
Prognose von Qualitätsproblemen
Tools:
SQL, R, SPSS Modeler
In diesem Projekt haben wir einen Machine Learning Algorithmus entwickelt, der im Feld aufkommende Qualitätsprobleme erkennt und nach Wichtigkeit priorisiert.

THEMA
Quality Analytics
BRANCHE
Automotive
PROJEKTDAUER
3 Monate
Herausforderung
Die Analyse von Gewährleistungsdaten im Automotive-Umfeld ist aufgrund der hochdimensionalen Datenlage sehr komplex: Probleme können in spezifischen Märkten, Baureihen und Varianten entstehen, dazu kommen viele weitere Einflussfaktoren. Unser Kunde, ein internationales Automobilunternehmen, stand vor der Herausforderung, bereits entstehende Qualitätsprobleme zu erkennen, um Aktionen zur Behebung der Fehler rechtzeitig planen und umsetzen zu können.
Ansatz
Auf Basis der historischen Gewährleistungsdaten sowie Datenquellen aus Produktion und Fahrzeugdiagnose konnten wir ein Modell entwickeln, das aufkommende Qualitätsprobleme mehrere Monate, bevor diese ein signifikantes Ausmaß erreichen, erkennt. Hierfür haben wir verschiedene Methoden aus dem Bereich der Survival-Modellierung miteinander kombiniert und auf die umfangreichen Gewährleitungsdaten-Bestände angewendet. Zur Visualisierung der Resultate wurde ein interaktives Dashboard entwickelt, das den Qualitätsspezialist:innen die Möglichkeit gibt, interaktiv durch die verschiedenen Märkte, Baureihen und Varianten zu navigieren und in eine detaillierte Ursachenanalyse einzusteigen.
Ergebnis
Durch die Kombination des statistischen Modells mit der interaktiven Visualisierung, deren Daten monatlich aktualisiert werden, ist ein Tool entstanden, das im Unternehmen von hunderten Benutzer:innen verwendet wurde, um Gewährleitungs-Daten und Qualitätsprobleme zu untersuchen. Durch den implementieren Algorithmus konnte die Komplexität der Daten für die Anwender:innen reduziert und aufkommende Qualitätsprobleme konnten rechtzeitig erkannt werden.
100%
10.000+
99,9%
ZUFRIEDENHEIT
TRAININGSDATEN
VORHERSAGEGENAUIGKEIT