Qualitätssicherung

Mithilfe von Qualitätssicherungssystemen können Unternehmen Fehler in allen Prozessen der Herstellung und Bereitstellung von Waren oder Dienstleistungen für Kunden vermeiden. Ein solches System, das Daten sammelt und potenzielle Probleme in einer Pipeline identifiziert, kann erhebliche Vorteile bieten. Bei der digitalen Fertigung z.B. ist die Qualitätssicherung in der gesamten Montagelinie zwingend erforderlich. Wenn Unternehmen Verzögerungen und mögliche Ausfälle ermitteln können, bevor diese eintreten und nicht erst, nachdem sie entdeckt wurden, können sie die Kosten für Ausschuss und Nachbearbeitung senken und gleichzeitig die Produktivität erhöhen.

Diese Lösung zeigt am Beispiel von Fertigungspipelines (Montagelinien), wie Ausfälle vorhergesagt werden können. Die Lösung verwendet bereits installierte Testsysteme sowie Fehlerdaten. Der Fokus liegt insbesondere auf Rückgaben und Funktionsfehlern am Ende der Montagelinie. Durch Kombination dieser Elemente mit Fachkenntnissen und einer Ursachenanalyse in einem modularen Design, das die Hauptverarbeitungsschritte enthält, stellen wir eine generische Lösung für erweiterte Analysen bereit, die Machine Learning-Verfahren nutzt, um Fehler vorherzusagen, bevor sie auftreten. Die frühe Vorhersage von zukünftigen Fehlern ermöglicht es, fehlerhafte Produkte günstiger zu reparieren oder sogar ganz aus der Produktion zu nehmen, was in der Regel kosteneffizienter ist als Rückrufaktionen und die Bearbeitung von Garantiefällen.

Beschreibung

Hinweis: Wenn Sie diese Lösung bereits bereitgestellt haben, klicken Sie hier, um sich Ihre Bereitstellung anzeigen zu lassen.

Sparen Sie Zeit, und lassen Sie sich von einem dieser geschulten SI-Partner mit Machbarkeitsnachweisen für Konzept, Bereitstellung und Integration dieser Lösung unterstützen.

Geschätzte Bereitstellungszeit: 30 Minuten

Die Cortana Intelligence Suite stellt über Microsoft Azure Komponenten für Datenerfassung, Datenspeicherung, Datenverarbeitung und erweiterte Analysen bereit – alle grundlegenden Elemente zum Erstellen einer Lösung für die Qualitätssicherung in der Herstellung. Die Lösung wird in der Cloud implementiert und verwendet die flexible Microsoft Azure-Onlineplattform, die Infrastrukturkomponenten (Datenerfassung, Speicherung, Datenverschiebung, Visualisierung) vom Analysemodul trennt, das moderne DS-Sprachen wie R und Python unterstützt. Die Lösungskomponente für die Modellerstellung kann daher bei Bedarf neu trainiert werden. Die Implementierung kann über leistungsfähige Azure Machine Learning-Algorithmen, Open Source-Bibliotheken für R bzw. Python oder einen Drittanbieter erfolgen. Bei einem Klick auf die Schaltfläche „Bereitstellen“wird ein Workflow gestartet, durch den eine Instanz der Lösung innerhalb einer Ressourcengruppe im angegebenen Azure-Abonnement bereitgestellt wird. Die Lösung umfasst mehrere Azure-Dienste (siehe unten) und einen Webauftrag, der Daten simuliert, sodass Sie unmittelbar nach der Bereitstellung über eine funktionsfähige End-to-End-Lösung verfügen. Anweisungen zu Aufgaben nach der Bereitstellung und weitere Hinweise zur technischen Implementierung finden Sie hier.

Technische Details und Workflow

  1. Die Simulationsdaten für die Fertigungsmontagelinie werden durch neu bereitgestellte Azure-Webaufträge gestreamt.
  2. Die synthetischen Daten werden als Datenpunkte oder Ereignisse an Azure Event Hubs gesendet. Diese Datenpunkte bzw. Ereignisse werden anschließend im weiteren Lösungsworkflow verwendet und in Azure SQL Data Warehouse gespeichert.
  3. In diesem Muster werden zwei Azure Stream Analytics-Aufträge verwendet, um Analysen nahezu in Echtzeit für den Eingabestream aus dem Azure Event Hub zur Verfügung stellen zu können. Beide Aufträge filtern die Eingabedaten und übergeben die Datenpunkte an einen Azure Machine Learning-Endpunkt, der die Ergebnisse an ein Power BI-Dashboard sendet.
  4. Abschließend werden die Ergebnisse in Power BI visualisiert.

Haftungsausschluss

©2017 Microsoft Corporation. Alle Rechte vorbehalten. Alle Informationen werden im vorliegenden Zustand bereitgestellt und können sich ohne Vorankündigung ändern. Microsoft leistet weder ausdrücklich noch stillschweigend Gewähr hinsichtlich der hier zur Verfügung gestellten Informationen. Zur Erstellung der Lösung wurden Drittanbieterdaten verwendet. Sie sind dafür verantwortlich, die Rechte Dritter zu berücksichtigen. Hierzu zählen u.a. das Beschaffen relevanter Lizenzen, die zur Erstellung ähnlicher Datensätze benötigt werden, und das Erfüllen der jeweiligen Lizenzbedingungen.

Zugehörige Lösungsarchitekturen

Predictive Maintenance

Die vorliegende Predictive Maintenance-Lösung überwacht Flugzeuge und prognostiziert die verbleibende Lebensdauer von Triebwerkskomponenten.

Anomalieerkennung in Echtzeitdatenströmen

Mit der Cortana Intelligence IT Anomaly Insights-Lösung können IT-Abteilungen in großen Organisationen Fehler basierend auf zugrunde liegenden Integritätsmetriken aus folgenden Quellen schnell erkennen und beheben: IT-Infrastruktur (CPU, Arbeitsspeicher usw.), Dienste (Timeouts, Abweichungen von SLAs, Brownouts usw.) und andere Key Performance Indicators (Auftragsbestand, Fehler bei Anmeldung und Zahlung usw.). Diese Lösung bietet zudem eine einfache Jetzt ausprobieren-Funktion, auf der potenzielle Kunden den Nutzen der Lösung mit eigenen Daten testen können. Die Funktion „Bereitstellen“ ermöglicht einen schnellen Einstieg in die Lösung auf Azure, da sämtliche Komponenten in Ihrem Azure-Abonnement bereitgestellt werden und Sie die gesamte Lösung vollständig nach Bedarf anpassen können.