Control predictivo para la identificación de piezas defectuosas en vehículos
Identificación de piezas potencialmente propensas a fallos a lo largo del proceso de producción y logística hasta el cliente.
Identificación de lotes de proveedores defectuosos mediante un modelo de datos genérico
Visualización del rastreo de lotes de proveedores conspicuos en QlikSense
Desafío
Un fabricante de automóviles quiere rastrear la identificación de los fallos de sus vehículos hasta la logística. El paradero de las piezas potencialmente propensas a fallos procedentes de lotes de proveedores defectuosos es actualmente ilocalizable y supone un riesgo. Para garantizar la calidad, las piezas afectadas deben identificarse en logística y en el cliente.
Solución
Un modelo de datos genérico permite vincular las fuentes de datos a lo largo del proceso de producción. Se posibilita la trazabilidad de las piezas defectuosas hasta el proveedor y la visualización del proceso.
Resultado
Con la aplicación QlikSense, es posible localizar las piezas en logística y en el cliente. El modelo de datos genérico permite identificar las distintas piezas que han fallado en el cliente.
¿Le interesan sus propios casos de uso?
Casos de uso de la ciencia de datos
Seguros Logística Automática Energía Comercio y Comercio Electrónico
No se encontraron resultados
La página solicitada no pudo encontrarse. Trate de perfeccionar su búsqueda o utilice la navegación para localizar la entrada.
Conocimientos de datos e IA
Creación conjunta de valor añadido a partir de los datos y la IA