accantec unterstützt ein großes Industrieunternehmen im Bereich Data-Science

Ein führendes großes Industrieunternehmen stand vor der Herausforderung frühzeitig Qualitätsprobleme von Bauteilen zu erkennen, um erhebliche Gewährleistungsfälle -und Kosten, sowie Reputationsverlust stark zu reduzieren. Ein Team von accantec bestehend aus Data-Scientists und Business-Intelligence-Beraterinnen und -Beratern unterstützte mit seinem Know-how im Bereich Machine-Learning und Data-Engineering.

Herausforderungen des Projekts

Ausfallwahrscheinlichkeiten mit Data-Science-Methoden modellieren

Qualitätsprobleme von Bauteilen führen bei komplexen Produkten zu Rückrufaktionen und kostenintensiven Austauschmaßnahmen. Diese sind zwar von den Industrieunternehmen bei der Herstellung oft bereits eingepreist, können jedoch bei Massenwaren und dem bestehenden Konkurrenzdruck zu einem immensen Reputationsverlust am Markt führen. Bei der Summe der Parameter, die auf die Qualität des Endproduktes einwirken, stand das Unternehmen vor folgenden Fragen: Welche Faktoren haben den größten Einfluss auf das Endprodukt. Können moderne Data-Science-Methoden bei der Ursachenforschung unterstützen und lassen sich valide Ausfallwahrscheinlichkeiten einzelner Bauteile modellieren?

Hinzu kam, dass ein automatisierter Gesamtdatenfluss inklusive Daten-Modellierung und ETL-Design neu aufgebaut werden musste. Die Ergebnisse sollten durch aussagekräftige Visualisierungs- und Monitoring-Möglichkeiten den internen Mitarbeiterinnen und Mitarbeitern an die Hand gegeben werden.

Erfolgreiche Lösung des Projekts

Einflussfaktoren identifizieren

Die Data-Scientists aus dem interdisziplinären Team der accantec group führten zunächst eine umfassende Analyse der vorliegenden hochdimensionalen Daten durch. Mit Hilfe der Statistik-Software JMP aus dem Produktportfolio der SAS-Business-Intelligence-Plattform, wurden die untersuchten Einflussfaktoren analysiert. Durch die enge Zusammenarbeit mit den Fachexpertinnen und Fachexperten des Kunden ließen sich die Einflussfaktoren zunächst eingrenzen und durch komplexe statistische Verfahren aus dem Bereich der Data-Science letztendlich identifizieren. Umfassende Mustererkennungsverfahren aus dem Bereich des Machine-Learnings wurden aufgebaut und lieferten verlässliche und nachvollziehbare Ausfallwahrscheinlichkeiten einzelner Bauteile.

Entwicklung eines hoch performanten und automatisierten Datenflusses

Die erfahrenen Business-Intelligence-Beraterinnen und -Berater von accantec entwickelten einen hoch performanten und automatisierten Datenfluss, inklusive der Anbindung von Datenbanken, der Datenmodellierung und des ETL-Designs. Die neu aufgebauten Visualisierungen mit Tableau ermöglichen nun unter anderem, ein digitales 3D-Drill-Down in jedes Bauteil des Endproduktes. Die Fachexpertinnen und Fachexperten des Kunden können nun detaillierte Darstellungen einzelner Ausfallwahrscheinlichkeiten abrufen und sogar die exakte Position von Qualitätsproblemen auf dem jeweiligen Bauteil digital identifizieren. Zusätzlich stehen nun Monitoring-Prozesse zur Überwachung des Gesamtprozesses zur Verfügung. Diese überwachen 24/7 die Fertigungsstrecke und senden bei Bedarf Alarm-Meldungen (Alerts) an die verantwortlichen Mitarbeiter.

Verbesserte Produktqualität sorgt für Einsparungen

Durch die Unterstützung von accantec konnten dem Industrieunternehmen die Einflussfaktoren auf die Produktqualität aufgezeigt werden. Direkte Anpassungen in der Fertigung sorgten für eine deutliche Verbesserung der Produktqualität. Dadurch reduzierten sich in Folge auch die Rückrufaktionen und die Einsparungen konnten in andere Bereiche investiert werden.