Optimierung der Produktqualität

Die zunehmende Komplexität der Technik führt zu einer höheren Fehleranfälligkeit der Autos, weshalb sich die Zahl der Rückrufe der Automobilhersteller seit 2011 verdreifacht hat. [1]

 

Im Rahmen von Industrie 4.0 ist es den Unternehmen möglich, Ihren Produktionsablauf und damit Ihre Produktqualität mittels Big Data-Analysen zu optimieren. Dies geschah bisher überwiegend über die Daten der Sensoren eingesetzter Maschinen, jedoch entstehen durch die Möglichkeit der Auswertung immenser Datenmengen, welche zusätzlich erhoben werden und vorher unberücksichtigt blieben, weitere Potenziale für das produzierende Gewerbe. Für die Automobilindustrie könnten Live-Daten von auftretenden technischen Problemen auch nach Auslieferung eine Optimierung der Produktqualität nach sich ziehen. Dabei würden gleich mehrere Ebenen tangiert:

Das Qualitätsmanagement dient der Verbesserung der Prozessqualität anhand der vom Kunden geforderten Güte des Produktes. Die rücklaufenden Daten der PKWs könnten zu einer Optimierung der Prozessqualität und damit der Produktgüte beitragen, indem auftretende Fehler innerhalb der betreffenden Prozesse dynamisch aufgedeckt und berücksichtigt werden.

Dies hätte direkte Auswirkungen auf die Value Chain („Wertschöpfungskette“), da anhand der Fehleranalyse die wertschöpfenden Kernprozesse laufend optimiert und damit die Produkte qualitativ verbessert und weiterentwickelt werden könnten. Auch bei ausgelagerten Produktionsschritten könnten die dadurch aufgedeckten Fehler zu einer schnellen Reaktion auf unzureichende Qualität führen.

Außerdem könnte die Supply Chain (zu Deutsch: „Lieferkette“) perfektioniert werden, da Meldungen über fehlerhafte Einbauteile oder eingesetzte Rohstoffe u. a. zu einer Erhöhung des Bestellaufkommens oder einer neuen Auftragsvergabe führen würden. Durch eine direkte Weitergabe der Fehlerdiagnose an die Lieferanten könnten diese einerseits ihre Produkte zukünftig hinsichtlich der Kundenanforderungen ausbessern und andererseits die Just-in-Time-Lieferprozesse verbessern.

 

Szenario:
Bei einem Automobilhersteller häufen sich die Fehlermeldungen über defekte Zündschlösser, dessen Herstellung an einen externen Produzenten ausgelagert wurde. Die Berichte lassen darauf schließen, dass der Zulieferer bei der Produktion minderwertige Materialien verwendet. Weiterhin hat sich aus Umfragen ergeben, dass das verbaute Zündschloss nicht mehr den Anforderungen der Kunden genügt. Aus diesen Gründen entscheidet sich das Unternehmen, die ausgelagerte Produktion der Zündschlösser fortan selbst in Eigenfertigung zu übernehmen und auf einen Start-Knopf zu setzen, welcher bei den Kunden als angenehmer und moderner empfunden wird.

 

Literatur:
Zu „Big Data“ empfehlen wir das Buch von Andreas Gadatsch und Holm Landrock: „Big Data für Entscheider – Entwicklung und Umsetzung datengetriebener Geschäftsmodelle“, Wiesbaden, 2017.

Bezüglich des „Prozessmanagements“ und der „Wertschöpfungskette“ bietet das Buch von Andreas Gadatsch „Grundkurs Geschäftsprozessmanagement – Analyse, Modellierung, Optimierung und Controlling von Prozessen“, 8. Aufl., Wiesbaden, 2017, einen ausführlichen und praxisnahen Einblick in die Materie.

 

 

[1] http://www.faz.net/aktuell/wirtschaft/wirtschaftspolitik/automobilindustrie-millionen-rueckrufe-von-autos-in-deutschland-14065324.html