Jetzt Newsletter
abonnieren.
Brauchen Sie Hilfe?
Kontaktieren Sie uns

Predictive Quality

Wie datenbasierte Qualitätsoptimierung in der Produktion die Leistungsfähigkeit eines Unternehmens direkt verbessern kann

Durch Predictive Quality Kosten reduzieren

Allein 10-15 % der Produktionskosten entfallen auf schlechte Qualität (Quelle PWC Studie). Schlechte Qualität führt zu Verzögerungen im Prozess, zu Verlusten in der Produktionskapazität, zu erhöhtem Testaufwand, zu einem Herabsetzen der Güteklasse der Produkte und entsprechend zu Retourkosten, Imageschaden, zu Kundenverlusten und weiteren nachgelagerten Kosten.

Wir helfen Ihnen, die komplexen Zusammenhänge in der Produktion datenbasiert aufzuschlüsseln und somit die Qualität und die Prozesse zu stabilisieren. Durch Predictive Quality erkennen Sie Probleme, bevor Sie entstehen. Das spart Kosten und erhöht die Produktivität.

ZUM WHITEPAPER

„Qualität ist, wenn der Kunden wiederkommt, nicht die Ware“

Hermann Tietz, deutscher Kaufmann.

Ziele
Ursachen der Qualitätsprobleme
Das Problem richtig angehen

Das Feuer vorne ausmachen, bevor es hinten brennt

Oft werden Abweichungen in Qualität erst spät oder gar nicht bemerkt. Durch vorausschauende Analysen werden Qualitätsmuster in den Daten erkannt, sodass bei zukünftig abweichenden Daten kritische Events im Voraus identifiziert werden können. Durch unsere Domainexpertise unterstützen wir Sie mit unseren Lösungen konkret, im Prozess frühzeitig dagegen zu steuern oder die nachgelagerten Prozesse und Lieferketten rechtzeitig zu informieren und anzupassen.

Hohe Komplexität trifft auf Faktor Mensch

Insbesondere in der chemischen Industrie steigt die Nachfrage nach Spezialpodukten. Dieser Innovationsdruck erhöht die Komplexität in der Produktion und somit die Anfälligkeit für Qualitätsprobleme. Hinzu kommt, dass die Abhängigkeit vom menschlichen Faktor und ein geringer Automatisierungsgrad immer wieder zu Abweichungen führt. Darüber hinaus werden in den nächsten 5 Jahren 20% der Belegschaft in den Ruhestand gehen und somit auch ihr Wissen.

Menschen und Daten aus den Silos befreien

Um Kosten durch vorausschauende Maßnahmen reduzieren zu können, müssen diese erstmal erkannt und aufgedeckt werden. Durch das Verbinden von qualitätsrelevanten Daten aus verschiedenen Bereichen wie zum Beispiel aus dem Prozessleitsystem, aus den Labor-Informations- und Management-System, aus dem ERP System und von Sensoren- und Aktoren lassen sich neue Erkenntnisse über Qualitätsparameter gewinnen. Wir helfen Ihnen, dieses Wissen richtig anzuwenden.

Jetzt unser Webinar zu Predictive Quality anschauen

In diesem Webinar lernen Sie:

  • Die Kostentreiber zu identifizieren
  • Durch Predictive Quality, Qualitätsprobleme zu vermeiden, bevor sie entstehen
  • Die Implementierung im gesamten Unternehmen

JETZT STREAMEN

BCAP: die umfassende Digitalisierungslösung zur datengesteuerten Qualitätsoptimierung

Auf Basis unserer IoT-Lösung Bilfinger Connected Asset Performance (BCAP) lassen sich die Daten zielgerichtet zusammenführen und ermöglichen eine qualitätsorientierte Prozessoptimierung und vorausschauende Analytik.

Das essentielle bei digitalen Innovationen ist neben der eingesetzten Technologie und Domainexpertise das proaktive Change-Management. Eine neue Lösung muss alle Beteiligen abholen und besser machen. BCAP bietet rollenbasierte Lösungen für alle relevanten Ebenen.

Vorstellungskraft für das Management

  • Objektive Daten zu Qualitätsparametern bereitstellen und Potentiale offen legen
  • Auswirkungen auf den Deckungsbeitrag aufdecken
  • Zugang zu neutralen Informationen in Echtzeit

Empowerment für den Prozessingenieur

  • Selbstständig Ursachen und mögliche Lösungen finden
  • Erkenntnisse teilen
  • Abweichungen über Schichten hinweg reduzieren

Praktische Anwendungen für den Operateur

  • Datengesteuerte Entscheidungen ermöglichen
  • Konkrete Empfehlungen zur Verfügung stellen
  • Probleme schnell und korrekt lösen

BCAP Anwendungen für mehr Qualitätssicherheit

  • Virtual Sensor

    Der Virtual Sensor bietet kostengünstige Qualitätsinformationen, wenn keine physischen Sensoren verfügbar sind. So können qualitätsrelevante Produktionseigenschaften wie z.B. die Restfeuchte eines Bandfilters oder der Mahlgrad einer Mühle, die ansonsten nur manuell in unregelmäßigen Abständen im Labor gemessen werden, mit Hilfe von Data Science aus den Daten eines Prozessleitsystems minütlich errechnet werden. Diese Echtzeit-Informationen stabilisieren die Qualität und somit auch den Produktionsprozess. Ausschuss kann reduziert werden, Rohmaterial und Energie gespart und aufwendige händische Analysen reduziert werden.

    Virtual Sensor

Business Cases