Die deutsche Industrie nutzt Industrie-4.0-Anwendungen inzwischen auch für das Qualitätsmanagement, schöpft das Big-Data-Potenzial dabei jedoch nicht aus. Das zeigt ein gemeinsames Forschungsprojekt der Unternehmensberatung Staufen und der TU Darmstadt, bei dem die Möglichkeiten von Datenanalysen im Produktionsprozess für das Qualitätsmanagement untersucht wurden. Demnach werten rund sieben von zehn Unternehmen mit Industrie-4.0-Anwendungen ihre in der Produktion anfallenden Datenmengen aus, um die Qualität ihrer Produkte zu kontrollieren. Vorreiter sind dabei die Elektroindustrie und der Maschinenbau, wie der Deutsche Industrie 4.0-Index 2018 zeigt. Die Unternehmen seien mit ihren Analysen den Ursachen von Qualitätsproblemen bisher jedoch kaum auf der Spur.
Ergebnis des Forschungsprojekts: Ein großer Teil der Industrieunternehmen setzt Big Data lediglich auf der ersten Stufe ein (Descriptive Analytics). Das bringe zwar Transparenz im Produktionsprozess, ermögliche aber keine Aussagen zu Ursache-Wirkungs-Beziehungen (Diagnostic Analytics). Auch für höherstufige Anwendungen – beispielsweise Predictive oder Prescriptive Analytics zum vorzeitigen Erkennen von potenziellen Störungen beziehungsweise zur Automatisierung der Problembehandlung – fehle dann die dafür notwendige kausale Beziehung.
Traditionelle QM-Methoden statt Big-Data-Potenzial
Staufen begründet das vor allem mit dem Mangel an Know-how und Software sowie passenden Datenbankstrukturen. Zudem würden bisher nicht alle gemessenen Daten in Speichersysteme überführt, wo sie im verlinkten Zustand ausgelesen und analysiert werden könnten. „Stattdessen nutzen die Unternehmen häufig weiterhin traditionelle QM-Methoden, die zum Teil sogar noch auf Papier basieren und mit der Komplexität der Produkte und Produktionsnetzwerke nach und nach an ihre Grenzen stoßen“, heißt es bei Staufen.