Überzeugende Referenzprojekte

Führende Unternehmen vertrauen bereits auf IconPro

Lösen Sie Herausforderungen

Qualitätsprobleme und Ineffizienzen sind schwer zu bewältigen, wenn sich Prozesse unter vielen Einflüssen dynamisch verändern.

Entfesseln Sie Potenzial

IconPro ARES ermöglicht Ihnen die Vorhersage und Minimierung von Produktionsausschuss - in-process und in Echtzeit.
Icon Pro

 

WANN wird Ausschuss auftreten?

Sie erhalten in Echtzeit Vorhersagen über potenziellen Ausschuss je Produktionseinheit oder Charge.

WARUM tritt Ausschuss auf?

Sie erfahren die individuellen Gründe jeden Ausschuss in Form erkannter Przoesseinflüsse automatisch oder als Bericht.

WIE lässt sich Ausschuss verhindern?

Sie erhalten in Echtzeit Optimierungsvorschläge um Ausschuss zu verhindern oder zu reduzieren.

IconPro ARES

Von Daten zu Informationen zu Mehrwert

Qualitätsdaten
Prozessdaten
Materialdaten
Sensordaten
Icon Pro
Prozessingenieure

Prozesseinflüsse
verstehen und verbessern

Qualitätsingenieure

Qualität und Ausschuss
kontrollieren

Produktionsmitarbeiter

Prozessparameter
optimal konfigurieren

IT Administratoren

Software- und Ressourcen-
Nutzung überwachen

Predictive Quality & Prozessoptimierung

IconPro ARES für Vorhersagen und Vermeidung von Ausschuss
Icon Pro
Prozessingenieure

Komplexe Prozesse
verstehen und verbessern

Visualisieren Sie den Einfluss und die Bedeutung jeder Prozessgröße. Teilen Sie Berichte und leiten Verbesserungen ab.

Icon Pro
Qualitätsingenieure

Ursachen und Ausschuss
identifizieren und vorhersagen

Sagen Sie Qualität vorher und finden versteckte Problemursachen. Erhöhen Sie Prozessfähigkeit & Qualitätsrate.

Icon Pro
Produktionsmitarbeiter

Optimale Prozessparameter
finden und einstellen

Konfigurieren Sie automatisch empfohlene Prozesseinstellungen für höhere Zuverlässigkeit & Reproduzierbarkeit.

Icon Pro
IT Administratoren

Software- & Ressourcennutzung
überwachen und steuern

Erfahren Sie, wer Ihre Software mit welchen Ressourcen nutzt. Skalieren Sie die Software intern einfach, sicher & stabil.

Anwendungsfälle

Führende
Unternehmen
nutzen IconPro.

Mechanical – Wire Eroding
Mechanical – Wire Eroding

Project Subtitle
Data-based evaluation of the wire electrical discharge machining process

Companies & Partners
WBA Aachener Werkzeugbau Akademie GmbH, Mak…

Manufacturing – Ultrasonic Inspection
Manufacturing – Ultrasonic Inspection

Project Subtitle
Quality Control of Vehicle Assembly using an Ultrasonic Imaging Sensor with Embedded Artificial Intelligence

Companies and Partners
Tessonics…

Automotive Metal Forming
Automotive Metal Forming

Project Subtitle
Industrial Reinforcement Learning for the Quality Control of Metal Forming Processes

Companies & Partners
Mubea, Tailor Rolled Blanks Gmb…

Minimieren Sie die Ausschussrate Ihrer Produktionslinie.

Geben Sie Ihre Parameter ein
IconPro ARES hilft, Einsparungen von mehreren zehntausend EUR pro Jahr und Produktionslinie zu realisieren

Jährliche Ausschusskosten der Produktionslinie

1 k€

  • 1
  • 200

Ausschussquote

5%

  • 0.1
  • 30
  • Minimieren Sie Ihre Ausschuss-Rate auf

    Icon Pro

    2 %

  • Jährliche Einsparungen von

    Icon Pro

    2 k€

Wie startet man mit Predictive Quality?

In weniger als 6 Wochen führen wir Sie über 6 systematische Meilensteine zu einem kosteneffizienten Proof-of-Concept.
Icon Pro
  • Anwendungsfall, Ziele und Anforderungen verstehen

  • Prüfen ob und inwiefern Ihre Daten geeignet sind

  • Optimierung der Datenqualität und -struktur

  • Auswertung des Datengehalts und Wertepotenzials

  • Ableitung der Machbarkeit für Ihren Anwendungsfall

  • Ermittlung des Return-on-Investment

  • Roll-Out Roadmap nach erfolgreichem Proof-of-Concept

Mehr erfahren

Unser Angebot

So einfach, zuverlässig und kosteneffizient wie möglich.
Wir bieten das gesamte Spektrum an Dienstleistungen für industrielle KI.
Icon Pro

 

Predictive Quality & Prozessoptimierung
in der Produktion

Lernen Sie konkrete Nutzerszenarien und Mehrwerte durch
Predictive Quality und Prozessoptimierung in der Produktion kennen.

Icon Pro

Unser Team hilft Ihnen gerne weiter. Kontaktieren Sie uns!

FAQ

 

Was ist die Definition von Predictive Quality?

Predictive Quality ist für jeden Fertigungsbetrieb von entscheidender Bedeutung, da sie dazu beiträgt, dass die Produkte die gewünschte Qualität erfüllen und möglichst wenig Ausschuss auftritt. Herkömmliche Qualitätssicherungsmethoden wie Stichprobenkontrollen oder 100% Prüfungen können zeitaufwändig, kostspielig und anfällig für menschliche Fehler sein. Gleichzeitig tragen sie wenig dazu bei, Ursachen für Qualitätsprobleme zu erkennen oder sogar in-process zu eliminieren. Aus diesem Grund wenden sich viele Unternehmen dem Thema Predictive Quality zu.

Predictive Quality nutzt Algorithmen des Machine Learning, um Produktfehler zu erkennen und zu verhindern, bevor sie auftreten. Sie nutzt Daten aus verschiedenen Quellen, darunter Materialprotokolle, Zuliefererdokumente, Produktionsanlagen und Prüfprozessresultate, um Muster zu erkennen und die Wahrscheinlichkeit von Fehlern vorherzusagen oder Fertigungsparameter für eine bestmögliche Produktqualität automatisch zu optimieren.

 

Wie funktioniert Predictive Quality?

  • Datenerfassung: Der erste Schritt bei der Implementierung von Predictive Quality besteht in der Sammlung von Daten aus verschiedenen Quellen, wie Maschinen, Sensoren, Prüfprozessen oder Kundenfeedback-Dokumenten.
  • Datenanalyse: Sobald die Daten gesammelt wurden, werden sie mithilfe von Machine Learning analysiert. Die Algorithmen suchen nach Mustern und Beziehungen in den Daten.
  • Prädiktive Modellierung: Auf der Grundlage der Ergebnisse der Datenanalyse werden Vorhersagemodelle entwickelt. Diese Modelle nutzen die Daten, um die Wahrscheinlichkeit von Produktfehlern vorherzusagen.
  • Vorhersagende Überwachung: Die Vorhersagemodelle werden in den Fertigungsprozess integriert, und die Produktionsanlagen werden in Echtzeit überwacht. Wenn die Vorhersagemodelle auf eine hohe Wahrscheinlichkeit von Produktfehlern hinweisen, wird dies angezeigt und es können entsprechende Maßnahmen ergriffen werden, bevor Ausschuss entsteht oder das Produkt den Kunden erreicht.
  • Prozessoptimierung: Die Vorhersagemodelle werde für die Ableitung und Bereitstellung von Optimierungsmodellen genutzt. So können in-process und in Echtzeit Vorschläge zur Verbesserung der Prozessparameter angezeigt und Ausschuss nachhaltig reduziert werden.

 

Was sind die Vorteile von Predictive Quality?

  • Verbesserte Produktqualität: Predictive Quality trägt zur Verbesserung der Produktqualität bei. Durch die Vorhersage und Vermeidung von Produktfehlern können Hersteller sicherstellen, dass nur hochwertige Produkte auf den Markt kommen.
  • Weniger Prüfaufwand: Predictive Quality ermöglicht dynamisierte Stichprobenkontrollen, indem am Ende der Fertigung hauptsächlich Produkte geprüft werden, für welche eine kritische Qualität vorhergesagt wurde, wodurch der Prüfaufwand sinkt.
  • Weniger Prozesskosten: Durch die Prozessoptimierung wird weniger Ausschuss produziert, was die Prozesskosten durch weniger Nacharbeit, reduzierten Materialeinsatz und eine höhere Ertragsrate (Yield Rate) stark verringert.
  • Datengestützte Einblicke: Predictive Quality bietet Herstellern wertvolle Einblicke in ihre Produktionsprozesse und ermöglicht es ihnen sogar eine höhere Qualität ihrer aktuellen oder zukünftigen Produkte zu planen und zu realisieren.
  • Weniger Rückrufrisiko: Durch die Vorhersage potenziell fehlerhafte Produkte oder sogar durch die realisierte Prozessoptimierung sinkt die Wahrscheinlichkeit fehlerhafte Produkte an Kunden auszuliefern und damit Rückrufrisiken und -kosten drastisch.
  • Geringere Verschwendung: Durch die Verringerung der Anzahl fehlerhafter Produkte trägt Predictive Quality dazu bei, wertvolle Ressourcen zu schonen und eine nachhaltige Fertigung zu etablieren.

 

Was ist ein Anwendungsbeispiel für Predictive Quality?

Ein Hersteller könnte beispielsweise Predictive Quality einsetzen, um Daten über seine Schweißprozesse zu analysieren. Das Modell würde Daten zu Parametern wie Schweißgeschwindigkeit, Temperatur und Druck analysieren, um Muster und Anomalien zu erkennen. Angenommen, das Modell stellt fest, dass ein bestimmter Schweißprozess immer wieder fehlerhafte Schweißnähte erzeugt. In diesem Fall kann es das Produktionsteam alarmieren, um das Problem zu untersuchen und zu beheben, bevor es zu erheblichem Ausschuss führt.