AT_Logo

Präventive Identifikation fehlerhafter Teile

Identifikation von potenziell ausfallgefährdeten Teilen entlang des Produktions- und Logistikprozesses bis hin zum Kunden.

S

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

Data & AI Wissen

Gemeinsam Mehrwerte aus Data & AI schaffen

Blog

Entdecken Sie Fachartikel rund um Data & AI sowie aktuelle Branchenmeldungen.

Webinare

Tauchen Sie ein in unsere Best Practices und Industry Exchanges. Entdecken Sie neue Termine und Aufzeichnungen vergangener Webinare.

Whitepaper

Mit unseren Whitepapern, Case Studies und Studien erfahren Sie mehr über den Einsatz von Data & AI in Ihrer Branche.