Fragen Sie jemanden, was Qualit\u00e4t bedeutet, und er wird Ihnen wahrscheinlich eine Erfahrung beschreiben: ein Produkt, das zuverl\u00e4ssig funktioniert, gut passt und lange h\u00e4lt.
Wenn Unternehmen die Qualit\u00e4tskosten optimieren, konzentrieren sie sich in der Regel darauf, *was* produziert wird und *wie*: weniger Fehler, straffere Prozesse, bessere Ausr\u00fcstung. All dies ist wertvoll. <\/p>\n\n
Dennoch wird die Integrit\u00e4t der Daten, die jeder Qualit\u00e4tsentscheidung zugrunde liegen, selten mit derselben Sorgfalt \u00fcberpr\u00fcft. Und hier kommt die Realit\u00e4t ins Spiel: Die Ergebnisse werden von Hand \u00fcbertragen. Die Daten gelangen aus verschiedenen Systemen in unterschiedlichen Formaten ein. Ein Teil davon wurde bereits an der Quelle falsch erfasst \u2013 und das Problem tritt oft erst zutage, wenn es bereits kostspielige Folgen nach sich gezogen hat. <\/p>\n\n
Ein einzelner Messfehler oder ein falsch gekennzeichnetes Ergebnis bleibt selten auf ein einzelnes Bauteil beschr\u00e4nkt. Er flie\u00dft in SPC-Diagramme und Toleranzkumulierungsanalysen ein, wo Teams Entscheidungen mit gr\u00f6\u00dferer Sicherheit treffen, als es die Daten rechtfertigen. Unentdeckt flie\u00dft er in die Konstruktionsoptimierung ein und pr\u00e4gt die n\u00e4chste Produktversion. Ein sichtbarer Fehler verursacht Ausschuss oder erfordert Anpassungen in benachbarten Teilsystemen; ein unsichtbarer Datenfehler verursacht Kosten \u2013 die manchmal weit \u00fcber das Ausma\u00df des urspr\u00fcnglichen Fehlers hinausgehen. <\/p>\n\n
Fehlerkosten machen in der Regel den gr\u00f6\u00dften Teil der Qualit\u00e4tskosten aus,<\/strong> und die Datenqualit\u00e4t hat einen starken Einfluss auf dieses Verh\u00e4ltnis. Unzuverl\u00e4ssige Daten erh\u00f6hen die Wahrscheinlichkeit unerwarteter Abweichungen und reaktiver \u201eFeuerwehrma\u00dfnahmen\u201c. Pr\u00fcfdaten liegen zwar vor \u2013 doch wie sicher k\u00f6nnen wir uns auf diese verlassen? Dies ist eine zentrale Frage. <\/p>\n\n Die Kosten beschr\u00e4nken sich zudem nicht nur auf das Produkt. Jede Fabrik birgt versteckte Kosten<\/strong>, die mittlerweile als fester Bestandteil der Fertigungsrealit\u00e4t gelten: Hochqualifizierte Ingenieure verbringen bis zu 80 % ihrer Zeit damit, Daten zu suchen, zusammenzuf\u00fchren und doppelt zu \u00fcberpr\u00fcfen, anstatt sie zu analysieren. Dies taucht selten in einem Bericht \u00fcber Qualit\u00e4tskosten auf, stellt jedoch erhebliche Betriebskosten dar \u2013 und jeder manuelle Arbeitsschritt birgt eine weitere Fehlerquelle. <\/p>\n\n Werden Ergebnisse in Frage gestellt, werden weitere Messungen durchgef\u00fchrt. Werden Anpassungen in der Fertigung vorgenommen, diese jedoch nicht an das Produktlebenszyklusmanagement zur\u00fcckgemeldet, arbeiten die Konstruktionsteams auf der Grundlage von Annahmen, die nicht mehr der Realit\u00e4t entsprechen, w\u00e4hrend manuelle Umgehungsl\u00f6sungen die Herstellungskosten in die H\u00f6he treiben. Keine einzelne Funktion innerhalb der Fertigungswertsch\u00f6pfungskette verf\u00fcgt \u00fcber den vollst\u00e4ndigen \u00dcberblick, und es entsteht ein sich selbst verst\u00e4rkender Kreislauf: Mehr manuelle Kontrollen, um Daten auszugleichen, denen wir nicht voll und ganz vertrauen, was wiederum mehr Daten von ungewisser Qualit\u00e4t erzeugt. <\/p>\n\n Dieser Teufelskreis gewinnt angesichts der Entwicklung, in die sich die Branche bewegt, noch mehr an Bedeutung. Mit modellbasierter Definition, digitalen Zwillingen und KI-gest\u00fctzter Qualit\u00e4tsvorhersage wird die Datenqualit\u00e4t nicht mehr nur ein Grundthema, sondern *der* entscheidende Faktor \u2013 mangelhafte Eingabedaten f\u00fchren nicht mehr nur zu mangelhaften Ergebnissen, sondern erm\u00f6glichen es der Automatisierung, fehlerhafte Schlussfolgerungen effizient zu skalieren. <\/p>\n\n Doch das Gegenteil trifft ebenso zu \u2013 und genau darin liegt die eigentliche Chance. Stellen Sie sich ein einheitliches digitales R\u00fcckgrat vor<\/strong>, in dem Daten in jeder Phase angereichert werden, dabei jedoch stets alle erforderlichen Informationen enthalten \u2013 von der Konstruktionsabsicht \u00fcber die Fertigung bis hin zur Qualit\u00e4tspr\u00fcfung. \u00dcbergaben erfolgen automatisch. Manuelle Zusammenf\u00fchrungen entfallen. Was den Menschen bleibt, ist das, was tats\u00e4chlich Mehrwert schafft: die Entscheidungsfindung. <\/p>\n\n Die Hersteller, die f\u00fcr das n\u00e4chste Jahrzehnt am besten aufgestellt sind, werden nicht diejenigen sein, die \u00fcber die meisten Pr\u00fcfger\u00e4te verf\u00fcgen, sondern jene, deren Qualit\u00e4tsentscheidungen auf Daten beruhen, die sie niemals anzweifeln m\u00fcssen \u2013 Daten, die unterbrechungsfrei vom CAD-Modell bis zum Messbericht flie\u00dfen und nur an bewusst gew\u00e4hlten manuellen Schnittstellen bearbeitet werden. Messdaten verdienen dieselbe Sorgfalt, die wir den Produkten selbst widmen \u2013 in einer modellbasierten Welt sind beide untrennbar miteinander verbunden. <\/p>\n\n Bevor wir also die n\u00e4chste Initiative zur Prozessverbesserung in Angriff nehmen, sollten wir uns zun\u00e4chst eine einfachere Frage stellen: Wie sehr vertrauen wir unseren Daten \u2013 und durch wie viele H\u00e4nde gehen sie, bevor jemand darauf reagieren kann? Wo immer Unsicherheit herrscht, liegt dort ein Ansatzpunkt \u2013 und m\u00f6glicherweise eine der kosteneffizientesten Investitionen in die Qualit\u00e4t, die ein Unternehmen t\u00e4tigen kann. <\/p>\n","protected":false},"excerpt":{"rendered":" Fragen Sie jemanden, was Qualit\u00e4t bedeutet, und er wird Ihnen wahrscheinlich eine Erfahrung beschreiben: ein Produkt, das zuverl\u00e4ssig funktioniert, gut passt und lange h\u00e4lt. Doch diese Erfahrung ist kein Zufall. Sie ist das Ergebnis hunderter technischer Entscheidungen in den Bereichen Konstruktion, Fertigung und Pr\u00fcfung \u2013 und jede einzelne dieser Entscheidungen basiert auf Daten. Wenn Unternehmen […]<\/p>\n","protected":false},"author":11,"featured_media":19390509,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"inline_featured_image":false,"footnotes":"","_members_access_role":[],"_members_access_error":""},"categories":[941,437],"tags":[],"expertise":[],"industry":[],"langue-parlee":[],"class_list":["post-19390510","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-fachartikel","category-nachrichten"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.metrologicdcs.com\/de\/wp-json\/wp\/v2\/posts\/19390510","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.metrologicdcs.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.metrologicdcs.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.metrologicdcs.com\/de\/wp-json\/wp\/v2\/users\/11"}],"replies":[{"embeddable":true,"href":"https:\/\/www.metrologicdcs.com\/de\/wp-json\/wp\/v2\/comments?post=19390510"}],"version-history":[{"count":1,"href":"https:\/\/www.metrologicdcs.com\/de\/wp-json\/wp\/v2\/posts\/19390510\/revisions"}],"predecessor-version":[{"id":19390511,"href":"https:\/\/www.metrologicdcs.com\/de\/wp-json\/wp\/v2\/posts\/19390510\/revisions\/19390511"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.metrologicdcs.com\/de\/wp-json\/wp\/v2\/media\/19390509"}],"wp:attachment":[{"href":"https:\/\/www.metrologicdcs.com\/de\/wp-json\/wp\/v2\/media?parent=19390510"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.metrologicdcs.com\/de\/wp-json\/wp\/v2\/categories?post=19390510"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.metrologicdcs.com\/de\/wp-json\/wp\/v2\/tags?post=19390510"},{"taxonomy":"expertise","embeddable":true,"href":"https:\/\/www.metrologicdcs.com\/de\/wp-json\/wp\/v2\/expertise?post=19390510"},{"taxonomy":"industry","embeddable":true,"href":"https:\/\/www.metrologicdcs.com\/de\/wp-json\/wp\/v2\/industry?post=19390510"},{"taxonomy":"langue-parlee","embeddable":true,"href":"https:\/\/www.metrologicdcs.com\/de\/wp-json\/wp\/v2\/langue-parlee?post=19390510"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}Das Bewusstsein f\u00fcr diese Einschr\u00e4nkungen f\u00fchrt zu einer weiteren Erh\u00f6hung der Kosten.<\/strong> <\/h3>\n\n