Erkennung von Qualitätsproblemen.
Prognose von Qualitätsproblemen.
In diesem Projekt haben wir einen Machine Learning Algorithmus entwickelt, der im Feld aufkommende Qualitätsprobleme erkennt und nach Wichtigkeit priorisiert.
Herausforderung.
Die Analyse von Gewährleistungsdaten im Automotive Umfeld ist aufgrund der hochdimensionalen Datenlage sehr komplex. Probleme können in spezifischen Märkten, Baureihen und Varianten entstehen; gepaart mit vielen weiteren Einflussfaktoren. Unser Kunde, ein internationales Automobilunternehmen, stand vor der Herausforderung, im Feld neu entstehende Qualitätsprobleme rechtzeitig erkennen zu müssen, um zeitnah Aktionen zur Behebung der Fehler im Feld planen und umsetzen zu können.
Ansatz.
Auf Basis der historischen Gewährleistungsdaten sowie Datenquellen aus Produktion und Fahrzeugdiagnose konnten wir ein Modell entwickeln, dass aufkommende Qualitätsprobleme im Feld mehrere Monate vorher erkennt, bevor diese ein signifikantes Ausmaß erreichen. Hierfür haben wir verschiedene Methoden aus dem Bereich der Survival-Modellierung miteinander kombiniert und auf die umfangreichen GW-Datenbestände angewendet. Zur Visualisierung der Resultate wurde ein interaktives Dashboard entwickelt, das den Qualitätsspezialisten 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 und der interaktiven Visualisierung, die monatlich aktualisiert wurde, ist ein Tool entstanden, das im Unternehmen von hunderten Benutzern verwendet wurde, um GW-Daten und Qualitätsprobleme zu untersuchen. Durch den implementieren Algorithmus konnte die Komplexität der Daten für den Anwender reduziert und aufkommende Qualitätsprobleme konnten rechtzeitig erkannt werden.
Projekt Info.
Branche: Automotive
Thema: Warranty Analytics
Tools: SQL, R, SPSS Modeler
Aufwand: 1+ Jahre
Projektlaufzeit: 3 Jahre
STATWORX Kontakt.
Ihr Ansprechpartner:
Fabian Müller
Leiter Data Science
Download Case.
Downloaden Sie diese Case Study als PDF zur weiteren Verwendung.