Predictive Monitoring zur Identifikation von fehlerhaften Fahrzeugteilen
Identifikation von potenziell ausfallgefährdeten Teilen entlang des Produktions- und Logistikprozesses bis hin zum Kunden.
Identifizierung fehlerhafter Lieferantenchargen durch ein generisches Datenmodell
Visualisierung der Rückverfolgung auffälliger Lieferantenchargen in QlikSense
Herausforderung
Ein Automobilhersteller möchte die Identifikation von Fahrzeugausfällen bis in die Logistik zurückverfolgen. Der Verbleib der potenziell ausfallgefährdeten Teile aus defekten Lieferantenchargen ist derzeit nicht nachverfolgbar und birgt ein Risiko. Um die Qualität sicherzustellen, sollen die betroffenen Teile in der Logistik und beim Kunden identifiziert werden.
Lösung
Mit einem generischen Datenmodell wird die Verknüpfung der Datenquellen entlang des Produktionsprozesses ermöglicht. Eine Rückverfolgbarkeit der fehlerhaften Teile bis hin zum Lieferanten und die Visualisierung des Prozesses wird ermöglicht.
Ergebnis
Mit der QlikSense-Applikation ist die Verortung der Teile in der Logistik und beim Kunden möglich. Das generische Datenmodell ermöglicht die Identifizierung verschiedener Teile, die beim Kunden ausgefallen sind.
Haben Sie Interesse an eigenen Use Cases?
Data Science Use Cases
Versicherung Automative Logistik Energiebranche Handel & E-Commerce
Keine Ergebnisse gefunden
Die angefragte Seite konnte nicht gefunden werden. Verfeinern Sie Ihre Suche oder verwenden Sie die Navigation oben, um den Beitrag zu finden.
Data & AI Wissen
Gemeinsam Mehrwerte aus Data & AI schaffen