TY  - THES
AB  - Die Fertigung von Automobilen ist auch im 21. Jahrhundert für etablierte Hersteller trotz jahrzehntelanger Erfahrung eine komplizierte Aufgabe. Die zur Komplexität führenden Aspekte (Individualität, Antriebsvarianten, Software etc.) sollen die Kunden begeistern, jedoch ohne Einbußen in der Qualität dargestellt werden. Mittels einer explorativen Analyse wurde aufgezeigt, dass produktspezifische Merkmale sich aktiv auf die Qualität der Fahrzeuge auswirken. Vor diesen Gegebenheiten stellt sich die Frage, inwieweit bisherige Methoden zur Qualitätssicherung bei steigender Komplexität der Fahrzeuge ausreichend sind, um auch in Zukunft fehlerfreie Produkte ausliefern zu können. In der Literatur und dem unternehmerischen Kontext ist erkennbar, dass im Zeitalter der Daten die Prävention im Fokus steht. Im Bereich der Qualitätssicherung, speziell im Rahmen der Automobilindustrie, fehlt jedoch ein übergreifender präventiver Ansatz, um Qualitätsrisiken eines Gesamtfahrzeuges frühzeitig erkennen zu können. Die bisherigen Ansätze fokussieren einzelne Teilbereiche der Fertigung (Rohbau oder einzelne Montageschritte), Bauteile oder Komponenten und lassen die Absicherung des Gesamtfahrzeugs außen vor.  Abgeleitet aus der erkannten Forschungs- sowie Anwendungslücke ergibt sich folgendes Ziel: Erarbeitung eines Konzepts, zur Vorhersage von qualitativ auffälligen Fahrzeugen durch die Anwendung von Machine Learning Algorithmen. Dabei steht nicht ein einzelner Prozessschritt im Fokus, sondern das Gesamtfahrzeug. Hierzu werden Fahrzeugdaten, Qualitätsdaten aus der Qualitätssicherung sowie Daten aus der Gewährleistung einbezogen und unter dem Begriff der Produkt DNA gebündelt. Die auf die Daten angewendete Vorhersage basiert auf der Grundlage verschiedener Machine Learning Algorithmen und ist nicht auf einen spezifischen Algorithmus eingeschränkt. Die Ergebnisse des sogenannten Predictive Quality Ansatzes zeigen, dass mit Hilfe dieser Vorgehensweise auffällige Fahrzeuge vorhergesagt und erkannt werden können.   Um die Möglichkeiten des Modells im unternehmerischen Kontext aufzuzeigen, wurden abschließend drei Konzepte ausformuliert. Die Konzepte zeigen auf, wie mit Hilfe dieser Anwendung im Qualitätsmanagement eine Qualitätsverbesserung erreicht werden kann. Durch die aufgezeigten Konzepte des Predictive Quality Ansatzes könnte die Qualität der Fahrzeuge verbessert und Kosten im Bereich der Nacharbeit und Qualitätssicherung gesenkt werden. Nicht monetär messbar ist in diesem Zusammenhang die Begeisterung und Loyalität von Kunden durch eine verbesserte Produktqualität.
AU  - Bürger, Marcus
CY  - Wuppertal
DO  - 10.25926/BUW/0-1004
DP  - Bergische Universität Wuppertal
KW  - Predictive
KW  - Qualität
KW  - Quality
KW  - Machine
KW  - Learning
KW  - Automobilindustrie
KW  - Automotive
KW  - Industrie
LA  - ger
N1  - Bergische Universität Wuppertal, Dissertation, 2026
PB  - Veröffentlichungen der Universität
PY  - 2026
SP  - 1 Online-Ressource  (XIV, 88 Blätter) : Illustrationen
T2  - Fakultät für Maschinenbau und Sicherheitstechnik
TI  - Verbesserung der Produktqualität in der Automobilindustrie durch Predictive Quality Konzepte auf Basis der Produkt DNA
UR  - https://nbn-resolving.org/urn:nbn:de:hbz:468-2-6902
Y2  - 2026-05-04T17:10:50
ER  -