Reifegrad mit Digitalwerkzeug erhöhen

Qualitätsmanagement bei KMU

Die Digitalisierung des Qualitätsmanagements stellt Unternehmen vor Herausforderungen. Daher haben das Fraunhofer IPT und die FH Südwestfalen im Forschungsvorhaben ‚Qbility – Quality 4.0 Capability Determination Model‘ ein datengetriebenes Reifegradmodell entwickelt, das die Anforderungen eines digitalisierten Qualitätsmanagements bei KMU adressiert.

Bereiche, in denen Qualität 4.0 unterstützen kann. Anhand eines Fragebogens wird beim Qbility Projekt berechnet, welchen individuellen Qualität 4.0-Reifegrad ein Unternehmen hat. (Bild: Fraunhofer-Institut für Produktionstechnologie)
Bereiche, in denen Qualität 4.0 unterstützen kann. Anhand eines Fragebogens wird beim Qbility Projekt berechnet, welchen individuellen Qualität 4.0-Reifegrad ein Unternehmen hat. (Bild: Fraunhofer-Institut für Produktionstechnologie)

Das übergeordnete Ziel für die Konzipierung des Qualität-4.0-Reifegradmodells war die Entwicklung einer Methodik. Mit dieser sollten Firmen ihren individuellen Qualität-4.0-Reifegrad ermitteln und auf dieser Basis operative Handlungsempfehlungen ableiten können, wie sich ihr Qualitätsmanagement durch Werkzeuge der Digitalisierung verbessern lässt.

Fragebogen liefert Q4.0-Reifegrad

Um ein holistisches Qualität-4.0-Reifegradmodell zu entwickeln, welches den gesamten Produktlebenszyklus abdeckt, wurden sieben Bereiche definiert (Bild 1), in denen jeweils das Vorhandensein, beziehungsweise die Nutzung von digitalen Technologien und organisatorischen Themen abgefragt werden. Ein Beispiel hierfür ist die Frage, ob Methoden zur Datenakquise genutzt werden, um schon bei der Konzeption von neuen Produktgenerationen Daten aus der Nutzungsphase der aktuellen Produktgeneration beim Kunden zu verwenden und somit Erkenntnisse darüber zu gewinnen, wie die Produkte genutzt werden. Diese können in die Entwicklung der neuen Produktgeneration einfließen. Basierend auf einer Technologierecherche sowie Experteninterviews wurde ein Fragenkatalog erstellt, welcher die Abfrage über das Vorhandensein und die Nutzung digitaler Technologien und organisatorischer Themen ermöglicht. Die Antworten liefern den Input zur Berechnung des individuellen Qualität 4.0-Reifegades eines Unternehmens. Zu den mittels des Fragenkatalogs abgefragten digitalen Technologien und organisatorischen Themen wurden außerdem Technologiesteckbriefe erstellt, um die Funktionalitäten und den erzielten Wert der Technologien zu erläutern. Das entwickelte Reifegradmodell besteht aus vier Stufen (Bild 2).

Entwickeltes Qualität-4.0-Reifegradmodell (Bild: Fraunhofer-Institut für Produktionstechnologie)
Entwickeltes Qualität-4.0-Reifegradmodell (Bild: Fraunhofer-Institut für Produktionstechnologie)

Stufe 1 – Interne Digitalisierung: Dabei steht die Schaffung einer Datengrundlage mit abteilungs-/unternehmensinternen, qualitätsbezogenen Daten im Vordergrund. Die Datenerfassung und -management sind in dieser ersten Reifegradstufe auf einzelne Unternehmensteilbereiche und Abteilungen beschränkt und die Analyse und Nutzung von verfügbaren Daten ist ausschließlich retrospektiv orientiert.

Stufe 2 – Externe Digitalisierung und Vernetzung: Hier wird der in der ersten Stufe geschaffene, interne Datenbestand um externe Daten erweitert. Die dazukommenden Daten können beispielsweise aus anderen Abteilungen und Standorten sowie von Kunden und Lieferanten stammen. So können bidirektionale Datenflüsse geschaffen werden, um eine kooperative Prozessgestaltung zwischen Kunde und Lieferant umzusetzen. Die Analyse und Nutzung der verfügbaren Daten ist in dieser Reifegradstufe ebenfalls retrospektiv orientiert.

Stufe 3 – Zentrale QM-Datenbasis/ Offene Systemarchitektur: Schaffung einheitlicher Datenstrukturen über alle Systeme sowie Bereichs- und Unternehmensgrenzen hinweg. Die in den ersten beiden Reifegradstufen aufgebaute Datenbasis wird durch Aggregation, Synchronisation und Datenvorverarbeitung nutzbar gemacht und in einem Single Point of Truth (SPoT) abgespeichert. Der SPoT stellt als zentrale QM-Datenbasis das Kernelement von Qualität 4.0 dar und ermöglicht ein datenbasiertes, softwaregestütztes, agiles und kollaboratives Qualitätsmanagement, in welchem eine offene Systemarchitektur einen kontinuierlichen Datenfluss ermöglicht.

Stufe 4 – Prädiktives und präskriptives Qualitätsmanagement: Der SPoT ermöglicht nun die Umsetzung einer prädiktiven und präskriptiven Prozess- und Produktoptimierung. Die zuvor geschaffene Datenbasis bildet die Grundlage für prädiktive und präskriptive Verfahren der Datenanalyse. Auf diese Weise wandelt sich der Zeithorizont, auf den sich die Ergebnisse der Datenanalysen beziehen. Während in den unteren Reifegradstufen retrospektive Analysen erstellt werden, welche die Fragen „Was ist passiert?“ und „Warum ist etwas passiert?“ beantworten, werden in der vierten Reifegradstufe die Fragen „Was wird passieren?“ und „Was muss passieren, damit etwas vermieden wird?“. Dies gelingt z.B. durch Lernen oder künstliche Intelligenz, mittels derer Vorhersagen über die in der Zukunft liegende Eintrittswahrscheinlichkeit bestimmter Ereignisse getroffen werden können. Die Veränderung des Zeithorizontes, der durch Datenanalysen betrachtet wird, bedingt, dass die Handlungen des Qualitätsmanagements sich ändern. Von den reaktiven Tätigkeiten wie Messen, Kontrollieren und Zertifizieren, findet ein Wandel zu proaktiven Tätigkeiten statt, indem beispielsweise das zukünftige Auftreten von Prozessfehlern frühzeitig prognostiziert wird, sodass proaktive Maßnahmen eingeleitet werden können, bevor Prozessfehler auftreten.

Zusammenfassung

Das entwickelte Qualität-4.0-Reifegradmodell skizziert die Entwicklungsmöglichkeiten von KMU bei der Digitalisierung ihres Qualitätsmanagements. Dabei steht besonders der Wandel des reaktiven Handelns zum proaktiven Entscheiden und Steuern auf Basis einer breiten Datenbasis, die kontinuierlich neue Erkenntnisse und Einblicke ermöglicht, im Vordergrund. Das Modell ist in ein Web-Tool überführt worden, das durch die Beantwortung eines Fragekatalogs die Berechnung des individuellen Qualität-4.0-Reifegrades vornimmt und operative Handlungsempfehlungen ableitet.





  • MES und Lean-Management im Zusammenspiel

    Fertigungsunternehmen suchen stets nach Möglichkeiten, ihre Workflows zu optimieren, Verschwendung zu reduzieren und Ressourcen optimal einzusetzen. Der Lean-Ansatz ist hier ein bewährtes…


  • Innovationstreiber Thin[gk]athon: Kollaborative Intelligenz trifft auf Industrie-Expertise

    Der Thin[gk]athon, veranstaltet vom Smart Systems Hub, vereint kollaborative Intelligenz und Industrie-Expertise, um in einem dreitägigen Hackathon innovative Lösungsansätze für komplexe Fragestellungen…


  • Mit KI und Plattform-Ansatz Potenziale heben

    Flexibilität wird im Qualitätsmanagement immer wichtiger. Der Zertifizierungsdruck steigt weiter an und Lieferkettenprobleme erfordern häufiger die Qualifizierung alternativer Zulieferer. Digitale QM-Plattformen können…


  • Die Digitalisierung in Deutschlands Industrie

    Eine aktuelle Studie von Reichelt Elektronik betrachtet den aktuellen Stand der Digitalisierung und stellt die Frage, wie Deutschland im Vergleich zu anderen…


  • Management-Tool für KI-Use Cases

    Im EU AI Act wurden kürzlich Regeln für die Anwendung und Entwicklung von künstlicher Intelligenz festgelegt. Spätestens jetzt sollten Unternehmen ihre KI-Use-Cases…