeit in kollaborativen Entwicklungsprojekten zu gewährleisten, müssen Prozesse, Vernetzung sowie die Bereitstellung von Daten und Modell in ihrer Qualität abgesichert sein.

Im FQS-Forschungsprojekt „DIP – Dynamisches Referenzmodell der IT- und Prozessqualität in der digitalen vernetzten Produktentwicklung in KMU“, durchgeführt von der Technischen Universität Berlin (TU Berlin), wurde ein Reifegradmodell entwickelt, das die Qualität der kollaborativen Produktentwicklung ganzheitlich bewertet und Verbesserungsmaßnahmen zur Steigerung und Sicherung insbesondere der Prozess- und IT-Qualität empfiehlt. Das Kollaborations-Reifegradmodell bietet dafür ein leicht anwendbares Assistenzsystem, welches speziell KMU darin unterstützt, eine dynamische Bewertung in Abhängigkeit vom Projektkontext durchzuführen. KMU erhalten dadurch die Möglichkeit, ihre Entwicklungsumgebung in kollaborativen Projekten einfach, schnell und selbstständig zu bewerten und Optimierungspotentiale zu erkennen.

Dr. Christian Kellermann-Langhagen, wissenschaftlicher Geschäftsführer der FQS, erklärt, wie Unternehmen auf die Forschungsergebnisse zugreifen und von ihnen profitieren können:

„Die Ergebnisse des Forschungsprojektes stehen allen interessierten Unternehmen zur Verfügung. In Zusammenarbeit mit der TU Berlin ist ein FQS-Band im Rahmen der FQS-DGQ-Schriftenreihe erschienen, der Unternehmen in der Anwendung und Nutzung der erarbeiteten Ergebnisse unterstützen soll. Darüber hinaus können Unternehmen mithilfe eines zum Projekt entwickelten Online-Tools die Qualität ihrer Zusammenarbeit selbstständig bewerten. Das individuelle Reifegradergebnis kann im Anschluss als PDF-Datei heruntergeladen werden. Neben Analysen zu den unterschiedlichen Bereichen der Entwicklungsumgebung und der Kollaboration erhalten Unternehmen konkrete Handlungsempfehlungen, um so Verbesserungspotentiale zu heben.

Das Thema verfolgen wir in der FQS auch weiterhin: Vor kurzem ist bei uns das Forschungsvorhaben „METIS“ als Folgeprojekt gestartet, das wir ebenfalls mit der TU Berlin umsetzen. Dieses Forschungsprojekt beschäftigt sich mit der Entwicklung einer niederschwelligen Methode zur Analyse und zweckmäßigen Konfiguration von IT-Tool-Stacks für die kollaborative Produktentstehung.“

 

FQS-Band „Reifegradmodell für die kollaborative Produktentwicklung“ – zum Download »

Online-Tool zur selbstständigen Reifegradbewertung – zum Online-Tool »

Weiterführende Informationen zum FQS-Folgeforschungsprojekt METIS »

FQS-Forschungsprojekt „AM Analytics“:  Frühzeitige Defekterkennung für pulverbettbasierte additive Fertigungsprozesse

Die Technologie der „Laser Powder Bed Fusion“ (L-PBF-Verfahren) ermöglicht es, Bauteile aus metallischen Werkstoffen additiv zu fertigen. Dabei wird Metallpulver durch einen Laserstrahl selektiv aufgeschmolzen und Bauteile Schicht für Schicht aufgebaut. Diese Form der laser-additiven Fertigung birgt große Potenziale für die industrielle Produktion, da sie beispielsweise die Fertigung individualisierter Bauteile mit unterschiedlichen Geometrien ermöglicht. Eine zentrale Herausforderung für den Einsatz und die weitere Etablierung des Verfahrens in der industriellen Fertigung stellt die qualitätssichere Gestaltung von L-PBF-Prozessen dar.

Im Rahmen des Forschungsprojektes „AM Analytics“ der FQS – Forschungsgemeinschaft Qualität e.V. entwickeln Wissenschaftlerinnen und Wissenschaftler der Fraunhofer-Einrichtung für Additive Produktionstechnologien IAPT und der Helmut-Schmidt-Universität/Universität der Bundeswehr Hamburg eine automatisierte In-situ-Defekterkennung für die pulverbettbasierte additive Fertigung.

Im Interview gibt Philipp Kohlwes, Head of L-PBF am Fraunhofer IAPT, einen Ausblick auf die entstehende Lösung und erklärt, wie Unternehmen von den Forschungsergebnissen profitieren können.

Aus welcher Problemstellung heraus ist das Forschungsprojekt entstanden?
Philipp Kohlwes: Die Qualitätssicherung des L-PBF-Prozesses stellt aufgrund unzureichender Prozesskontrolle und Wiederholbarkeit noch eine Herausforderung für die industrielle Etablierung des Verfahrens dar. Die Folge sind erhöhte Kosten durch Ausschussproduktion. In der Serienfertigung liegt die Ausschussquote durchschnittlich bei 10 – 15 %, bei Produkteinführungen oder Produktionsumstellungen sind es sogar 60 %.

Welche Lösung wird im Forschungsprojekt AM Analytics entwickelt?
Philipp Kohlwes: In unserem Forschungsprojekt wollen wir eine frühzeitige Defekterkennung für den additiven Fertigungsprozess entwickeln, um so die Produktionskosten um mindestens 40 % zu reduzieren. Dazu soll eine In-situ-Defekterkennung entstehen, die in Kombination mit einer intelligenten KI-Datenauswertung kritische Defekte bereits während des additiven Bauprozesses erkennen kann. Mit der Lösung wird eine Detektionswahrscheilichkeit von mehr als 98 % angestrebt.

Wer soll von den Ergebnissen profitieren und welcher konkrete Nutzen ergibt sich für Unternehmen?
Philipp Kohlwes: Schauen wir uns ein Beispiel an: Ein KMU verfügt über fünf additive Fertigungsanlagen mit einer Anlagenauslastung von 64 % im Zweischichtbetrieb. Eine solche Produktion wird durchschnittlich circa 1.800 Baujobs im Jahr durchführen können. Die Fertigungskosten eines einzelnen Baujobs betragen erfahrungsgemäß circa 2.000 Euro. Als typische Ausschussquote werden 12,5 % angenommen.

Berechnen wir für dieses Beispiel die ausschussbedingten Produktionskosten, die durch das Projekt pro Jahr für das KMU eingespart werden können, kommen wir auf einen Betrag von 0,45 Millionen Euro pro Jahr.

Zusätzlich kann durch eine zuverlässige ortsaufgelöste In-situ-Defekterkennung die nachgelagerte Qualitätssicherung effizienter durchgeführt werden. So lassen sich weitere Kosten einsparen. Werden bei dem oben genannten KMU sicherheitskritische Bauteile produziert, so entsprechen die Kosten für die nachgelagerte Qualitätssicherung 70 % der Herstellkosten. Es wird angenommen, dass durch die zuverlässige In-situ-Defekterkennung 50 % der nachgelagerten Qualitätssicherungskosten eingespart werden, da die kritischen Defekte bereits lokalisiert sind. Somit ergibt sich die eine Kostenersparnis von 1,26 Millionen Euro pro Jahr.

Die Rechnung zeigt, dass ein KMU durch frühzeitiges Abbrechen fehlerhafter Baujobs und effizientere nachgelagerte Qualitätssicherung Kosten in Höhe von 1,7 Millionen Euro jährlich einsparen kann.

Wie sieht das weitere Vorgehen im Projekt aus?
Philipp Kohlwes: Zunächst werden die L-PBF Qualitätsanforderungen an die additive Fertigung ermittelt und dokumentiert. Anschließend sollen Experimente mit defektbehafteten Probekörpern durchgeführt werden, die auf industrierelevanten Defekten basieren. In einem weiteren Arbeitspaket werden wir mit Fokus auf die Nutzbarkeit für Algorithmen des maschinellen Lernens eine neuartige Datenstruktur mit kombinierter Sensorik und Prüfdaten entwickeln. Für die entstehende KI-Defektanalytik konzipieren wir im Anschluss mögliche KI-Modelle auf multimodalen Sensordaten und erarbeiten Bewertungskriterien für die Modelle. Auswahl und Hyperparameteroptimierung des KI-Modells wird dann auf Basis der Bewertungskriterien erfolgen. Um Defektergebnisse für die digitale Überlagerung zur Verfügung zu stellen, werden dann Prüfkörper vollständig mit etablierten Messverfahren untersucht. So soll am Ende ein validierter KI-Defektdetektions-Algorithmus zur zuverlässigen Prognose von Defekten basierend auf In-situ-Messdaten der kombinierten Sensortechnologie entstehen.

Über die Interviewpartner:

Philipp Kohlwes, Head of L-PBF, Fraunhofer-Einrichtung für Additive Produktionstechnologien IAPT

Oliver Burkhardt, Dr. Ing. Luft- & Raumfahrt und Patentingenieur, Leiter Technologie & Patentmanagement, Autoflug GmbH

https://www.autoflug.com/de/autoflug-gmbh/

Über das Forschungsprojekt:

Das IGF-Vorhaben 22450 N der FQS – Forschungsgemeinschaft Qualität e. V., August-Schanz-Straße 21A, 60433 Frankfurt am Main wird über die AiF im Rahmen des Programms zur Förderung der Industriellen Gemeinschaftsforschung (IGF) durch das Bundesministerium für Wirtschaft und Klimaschutz (BMWK) aufgrund eines Beschlusses des Deutschen Bundestages gefördert.

Über die FQS

Die FQS – Forschungsgemeinschaft Qualität e. V. (FQS) unterstützt seit 1989 die anwendungsorientierte Forschung rund um das Thema Qualität in Deutschland. Sie versteht sich selbst als Forschungsbereich der Deutschen Gesellschaft für Qualität e. V. (DGQ) und wird von ihr getragen. Die FQS fördert innovative Forschungsideen über das Instrument der Industriellen Gemeinschaftsforschung (IGF) und des Forschungsnetzwerks CORNET des Bundesministeriums für Wirtschaft und Klimaschutz (BMWK). Ziele der Förderung sind möglichst anwendungsnahe Forschungsideen, die einen unmittelbaren Nutzen für die Wirtschaft, insbesondere für kleine und mittelständische Unternehmen (KMU), erbringen.
www.fqs.de

Kontakt:

FQS – Forschungsgemeinschaft Qualität e. V.
August-Schanz-Straße 21A
60433 Frankfurt am Main
infofqs@dgq.de

Crowdworking qualitätssicher im Unternehmen einsetzen: Neues Projektvideo zeigt Ergebnisse des FQS-Forschungsprojekts „QM für Crowdsourcing“

Die Bedeutung von Crowdsourcing ist in den letzten Jahren stark gestiegen. Bei dieser digitalen Form der Arbeitsorganisation lagern Unternehmen bestimmte Aufgaben mittels eines offenen Aufrufs über das Internet aus. Eine Menge potenzieller Internet-User, die sogenannte „Crowd“, übernimmt die Bearbeitung der Aufgaben und reicht Beiträge zu deren Lösung ein.

Das Spektrum der ausgelagerten Tätigkeiten ist dabei breit gefächert: Es umfasst sowohl komplexe, kreative und entwicklerische Tätigkeiten, wie beispielsweise Ideengenerierung, Innovationen und Produktentwicklung als auch zeitaufwändige Tätigkeiten wie das Markieren von Bildern oder das Programmieren von Makros. Der Einsatz von Crowd-basierten Mechanismen ermöglicht Unternehmen einen einfachen und schnellen Zugriff auf externe Experten sowie Arbeitsleistungen „On Demand“ zu nutzen und interne Ressourcen besser auszuschöpfen. Gerade für kleine und mittelständische Unternehmen (KMU) und Start-ups, die nicht für alle Themen über Fachexperten verfügen, hält Crowdworking große Potenziale bereit.

Die Nutzung der digitalen Arbeitsform stellt jedoch häufig noch eine Herausforderung dar. So stellt sich unter anderem die Frage, inwieweit die Qualität der durch die Crowd eingereichten Beiträge den Erwartungen der Unternehmen entsprechen oder die Beiträge der Crowd Fehler enthalten. Im Rahmen des FQS-Forschungsprojektes „QM für Crowdsourcing“ – durchgeführt von den Fachbereichen Qualitäts- und Prozessmanagement und Wirtschaftsinformatik der Universität Kassel – wurde über einen Zeitraum von zwei Jahren unter anderem ein Referenzprozessmodell mit konkreten Handlungsempfehlungen zur Anpassung und Ergänzung des Qualitätsmanagements entwickelt, das insbesondere KMU dabei unterstützen soll, Crowdsourcing und Crowdworking qualitätssicher einzusetzen.

In einem neu veröffentlichten Projektvideo aus der FQS-Videoreihe stellen die beteiligten Fachbereiche der Universität Kassel die Forschungsarbeiten vor und zeigen, wie Unternehmen von den vorgestellten Lösungen profitieren können. Ergänzt werden die Einblicke durch eine Praxisstimme des am Projekt beteiligten Industriepartners InTec automation GmbH:

Videoreihe der FQS – Forschungsgemeinschaft Qualität e. V.

Das Projektvideo „QM für Crowdsourcing“ ist Teil einer neuen Videoreihe der FQS – Forschungsgemeinschaft Qualität e.V., die die Arbeit und Themen der FQS als Forschungsarm der DGQ vorstellt und Einblicke in aktuelle Forschungsprojekte gibt. Zur Videoreihe »

 

Möchten Sie mehr zum Thema QM für Crowdsourcing erfahren?

Im nächsten mitgliederexklusiven Chili con Q-Webinar am 29. Juni 2023 von 15:00 bis 16:00 haben Sie die Gelegenheit, das Forschungsprojekt näher kennenzulernen. Sie erfahren:

• Was es mit den Konzepten Crowdworking und Crowdsourcing auf sich hat
• Welche Vorteile und Herausforderungen dieser Ansatz mit sich bringt
• Wie Sie Crowdworking qualitätssicher in Ihrem Unternehmen einsetzen können

Noch kein DGQ-Mitglied? Dann testen Sie jetzt 3 Monate beitragsfrei die DGQ-Schnuppermitgliedschaft und seien Sie beim Webinar am 29. Juni 2023 von 15:00 bis 16:00 Uhr dabei!
Jetzt anmelden »

 

Weitere Informationen zum Projekt und Kontakt:

Zur Projektwebseite „QM für Crowdsourcing“ »

FQS – Forschungsgemeinschaft Qualität e. V.
August-Schanz-Straße 21A
60433 Frankfurt am Main
infofqs@dgq.de

FQS-Forschungsprojekts MIQFEM: Smartes Fehlermanagementsystem für Kosten- und Zeitersparnis

Um effektive Prozesse zur Fehlerabstellung und -vermeidung umzusetzen, ist die Einführung eines systematischen Fehlermanagementsystem notwendig. Die Grundlage bilden Qualitätsregelkreise. Deren Ziel ist es, Abweichungen und Störungen zu Qualitätsvorgaben zu erkennen, zu analysieren und entsprechende Korrekturmaßnahmen zu ergreifen. Insbesondere kleine und mittelständische Unternehmen (KMU) besitzen jedoch aufgrund begrenzter finanzieller und personeller Ressourcen nur selten ein systematisches Qualitätsmanagement zur umfangreichen Erfassung und Analyse von Qualitätsdaten sowie deren Einbettung in Qualitätsregelkreise.

Im Rahmen des vor Kurzem gestarteten FQS-Forschungsprojektes MIQFEM wird ein smartes Fehlermanagementsystem entwickelt, das die systematische Nutzung einer Fehlerwissensbasis ermöglicht und sich durch die Interaktion mit Mitarbeitenden im ständigen Lernprozess befindet. Das durch KI-Methoden unterstützte System soll in der Lage sein, zukünftige Fehlerereignisse vorherzusagen, Fehlerzusammenhänge frühzeitig zu erkennen, mögliche Problemursachen zu identifizieren und daraus Maßnahmen abzuleiten. Zusätzlich werden Mitarbeitende dialogbasiert bei der Auswahl und Durchführung der Problemlösungsmethoden unterstützt.

Das Fachgebiet Qualitätswissenschaft der Technischen Universität Berlin führt die zweijährigen Forschungsarbeiten durch. Neun Unternehmen begleiten die Forschungsarbeiten als Mitglieder des projektbegleitenden Ausschusses.

Über das Forschungsprojekt:

Das IGF-Vorhaben 22530 N der FQS – Forschungsgemeinschaft Qualität e. V., August-Schanz-Straße 21A, 60433 Frankfurt am Main wird über die AiF im Rahmen des Programms zur Förderung der Industriellen Gemeinschaftsforschung (IGF) durch das Bundesministerium für Wirtschaft und Klimaschutz (BMWK) aufgrund eines Beschlusses des Deutschen Bundestages gefördert.

Weitere Informationen zum Projekt und zu Beteiligungsmöglichkeiten können über die Geschäftsstelle der FQS bezogen werden:

FQS – Forschungsgemeinschaft Qualität e. V.
August-Schanz-Straße 21A
60433 Frankfurt am Main

infofqs@dgq.de

FQS-Forschungsprojekt: Das ISO GPS-System erfolgreich in die Praxis integrieren

Das System der Geometrischen Produktspezifikation und -verifikation (ISO GPS-System) bildet als größtes Normensystem der ISO im Maschinenbaubereich den Stand der Technik für die Spezifikation und Verifikation von Bauteilen ab. Das umfangreiche Normensystem zu durchschauen und umzusetzen, stellt für viele Unternehmen jedoch eine Herausforderung dar.

Im Rahmen des von der FQS Forschungsgemeinschaft Qualität e. V. geförderten Forschungsprojektes „GPSlife“ wurden in einem Zeitraum von zwei Jahren unter der Leitung der Professur Fertigungsmesstechnik an der TU Chemnitz gemeinsam mit Partnern aus Industrie und Weiterbildung neue und nachhaltige Umsetzungsstrategien für das komplexe ISO GPS-System entwickelt. Ziel des Projektes war es, durch eine reifegradbasierte Roadmap Methoden und Vorgehensweisen zur Integration der Geometrischen Produktspezifikation in der Praxis zu erarbeiten, welche insbesondere auf die Anforderungen von KMU abgestimmt sind, um somit flächendeckend ein gelebtes GPS-System zu erreichen. Im Interview stellen Prof. Dr. Sophie Gröger, Leiterin der Professur Fertigungsmesstechnik an der TU Chemnitz und Juliane Schuldt, wissenschaftliche Mitarbeiterin der Professur Fertigungsmesstechnik an der TU Chemnitz, die wichtigsten Ergebnisse vor.

Welche Relevanz hat das ISO GPS-System heute und welche konkreten Chancen ergeben sich durch die Nutzung des Normensystems?
Prof. Dr. Sophie Gröger: “Mit dem internationalen Normensystem der Geometrischen Produktspezifikation und -verifikation als umfassende non-verbale Sprache wird die einheitliche und vollständige Beschreibung der Geometrie von Produkten gewährleistet. Aus diesem Grund hält dieses System in immer weiteren Bereichen und Branchen, wie z. B. der Medizintechnik, Einzug. Vor allem in KMU ist bis heute unzureichend bekannt, welche Potentiale die betriebliche Einführung und eine konsequente Anwendung für die langfristige Wettbewerbssicherung mit sich bringt. Neben eindeutigen, vollständigen und rechtssicheren Spezifikationen, ergeben sich unter anderem Chancen durch die Reduzierung von Mehrdeutigkeiten, Rückführbarkeit von Messungen und Konformität zu QM Vorgaben. Außerdem ist die Anwendung des ISO GPS-Systems eine elementare Vorbereitung auf Zukunftsthemen, wie beispielsweise Digitaler Zwilling, Closed Loop Engineering, die Synchronisierung von Konstruktion, Fertigung und Qualitätssicherung sowie die Weiterentwicklung aktueller Simulationsmethoden (Montagesimulation etc.).”

Vor welchen Herausforderungen stehen Unternehmen, insbesondere kleine und mittelständische Unternehmen (KMU), bei der Anwendung des ISO GPS-Systems?
Prof. Dr. Sophie Gröger: “Das ISO GPS-System unterliegt seit Jahren einem starken normativen, regelgebundenen Wandel, wobei zahlreiche Abkürzungen, Symbole, Prinzipien und Regeln in neuen und überarbeiteten Normen veröffentlicht werden. Dabei existierten bis 1996 weniger als 40 Einzelnormen. Seitdem wurden zahlreiche Normen hinzugefügt, sodass es aktuell reichlich 150 gültige und weitere 20 in Überarbeitung befindliche Normen gibt. So wurde beispielsweise die zentrale Norm zur geometrischen Tolerierung, die ISO 1101, in den Jahren 2011, 2014 und bereits wieder 2017 überarbeitet und erweitert. Diese hohe Überarbeitungsgeschwindigkeit stellt nicht nur für KMU eine große Herausforderung dar. Das Gesamtsystem nahm in den letzten Jahren eine Komplexität und Dynamik an, die für Unternehmen schwer überschaubar ist.

Zudem sind in KMU oft nur geringe Personalkapazitäten für die Beschaffung und Integration neuer Normen vorhanden. Darüber hinaus fehlen Standards für die Aus- und Weiterbildung auf diesem Gebiet. Zum Integrationsvorgehen existierten vor dem Forschungsprojekt auch keine veröffentlichten und allgemeingültigen Empfehlungen. Die Folge dieser normativen Komplexität und der fehlenden Ausbildung ist ein differenzierter Umgang mit dieser Fachsprache, der mit zunehmenden Akzeptanz- und Anwendungsschwierigkeiten einhergeht.”

Was ist für ein gelebtes GPS-System notwendig?
Juliane Schuldt: “Die Einführung und nachhaltige Anwendung des ISO GPS-Systems muss als langfristiger Veränderungsprozess von den Unternehmen verstanden werden. Für die erfolgreiche Einführung, Verwirklichung, Aufrechterhaltung, Verbesserung und Weiterentwicklung des ISO GPS-Systems ist ein neues Aus- und Weiterbildungskonzept verbunden mit einer Integrationsstrategie und eines Bewertungsinstruments notwendig. Im Rahmen des Forschungsvorhabens wurde eine Roadmap erarbeitet, welche das Integrationsvorgehen Schritt für Schritt beschreibt und einen Methodenkasten zur Unterstützung der sechs Phasen enthält. Da die Einführung nicht ohne eine begleitende Schulung aller Fachkräfte, jedoch in unterschiedlicher Geschwindigkeit und Tiefe, ablaufen kann, entstand ein neues Aus- und Weiterbildungskonzept. Zur objektiven Bewertung des Integrationsvorgehens sowie des Weiterbildungsprozesses stellt ein kompetenzbasiertes GPS-Reifegradmodell, welches im Rahmen des Projektes entwickelt und teilweise bereits erprobt ist, eine ganz neue Dimension dar.”

Wie ist das im Forschungsprojekt erarbeitete GPS-Ausbildungskonzept aufgebaut?
Juliane Schuldt: “Herzstück des neuen GPS-Ausbildungskonzeptes ist eine Differenzierung aller GPS-Normeninhalte in fünf Schwierigkeitslevel. Im Rahmen des Projektes wurden die Level Anfänger/in, Fortgeschrittene/-r, Erfahrene/-r, Spezialist/in und Master/Coach ausgearbeitet und beschrieben. Im Level 1 „Anfänger/-in“ werden Grundlagen, Basiswissen, Prinzipien und Regeln zur Anwendung des ISO GPS-Systems vermittelt. Es werden Zusammenhänge zwischen Funktion, Spezifikation, Herstellung und Verifikation vermittelt. Im Level 2 und 3 wird das GPS-Verständnis vertieft und mittels Übungsszenarien anwendbares GPS-Wissen vermittelt. Ab dem Level 4 werden die GPS-Inhalte auf unternehmensspezifische Beispiele übertragen, Sonderfälle geschult und komplexe Sachverhalte integriert. Als Master im Level 5 ist man im Unternehmen zuständig für die interne Beratung und ggf. Schulung, praktische Integration neuer Normeninhalte und/oder Anpassen interner Regelungen, Templates usw. Diese Level-Struktur ermöglicht es, fachkräftespezifisch die GPS-Inhalte zu vermitteln, denn nicht jeder Mitarbeiter im Unternehmen benötigt GPS-Wissen in gleicher Menge und Tiefe.”

Was müssen Unternehmen bei der Einführung des GPS-Systems berücksichtigen?
Prof. Dr. Sophie Gröger: “Im Forschungsprojekt wurden einerseits verschiedene Unternehmen befragt, welche sich schon länger mit der Integration des GPS-Systems beschäftigen, anderseits wurden bewährte Konzepte aus der Einführung von QM-Systemen und ERP-Systemen recherchiert. Daraus wurde u.a. eine Successful Practice für die GPS-Integration abgeleitet. Diese beinhaltet den Entwurf eines Unternehmenskonzeptes im Vorfeld des Einführungsprozesses und die Bildung eines ISO GPS-Expertenteams für das Unternehmen sowie die Benennung eines GPS-Hauptverantwortlichen für die Projektleitung und langfristige Koordination. Anschließend folgt die Erstellung eines Schulungskonzeptes und die gestaffelte Ausbildung der Beschäftigten. Regelmäßige interne Spezifikations- und Verifikationsreviews unterstützen den Prozess. Es folgt die Übertragung auf unternehmensspezifische Inhalte und die Erstellung von Templates, Vorgehensweisen, Musterzeichnungen, Konstruktionszeichnungen für die nachhaltige Anwendung.”

 

Mit dem im Rahmen des Forschungsprojekts entwickelten Reifegradmodells lassen sich erstmals GPS-Kompetenzen objektiv bewerten. Welche Dimensionen werden abgebildet und wie können Unternehmen das Modell einsetzen?
Juliane Schuldt: “Für das Reifegradmodell wurde das gesamte GPS-System in 12 Dimensionen eingeteilt. Dazu zählen beispielsweise Allgemeintoleranzen, Form-, Richtungs-, Orts- und Lauftolerierungen und Rauheit. Aktuell existiert das Reifegradmodell als Excel-Programm. Zu allen Dimensionen wurden Indikatoren definiert, welche jeweils mit einer „klickbaren“ Checkliste untersetzt sind. Diese Checklisten können Mitarbeitende als Selbsteinschätzung nutzen oder Führungskräfte im Rahmen von Personalgesprächen bzw. zur Erhebung des Weiterbildungsbedarfs. Mit dem Reifegradmodell lassen sich aber auch anonym GPS-Kompetenzen von Organisationseinheiten erheben oder im Rahmen der Lieferantenbewertung ist eine Anwendung möglich. Die Auswertung aller Checklisten und damit die Bestimmung des Reifegrades erfolgt tabellarisch und zusätzlich grafisch als Sunburst-Diagramm. Für eine breite Anwendung wird derzeit eine webbasierte Version entwickelt, welches zukünftig über die Projektwebsite abgerufen werden kann.”

Welchen Nutzen haben die Forschungsergebnisse und wie können Unternehmen nach Projektabschluss von den erarbeiteten Lösungen profitieren?
Prof. Dr. Sophie Gröger: “Das beschriebene GPS-Integrationsvorgehen, GPS-Ausbildungskonzept und das entwickelte GPS-Reifegradmodell bieten die optimale Grundlage, das ISO GPS-System im Unternehmen nachhaltig einzuführen. Mit Hilfe der beschriebenen „Schritt für Schritt“- Integrationsstrategie wird eine Komplexitätsreduzierung erreicht, welche den Aufwand für die Einführung des GPS-Systems überschaubar macht. Durch die ganzheitliche Vorgehensweise mit lexikalischer Erarbeitung des Wissens und fortlaufender Reifgradbewertung werden die KMU befähigt, zukünftige Neuerungen im GPS-System selbstständig umzusetzen. Eng verzahnt mit dem Schulungskonzept ergänzt das vorgestellte Reifegradmodell den GPS-Einführungs- und Anwendungsprozess. Das GPS-Reifegradmodell steht in gekürzter Fassung als „Light“-Version demnächst über die Projekthomepage zur Verfügung. Im DIN-Normenausschuss NA 152-02-03 gibt es erste Bestrebungen die Anwendung des GPS-Systems mit einer Schritt-für-Schritt-Strategie zu beschreiben und als Leitfaden zusammenzustellen.”

 

 

Über die Interviewpartner:

Prof. Dr. Sophie Gröger, Leiterin Professur Fertigungsmesstechnik an der TU Chemnitz

Juliane Schuldt, wissenschaftliche Mitarbeiterin Professur Fertigungsmesstechnik an der TU Chemnitz

Renate Kettner, Corporate Development, CAD Inhouse Consultant / Design Engineer, Hirschvogel Umformtechnik GmbH

Dietmar Heuer, DGQ-Produktmanager, DGQ Weiterbildung GmbH

 

DGQ-Forschung – Neue Videoreihe gibt Einblicke in aktuelle Projekte und Arbeit der FQS Forschungsgemeinschaft Qualität e.V.

Wer ist die FQS Forschungsgemeinschaft Qualität e.V. (FQS), wie arbeitet sie und welche Themen stehen aktuell im Fokus? Antworten auf diese und weitere Fragen rund um das Thema Forschung in der DGQ finden Innovations- und Forschungsinteressierte in einer neuen Videoreihe, in der aktuelle Forschungsprojekte der FQS vorgestellt werden. Neben einer allgemeinen Vorstellung der FQS und ihrer Arbeitsweise, stehen drei laufende FQS-Forschungsprojekte am Institut für Integrierte Produktion Hannover (IPH gGmbH) im Zentrum der neu veröffentlichten Videobeiträge. Schwerpunkte des Partnerforschungsinstituts der FQS liegen in den Bereichen Produktionsautomatisierung, Prozesstechnik und Logistik. Thematisch beschäftigen sich die Projekte mit Qualitätssicherung in Bereich 3D-Druck und Predictive Maintenance bei Schmiedeprozessen. In den Videobeiträgen geben Forschungspartner:innen des IPH einen Einblick in die laufende Projektarbeit, stellen Forschungsziele und -ergebnisse vor und berichten über die Zusammenarbeit mit den beteiligten Industriepartnern.

In den nachfolgenden Videos erhalten Sie Einblicke in die Forschungsarbeit der FQS sowie die derzeit laufenden Forschungsprojekte am Institut für Integrierte Produktion Hannover:

Vorstellung der FQS Forschungsgemeinschaft Qualität e.V. 
Wer ist die FQS Forschungsgemeinschaft Qualität e.V. und was tut sie? Lernen Sie den Forschungsbereich der DGQ kennen und erfahren Sie von Dr. Christian Kellermann-Langhagen, wissenschaftlicher Geschäftsführer der FQS, wie die FQS arbeitet, welche Themen beforscht werden und wie sich Unternehmen in der FQS beteiligen und von den eingesetzten Förderprogrammen profitieren können.

Vorstellung FQS-Partnerforschungseinrichtung: IPH – Institut für Integrierte Produktion Hannover gGmbH
In Zusammenarbeit mit bundesweit mehr als 20 Forschungseinrichtungen realisiert die FQS innovative und praxisnahe Projekte im Rahmen der Industriellen Gemeinschaftsforschung (IGF). Eines der Partnerforschungsinstitute der FQS ist das IPH – Institut für Integrierte Produktion Hannover gGmbH. Im Interview stellt Jens Kruse, Gruppenleiter Innovative Fertigungsverfahren am IPH, die Forschungsschwerpunkte des Instituts sowie laufende Forschungsprojekte im Bereich der additiven Fertigung vor.

FQS-Forschungsprojekt QualLa – Qualitätssicherung beim Laserstrahlschweißen additiv gefertigter Bauteile
Wie lassen sich Bauteile aus dem 3D-Drucker qualitätssicher mit dem Laser schweißen? Mit dieser Fragestellung beschäftigt sich das von der FQS geförderte Forschungsprojekt QualLa, das das IPH – Institut für Integrierte Produktion Hannover gGmbH gemeinsam mit dem Laser Zentrum Hannover e. V. durchführt. Gewinnen Sie in diesem Video einen Einblick in das entstehende Expertensystem, das insbesondere kleine und mittelständische Unternehmen darin unterstützt, additive Fertigungsprozesse im Hinblick auf das Schweißen von inhomogenen Kunststoffen zu optimieren. Fragen rund um das Projekt beantwortet Torben Mente, Projektingenieur am IPH, in diesem Video.

FQS-Forschungsprojekt SAViour – Qualitätssicherung für personalisierte Medizinprodukte aus dem 3D-Drucker
3D-Druck ermöglicht eine Produktion in Losgröße 1, was insbesondere für die Medizintechnik interessant ist. Eine große Herausforderung stellt jedoch die Qualitätssicherung dar. Im Fokus des FQS-Forschungsprojekts SAViour, an dem das IPH – Institut für Integrierte Produktion Hannover gGmbH sowie das Werkzeugmaschinenlabor WZL der RWTH Aachen beteiligt sind, steht die Entwicklung einer Sensorik- und App-basierten Qualitätskontrolle personalisierter Produkte aus dem 3D-Drucker. Wie das entstehende Qualitätsmodell funktioniert und wie Unternehmen von der entwickelten Lösung profitieren können, erklärt Anne Rathje, Projektingenieurin am IPH, im Interview.

FQS-Forschungsprojekt VorÜber – Predictive Maintenance in der Schmiedeindustrie
Wie lange hält das Schmiedewerkzeug? Die Lebensdauer von Schmiedegesenken wird in der Praxis meist auf Basis von Erfahrungswerten abgeschätzt. Im Rahmen des FQS-Forschungsprojekts VorÜber entwickelt das IPH – Institut für Integrierte Produktion Hannover gGmbH eine vorausschauende Prozessüberwachung, die es ermöglicht die Lebensdauer von Schmiedewerkzeugen nun auch exakt vorherzusagen. Erfahren Sie im Interview mit David Schellenberg, Projektingenieur am IPH, wie das Prognosemodell funktioniert und welche Einsparpotenziale sich dadurch für Unternehmen ergeben.

 

Als Forschungsbereich der DGQ begleitet die FQS industrienahe und anwendungsorientierte Forschungsprojekte im Rahmen der Industriellen Gemeinschaftsforschung (IGF), die durch das Bundesministerium für Wirtschaft und Klimaschutz (BMWK) gefördert werden. In der IGF können insbesondere kleine und mittelständisch geprägte Unternehmen gemeinsame Probleme durch gemeinsame Forschungsaktivitäten lösen und so strukturbedingte Nachteile auf dem Gebiet der Forschung ausgleichen. Unternehmen haben die Möglichkeit, sich an Vorhaben der FQS zu beteiligen, Anforderungen einzubringen und von neu entwickelten Methoden und Strategien zu profitieren.

Industriepartner für FQS-Forschungsvorhaben gesucht: Fuzzy Empfehlungsassistenten zur Fehlerbeseitigung in der Zuliefererkette

Im Verlauf der letzten Jahre haben die Spannungen zwischen Original Equipment Manufacturer (OEM) und kleinen und mittleren Unternehmen (KMU) in Zuliefererketten stark zugenommen. Die Beziehungen sind durch mangelhafte oder gänzlich fehlende Kooperation und Kommunikation, sowie ungleiche Machtgefüge geprägt. Dies führt zu Problemen in der Fehlerbewältigung. Tritt ein Fehler im Feld auf, wird dieser zwecks Ursachenidentifikation und Definition von Abstellmaßnahmen in die Zuliefererkette gegeben. Zumeist sucht jeder Zulieferer eigenverantwortlich nach den möglichen Fehlerursachen und Lösungsmaßnahmen. Die derzeitig verwendeten Methoden zur Dokumentation und Analyse von Fehlern sind der 8D-Report, das SCOR-Modell und der NTF-Prozess des Schadteilanalyseprozesses des Verbands der Automobilindustrie (VDA). Der Einsatz dieser Methoden ist jedoch zum einen mit einem hohen Zeit- bzw. Personalaufwand verbunden und zum anderen wird nicht geregelt, wie und an wen die Ergebnisse kommuniziert werden sollen. Die Kommunikation der Ergebnisse hat jedoch eine hohe Relevanz für einen effizienten Umgang mit aufgetretenen Fehlern in Zulieferketten. Im Rahmen des geplanten Forschungsprojekts FuFeZ soll dieser Handlungsbedarf mittels eines KI-basierten Referenzmodells gedeckt werden, welches eine zielgerichtete Kommunikation zwischen OEM und KMU ermöglicht.

Das Projektvorhaben FuFeZ

Ziel des avisierten Forschungsprojekts ist die Entwicklung eines Referenzmodells zum erleichterten Umgang mit Feld-Fehlern in Zuliefererketten, unterstützt durch zwei KI-basierte Empfehlungsassistenten. Während ein Assistent potenzielle Fehlerursachen vorschlägt, kommuniziert der zweite Assistent daraus resultierende konkrete Maßnahmen zur Fehlerbehebung. Unternehmen sollen in der Lage sein, das Referenzmodell und die Empfehlungsassistenten eigenständig anzuwenden.

Im Folgenden ist eine vorläufige Ideenskizze des Referenzmodells zu sehen (Abb. 1):

Im ersten Schritt werden die Kundenreklamationen durch die Werkstätten oder den OEM selbst aufgenommen. Als Nächstes ist es die Aufgabe des OEMs die Fehlerbeschreibung durchzuführen, wobei eine Mindestanzahl an Daten vom OEM preisgegeben werden muss. Diese zwei Schritte sind erforderlich, damit die Fehlerklassifikation mittels einer zu entwickelnden Schablone (Klassifikations-Template) umgesetzt werden kann. Dadurch sind insbesondere KMU in der Lage zu ermitteln, ob für sie ein Handlungsbedarf besteht. Im Anschluss werden den Unternehmen potentielle Fehlerursachen mittels des Empfehlungsassistenten (Fuzzy-Neuro-System) vorgeschlagen. Durch einen zweiten Empfehlungsassistenten werden Maßnahmen zur Abstellung der ausgewählten Fehlerursache empfohlen. Diese allgemeinen Maßnahmen dienen als Ansatz zur Orientierung, sodass KMU Methoden zur Ursachen- und Maßnahmenbestimmung nicht mehr selbstständig durchführen müssen, wodurch sich Zeit und Personal einsparen lassen. Ergänzt werden sollen die Maßnahmen durch statische Empfehlungen. Hierbei wird zusätzlich die Information ausgegeben, welche Voraussetzungen vor der Durchführung der eigentlichen Maßnahme erfüllt sein müssen. Im Anschluss an die Durchführung der Maßnahmen wird ihre Wirksamkeit ermittelt.

Welche Vorteile hat FuFeZ für Unternehmen?

Durch die Anwendung des Referenzmodells und die vorgeschlagenen Fehlerursachen sowie Abstellmaßnahmen der Empfehlungsassistenten kann die Erkennungs- und Behebungszeit bei auftretenden Feld-Fehlern in Zuliefererketten deutlich gesenkt werden. Des Weiteren bietet FuFeZ mit seiner benutzerfreundlich gestalteten Software Unternehmen die Möglichkeit, die geeignetste Fehlerursache und (Abstell-)Maßnahme für die Fehlerbeschreibung mit geringem Aufwand aus dem vorgeschlagenen Katalog auszuwählen und gegebenenfalls. anzuwenden. Auf diese Weise können Unternehmen Fehlerkosten durch korrekte und schnelle Behandlung von Fehlerereignissen minimieren, nachhaltige Wettbewerbsvorteile erlangen und einen KI-basierten sowie digitalisierten Reifegrad erreichen. Weitere Ziele sind die Verringerung der Belastung und Beanspruchung von Mitarbeitenden im Fehlermanagementprozesses und der Aufbau einer positiven Fehlerkultur.

Diese Vorteile werden erreicht durch:

1. Entwicklung eines neuen Referenzmodells, welches den aktuellen Forschungsstand abbildet, als auch den praktischen Bedarf der Unternehmen in Zuliefererketten widerspiegelt.
2. Sicherstellung zur unternehmensübergreifenden Kommunikation durch KI-basierte Empfehlungen des Referenzmodells.
3. Entwicklung eines Klassifikations-Templates zur konkreten Fehlerbeschreibung durch beziehungsweise für die Zulieferer.
4. Entwicklung von Ursachen- und dazugehörigen Maßnahmenvorschlägen durch jeweils einen Empfehlungsassistenten, welcher durch Fuzzy-Neuro-Systeme determiniert und kontinuierlich gepflegt werden soll.

Bei Berücksichtigung dieser vier Punkte können die Unternehmen effizienter mit Feld-Fehlern in Zuliefererketten umgehen.

Wie können sich Unternehmen am Projektvorhaben beteiligen?

Das geplante Forschungsprojekt wird durch das Fachgebiet Qualitätswissenschaft der Technischen Universität Berlin initiiert und von der FQS Forschungsgemeinschaft Qualität e. V mit Mitteln des Bundesministeriums für Wirtschaft und Klimaschutz (BMWK) gefördert.

Interessierte Unternehmen, insbesondere KMU, haben die Möglichkeit, sich als Mitglied des Projektbegleitenden Ausschusses zu beteiligen. Hierbei wirken sie bei der Steuerung des Projektes und bei der Beratung der Forschungseinrichtung mit und profitieren frühzeitig von den erzielten Ergebnissen. Hierzu kann auch eine prototypische Umsetzung im Unternehmen durch die Forschungseinrichtung gehören. Detailliertere Informationen zum Vorhaben und Beteiligungsmöglichkeiten finden sich im Projektsteckbrief.

 

Über den Autor: Turgut Refik Caglar

Als wissenschaftlicher Mitarbeiter und Doktorand am Fachgebiet Qualitätswissenschaft der TU Berlin erforscht Turgut Refik Caglar, wie sich KI-Algorithmen durch ständige Kommunikation mit Mitarbeitenden weiterentwickeln und zu kontinuierlichen Prozessverbesserungen beitragen können. Dazu zählen insbesondere Forschungsbereiche wie Empfehlungssysteme, KI-basiertes Shopfloor Management, Verarbeitung natürlicher Sprache (NLP) und kognitive Algorithmen.

Kontakt:
t.caglar@tu-berlin.de

Interview zum FQS-Forschungsvorhaben SAPEQ: Fit für Smart Data Analytics in der Produktentstehung

Insbesondere in der Produktentwicklung kann eine systematische Vorgehensweise im Umgang mit Daten und der gezielte Einsatz von Smart Data dabei unterstützen, Produkte schneller an den Markt zu bringen, Kundenwünsche besser zu adressieren, Fehlerkosten zu reduzieren und eine hohe Qualität sicherzustellen.

Wie Unternehmen vorliegende Daten effektiv für den Produktentstehungsprozess nutzen können, untersuchte das von der FQS Forschungsgemeinschaft Qualität e. V. geförderte Forschungsprojekt SAPEQ. In einem Zeitraum von zwei Jahren haben Wissenschaftler:innen der Technischen Universität Berlin in Kooperation mit der Hochschule Koblenz ein entsprechendes Assistenzsystem entwickelt Es befähigt insbesondere Mitarbeitende in KMU dazu, Smart Data systematisch und methodenbasiert im Produktentstehungsprozess anzuwenden. Im Interview stellen Prof. Dr. Roland Jochem, Leiter des Fachgebiets Qualitätswissenschaft am Institut für Werkzeugmaschinen und Fabrikbetrieb der TU Berlin, und Lena Feindler, Mitarbeiterin im Forschungsprojekt SAPEQ, die wichtigsten Ergebnisse vor. Sie zeigen, wie interessierte Unternehmen das entwickelte Assistenzsystem nutzen können.

Aus Sicht des SAPEQ-Projekts: Mit welchen Herausforderungen sind insbesondere kleine und mittlere Unternehmen (KMU) bei der Produktentwicklung konfrontiert?

Prof. Dr. Roland Jochem: “Die Herausforderungen sind vielseitig. Für das Projekt SAPEQ sehen wir als Herausforderungen von KMU in der Produktentwicklung zum einen die volatilen Märkte gepaart mit den stetig sinkenden Produkteinführungszeiten. Zum anderen laufen KMU Gefahr, den Anschluss bei der Digitalisierung zu verlieren. Zahlreiche Studien belegen, dass Smart Data nicht nur ein Trend ist, sondern ein brisantes Thema für Unternehmen jeder Größe darstellt. Die stetig anwachsende Datenmenge und die sinkenden finanziellen Anforderungen der technischen Umsetzung ermöglichen bereits heute die Nutzung von Smart Data Analytics auch in KMU. Dennoch werden die Potenziale von Smart Data in KMU nicht genutzt.”

Welche Potenziale ergeben sich durch eine effektive und effiziente Integration von Smart Data im Produktentstehungsprozess (PEP)?

Prof. Dr. Roland Jochem: “Der zielgerichtete Einsatz von Smart Data im PEP eröffnet die Möglichkeit, Fehlerkosten zu reduzieren, Kundenanforderungen besser zu erfassen und die Produkteinführungszeit zu verringern. Im Bereich der Forschung und Entwicklung kann dabei eine Verringerung der Kosten und der Time-to-Market von 20 bis 50 Prozent erreicht werden. Die Integration von Smart Data im PEP trägt außerdem zu einer Verbesserung der Entscheidungsqualität bei, da Entscheidungen auf Basis von Daten und Fakten getroffen werden können.”

Warum werden diese Potenziale in KMU häufig nicht genutzt?

Prof. Dr. Roland Jochem: “Eine Voraussetzung, um die Potenziale des Einsatzes von Smart Data erfolgreich nutzen zu können, bildet neben dem Datenzugang auch die zielgerichtete Auswertung. Zwar liegen mitunter (auch in KMU) große Datenmengen vor, doch zeigt sich dabei auch die Kehrseite von großen Datenmengen: Sie sind oftmals unstrukturiert und lassen sich somit schlecht analysieren. Auch ist in vielen KMU eine strukturierte Vorgehensweise gerade in den frühen Phasen der Produktentstehung nicht erkennbar. Die hohe Priorität des Tagesgeschäfts führt dazu, dass wenig Zeit für die strategische Systematisierung von Entwicklungsprozessen zur Verfügung gestellt wird.

Der Anteil der KMU, die bislang Smart Data nutzen, ist im Vergleich zu großen Unternehmen sehr gering. Ursachen dafür sind unter anderem die fehlende Kompetenz der Mitarbeitenden hinsichtlich Smart Data, die Unsicherheiten im Umgang mit Smart Data und die Angst vor hohen Investitionen.”

Welches Ziel wurde im Forschungsprojekt SAPEQ verfolgt?

Prof. Dr. Roland Jochem: “Das Ziel im Forschungsprojekt „SAPEQ – Smart Data Analytics in der Produktentstehung zur Sicherstellung der Qualität bei KMU“ ist die Befähigung der Mitarbeitenden in KMU hinsichtlich der bedarfsgerechten Anwendung von Smart Data in einem systematischen und methodenbasierten PEP. Das entwickelte IT-basierte Konzept qualifiziert KMU dazu, Smart-Data-Methoden situationsgerecht auszuwählen, anzuwenden und zu interpretieren. Dabei werden Smart-Data-Methoden nicht nur situationsgerecht empfohlen. Es erfolgt zusätzlich auch eine adressatengerechte Anleitung für die Anwendung der jeweiligen Methoden. Das IT-basierte Assistenzsystem ist hier als Hilfe zur Selbsthilfe für KMU angelegt. KMU müssen keine externen Schulungen erhalten und können dennoch einen notwendigen und wirtschaftlich sinnvollen Schritt in Richtung Data Science vollziehen.”

Können Sie die Funktionsweise des von Ihnen entwickelten Assistenzsystems genauer erläutern?

Lena Feindler: “Mithilfe des Chatbots namens EGON wird den Nutzer:innen eine passende Methode für ihr spezifisches Problem empfohlen. Innerhalb des Chatbots ist ein Entscheidungsbaum hinterlegt, mit dessen Hilfe EGON eine situative Empfehlung geben kann. Der Entscheidungsbaum wurde auf Basis der zuvor durch Experteninterviews und Literaturanalyse ermittelten KMU-spezifischen Herausforderungen aufgestellt. Durch gezielte Fragestellungen kann EGON so die situative Herausforderung des Nutzenden erkennen und ihm eine passende Empfehlung geben. Anwenderinnen gelangen durch EGON zu der passenden Methode, welche in einer SHINY Web App zur Verfügung gestellt wird. Hier wird die Methode erklärt sowie Hinweise und Tipps zur Durchführung dieser Methode gegeben. Diese Unterstützung des Users steht in multimedialer Form zur Verfügung. Die Anwenderinnen werden Schritt für Schritt von der Datenerhebung bis hin zur zielgerechten Verwertung der Daten geführt.”

Welche Möglichkeiten gibt es für interessierte Unternehmen, mit dem Assistenzsystem zu arbeiten und wie können sie auf das Assistenzsystem zugreifen?

Lena Feindler: “Das im Forschungsprojekt entwickelte Assistenzsystem ist für jeden frei zugänglich. Der Chatbot EGON ist über die Startseite des Projekts erreichbar. Je nach Problemstellung verweist EGON den Nutzer auf die entsprechende Stelle in der SHINY Web App. Unabhängig davon ist die SHINY Web App auch separat zu erreichen. Dort befinden sich sowohl eine Übersicht und Befähigung zu verschiedenen Vorgehensmodellen (Smart Data, Design Thinking und Design for Six Sigma) als auch zu den einzelnen Methodiken.”

Wie geht es nach Abschluss des Projektes weiter?

Prof. Dr. Roland Jochem: “Aufbauend auf den Ergebnissen von SAPEQ soll im Rahmen des geplanten Forschungsprojektes WILMA ein dialogfähiges Assistenzsystem zur Aggregation und Vermittlung von Wissen innerhalb des PEPs von KMU entwickelt werden. Dabei soll EGON in die Entwicklung mit eingebunden werden. Sollten keine Wissenselemente zu einem Thema hinterlegt sein, kann EGON weiterhelfen, das Problem methodisch zu lösen. Anschließend sollen die Ergebnisse in WILMA hinterlegt werden. Hier besteht die Möglichkeit sich als Unternehmen im Rahmen des projektbegleitenden Ausschusses zu beteiligen. Der projektbegleitende Ausschuss kann dabei die Forschungsarbeiten praxisorientiert begleiten und mögliche Ergebnisse bereits unternehmensintern zur Validierung testen.”

 

Über die Interviewpartner:
Prof. Dr.-Ing. Roland Jochem, Leiter Fachgebiet Qualitätswissenschaft am Institut für Werkzeugmaschinen und Fabrikbetrieb, Technische Universität Berlin

Lena Feindler, Fachgebiet Qualitätswissenschaft am Institut für Werkzeugmaschinen und Fabrikbetrieb, Technische Universität Berlin, Mitarbeiterin im Forschungsprojekt SAPEQ

Über das Forschungsprojekt:
Das IGF-Vorhaben 20889 N der FQS Forschungsgemeinschaft Qualität e.V. (FQS), August-Schanz-Straße 21A, 60433 Frankfurt am Main wurde über die AiF im Rahmen des Programms zur Förderung der Industriellen Gemeinschaftsforschung (IGF) vom Bundesministerium für Wirtschaft und Klimaschutz aufgrund eines Beschlusses des Deutschen Bundestages gefördert.

Weitere Informationen zu den Forschungsprojekten SAPEQ und WILMA sowie der zusammenfassende Schlussbericht zum Projekt SAPEQ können über die Geschäftsstelle der FQS Forschungsgemeinschaft Qualität e.V. per E-Mail unter infofqs@dgq.de angefordert werden.

Das SAPEQ Assistenzsystem ist unter den folgenden Links abrufbar:

• Der EGON Chat-bot
• Die SHINY Web App

 

 

Mit dem Qualität-4.0-Reifegradmodell zur Digitalisierung des Qualitätsmanagements

Die digitale Transformation der Geschäftswelt ist in vollem Gange und umfasst auch zunehmend das Qualitätsmanagement produzierender Unternehmen. Insbesondere kleinen und mittleren Unternehmen fehlen oftmals personelle und finanzielle Ressourcen, um mit technologischen Entwicklungen Schritt zu halten und die digitale Transformation des Qualitätsmanagements anzustoßen. Aus diesem Grund widmet sich das Forschungsprojekt „Qbility – Quality 4.0 Capability Determination Model“ dieser Problemstellung. Im Rahmen des von der FQS Forschungsgemeinschaft Qualität e. V. geförderten Forschungsprojektes haben das Fraunhofer-Institut für Produktionstechnologie IPT, die Fachhochschule Südwestfalen sowie Partner aus der Industrie gemeinsam ein Qualität-4.0-Reifegradmodell erarbeitet. Das Tool ermöglicht es produzierenden Unternehmen, ihren eigenen Qualität-4.0-Reifegrad durch die Beantwortung gezielter Fragen zu bestimmen. Das Qualität-4.0-Reifegradmodell nutzt die Antworten der Unternehmen, um den individuellen Qualität-4.0-Reifegrad eines Unternehmens zu berechnen. Es stellt darüber hinaus automatisch abgeleitete Handlungsempfehlungen sowie Technologiesteckbriefe zur Verfügung, die den Unternehmen Anhaltspunkte auf dem Weg zu Qualität 4.0 liefern. Das entwickelte Qualität-4.0-Reifegradmodell wurde in ein Web-Tool überführt, welches interessierte Unternehmen kostenfrei nutzen können.

Aufbau des Qualität-4.0-Reifegradmodells

Das im Rahmen von Qbility entwickelte Qualität 4.0-Reifegradmodell setzt sich aus vier Stufen zusammen, die grundsätzlich konsekutiv aufeinander aufbauen, allerdings auch nicht immer vollständig trennscharf sind. Im Folgenden werden die einzelnen Stufen kurz beschrieben.

Stufe eins – Interne Digitalisierung

In der ersten Stufe wird die interne Digitalisierung behandelt. Hier liegt der Fokus auf dem internen Datenmanagement beziehungsweise der Analyse und Nutzung unternehmens- oder abteilungsinterner Daten. Dazu muss in einem ersten Schritt die Datenakquisition umgesetzt werden. Dementsprechend werden in dieser Stufe qualitätsrelevante interne Daten identifiziert, erfasst, vorverarbeitet und verwaltet. Durch das beschriebene Vorgehen beim Datenmanagement wird in dieser Stufe bereits eine interne Datengrundlage für eine zentrale QM-Datenbasis beziehungsweise Single Point of Truth geschaffen. Neben der Datenakquisition und dem Datenmanagement kann auch bereits eine retrospektiv orientierte Datennutzung stattfinden, beispielsweise durch die deskriptive und diagnostische Analyse historischer Daten zur Identifikation von Fehlerursachen.

Stufe zwei – externe Digitalisierung

In der zweiten Stufe findet eine Erweiterung des Spektrums der Daten für Datenakquisition,-management und -analyse statt. Die Daten müssen abteilungs- und unternehmensübergreifend beziehungsweise Kunden- und Lieferantenübergreifend beschafft und genutzt werden. Die Kernidee dieser Stufe ist, dass produzierende Unternehmen auch Daten nutzen müssen, die über die eigenen Unternehmensgrenzen hinausgehen. Sie können so beispielsweise Erkenntnisse darüber gewinnen, wie Kunden ihre Produkte nutzen. Die in dieser Stufe gewonnenen Daten erweitern die in Stufe eins aufgebaute interne Datengrundlage um abteilungs- oder unternehmensexterne Daten. Wie in der ersten können auch in dieser Stufe bereits erste deskriptive und diagnostische Datenanalysen stattfinden.

Stufe drei – zentrale QM-Datenbasis/Offene Systemarchitektur

In der dritten Stufe steht die Schaffung einheitlicher Datenstrukturen über alle Systeme sowie über Bereichs- und Unternehmensgrenzen hinweg im Fokus. Hier findet eine Aggregation und Synchronisation zur Nutzbarmachung der durch die interne und externe Digitalisierung gewonnen Daten statt, die in einem Single Point of Truth resultieren. Der Single Point of Truth stellt eine offene, gemeinsame Datenbasis als Kernelement von Qualität 4.0 zur Unterstützung abteilungs- und unternehmensübergreifender Zusammenarbeit dar. Er schafft somit die Grundlage für ein datenbasiertes, softwaregestütztes, agiles und kollaboratives Qualitätsmanagementsystem.

Stufe vier – prädiktives und präskriptives QM

Ausgehend von der zentralen QM-Datenbasis wird in der vierten Stufe ein prädiktives und präskriptives QM umgesetzt. Prädiktiv beschreibt dabei die Fähigkeit, in der Zukunft liegende Ereignisse vorauszusagen, beziehungsweise die Wahrscheinlichkeit des Eintretens dieser Ereignisse abzuschätzen. Mit präskriptiven Methoden sind Verfahren gemeint, die beispielsweise mittels Simulationen Bewertungen und Vergleiche verschiedener Zukunftsszenarien und Handlungsalternativen ermöglichen. Auf diese Weise kann datenbasiert abgeschätzt werden, welche Auswirkungen bestimmte Entscheidungen haben. In der vierten Stufe stehen dementsprechend datenbasierte prädiktive und präskriptive Produkt- und Prozessoptimierungen im Vordergrund. Auf diese Weise können beispielsweise Simulationen und Vorhersagen auf einer breiten Datenbasis erstellt und für die Vorhersage in der Zukunft möglicherweise auftretender Qualitätsfehler genutzt werden. Im Vergleich zu den Stufen eins und zwei verlagert sich der Schwerpunkt der Datenanalyse: während in Stufe eins und zwei die retrospektiv orientierten deskriptiven und diagnostischen Datenanalysen betrieben werden, werden in der vierten Stufe prädiktive und präskriptive Datenanalysen umgesetzt, die Aussagen über die Eintrittswahrscheinlichkeit zukünftiger Ereignisse ermöglichen.

Die Berechnung des individuellen Qualität-4.0-Reifegrades eines Unternehmens erfolgt in verschiedenen Phasen, die entlang des Produktlebenszyklus aufgeteilt sind. Auf diese Weise kann beispielsweise ermittelt werden, ob ein Unternehmen in der Planungs- und Konzeptionsphase hinsichtlich Qualität 4.0 schon recht weit ist, dafür aber eventuell in den Bereichen Produktion oder Beschaffung noch Aufholbedarf besteht.

Blick in die industrielle Praxis

Die Viega GmbH & Co. KG hat sich innerhalb des Forschungsprojektes intensiv an der Mitentwicklung des Reifegradmodells als Industriepartner beteiligt. Durch die Beschreibung unternehmensinterner Entwicklungsvorgänge hat das Unternehmen Impulse für eine industrienahe Ausrichtung des Qualität 4.0-Reifegradmodells geliefert.

Im Folgenden beschreibt Özer Hatip, Gruppenleiter Integriertes Management, inwiefern das beschriebene Qualität 4.0-Reifegradmodell die gelebte Praxis bei Viega wiederspiegelt:

„Die ersten beiden Stufen des Reifegradmodells sind bei Viega nicht scharf voneinander getrennt und verschwimmen im Grunde zu einer Stufe. Dies ist durch die Nutzung industrieller Softwaresysteme wie beispielsweise SAP oder CAQ bedingt. Dokumente wie Wareneingangsprüfpläne und Lieferantenbewertungen liegen bei uns in digitaler Form vor, sodass wir keine Unterscheidung mehr zwischen ‚interner‘ und ‚externer‘ Digitalisierung vornehmen müssen. Allerdings ist in der Zusammenarbeit mit externen Partnern diese Unterscheidung eindeutig spürbar. Insbesondere kleinere Unternehmen verfügen oftmals nicht über die notwendigen Infrastrukturen und Softwaresysteme, in denen interne und externe Daten verfügbar sind. Die Unterscheidung in interne und externe Digitalisierung ist also insbesondere im Hinblick auf KMU durchaus sinnvoll, auch wenn sie bei einigen größeren Unternehmen nicht mehr vollumfänglich gültig ist.

In den vergangenen Jahren hat Viega eine starke Entwicklung in Richtung der Reifegradstufe drei des Qualität-4.0-Reifegradmodells vollzogen. Qualitätsbezogene Daten, Prozess- und Produktdaten werden mit weiteren relevanten Daten (wie zum Beispiel Energieverbrauchsdaten) angereichert und zentral in offenen Datenbanksystemen verfügbar gemacht (sogenannte Data Lakes). Diese Daten werden anschließend genutzt, um beispielsweise ein ‚Real-time Monitoring‘ der Produktion zu ermöglichen, indem KPI in Echtzeit zur Überwachung von Produkten und Prozessen visualisiert und ausgewertet werden. Auf diese Weise wird eine deutlich aktuellere Überwachung, Steuerung und Optimierung bestehender Prozesse ermöglicht. Weiterhin arbeitet Viega bereits in Pilotprojekten daran, prädiktive Verfahren zur Produkt- und Prozessoptimierung einzusetzen und sich somit in Richtung der vierten Stufe des Reifegradmodells zu bewegen. Die in den vergangenen Jahren aufgebaute Datenbasis stellt dabei die Grundlage dar, um den Echtzeit-Einblick in laufende Prozesse noch zu erweitern und den Blick auch auf in der Zukunft möglicherweise eintretende Ereignisse zu richten. Diese Entwicklung soll in der Zukunft weiter verstetigt und breit ausgerollt werden.“

Zusammenfassung
Zusammenfassend lässt sich sagen, dass das entwickelte Qualität-4.0-Reifegradmodell die industrielle Praxis widerspiegelt. Insbesondere kleinen und mittleren Unternehmen kann durch die selbstständige Ermittlung des eigenen Qualität-4.0 Reifegrades und der anschließenden Skizzierung möglicher Weiterentwicklungspfade der Einstieg in die digitale Transformation des Qualitätsmanagements gelingen. Das Qbility Web-Tool wird zum Ende des Projektes allen interessierten Unternehmen kostenfrei über das Internet zur Verfügung gestellt.

Über die Autoren

Maximilian Brochhaus M.Sc., Fraunhofer-Institut für Produktionstechnologie IPT

Prof. Dr.-Ing. Karsten Fleischer, Allgemeiner Maschinenbau insbes. Qualitätsmanagement, Fachhochschule Südwestfalen, Standort Hagen

Dr. Julian Koch, Fachhochschule Südwestfalen, Standort Hagen

Özer Hatip, Dipl. Wirt.-Ing., Viega GmbH & Co. KG, Gruppenleitung Integriertes Management, Viega GmbH & Co. KG

Über das Forschungsprojekt

Das IGF-Vorhaben 21232 N der Forschungsvereinigung Forschungsgemeinschaft Qualität e.V. (FQS), August-Schanz-Straße 21A, 60433 Frankfurt am Main wurde über die AiF im Rahmen des Programms zur Förderung der Industriellen Gemeinschaftsforschung (IGF) vom Bundesministerium für Wirtschaft und Klimaschutz aufgrund eines Beschlusses des Deutschen Bundestages gefördert.

Der Schlussbericht zu diesem Projekt kann ab Ende 2022 über die FQS bezogen werden. Kontakt zur Geschäftsstelle der FQS: infofqs@dgq.de

Weitere Informationen auf der Projektwebsite des Fraunhofer IPT: https://www.ipt.fraunhofer.de/de/projekte/qbility.html

DGQ-Netzwerkveranstaltung thematisiert Qualitätssicherung für Medizinprodukte aus dem 3D-Drucker

3D-Druck für Medizinprodukte – Wie lässt sich die Qualität sicherstellen? Mit dieser Frage beschäftigt sich das laufende FQS-Forschungsprojekt SAViour. Einblicke in das Projekt und erste Forschungsergebnisse konnten interessierte Teilnehmer:innen am 15. Juni 2022 in einer gemeinsamen Netzwerkveranstaltung der FQS Forschungsgemeinschaft Qualität e. V. (FQS) und der DGQ-Geschäftsstelle Berlin gewinnen. Friederike Samel, Leiterin der Geschäftsstelle Berlin, Amelie Rusche, Managerin Forschung und Kommunikation bei der FQS sowie Dr. Christian Kellermann-Langhagen, wissenschaftlicher Geschäftsführer der FQS, führten als Moderator:innen durch das Programm.

3D-Druck ermöglicht eine Produktion in Losgröße 1. Dies ist auch für die Medizintechnik interessant: So lassen sich beispielsweise additiv gefertigte Implantate individuell an den Körper eines Patienten anpassen und trotzdem kostengünstig produzieren. Eine große Herausforderung stellt jedoch die Qualitätssicherung dar. In einem Impulsvortrag erläuterten die 3D-Druck-Expertinnen Anne Rathje vom Institut für Integrierte Produktion Hannover (IPH) sowie Ronja Witt und Anna-Lena Knott vom Werkzeugmaschinenlabor WZL der RWTH Aachen, welche Faktoren die Qualität im 3D-Druck beeinflussen. Sie zeigten auf, wie eine Sensorik- und App-basierte Qualitätskontrolle personalisierter 3D-Druck-Produkte aussehen kann. Projektingenieurin Rathje machte deutlich: „Additive Fertigungsprozesse reagieren sehr sensibel auf äußere Einflüsse. Unser Ziel im Projekt SAViour ist es, mehr Sicherheit in den Prozess zu bekommen und Fehler zu vermeiden.” Mit Hilfe des entstehenden Qualitätsmodells sollen mögliche Mängel personalisierter 3D-Druck-Produkte bereits während der Fertigung erkannt und die Qualität der additiv gefertigten Bauteile zulassungskonform dokumentiert werden. Die Auswertung der Sensordaten wird dabei durch Künstliche Intelligenz unterstützt. In einer abschließenden Videodemonstration vermittelten die Referentinnen einen Eindruck von einem 3D-Druckprozess und einer exemplarischen Datenauswertung.

Die rund 30 eingewählten Teilnehmer:innen, unter anderem aus den Bereichen Qualitätsmanagement, Medizintechnik und additive Fertigung, brachten sich mit vielen interessierten Fragen und Impulsen aus der Praxis ein und diskutierten gemeinsam mit den Expertinnen, welche Faktoren für eine erfolgreiche Umsetzung des Qualitätsmodells notwendig sind.

Über die FQS

Die FQS Forschungsgemeinschaft Qualität e.V. betreut jährlich etwa 15 nationale und internationale Forschungsprojekte. In Zusammenarbeit mit bundesweit mehr als 20 Forschungseinrichtungen realisiert sie Vorhaben im Rahmen der Industriellen Gemeinschaftsforschung (IGF) unter dem Dach der Arbeitsgemeinschaft industrieller Forschungsvereinigungen (AiF) mit finanzieller Förderung des Bundesministeriums für Wirtschaft und Klimaschutz (BMWK). Vor allem mittelständisch geprägten Unternehmen bietet die FQS die Möglichkeit, sich an ihren Projekten zu beteiligen, Anforderungen einzubringen und von neu entwickelten Methoden und Strategien zu profitieren.

DGQ-Mitglieder können die Vortragsfolien zur Veranstaltung auf der Mitgliederplattform DGQplus im Raum der Geschäftsstelle Berlin auf einsehen.

Kontakt:

FQS
Amelie Rusche
Managerin Forschung und Kommunikation
E-Mail: amelie.rusche@dgq.de

FQS-Forschungsprojekt AIDpro: Datenqualität durch Prozessdatenvalidierung

Machine Learning (ML) Algorithmen ermöglichen es, aus hochdimensionalen und großen Datenmengen Informationen zu gewinnen, um die menschliche Entscheidungsfindung zu unterstützen oder autonom Entscheidungen zu treffen. In rein virtuellen Anwendungen, wie im Online-Marketing, in Suchmaschinen oder in Chatbots, macht sich ML im alltäglichen Leben bereits seit einigen Jahren deutlich bemerkbar. In der Produktionstechnik bestehen dagegen weiterhin große Schwierigkeiten, das Nutzenpotenzial von ML flächendeckend zu erschließen. Der Grund für diese Diskrepanz liegt im Spannungsfeld begründet, in dem sich produktionstechnische ML-Anwendungen befinden. Dieses herausfordernde Umfeld ist charakterisiert durch:

• die Eigenschaften realer Prozessdaten (geringe Datenqualität und hohe Datenkomplexität),
• die ML-Modelleigenschaften (stochastisch, intransparent und anfällig gegenüber Datenfehlern) und
• die hohen produktionstechnischen Anforderungen an die Zuverlässigkeit von Produktionssystemen und die damit verbundenen hohen wirtschaftlichen Risiken.

Für die Produktionstechnik liegt der Schlüssel zum Erfolg in der Datenqualität. Seit Beginn der vierten industriellen Revolution haben viele Unternehmen die Strategie verfolgt, Daten unstrukturiert in großen Mengen in der Hoffnung zu speichern, dass der Wert dieser Daten zukünftig erschlossen werden kann. Weil sich diese Datensätze heutzutage oft als nicht verwertbar herausstellen, haben sich mittlerweile alternative Datenstrategien etabliert. Sie sehen vor, dass bereits bei Datenaufnahme eine höchstmögliche Datenqualität sichergestellt werden muss.

Das Forschungs- & Entwicklungsvorhaben AIDpro

In der Produktion liegt die wesentliche Herausforderung in der Interaktion mit der realen Welt. Mithilfe von Sensorik wird versucht, den Zustand von Bauteilen, Fluiden, Prozessen oder Maschinen zu eindeutig zu bestimmen. Allerdings unterliegen die Daten Messrauschen, werden mit unterschiedlichen Frequenzen erzeugt, werden beeinflusst von Sensorfehlern, Umgebungseinflüssen und falschen Prozesseinstellungen. Sie stellen damit nur eine unsichere Abschätzung der realen Zustände dar.

Um für produzierende Unternehmen dieses Problem zu lösen, somit die Qualität von Prozessdaten sicherzustellen und dadurch das Fundament für produktionstechnische ML-Anwendungen zu legen, bündeln das Fraunhofer Institut für Produktionstechnik IPT aus Aachen und das Fraunhofer Institut für Angewandte und Integrierte Sicherheit AISEC aus München ihre Kompetenzen im Entwicklungsvorhaben AIDpro (kurz für Anomaliedetektion in der Produktion). Gefördert wird das geplante Forschungsprojekt von der FQS Forschungsgemeinschaft Qualität e.V.

Lösungsansatz

Ziel von AIDpro ist die Entwicklung einer standardisierten Datenqualitätssicherung für Produktionsprozesse mithilfe von Datenvalidierungsansätzen und KI-basierter Erkennung von anomalen Daten in enger Zusammenarbeit mit produzierenden Unternehmen. Durch eine standardisierte Sicherheitsschicht werden Prozessrohdaten validiert, indem die Daten fortlaufend überwacht und auf ihre Integrität hin überprüft werden. Ausreißer werden ermittelt und abgefangen. Auch sich zeitlich ausbildende Datendrifts, die beispielsweise aufgrund von Verschleiß eine wesentliche Herausforderung in Produktionsprozessen darstellen, sollen sich detektieren lassen.

Welchen Nutzen besitzt eine solche Lösung für Unternehmen?

Die Datenvalidierung bildet neben der Sicherstellung einer hohen Datenqualität das Fundament für die Erschließung einer Vielzahl weiterer Nutzenpotenziale im industriellen Kontext:

• Steigerung des wirtschaftlichen Werts der Daten
• Überwachung des Maschinenzustands (Fehlerhafte Daten deuten auf Fehler im Prozess hin)
• Zuverlässiger und sicherer Einsatz von ML-Modellen auf validierten Daten
• Qualitätsüberwachung (Fehlerhafte Daten deuten auf Fehler im Produkt hin)
• Präzisere Planung von Instandhaltungsmaßnahmen

Neben den technologischen Vorteilen können die Unternehmen durch einen aktiven Austausch im Konsortium ihre Kompetenzen in Digitalisierungsthemen ausbauen, eigene Themen, Fragestellungen und Anwendungsfälle mit einbringen und wichtige Kontakte zu Forschungsinstituten und Industrieunternehmen für strategische interdisziplinäre Kooperationen knüpfen.

Fazit und Ausblick

Wer das Potenzial von Prozessdaten und die damit verbundenen Effizienzvorteile voll ausschöpfen möchte, muss eine höchstmögliche Datenqualität sicherstellen. Neben mangelnder Digitalisierungskompetenzen stellt genau das eine große Herausforderung im produktionstechnischen Umfeld dar. AIDpro ist auf der Suche nach Unternehmen, die daran interessiert sind – ausgehend von der Umsetzung einer ML-Pilotanwendung auch weitere Herausforderungen der Prozessdigitalisierung gemeinsam mit dem Projektbeteiligten zu lösen. Detailliertere Informationen zum Vorhaben und Beteiligungsmöglichkeiten finden sich im Projektsteckbrief.

Über den Autor: Lars Leyendecker

Als wissenschaftlicher Mitarbeiter und Doktorand am Fraunhofer Institut für Produktionstechnologie IPT in Aachen erforscht Lars Leyendecker, wie mithilfe von datengetriebener Optimierung Effizienzpotentiale in produktions- und medizintechnischen Anwendungen erschlossen werden können. Dazu zählen insbesondere Themen wie Erklärbarkeit, Stabilität, Robustheit und Adaptionsfähigkeit von ML-Systemen.

 

Kontakt:

Fraunhofer-Institut für Produktionstechnologie IPT

Lars Leyendecker
lars.leyendecker@ipt.fraunhofer.de

Alexander Kreppein
alexander.kreppein@ipt.fraunhofer.de

 

FQS – Forschungsgemeinschaft Qualität e. V.
August-Schanz-Straße 21A
60433 Frankfurt am Main
infofqs@dgq.de

 

Studie bestätigt: FQS Forschungsgemeinschaft Qualität arbeitet mit effektivem Förderinstrument

Nun ist es auch durch eine Evaluationsstudie des Bundeswirtschaftsministeriums belegt – die Industrielle Gemeinschaftsforschung (IGF) unterstützt als Innovationsförderprogramm deutsche Unternehmen nachweislich und wirksam. Sie schlägt die Brücke zwischen Grundlagenforschung und wirtschaftlicher Anwendung. Die IGF bietet kleinen und mittleren Unternehmen (KMU) dadurch Zugang zu aktuellen praxisorientierten wissenschaftlichen Erkenntnissen.

Die Erhebung befragte 474 KMU, 564 Forschungseinrichtungen und 82 Forschungsvereinigungen. Zielerreichung, Wirkung und Wirtschaftlichkeit des Programms wurden für den Zeitraum vom 1. September 2017 bis 31. Dezember 2020 überprüft. Über 30 Prozent der befragten Organisationen haben ein oder mehrere Forschungsergebnisse für die Weiterentwicklung und Optimierung ihrer eigenen Produkte (darunter 40 Prozent), Dienstleistungen (darunter 24 Prozent), Verfahren (darunter 24 Prozent) und auch für Patentanmeldungen (darunter 3 Prozent) direkt genutzt. Auch zum Netzwerkausbau trägt die IGF bei: Etwa zwei Drittel der KMU in projektbegleitenden Ausschüssen der Industriellen Gemeinschaftsforschung gaben in Befragungen an, im Jahr zu durchschnittlich drei Netzwerken oder Partnern Kontakte aufzubauen.

Die vom Bundesministerium für Wirtschaft und Klimaschutz (BMWK) geförderte IGF wird über die Arbeitsgemeinschaft industrieller Forschungsvereinigungen „Otto von Guericke“ e.V. (AiF) koordiniert. Als Dachverband von 100 gemeinnützigen Forschungsvereinigungen mit mehr als 50.000 eingebundenen Unternehmen bildet die AiF das Forschungsnetzwerk für den deutschen Mittelstand. Die FQS Forschungsgemeinschaft Qualität e. V. (FQS) ist als Forschungsarm der DGQ Mitglied der AiF. In dieser Funktion sorgt sie für eine qualifizierte Auswahl von Forschungsthemen gemäß dem Bedarf von KMU, übernimmt das Projektmanagement im Falle einer erfolgreichen Antragstellung und erfüllt Aufgaben zur Verbreitung der Ergebnisse. Durch die Begleitung zahlreicher Forschungsprojekte in den Bereichen Qualitätsmanagement, Qualitätssicherung und benachbarten Themengebieten rund um das Thema Qualität trägt die FQS zu einem guten Ergebnis und der Wirksamkeit dieses Förderinstrumentes bei.

Weitere Ergebnisse zu der Studie finden sich hier.

Interview: QM und Künstliche Intelligenz – Wie lassen sich KI-Systeme qualifizieren?

KI-Technologien nehmen zunehmend Einzug in das industrielle Umfeld, inzwischen „klassischerweise“ im Rahmen von visuellen und bildbasierten Qualitätskontrollen. Dabei rücken datengetriebene Ansätze aus dem Bereich des Machine Learning (ML), einem Teilgebiet der Künstlichen Intelligenz, verstärkt in den Fokus. Auf ML basierende KI-Systeme werden häufig vollständig auf Daten trainiert, ohne dass explizite Regeln durch den Menschen vorgegeben werden müssen. Bedenken hinsichtlich Zuverlässigkeit oder Genauigkeit solcher Systeme verhindern jedoch bisher einen breiteren Einsatz in der Industrie. Wie lässt sich die Eignung und Qualifizierung solcher vollständig auf Daten trainierten Systeme bewerten und umsetzen?

Eine Fragestellung, mit der sich auch die sentin GmbH aus Bochum, ein Software-Anbieter für visuelle und bildbasierte Kontrolle von Werkstoffen und Produkten auf KI-Basis, beschäftigt. Im Interview erklärt Mitgründer und Geschäftsführer Christian Els, warum eine systematischere Gestaltung der Bewertung KI-basierter Systeme eine wichtige Voraussetzung für einen breiten industriellen Einsatz von KI ist, wie dazu ein Forschungsprojekt entstanden ist und welche Potenziale er in den Forschungsergebnissen sieht.

In dem geplanten FQS-Forschungsvorhaben „AIQualify – Framework zur Qualifizierung von KI-Systemen in der industriellen Qualitätsprüfung“ soll ein Vorgehensmodell mit Software-gestützten Methoden und Werkzeugen für ML-basierte KI-Systeme in der Qualitätsprüfung entwickelt werden. Es wird die Ermittlung und Formulierung von Prüf- und Bewertungskriterien erlauben. Ziel des gemeinsam mit dem Fraunhofer Institut für Produktionstechnik und Automatisierung (IPA) in Stuttgart durchgeführten Projekts ist es, eine Auditierung beziehungsweise Abnahme von KI-Systemen entlang dieser Kriterien möglich zu machen.

Warum brauchen Industrieunternehmen KI?

Unternehmen brauchen per se keine KI. Ich glaube an Lösungen für Probleme und eine Technologie, die maßgeblicher Bestandteil von Lösungen sein kann. Wir wissen heute durch viele positive Beispiele, dass wir durch KI in der Lage sind, Lösungen für Probleme zu entwickeln, die vorher als un- oder schlecht lösbar galten. Auf Basis dieses Wissens ist davon auszugehen, dass KI eine maßgebliche Rolle in der Industrie von morgen spielen wird und Know-How Aufbau in Form von Anwendungswissen essenziell sein wird.

Maschinelles Sehen als Kernfähigkeit von KI: Welche „klassischen“ Anwendungsfälle gibt es?

Die Technologien und Ansätze der Computer Vision sind ein sehr weit entwickelter Bereich der KI. Der wohl größte Treiber dieses Fortschritts ist die Entwicklung des autonomen Fahrens. Für die industrielle Anwendung bietet die visuelle/bildbasierte Qualitätskontrolle ein enormes Potenzial für Computer Vision Methoden. So finden in vielen Unternehmen nach wie vor Qualitätskontrollen analog und manuell statt. Um Produktions- und Industriekapazitäten in Hochlohnstandorten wie Deutschland zu halten, müssen Möglichkeiten der Effizienzgewinnung ausgeschöpft werden. Die Automatisierung der Qualitätskontrolle gehört bspw. dazu.

Was sind die größten Herausforderungen im Rahmen des Einsatzes von KI in Industrieunternehmen?

Ich denke, hier gibt es zwei zu nennende Punkte: Erstens die Datenverfügbarkeit. Industrieunternehmen sind in den meisten Fällen (noch) nicht so strukturiert, dass der Aufbau von qualitativ nutzbaren Datensätzen im Vordergrund steht. In den meisten Projekten gilt es daher zunächst eine gute Datenbasis aufzubauen, bevor man mit dem Modelltraining beginnen kann. Durch den Einzug von immer mehr Digitalisierungsvorhaben in der Industrie gehe ich davon aus, dass das Bewusstsein für Daten und Datenqualität in den Unternehmen sukzessive an Bedeutung gewinnen wird, was es für die Implementierung von KI-Technologie deutlich leichter macht. Zweitens fehlende Berührungspunkte bzw. die Neuartigkeit der Technologie. Industrieunternehmen haben in vielen Fällen eine lange Ingenieurstradition und beschäftigen sich meist erst seit relativ kurzer Zeit intensiv mit Themen der Data-Science. Data-Science und KI-Projekte sind im Verlauf grundlegend anders als z.B. die Projektierung einer Maschine. Entsprechend müssen häufig Prozesse und auch Kunden- und Lieferantenbeziehungen neu gedacht werden. Ein wichtiger Prozess in diesem Zusammenhang ist unter anderem die Qualifizierung von KI-Systemen, beispielsweise in der Qualitätskontrolle. Die Data-Science bietet verschiedene Validierungsmethoden an, die aber meist nicht „Fit-for-Purpose“ und damit passend für die Qualifizierung von KI-Systemen in der industriellen Applikation sind.

Welche Potenziale ergeben sich aus einer systematischeren Gestaltung der Bewertung und Qualifizierung von KI?

Die Entwicklung von Standards zur systematischen Bewertung von KI-Systemen in der Qualifizierung hätte das Potenzial, den Anwendern und Industrieunternehmen mehr Sicherheit in der Qualifizierungsphase zu geben und würde die Implementierungsprojekte von KI-Systemen deutlich verkürzen.

Wie kam es zu der Initiative, zum Thema KI-Qualifizierung ein Forschungsprojekt anzustoßen?

Als Anbieter von Lösungen für automatische visuelle Qualitätskontrollen erhielten wir in verschiedenen Projekten die Anfrage nach einem Qualifizierungsprozess, der nachweislich ein KI-System als funktionsfähig qualifizierte. Nach immer wieder individuellen Lösungen erkannten wir, dass es an dieser Stelle standardisierte Prozesse benötigt, die es Anwender und Anbieterunternehmen ermöglicht, diesen wichtigen Schritt zu beschleunigen.

Welchen Nutzen sehen Sie in der Beteiligung an dem geplanten Forschungsvorhaben?

Unsere Erwartung an das Forschungsprojekt ist die Entwicklung klarer Standards und Vorgehen für die Qualifikation von KI-Systemen in der Qualitätssicherung. Als Nutzen erhoffen wir uns zum einen die Beschleunigung von Kundenprojekten und eine schnelle Implementierung von KI-Systemen bei Anwenderunternehmen sowie eine steigende Akzeptanz in der Industrie für KI durch Transparenzschaffung und Standardverfahren.

Informationen rund um das Projekt

Die Projektlaufzeit ist ab Ende 2022 für zwei Jahre geplant. Für weitere Informationen zum geplanten Forschungsprojekt steht Prof. Dr.-Ing. Marco Huber (T: +49 711 970-1960 / marco.huber@ipa.fraunofer.de) und die Geschäftsstelle der FQS zur Verfügung (infofqs@dgq.de) zur Verfügung.

 

Werden Sie Mitglied im Projektbegleitenden Ausschuss
Interessierte Unternehmen haben die Möglichkeit, sich als Mitglied des Projektbegleitenden Ausschusses zu beteiligen. Hierbei bringen Sie Ihre Anforderungen aus der Praxis ein, gestalten das Forschungsvorhaben mit und profitieren frühzeitig von den erzielten Ergebnissen. Hierzu kann auch eine prototypische Umsetzung im Unternehmen durch die Forschungseinrichtung gehören. Für die Finanzierung des Projektmanagements erhält die FQS von den beteiligten Unternehmen einen Förderbeitrag von 2.000 Euro für KMU (Jahresumsatz nicht größer als 125 Mio. Euro) bzw. 4.000 Euro für Nicht-KMU. Start-ups innerhalb drei Jahre nach Gründung bleiben kostenfrei.

Mehr Details zum Projekt und Beteiligungsmöglichkeiten finden Sie auch in der Projektankündigung.

 

Über den Interviewpartner

Christian Els ist einer der Mitbegründer und Geschäftsführer der sentin GmbH. Ein Unternehmen, das sich auf die Automatisierung von Bildgebungsprozessen mit Hilfe von KI in der zerstörungsfreien Prüfung und Qualitätskontrolle konzentriert hat. Christian Els ist Maschinenbauingenieur und hat sentin mitbegründet, nachdem er jahrelang in der Bosch-Gruppe an der Realisierung datengetriebener Geschäftsmodelle in traditionellen Industrien arbeitete. Er ist stellvertretender Vorsitzender des Arbeitskreises KI der DGZFP (Deutsche Gesellschaft für zerstörungsfreie Prüfung) und regelmäßiger Referent bei der DGQ (Deutsche Gesellschaft für Qualität), sowie anderen internationalen Verbänden zu den Themen KI, Digitale Transformation und Entrepreneurship im industriellen Kontext.

Industriepartner für internationales FQS-Forschungsvorhaben gesucht: Entwicklung eines innovativen Messsystems im Werkzeug zur Steigerung der Produktionsqualität in Fertigungsprozessen

In der Kunststoffbranche hat die Relevanz einer 100 % Qualitätsprüfung durch stetig wachsende Ansprüche an Zuverlässigkeit und Lebensdauer sowie steigende regulatorische Anforderungen im Bereich der Medizintechnik in den vergangenen Jahren stark zugenommen. Insbesondere die Fertigung von Kunststoffbauteilen durch Spritzguss ist dafür nahezu unzugänglich und stellt Produzenten derartiger Bauteile vor große Herausforderungen. Eine eindeutige, bauteilspezifische Kennzeichnung, eine Nachverfolgung der Produktionsparameter sowie eine Information zum Werkzeugzustand sind derzeit nicht verfügbar.

In dem geplanten FQS-Forschungsvorhaben SmarTool soll ein autonomes System zur Überwachung von Spritzgusswerkzeugen entwickelt werden, das als externes System Bestandteil des Werkzeuges sein soll. Als innovatives Messsystem soll es Parameter wie Werkzeugtemperatur, Forminnendruck oder Produktionszeitpunkt und -ort erfassen und dokumentieren. Auf diese Weise sollen Anwender in die Lage versetzt werden, den Einsatz und die Produktionsbedingungen des Spritzgusswerkzeuges zu überwachen. Darüber hinaus ermöglicht die Verknüpfung mit einem Lasermarkiersystem eine eindeutige Kennzeichnung der Bauteile sowie die unveränderliche Verbindung der Produktionsparameter mit einem individuellen Bauteil. Dadurch lässt sich eine vollständige, bauteilindividuelle Dokumentation der Produktionsbedingungen realisieren. So können Bauteilchargen bei Beschädigungen beispielsweise nachträglich aus der Produktionsmenge ausgeschlossen werden.

Bei dem geplanten Forschungsvorhaben handelt es sich um ein deutsch-brasilianisches Kooperationsprojekt des internationalen Forschungsnetzwerks »CORNET – Collective Research Networking«, das durch das Bundesministerium für Wirtschaft und Klimaschutz (BMWK) gefördert wird. Es ermöglicht transnationale Vorhaben der Gemeinschaftsforschung, um internationale Forschungsprojekte zugunsten kleiner und mittelständischer Unternehmen zu fördern. Interessierte Unternehmen haben die Möglichkeit, sich als Mitglied des Projektbegleitenden Ausschusses zu beteiligen. Hierbei bringen Sie Ihre Anforderungen aus der Praxis ein, gestalten das Forschungsvorhaben mit und profitieren frühzeitig von den erzielten Ergebnissen. Hierzu kann auch eine prototypische Umsetzung im Unternehmen durch die Forschungseinrichtung gehören.

Die Projektlaufzeit ist ab Ende 2022 / Anfang 2023 für zwei Jahre geplant. Für weitere Informationen steht Ihnen Gustavo Reis de Ascencao (gustavo.reis.de.ascencao@ipk.fraunhofer.de) sowie die Geschäftsstelle der FQS (infofqs@dgq.de) zur Verfügung.

Zur Projektankündigung geht es hier.

FQS-Forschungsvorhaben zur Qualifizierung von KI-Systemen in der industriellen Qualitätsprüfung sucht Industriepartner für projektbegleitenden Ausschuss

KI-Technologien erhalten zunehmend Einzug in das industrielle Umfeld, auch im Rahmen von visuellen und bildbasierten Qualitätskontrollen. Bis Anfang der 2000er Jahre basierten KI-Systeme in der Industrie meist auf experten- oder regelbasierten Systemen. Datengetriebene Ansätze aus dem Bereich des Machine Learning (ML) fanden dagegen nur selten Anwendung. Mit der fortschreitenden Digitalisierung, die eine Fülle an Daten, Rechenleistung und verbesserten ML-Algorithmen liefert, rücken ML-Ansätze nun verstärkt in den Fokus. Auf ML basierende KI-Systeme werden häufig vollständig auf Daten trainiert, ohne dass explizite Regeln durch den Menschen vorgegeben werden müssen. Bedenken hinsichtlich Zuverlässigkeit oder Genauigkeit solcher Systeme verhindern jedoch bisher deren breiten industriellen Einsatz. Es fehlen geeignete Standards und Entwicklungsmethoden, um die Eignung/Qualifizierung eines ML-basierten KI-Systems nachzuweisen.

In dem geplanten FQS-Forschungsvorhaben AIQualify soll ein Vorgehensmodell mit Software-gestützten Methoden und Werkzeugen für ML-basierte KI-Systeme in der Qualitätsprüfung entwickelt werden. Es wird die Ermittlung und Formulierung von Prüf- und Bewertungskriterien erlauben. Ziel des Projekts ist es, eine Auditierung beziehungsweise Abnahme von KI-Systemen entlang dieser Kriterien möglich zu machen.

Interessierte Unternehmen haben die Möglichkeit, sich als Mitglied des projektbegleitenden Ausschusses zu beteiligen. Hierbei bringen sie ihre Anforderungen aus der Praxis ein, gestalten das Forschungsvorhaben mit und profitieren frühzeitig von den Ergebnissen. Hierzu kann auch eine prototypische Umsetzung im Unternehmen durch die Forschungseinrichtung gehören. Für die Finanzierung des Projektmanagements erhält die FQS von den beteiligten Unternehmen einen Förderbeitrag von 2.000 Euro für KMU (Jahresumsatz nicht größer als 125 Mio. Euro) und 4.000 Euro für Nicht-KMU. Start-ups innerhalb drei Jahre nach Gründung bleiben kostenfrei.

Die Projektlaufzeit ist ab Mitte/Ende 2022 für zwei Jahre geplant. Für weitere Informationen steht Prof. Dr.-Ing. Marco Huber (marco.huber@ipa.fraunhofer.de) und die Geschäftsstelle der FQS zur Verfügung.

Zur Projektankündigung geht es hier.

Umfrage zu FQS-Projekt: Crowdworking und -sourcing in KMU

Unter dem Motto “Crowdworking/-sourcing goes KMU – als KMU qualitätsorientiert von der Kompetenz der Menge profitieren” führt die Universität Kassel seit April 2021 ein FQS-Forschungsprojekt zur Unterstützung von KMU bei der effizienten und qualitätsgesteuerten Nutzung crowdbasierter Mechanismen durch. Crowdworking und -sourcing bietet Unternehmen die Möglichkeit, bestimmte Aufgaben gezielt an eine Gruppe von (externen) Internet-Nutzenden auszulagern, um Arbeitskraft, Wissen und Kreativität einer großen Masse an Individuen in die betriebliche Leistungserstellung einzubinden. Das Spektrum der ausgelagerten Tätigkeiten ist breit gefächert: Es umfasst sowohl einfache Tätigkeiten (z. B. Markieren von Bildern) als auch komplexe, kreative Tätigkeiten (z. B. Ideengenerierung, Produkt- und Softwareentwicklung) und schwer automatisierbare Tätigkeiten (z. B. Verfassen von Produktbeschreibungen oder Übersetzen und Transkribieren von Texten).

Trotz der Vorteile, insbesondere bei begrenzten Ressourcen, wird diese innovative Form der digitalen Arbeitsorganisation von KMU kaum genutzt. Eine zentrale Herausforderung stellt das Qualitätsmanagement der eingereichten Arbeiten dar. So stellt sich unter anderem die Frage, inwieweit die Qualität der Beiträge der Crowd den Erwartungen der Unternehmen entsprechen und wie diese bewertet werden kann.

Zur detaillierten Erfassung der zentralen Herausforderungen und Hemmnisse seitens KMU wird aktuell eine Online-Befragung durchgeführt. Auf Basis der Ergebnisse soll anschließend ein Referenzprozessmodell zur Realisierung eines crowdoptimierten Qualitätsmanagements entwickelt werden.

Die Teilnahme an der Umfrage unterstützt das Projekt, damit zukünftig auch KMU gezielt von den Vorteilen crowdbasierter Mechanismen profitieren können.

Zur Umfrage »

Der vollständige Umfrageaufruf ist hier als PDF abrufbar:
Zum Umfrageaufruf

Risikominimierung durch Rückverfolgbarkeit: FQS-Band zur Auswahl eines Traceability-Systems für KMU geplant

Rückrufaktionen und Schadensersatzansprüche aufgrund von Qualitätsmängeln können schnell Kosten in Millionenhöhe verursachen und einen massiven Imageverlust für Unternehmen nach sich ziehen. Zur lückenlosen Rückverfolgbarkeit von Produkten entlang von Wertschöpfungsprozessen werden daher heute Traceability-Systeme eingesetzt, die es ermöglichen, Bauteile eindeutig ihren Produktionsbedingungen zuzuordnen. So können Fehlerursachen schneller und unmittelbarer identifiziert und Qualitäts- und Kostenrisiken vermieden werden. Während der Einsatz in Großunternehmen bereits etabliert ist, ist der Verbreitungsgrad in KMU nach wie vor sehr gering. Gründe liegen unter anderem in der fehlenden Markttransparenz und einem Mangel an personellen und fachlichen Ressourcen. Um Hemmnisse bei der Auswahl und Implementierung von Traceability-Systemen insbesondere bei KMU abzubauen, haben die Fachgebiete Qualitäts- und Prozessmanagement sowie Produktionsorganisation und Fabrikplanung an der Universität Kassel in einem über zwei Jahre laufenden Forschungsprojekt der Forschungsgemeinschaft Qualität e.V. (FQS) ein speziell für KMU geeignetes Instrumentarium zur anwenderspezifischen Auswahl und Einbindung eines leistungsfähigen Traceability-Systems erarbeitet.

Die entwickelte Methodik soll nun in Form eines Leitfadens als FQS-DGQ-Bandes dokumentiert werden, um KMU bedarfsgerecht, individuell und aufwandsarm und ohne die Notwendigkeit eines tiefgreifenden Verständnisses von Traceability-Systemen bei der Auswahl einer geeigneten Lösung zu unterstützen. Kern bildet dabei der Abgleich unternehmensspezifischer Produkte und Prozesse mit den Eigenschaften von Referenzprodukten und -prozessen, der es KMU ermöglicht, relevante Anforderungen an ein geeignetes Rückverfolgungssystem zu identifizieren. Die Veröffentlichung des FQS-Bandes ist für Ende des Jahres geplant.

Umfrage für FQS-Forschungsprojekt: Daten und Datenquellen für Smart Data in der Produktentstehung

Ein interdisziplinäreres Team der TU Berlin und HS Koblenz hat sich zum Ziel gesetzt, Smart Data für KMU im Produktentstehungsprozess (PEP) nutzbar zu machen. Das im Februar 2020 gestartete und von der Forschungsgemeinschaft Qualität e.V. (FQS) geförderte Projekt SAPEQ (Smart Data Analytics in der Produktentstehung zur Sicherstellung der Qualität bei KMU) nutzt eine Onlineumfrage, um zu ermitteln, welche Daten und Datenquellen bei KMU im PEP zur Verfügung stehen. Dafür wird Input von Personen benötigt, die Erfahrung innerhalb des PEP haben (wie bspw. Technischer Leiter*innen/ Prozess Ingenieur*innen und weitere Wissensträger*innen). Ziel der Erhebung ist es, Erkenntnisse darüber zu liefern, welche Daten in KMU vorliegen, wie diese erhoben werden und wie sie durch KMU genutzt werden können.

Um den notwendigen Praxisbezug zu KMU herzustellen wird um rege Teilnahme gebeten. An der Umfrage kann bis zum 30. Juni 2021 teilgenommen werden. Zur Umfrage »

Getroffene Erkenntnisse können nach Beendigung der Umfrage auf der Projektwebseite eingesehen werden. Gerne können Sie auch im Rahmen von individuellen Onlineworkshops an der Ermittlung praxisnaher Herausforderungen und deren Ursachen im PEP teilnehmen. Kontaktieren Sie das zuständige Team dafür ebenfalls über die Projektwebseite.

FQS-Forschungsprojekt: Inline-CT Prüfung von medizinischen und Hochpräzisionsspritzgusswerkstücken

Die Relevanz einer 100% Produktionsprüfung in der Kunststoffbranche hat in den vergangenen Jahren durch die stetig wachsenden Ansprüche an Zuverlässigkeit sowie striktere Qualitätsnormen stark zugenommen. Speziell im Bereich des medizinischen Kunststoffspritzgusses sehen sich Hersteller mit sehr hohen Anforderungen an die Produktzuverlässigkeit und Lebensdauer der Spritzgusswerkstücke konfrontiert. Dies wird aktuell mit einem sehr zeitintensiven sowie fehleranfälligen messtechnischen Aufwand bewältigt.

Im Rahmen des Forschungsprojektes ist geplant, ein robotergeführtes Positioniersystem der Röntgenkomponenten für ein neues Inline-CT System zu implementieren. Dies ermöglicht eine hohe Flexibilität bei der Aufnahme der Röntgenprojektionen und erleichtert eine spätere Integration des Prüfsystems in bestehende Fertigungsstrecken.

Interessierte Unternehmen haben die Möglichkeit, sich als Mitglied des Projektbegleitenden Ausschusses zu beteiligen. Hierbei bringen Sie Ihre Anforderungen aus der Praxis ein, gestalten das Forschungsvorhaben mit und profitieren frühzeitig von den erzielten Ergebnissen. Hierzu kann auch eine prototypische Umsetzung im Unternehmen durch die Forschungseinrichtung gehören. Für die Finanzierung des Projektmanagements erhält die FQS von den beteiligten Unternehmen einen Förderbeitrag von 2.000 Euro für KMU (Jahresumsatz nicht größer als 125 Mio. Euro) bzw. 4.000 Euro für Nicht-KMU. Start-ups innerhalb drei Jahre nach Gründung bleiben kostenfrei.

Die Projektlaufzeit ist ab Ende 2021 für zwei Jahre geplant. Für weitere Informationen steht Ihnen Gregor Dürre (gregor.duerre@ipk.fraunhofer.de) zur Verfügung.

Hier geht es zur Beschreibung des FQS-Forschungsprojekts »

FQS-Forschungsprojekt: Production Security Readiness Check (PSRC)

Industrie 4.0 bedeutet Vernetzung – und dafür ist eine ausreichende IT-Sicherheit die Grundvoraussetzung. Doch die Öffnung von bisher geschlossenen Produktionssystemen führt zu Angriffsflächen und Sicherheitslücken. Schwachstellen der IT in Verwaltung und Fertigung eines Unternehmens oder auch im unternehmensübergreifenden Netzwerk können die Beteiligten dramatisch beeinträchtigen.

Ziel des Forschungsvorhabens „Production Security Readiness Check“ ist daher die Befähigung produzierender Unternehmen (insbesondere KMU) zur sicheren Teilnahme in einem vernetzten, adaptiven Wertschöpfungsnetzwerk durch ein unabhängiges Verständnis des eigenen IT-Sicherheitslevels und notwendig umzusetzender Maßnahmen. Hierzu wird eine webbasierte Applikation zum Abgleich der im Unternehmen vorherrschenden Situation mit einem Referenzmodell erarbeitet.

Die Applikation bewertet das IT-Sicherheitslevel mit dem Referenzmodell und vergleicht nach Branche und Unternehmensgröße. Schlussendlich erfolgt eine automatisierte Ableitung von Maßnahmen und die App erstellt eine priorisierte Liste von notwendigen, empfohlenen und optionalen Schritten zur Erhöhung des IT-Sicherheitslevels, die durch eine Liste potentieller Anbieter von IT-Sicherheitslösungen ergänzt wird.

Interessierte Unternehmen haben die Möglichkeit, sich als Mitglied des Projektbegleitenden Ausschusses zu beteiligen. Hierbei bringen Sie Ihre Anforderungen aus der Praxis ein, gestalten das Forschungsvorhaben mit und profitieren frühzeitig von den erzielten Ergebnissen. Hierzu kann auch eine prototypische Umsetzung im Unternehmen durch die Forschungseinrichtung gehören. Für die Finanzierung des Projektmanagements erhält die FQS von den beteiligten Unternehmen einen Förderbeitrag von 2.000 Euro für KMU (Jahresumsatz nicht größer als 125 Mio. Euro) bzw. 4.000 Euro für Nicht-KMU. Start-ups innerhalb drei Jahre nach Gründung bleiben kostenfrei.

Die Projektlaufzeit ist ab Anfang 2021 für zwei Jahre geplant. Für weitere Informationen steht Timo Heutmann (Tel: +49 241 8904-245 Mail: timo.heutmann@ipt.fraunhofer.de) zur Verfügung.

Weitere Informationen zum Projekt und Ihren Beteiligungsmöglichkeiten finden sie hier »

FQS-Forschungsprojekt: HUMEUS – Humanzentriertes Entscheidungsunterstützungssystem für das Stör- und Fehlermanagement auf dem Shopfloor

Das geplante Forschungsvorhaben HUMEUS zielt darauf ab, Mitarbeitende in der Produktion bei der Entscheidungsfindung in Stör- und Fehlersituationen zu unterstützen. Erforscht wird, wie ein humanzentriertes und auf Methoden der Künstlichen Intelligenz (KI) basierendes Entscheidungsunterstützungssystem gestaltet sein sollte, sodass eine möglichst effiziente Zusammenarbeit zwischen Mensch und System gewährleistet werden kann. Dazu wird ein System entwickelt, das mithilfe KI-basierter Methoden aus Unternehmensdaten mögliche Handlungsoptionen generiert. Die Informationen zu diesen Handlungsoptionen werden humanzentriert zur Verfügung gestellt.

Interessierte Unternehmen haben die Möglichkeit, sich als Mitglied des Projektbegleitenden Ausschusses zu beteiligen. Hierbei bringen Sie Ihre Anforderungen aus der Praxis ein, gestalten das Forschungsvorhaben mit und profitieren unmittelbar von den erzielten Ergebnissen. Hierzu kann auch eine prototypische Umsetzung im Unternehmen im Rahmen einer Validierung der Forschungsergebnisse durch die Forschungseinrichtung gehören. Für die Finanzierung des Projektmanagements erhält die FQS von den beteiligten Unternehmen einen Förderbeitrag von 2.000 Euro für KMU (Jahresumsatz nicht größer als 125 Mio. Euro) bzw. 4.000 Euro für Nicht-KMU. Start-ups innerhalb drei Jahre nach Gründung bleiben kostenfrei.

Die Projektlaufzeit ist ab Mitte 2021 für zwei Jahre geplant. Für weitere Informationen stehen Ihnen Herr Sascha Thamm vom WZL unter +4915172921969 oder per E-Mail an S.Thamm@wzl.rwth-aachen.de zur Verfügung.

Hier geht es zur Beschreibung des FQS-Forschungsprojekts “HUMEUS” »

FQS unterstützt Forschungsprojekt des WZL der RWTH Aachen und der Universität São Paulo

Viele Unternehmen verlagern heutzutage ihre Produktionsstandorte ins Ausland. Dies bringt Herausforderungen, wie beispielsweise länderspezifisch variierende Qualifikationsniveaus der Arbeitskräfte, mit sich. Wie können diese Unternehmen dennoch ein hohes Qualitätsniveau gewährleisten? Dieser Frage widmet sich das von der Forschungsgemeinschaft Qualität e. V. (FQS) geförderte internationale Forschungsprojekt „Augmented Intelligence based Quality Assurance of Assembly Tasks in Global Value Networks“ (AuQuA). An der Kooperation beteiligt sind das Werkzeugmaschinenlabor (WZL) der RWTH Aachen, die Mechatronik-Gruppe der Universität São Paulo sowie Prof. Sanderson Barbalho von der Universidade de Brasília. Entwickelt wird ein intelligentes Montageunterstützungssystem, das mithilfe von Augmented Reality automatisiert Montageanleitungen für Arbeiter anfertigt und verbessert.

Ziel des Projektes ist, „die Qualität einer Produktion standort- sowie mitarbeiterqualifikationsunabhängig auf ein gleichbleibend hohes Niveau zu elevieren und kontinuierlich mit Methoden der Künstlichen Intelligenz zu verbessern“, so Prof. Robert Schmitt, Direktor des WZL.

Die FQS wird in den zwei Jahren, auf die das Projekt ausgelegt ist, koordinativ und beratend agieren. Im Rahmen des Programms zur Förderung der industriellen Gemeinschaftsordnung und der Collective Research Network (CORNET) Initiative wird das Projekt unter der Nummer 273 EN durch das Bundesministerium für Wirtschaft und Energie (BMWi) aufgrund eines Beschlusses des Deutschen Bundestags gefördert.

Weitere Informationen zum Projekt finden Sie hier».

FQS-Forschungsprojekt: Prozessstabilisierung und kontinuierliche Qualitätskontrolle mit dem FDM-Verfahren

Durch den Einsatz von Schneckenextrudern und kostengünstigen Robotersystemen können bei einem FDM-Prozess Aufbauraten von bis zu 50 kg/h erreicht werden. Aufgrund einer unzureichenden Prozessführung können jedoch Bauteilfehler entstehen, welche oftmals erst im nachgelagerten Qualitätssicherungsprozess detektiert werden. Ein ganzheitliches Sensorsystem zur Überwachung und Regelung der Abstände zwischen Extruder-Bett und Extruder-Bauteil sowie des Materialflusses ist im Bereich der roboterbasierten FDM-Prozesse aktuell nicht verfügbar. Im Rahmen des “BigQuAM”-Forschungsprojekts wird eine integrierte und richtungs-unabhängige Sensorik entwickelt, mit der eine Prozessstabilisierung und eine automatisierte QS beim roboterbasiertem FDM-Verfahren erzielt wird.

Interessierte Unternehmen haben die Möglichkeit, sich als Mitglied des Projektbegleitenden Ausschusses zu beteiligen. Hierbei bringen Sie Ihre Anforderungen aus der Praxis ein, gestalten das Forschungsvorhaben mit und profitieren als Erste von den erzielten Ergebnissen. Hierzu kann auch eine prototypische Umsetzung im Unternehmen durch die Forschungseinrichtung gehören. Für die Finanzierung des Projektmanagements erhält die FQS von den beteiligten Unternehmen einen Förderbeitrag von 2.000 Euro für KMU (Jahresumsatz nicht größer als 125 Mio. Euro) bzw. 4.000 Euro für Nicht-KMU. Start-ups innerhalb drei Jahre nach Gründung bleiben kostenfrei.

Die Projektlaufzeit ist ab Anfang 2021 für zwei Jahre geplant. Für weitere Informationen steht Ihnen Malte Buhr vom Fraunhofer IAPT (E-Mail: malte.buhr@iapt.fraunhofer.de) zur Verfügung.

Hier geht es zur Beschreibung des FQS-Forschungsprojekts „BigQuAM“ »

FQS-Forschungsprojekt: Einsatz von Wearables zur Qualitätssicherung in der manuellen Baugruppenmontage

Wearables sind meist kleine Computer, die am Körper getragen werden. Als Schnittstelle zwischen digitaler und realer Welt sind sie prädestiniert für die Einbindung des Menschen in die digitale Umgebung und ein wichtiger Schritt in Richtung Digitalisierung. Sie sind momentan ein großer Trend in der mobilen Consumer-Elektronik, können jedoch auch in der Industrie angewendet werden. Bislang setzen allerdings nur 3,2% deutscher KMUs Wearables ein, sodass der Einsatz zur Sicherung der Qualität bisher nur sporadisch erfolgt.

Das Projekt „QualiWear“ soll KMU den Zugang zu und die Anwendung von Wearables als neue Technologie ermöglichen. Ziel des Projektes ist es, die Transparenz über die Vielzahl an tragbaren Technologien zur Kommunikation zwischen Mensch und Systemen, speziell im Bereich der Qualitätssicherung und des Qualitätsmanagements, zu erhöhen und Unternehmen im Auswahlprozess zu unterstützen. Der im Rahmen des Projektes zu entwickelnde Auswahlassistent bietet Ihnen die Möglichkeit, mithilfe einer Wissensdatenbank die passende Technologie für den eigenen Prozess zu identifizieren und mit anderen Technologien in Verbindung zu bringen.

Werden Sie Teil des Projektausschusses um sich als erstes einen Vorteil aus dem erforschten Wissen zu sichern. Egal ob als KMU oder größeres Unternehmen: als Partner profitieren Sie nicht nur von den Erkenntnissen des Forschungsprojektes, sondern können dessen Ausrichtung aktiv mitgestalten und so den für Sie größten Nutzen erzielen. Knüpfen Sie zudem wertvolle Kontakte mit weiteren Projektmitgliedern, erweitern Sie Ihr Netzwerk und profitieren Sie vom Austausch mit unseren Experten, um die Technologiekompetenz in Ihrem Unternehmen weiter auf- und auszubauen.

Die Projektlaufzeit ist ab Anfang 2021 für zwei Jahre geplant. Für weitere Informationen stehen Ihnen Kristin Wagner von der HS Koblenz (E-Mail: krwagner@hs-koblenz.de) und Rebecca-Maria Ries (E-Mail: rebecca-maria.ries@hs-niederrhein.de) zur Verfügung.

Hier geht es zur Beschreibung des FQS-Forschungsprojekts “QualiWear” »

FQS-Forschungsprojekt: Optimierung der geometrischen Qualität beim Nutschleifen von Zerspanwerkzeugen mittels hybrider Modellierung

Das Schleifen hochpräziser Zerspanwerkzeuge stellt durch eine Vielzahl teilweise schwer quantifizierbarer Einflussfaktoren einen komplexen Fertigungsprozess dar und ist gleichzeitig der wichtigste Prozessschritt bei der Werkzeugherstellung. Dieser Komplexität wird aktuell durch den Einsatz hochqualifizierter Mitarbeiter begegnet, die mit ihrem Erfahrungs- und Prozesswissen qualitativ hochwertige Ergebnisse in einem iterativen Trial-and-Error (T&E)-Prozess erzielen. Das Forschungsvorhaben »hybrid« verfolgt das Ziel, die Mitarbeiter durch die Vorhersage von Einstellparametern insofern zu entlasten, dass der iterative T&E-Prozess entfällt und die Qualitätsprüfung auf ein notwendiges Minimum reduziert werden kann. Das Ergebnis des Projektes stellt das »hybrid«-Softwaretool dar, welches die Erzeugung zur Realgeometrie passender Einstellparameter für die Schleifmaschine darstellt.

Interessierte Unternehmen haben die Möglichkeit, sich als Mitglied des Projektbegleitenden Ausschusses zu beteiligen. Hierbei bringen Sie Ihre Anforderungen aus der Praxis ein, gestalten das Forschungsvorhaben mit und profitieren als Erste von den erzielten Ergebnissen. Hierzu kann auch eine prototypische Umsetzung im Unternehmen durch die Forschungseinrichtung gehören. Für die Finanzierung des Projektmanagements erhält die FQS von den beteiligten Unternehmen einen Förderbeitrag von 2.000 Euro für KMU (Jahresumsatz nicht größer als 125 Mio. Euro) bzw. 4.000 Euro für Nicht-KMU. Start-ups innerhalb drei Jahre nach Gründung bleiben kostenfrei.

Die Projektlaufzeit ist ab Ende 2020 für zwei Jahre geplant. Für weitere Informationen steht Jonas Dorißen (E-Mail: jonas.dorissen@ipt.fraunhofer.de, Telefon +49 241 8904-523) zur Verfügung.

Hier geht es zur Beschreibung des FQS-Forschungsprojekts “hybrid” »

FQS-Forschungsprojekt: „AM Analytics“ (Automatisierte in-situ Defekterkennung in der pulverbettbasierten additiven Fertigung)

Im Projekt AM Analytics soll eine automatisierte in-situ Defekterkennung in der pulverbettbasierten additiven Fertigung (PBF: Powder Bed Fusion) mit Hilfe von Methoden der statistischen Analytik von optischen in-situ Messdaten und nachgelagerten µCT-Messungen entwickelt werden. PBF-Verfahren für Metalle und Kunststoffe sind vor dem Hintergrund der aktuellen wirtschaftlichen und gesellschaftlichen Transformation die technologische Disruption in zentralen Branchen der industriellen Produktion, wie beispielsweise der Medizintechnik, der Luft- und Raumfahrttechnik oder des Automobilbaus. (mehr …)

FQS-Forschungsprojekt: Crowd-basierte Mechanismen für KMU

Crowdworking hat in den letzten Jahren, auch durch die wachsende Digitalisierung, stark an Bedeutung gewonnen. International tätige (Groß-) Unternehmen nutzen bereits heute intensiv Crowd-basierte-Ansätze, sowohl extern als auch innerhalb ihres Unternehmens. Für KMU bietet diese neue Form der Arbeitsorganisation allerdings noch erhebliches ungenutztes Potenzial: einen einfachen und schnellen Zugriff auf externe Experten, effizienterer Einsatz interner Ressourcen, Nutzung von Arbeitsleistungen „On Demand“ sowie großes Innovationspotenzial und Kostenvorteile. Allerdings sind die Handhabung derartiger Mechanismen und die damit einhergehenden Erfordernisse, insbesondere zur Sicherstellung der Qualität der gelieferten Arbeitsergebnisse und deren einfacher Integration in die internen Unternehmensprozesse, KMU bisher nur wenig bekannt und stellt diese zunächst vor Herausforderungen. Das Projekt zielt daher auf die Entwicklung eines Referenzprozessmodells inklusive konkreter Handlungsempfehlungen für ein umfassendes Qualitätsmanagement ab, mit denen die effiziente und effektive Nutzung Crowd-basierter Mechanismen durch KMU möglich wird. (mehr …)

FQS-Forschungsprojekt »reQenrol« sucht Industriepartner für Teilnahme

Eine qualitätsorientierte Personaleinsatzplanung auf Basis von Mitarbeiterqualifikationen und –kompetenzen stellt eine Grundvoraussetzung für die Schaffung hoher Produktqualität bei überwiegend manuellen Produktionsprozessen dar. Etablierte Softwaresysteme stellen bisher nur wenige unterstützende Funktionen für die überwiegend manuelle und zeitintensive Einsatzplanung bereit. Produktionsaufträge und papier- oder excel-basierte Qualifikationsmatrizen sind typischerweise die Planungsgrundlage. Die Aktualität der Daten hängt von einer manuellen, jedoch oft vernachlässigten Pflege ab. Dies erschwert eine systematische Qualifizierung und Kompetenzsteigerung der Mitarbeiter, die zur Einhaltung der Qualitätsstandards und den flexiblen Einsatz der Mitarbeiter anzustreben ist. Besonders für kleine und mittlere Unternehmen ist zudem eine ausreichende Verfügbarkeit qualifizierter und kompetenter Mitarbeiter oft nicht gegeben.

Ziel des Forschungsvorhabens „reQenrol“ ist daher die Kompetenz- sowie qualitätsbasierte Personaleinsatzplanung und -schulung in der Produktion mithilfe von Smart Devices. Prozesserfahrene Mitarbeiter erstellen aus einem unternehmensspezifischen und app-basierten Prozessbaukasten modulare sowie multimediale Anleitungen für die Ausübung typischer Arbeitsschritte. Eine teil-automatische, qualitätsorientierte Einsatzplanung der verfügbaren Produktionsmitarbeiter erfolgt auf Grundlage von Qualifikations- und Kompetenzprofilen, die in einer geeigneten Datenbank vorgehalten werden. Basierend auf den Kompetenzprofilen werden Mitarbeitern mit nicht ausreichender Kompetenz individuelle Schulungsunterlagen zur Schließung der Kompetenzlücke während der Ausübung der Tätigkeiten über eine App bereitgestellt. Das Kompetenzprofil wird nach Erreichen von Zielwerten durch den Mitarbeiter (z.B. konstant hohe Qualität der gefertigten Produkte) aktualisiert.

Interessierte Unternehmen haben die Möglichkeit sich als Anwender oder Befähiger an »reQenrol« zu beteiligen. Anwender können im Rahmen von »reQenrol« Anforderungen und Anwendungsfälle für die zu entwickelnden Teillösungen (Prozessbaukasten, Einsatzplanung, individualisierte Bereitstellung der Schulungsunterlagen) einbringen. Als Befähiger werden Unternehmen gesucht, die Softwaresysteme für die Produktion (z.B. ERP, MES, CAQ) bzw. Assistenzsysteme für Mitarbeiter entwickeln. Diese Unternehmen können Knowhow und Anforderungen für die Anbindung und Ausgestaltung der einzelnen Softwaresysteme in das Projekt einbringen. Die Ergebnisse des Projektes, wie erarbeitete Konzepte sowie Prototypen der entwickelten Anwendungen, werden allen beteiligten Unternehmen zur Verfügung gestellt. Für weitere Informationen steht Ihnen Karl Lossie (Telefon: +49 241 8904-299, E-Mail: karl.lossie@ipt.fraunhofer.de) zur Verfügung. Die Projektlaufzeit ist von September 2020 bis August 2022 geplant.

FQS-Forschungsprojekt „GeoFit“: Qualitätsprognose geometrischer Merkmale durch virtuellen Zusammenbau mit realen Messdaten

Tolerierung geometrischer Abweichungen von Bauteilen wird mit zunehmenden Anforderungen an die Produkte immer wichtiger. Zu enge Toleranzen können hohe Kosten, zu große Abweichungen eine mangelhafte Funktionalität des Produkts verursachen. Toleranzen und Abweichungen betreffen immer den Verbund aller an einem Zusammenbau beteiligten Bauteile. Ziel des Forschungsprojekts GeoFit der Forschungsgemeinschaft Qualität ist daher die Verbesserung der vollständigen, durchgängigen Nutzung von geometrischen Messdaten.

Hierfür wird ein neuer Ansatz in GeoFit entwickelt, in welchem die geometrischen Eigenschaften im Zusammenbau interpretiert werden. Ein wesentlicher Bestandteil des Projekts ist außerdem die Entwicklung der Messtechnik-Algorithmen zum virtuellen Zusammenbau mit realen Messdaten. Geeignete Algorithmen werden künftig hochrelevant sein, da die Normung zur Bezugsbildung die Nachbildung des Kontakts zwischen Bauteilen zunehmend hervorhebt (z.B. Norm ISO 5459:2011).

Im Projekt entsteht ein Demonstrator, der durch eine an die DGQ-Methode „Mix Sigma“ angelehnte Auslesepaarung eine bestmögliche Kombination von Bauteilen erzeugt. Die durchgängige Nutzung der Geometriedaten wird dadurch auf den Produktionsprozess ausgedehnt.

Interessierte Unternehmen haben die Möglichkeit, sich als Mitglied des Projektbegleitenden Ausschusses zu beteiligen. Hierbei bringen Sie Ihre Anforderungen aus der Praxis ein und gestalten so das Forschungsvorhaben mit. Für die Finanzierung des Projektmanagements erhält die FQS von den beteiligten Unternehmen einen Förderbeitrag von 2.000 Euro für KMU (Jahresumsatz nicht größer als 125 Mio. Euro) bzw. 4.000 Euro für Nicht-KMU. Start-ups innerhalb drei Jahre nach Gründung bleiben kostenfrei.

Die Projektlaufzeit ist ab Mitte 2020 für zwei Jahre geplant. Für weitere Informationen steht Manuel Kaufmann vom Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA (E-Mail: manuel.kaufmann@ipa.fraunhofer.de, Telefon +49 711 970-1833) zur Verfügung.

Hier geht es zu einer Kurzbeschreibung des FQS-Projekts “GeoFit” »

Die FQS tritt AiF-Forschungsallianz Medizintechnik (FAM) bei

Seit Anfang April 2019 ist die FQS – Forschungsgemeinschaft Qualität e.V. Mitglied der neu gegründeten AiF-Forschungsallianz Medizintechnik (FAM). Mit dem 1. Gemeinsamen Fachkolloquium Medizintechnik fand am 9. April 2019 die erste öffentliche Veranstaltung der FAM in Frankfurt am Main statt.

Als Forschungsinstitution der Deutschen Gesellschaft für Qualität (DGQ) war die FQS bereits zuvor ordentliches Mitglied der Arbeitsgemeinschaft industrieller Forschungsvereinigungen (AiF).

Die DGQ hat im Jahr 2018 drei Fokusthemen definiert, die sie künftig stärker besetzen wird: Digitalisierung, Gesundheit und Pflege sowie Sicherheit. Die FQS nimmt diese Themen auf und entwickelt ihr Forschungsportfolio hier schwerpunktmäßig weiter. Im Bereich Gesundheit sieht sie vor allem im Bereich der Medizintechnik aber auch bei Qualitätsfragen der Medizinprodukte und -dienstleistungen hierfür zentrale Ansatzpunkte. Die FQS plant, mit dem Fachkreis Gesundheit, den Qualitätsleiterkreisen und interessierten Regionalkreisen der DGQ intensiv zusammenzuarbeiten. Zudem sind Kooperationen mit Institutionen der Gesundheitswirtschaft aus dem Netzwerk der DGQ vorgesehen. Dazu gehören beispielsweise Krankenhäuser, ärztliche Versorgungszentren oder Branchenverbände. Insbesondere sollen Synergien zwischen technologischer und organisatorischer Innovation im Gesundheitsbereich vorangebracht werden.

Die AiF-Forschungsallianzen sind Kooperationen mehrerer AiF-Forschungsvereinigungen. Sie verfolgen das Ziel, ein bestimmtes Themenfeld durch intensiven inhaltlichen Austausch und Kooperationsprojekte fachlich voranzubringen und für eine stärkere Sichtbarkeit gegenüber der Öffentlichkeit zu sorgen.

Die FAM beabsichtigt, im Verbund mit den anderen Mitgliedern der Forschungsallianz wirtschaftlich relevante Forschungsfragen der Medizintechnik zu bearbeiten und sich dabei Qualitätsaspekte zu konzentrieren. Dies erfolgt durch die industrielle Gemeinschaftsforschung, ein lang bewährtes Förderinstrument des Bundesministeriums für Wirtschaft und Energie. Ein Schwerpunkt liegt hierbei auf den Bedarfen kleinerer und mittelständischer Unternehmen.

Weitere Informationen sind auf der FAM-Webseite erhältlich.

Forschungsprojekt „Traceability für KMU“ bewilligt – Industriepartner für Teilnahme gesucht

Zur lückenlosen Rückverfolgbarkeit von Produkten entlang eines Wertschöpfungsprozesses werden heute Traceability-Systeme eingesetzt. Sie ermöglichen es, Fehler unter Zuhilfenahme verschiedener technischer Lösungen unmittelbar und eindeutig den fehlerverursachenden Herstell- und/oder Bearbeitungsvorgängen zuzuordnen. In kleinen und mittelständischen Unternehmen ist der Verbreitungsgrad von Traceability-Systemen allerdings nach wie vor sehr gering. Dies birgt finanzielle Risiken und wirkt sich nachteilig auf die Wettbewerbsfähigkeit aus.

Aus diesem Grund erarbeiten die Fachgebiete Qualitäts- und Prozessmanagement sowie Produktionsorganisation und Fabrikplanung an der Universität Kassel in einem Forschungsprojekt der Forschungsgemeinschaft Qualität e.V. (FQS) anwendungsorientiert  Lösungen. Ziel ist es KMU dabei zu unterstützen, leistungsfähige Traceability-Systeme auszuwählen und zu implementieren. Das Kick-off-Meeting zum Projekt findet voraussichtlich im Juni 2019 statt.

Interessierte Unternehmen haben die Möglichkeit, sich als Anwendungspartner am Forschungsprojekt zu beteiligen und von den Projektergebnissen zu profitieren. Für weitere Informationen stehen die Projektmitarbeiter Tim Trostmann und Christian Kern zur Verfügung. Kontakt: T 0561 804 4657, E-Mail: trostmann@uni-kassel.de, kern@uni-kassel.de

Neuer FQS-Band präsentiert Education Graph zur bedarfsgerechten Auswahl von Weiterbildungen

Qualifizierte und kompetente Mitarbeiter stellen einen wesentlichen Erfolgsfaktor zur Sicherung der Innovations-, Leistungs- und Wettbewerbsfähigkeit von Unternehmen dar. Das Überangebot an Bildungsformaten erschwert jedoch eine bedarfsgerechte Auswahl von Weiterbildungen, die Eigenschaften und Präferenzen des Lerners genauso berücksichtigt wie organisationale Rahmenbedingungen. Zu oft entscheidet das Bauchgefühl oder es wird den Erfahrung Anderer vertraut. Das durch die FQS geförderte Forschungsprojekt „Ganzheitliche Systematisierung und Individualisierung der betrieblichen Weiterbildung in kleinen und mittleren Unternehmen auf Grundlage bildungswissenschaftlich fundierter Forschung (ESSYST)“ hat sich dieses Problems angenommen. Das Ergebnis ist ein Demonstrator, der ein ideales Matching zwischen Bildungsbedarf und -angeboten ermöglicht. ESSYST wurde vom Institut für Werkzeugmaschinen und Fabrikbetrieb der Technischen Universität Berlin sowie dem Hamburger Zentrum für Universitäres Lehren und Lernen der Universität Hamburg durchgeführt.

Zunächst entwickelten die Projektbeteiligten eine Systematik für eine strukturierte, methodengestützte und faktenbasierte Weiterbildungsarbeit in Unternehmen. Zudem wurden Interviews zur Anforderungserhebung durchgeführt. Die Interviewpartner waren unter anderem Geschäftsführer, Personalentwickler, Vertreter von Bildungsträgern sowie Mitarbeiter als potentielle Empfänger von Weiterbildungen. Durch eine stark methodisch geprägte Vorgehensweise bei der Analyse der Anforderungen von Bildungsempfängern und der Eigenschaften verschiedener Bildungsangebote konnten die Forscher Abhängigkeiten identifizieren. Diese Erkenntnisse hinterlegten sie in einem Algorithmus, der Kompatibilitätsbewertungen zwischen Angebot und Nachfrage zulässt. Als Ergebnis wird ein  Matching-Grad ausgeben. Die Qualitätssicherung entlang des gesamten Weiterbildungsprozesses wird durch die Erfassung geeigneter Qualitätsmerkmale sichergestellt.

Die Ergebnisse von Essyst sind in dem neuen FQS-Band 88-12 „Leitfaden zur Anwendung eines Empfehlungssystems für Weiterbildungen“ (50 Seiten, A4, 59 EUR, ISBN: 978-3-940991-24-9) erschienen.

FQS-Band bestellen

 

Neues FQS-Forschungsprojekt soll die Nutzung von Smart Devices verbessern

Industriepartner für Teilnahme gesucht

Der Einsatz von Smart Devices wie Tablets, intelligente Uhren oder Datenbrillen in industriellen Anwendungen wächst zunehmend. Diese mobilen Endgeräte werden vor allem als Werker-Assistenzsysteme genutzt. Sie bieten die Möglichkeit, für den Werker wichtige Information bedarfsgerecht an Ort und Stelle einzublenden und ihn so bei der Ausführung seiner Tätigkeiten zu unterstützen. Die Möglichkeiten zur Aufbereitung und Darstellung der benötigten Informationen sind aufgrund der vielseitigen Einsatzmöglichkeiten sowie der eingesetzten Hardware und Software extrem geräte- und anwendungsabhängig. Hierdurch wird aktuell eine gewinnbringende Nutzung von Smart Devices zur Werker-Flexibilisierung und Prozessabsicherung erschwert.

Das von der FQS-Forschungsgemeinschaft Qualität e.V. betreute Forschungsprojekt des Fraunhofer-Instituts für Produktionstechnologie IPT will Abhilfe schaffen. Durch gezielte Anwenderstudien sollen Gestaltungsregeln für eine sinnvolle Informationsverdichtung und Darstellung für verschiedene mobile Endgeräten in unterschiedlichen Einsatzszenarien (Qualitätssicherung, Montage, Logistik etc.) erarbeitet werden. Hierdurch sollen insbesondere kleine und mittelständische Unternehmen befähigt werden, Smart Devices und entsprechende Softwaresysteme auf dem Shopfloor gewinnbringend einzusetzen und ihre Mitarbeiter zu flexibilisieren.

Interessierte Unternehmen haben die Möglichkeit, sich mit anderen Organisationen auszutauschen oder als Anwendungspartner im Projekt mitzuwirken. Wer mehr erfahren möchte, erhält weitere Informationen bei Florian Lindner, T 0241 8904 -160, Mail florian.lindner@ipt.fraunhofer.de.

Industriepartner für FQS-Forschungsprojekt gesucht

Six Sigma – der DMAIC-Zyklus – hat sich zur Prozessverbesserung im Produktionsbereich in vielen Branchen etabliert. Während Six Sigma bestehende Prozesse betrachtet bzw. niedrige Qualität nachträglich verhindert oder beseitigt, konzentriert sich der Ansatz des Design for Six Sigma (DFSS) darauf, hohe Qualität bereits in der Produktgestaltung zu berücksichtigen. Dies entspricht dem Ansatz der Zehnerregel, wonach hohe Qualität in frühen Produktentstehungsphasen größere Kosteneinsparungen ermöglicht. Obwohl die Kosteneinsparpotenziale immer wieder genannt werden, konnte sich DFSS bisher nicht ausreichend durchsetzen.

Das von der FQS-Forschungsgemeinschaft Qualität e.V. betreute Forschungsprojekt „Smart Data Analytics in der Produktentstehung zur Sicherstellung der Qualität“ soll nun durch den Einsatz von Smart Data die Potenziale der Produktentwicklung nutzbar machen. Ziel des Projekts ist, das Null-Fehler-Prinzip in der Entwicklungsphase anzuwenden, um den Aufwand in der Produktentwicklung zu reduzieren und eine konsequente und nachhaltige Kundenorientierung zu ermöglichen. Durch die Nutzung aktuell vorhandener und zukünftig hinzukommender Daten sollen intelligente Informationen extrahiert werden. Die Kombination von DFSS, Design Thinking und Smart Data erhöht die Wirksamkeit der unterstützenden Prozesse.

Sie interessieren sich für diesen Ansatz, möchten sich im Rahmen des Projektes mit anderen Unternehmen austauschen oder als Anwendungspartner mitwirken? Bei Frau Bui Thi Thanh erhalten Sie weitere Informationen. Kontakt: T 030 314 23995, E-Mail Tra.buithithanh@tu-berlin.de

Neues FQS-Forschungsprojekt soll Mitarbeiterqualifizierung steigern

Industriepartner für Teilnahme gesucht

Auf individuelle Kundenwünsche zugeschnittene Produkte sind im produzierenden Gewerbe zunehmend gefragt. Dies führt zu stark variierenden Prozessketten, die eine Einsatzplanung begrenzt verfügbarer und unterschiedlich qualifizierter Mitarbeiter erschweren. Gerade kleine und mittlere Unternehmen mit hohem Grad an manuellen Prozessen stehen vor großen Herausforderungen, denn ihre Personalkapazitäten sind häufig beschränkt.

Das von der FQS-Forschungsgemeinschaft Qualität e.V. betreute Forschungsprojekt des Fraunhofer-Instituts für Produktionstechnologie IPT will Abhilfe schaffen. Werker-Assistenz-Systeme sollen zukünftig nicht ausreichend qualifizierte Mitarbeiter dazu befähigen, abzuarbeitende Prozesse auszuüben. Die Systeme ermöglichen es, prozessspezifische Anleitungen auf Tablet-PCs oder intelligenten Datenbrillen wiederzugeben. Die Inhalte werden zuvor von erfahrenen und qualifizierten Mitarbeitern aufgenommen. Zudem erhält jeder Mitarbeiter ein digitales Qualifikations- und Kompetenzprofil. Dies kann nach der Anwendung des Systems automatisch aktualisiert werden – und eine systematische Qualifizierung der Mitarbeiter unterstützen.

Interessierte Unternehmen haben die Möglichkeit, sich mit anderen Organisationen auszutauschen oder als Anwendungspartner im Projekt mitzuwirken. Wer mehr erfahren möchte, erhält weitere Informationen bei Kevin Kostyszyn, T 0241 8904 -603, Mail kevin.kostyszyn@ipt.fraunhofer.de.

 

 

Neues FQS-Seminar zur Produktreifebestimmung in frühen Phasen startet im März

Die Produktreife ist ein Maß für den Erfüllungsgrad der Produktanforderungen und eine wichtige Steuerungsgröße in der Produktentwicklung. Häufig kann die Produktreife aber erst in den späten Projektphasen vollständig bewertet werden – z.B. durch Prototypen und physikalische Tests. Dabei sind gerade die frühen Phasen für den Erfolg eines Entwicklungsprojekts entscheidend. Änderungen sind hier noch vergleichsweise günstig, wohingegen späte Umgestaltungen enorme Kosten und Aufwand mit sich bringen können.

Ab März bietet die Forschungsgemeinschaft Qualität e.V. (FQS) zu diesem Thema erstmalig das Seminar „Produktreifebestimmung in frühen Phasen“ an. Es vermittelt eine Systematik, um bestehenden Lücke zwischen den etablierten QM-Methoden und Vorgehensweisen wie FMEA und modernen Projektmanagement-Methoden zu schließen. Der innovative Ansatz der frühen und systematischen Bewertung von Anforderungen in Verbindung mit situationsgerecht dargestellten Anwendungsszenarien ermöglicht es, die Produktreife direkt nach Projektstart und im Projektverlauf einzuschätzen und transparent darzustellen.

Das erste Seminar findet am 21.03.2018 statt. Weitere Informationen zum Seminar erhalten Interessanten im DGQ-Webshop oder bei FQS-Projektmanagerin Verena Mennicken (T 069 954 24-197, Mail verena.mennicken@dgq.de).

Industriepartner für Forschungsprojekt gesucht

Ein neues Forschungsvorhabens des Fraunhofer Instituts für Produktionstechnik und Automatisierung (IPA) unterstützt KMU bei der Digitalisierung. Ziel ist es, die Qualität der Produktionsprozesse zu optimieren.

Erfahrungen bei Industrieprojekten im Umfeld der Statistischen Versuchsplanung (Design of Experiments – DoE) am Fraunhofer IPA machen eines deutlich: Unternehmen sehen sich bei der Untersuchung ihrer Produktionsprozesse mit dem Ziel der Qualitätsoptimierung ihrer Produkte insbesondere in vier Bereichen mit Herausforderungen konfrontiert. Erstens ist die Bestimmung relevanter Prozesseinflussgrößen und deren Messspezifikation vor Versuchsdurchführung zu nennen. Die zweite Herausforderung ist die valide Datenaufnahme der relevanten Prozesseinflussgrößen. Aufgrund der Vielzahl an zu berücksichtigenden Prozesseinflussgrößen ist digitale Unterstützung notwendig. Drittens müssen die aufgenommenen Daten ausgewertet werden. Hierfür sind bereits bei der Aufnahme der Daten Punkte wie die Kompatibilität und eine eindeutige Zuordnung der Daten untereinander wichtig. Hinzu kommt die Auswertung an sich, welche nur mit speziellen Programmen und Spezialisten möglich ist. Grundsätzlich, und das ist die vierte Herausforderung, haben Unternehmen für die Durchführung einer umfassenden Statistischen Versuchsplanung außerhalb der laufenden Produktion kaum Kapazitäten zur Verfügung.

Das von der FQS-Forschungsgemeinschaft Qualität e.V. betreute Forschungsvorhaben „Embedded and Adaptive DoE-System fo(u)r Optimization (Easy4.O)“ plant ein Vorgehen zur Aufnahme von prozessrelevanten Produktionsdaten inklusive Störgrößen in der laufenden Produktion und deren Auswertung. Dabei soll nicht in die Produktion eingegriffen werden.

Am Ende des Forschungsvorhabens soll ein System inklusive Leitfaden zur Verfügung stehen, das es Unternehmen ermöglicht, ihre Produktionsprozesse in hohem Maße selbständig zu digitalisieren, zu verstehen und zu optimieren – ohne in diese einzugreifen.

Um die spätere Anwendung des Systems in einem möglichst breiten Anwendungsfeld garantieren zu können, sucht das Fraunhofer IPA noch weitere interessierte Partnerunternehmen. Diese Unternehmen können zum einen Kenntnisse zu ihren speziellen Fertigungsprozessen oder auch Know-how zu spezieller Sensorik für die Untersuchung von Fertigungsprozessen in das Forschungsvorhaben einfließen lassen. Zum anderen haben sie durch die Beteiligung am Forschungsvorhaben die Möglichkeit, ihre Prozesse und Produkte als Anwendungsbeispiele zur Verfügung zu stellen.

Für weitere Informationen und bei Interesse an einer Beteiligung steht Dr. Jörg Mandel zur Verfügung (T 0711 970-1980, E-Mail Joerg.Mandel@ipa.fraunhofer.de).

Neuer FQS-Leitfaden hilft beim automatisierten Monitoring von Ressourcenverbräuchen

Durch voranschreitenden Klimawandel und weltweit steigende Energie- und Rohstoffkosten findet ein Umdenken in der Gesellschaft statt – ein nachhaltiges Wirtschaften ist zunehmend gefordert. Um dieser Entwicklung gerecht zu werden und eine ressourceneffiziente, umweltschonende Herstellung von Produkten zu gewährleisten, wird eine höhere Transparenz des Ressourceneinsatzes erforderlich. Die Forderungen der Kunden nach ökologisch nachhaltigen Produkten und die Möglichkeit zur positiven Außendarstellung liefern Gründe für Optimierungsmaßnahmen. Nicht zuletzt lassen sich durch eine effizientere Produktion auch Kosten senken.

Vor diesem Hintergrund hat die FQS einen „Anwenderleitfaden zum automatisierten Monitoring von Ressourcenverbräuchen“ über die Ergebnisse eines aktuellen Projektes veröffentlicht. Die entwickelte Software >>ecoIN<<unterstützt kleine und mittlere Unternehmen dabei, die ökologischen Leistungsindikatoren ihrer Produkte und Prozesse zu erfassen und zu bewerten. Diese wiederum können bei der Erstellung einer normkonformen Sachbilanz für die Ökobilanzierung unterstützen. Sie können optional in eine LCA-Software eingebunden werden, um dort eine Wirkungsabschätzung von Produkten vorzunehmen und so eine Aussage über die Umweltauswirkungen des Produkts zu erhalten. Die Software ist als Stand alone-Lösung gedacht und kann optional über Schnittstellen mit gängigen LCA-Software-Paketen interagieren. Das bedeutet konkret: Möchte ein Unternehmen die ökologischen Leistungsindikatoren seiner Produkte automatisiert aus den Daten der Produktionssysteme erheben, kommt die Software zum Einsatz. Soll darüber hinaus eine Wirkungsabschätzung der Produkte erfolgen, können die von der Software erhobenen Daten in einer separaten LCA-Software zielgerichtet genutzt werden.

Unternehmen haben demnach die Möglichkeit, die Software aus dem Projekt singulär zu nutzen die Funktionen einer LCA-Software ergänzend hinzuzuziehen.

Das FQS-Projekt wurde vom Institut für Produktionstechnologie IPT, Aachen durchgeführt. Der 32-Seiten Bericht kostet 59,00 Euro. Interessenten können den Bericht auf der DGQ-Website bestellen.

 

FQS-Forschungsprojekt macht Qualität von Weiterbildung vergleichbar

Welches Training bereitet am besten auf berufliche Herausforderungen vor? Diese Frage stellen sich viele Lernende, bevor sie eine Weiterbildung buchen. Eine Antwort zu finden, wird immer schwieriger. Denn mit fortschreitender Digitalisierung ist die Vielfalt an Weiterbildungen gestiegen. Darum ist es wichtig, dass potenzielle Teilnehmer wissen, welche Inhalte das Training vermitteln soll und was es kosten darf. Das ist in der Regel der Fall, der individuelle Lernstil wird jedoch nur selten berücksichtigt.

Hier setzt „ESSYST“ an – ein interdisziplinäres Forschungsprojekt, das die optimale Zuordnung zwischen Lernstil und Lernumgebung bei Weiterbildungsmaßnahmen berücksichtigt. Im Mittelpunkt der Untersuchung standen zum einen die Anforderungen, bestehend aus Lerneigenschaften und Lernpräferenzen. Ebenso spielten organisationale Rahmenbedingungen eine Rolle, die beispielsweise das Zeitmodell oder die Kosten betreffen.  Es wurde eine Systematik entworfen, die Weiterbildungsangebote umfassend formal charakterisiert. Die Erkenntnisse zu den Abhängigkeiten zwischen den Anforderungen und den spezifischen Merkmalen der Angebote wurden in einem Modell, dem Education Graph, zusammengeführt und in einem Demonstrator integriert.

Bei einer Anfrage durch einen reellen Nutzer startet ein Suchvorgang, der Merkmale paarweise in einer komplexen Matrix vergleicht. Im ersten Schritt wird das Angebot an Weiterbildungen gefiltert. Im Anschluss erfolgt die Sortierung der Empfehlungen anhand der Lehr-/Lernformate, -methoden und -medien, die das jeweilige Weiterbildungsangebot enthält. Dann erscheint der Matching-Wert mit dem Grad der Empfehlung. Dieser Wert gibt an, wie gut das Weiterbildungsangebot unter Berücksichtigung der didaktischen Merkmale und der Voraussetzungen des Lernenden passt.

Das Institut für Werkzeugmaschinen und Fabrikbetrieb der TU Berlin hat das Projekt gemeinsam mit dem Hamburger Zentrum für universitäres Lehren und Lernen der Uni Hamburg durchgeführt. Das IGF-Vorhaben 18657N der Forschungsvereinigung FQS Forschungsgemeinschaft Qualität e. V., August-Schanz-Straße 21A, 60433 Frankfurt am Main wurde über die AiF im Rahmen des Programms zur Förderung der industriellen Gemeinschaftsforschung (IGF) vom Bundesministerium für Wirtschaft und Energie aufgrund eines Beschlusses des Deutschen Bundestages gefördert.

Interessenten erhalten weitere Informationen unter www.essyst.tu-berlin.de

Ansprechpartner der TU Berlin: Phillip Miersch, Mail: Phillip.Miersch@tu-berlin.de

Ansprechpartner der FQS – Forschungsgemeinschaft Qualität e.V.: Verena Mennicken, Mail: Verena.Mennicken@dgq.de