Pre­dic­tive Qua­lity – Ein­satz von Künst­li­cher Intel­li­genz zur Opti­mie­rung der Pro­dukt­qua­li­tät in der Auto­mo­bil­in­dus­trie

Die Indus­trie setzt zuneh­mend auf den Ein­satz von Künst­li­cher Intel­li­genz (KI), um die Qua­li­tät ihrer Pro­dukte zu opti­mie­ren. Eine mög­li­che Anwen­dung von KI zur Opti­mie­rung der Pro­dukt­qua­li­tät ist der Ein­satz von prä­dik­ti­ven Prüf­stra­te­gien in der Pro­duk­tion. Dabei wer­den auf Basis der ver­füg­ba­ren Daten eines Pro­dukts Pro­gno­se­mo­delle ent­wi­ckelt, die für jedes Pro­dukt indi­vi­du­elle Prüf­vor­schläge gene­rie­ren. Die Indi­vi­dua­li­sie­rung von Qua­li­täts­prü­fun­gen ver­folgt das Ziel, mehr poten­zi­elle Feh­ler­bil­der bei gleich­blei­ben­dem Prüf­auf­wand zu fin­den. Prä­dik­tive Prüf­stra­te­gien tra­gen somit dazu bei, die Pro­dukt­qua­li­tät zu ver­bes­sern, um das Ver­trauen der Kun­den in ein Pro­dukt zu stär­ken.

Anhand eines kon­kre­ten Fall­bei­spiels aus der Fahr­zeug­mon­tage der BMW Group wird die Ent­wick­lung von prä­dik­ti­ven Prüf­stra­te­gien zur Opti­mie­rung der Pro­dukt­qua­li­tät erläu­tert. Im Rah­men des Bei­trags wird expli­zit auf den hohen Stel­len­wert einer gründ­li­chen Daten­aus­wahl– und –auf­be­rei­tung bei der Ent­wick­lung von KI-​​Modellen ein­ge­gan­gen. In die­sem Zusam­men­hang wird das am Fach­ge­biet Qua­li­täts– und Pro­zess­ma­nage­ment der Uni­ver­si­tät Kas­sel ent­wi­ckelte KI-​​Vorgehensmodell vor­ge­stellt. Das neue KI-​​Vorgehensmodell basiert auf der Idee, Daten in Abhän­gig­keit eines Anwen­dungs­falls zu ent­wi­ckeln, um die Leis­tungs­fä­hig­keit von KI-​​Modellen zu stei­gern. Das Vor­ge­hens­mo­dell zeigt einen prak­tisch ori­en­tier­ten Weg auf, wie das Poten­tial von KI im Qua­li­täts­ma­nage­ment frei­ge­setzt wer­den kann.

Unser Refe­rent ist Andreas Schoch, BMW Group, Mün­chen.