Nach Oben
Use Cases Industrie 4.0 in der Praxis
Zurück

Prüfprozess-Optimierung bei der Herstellung sanitärer Einrichtungen

Erfahren Sie, wie man mit dem «Data Science Rapid Prototyping »-Ansatz aus grossen Datenmengen schon nach wenigen Tagen lukrative Effizienzprojekte erkennt.

Firma

Geberit AG

Umsetzungspartner

Substring AG
M&F Engineering AG
Ausgangslage

Die Geberit AG ist ein weltweit tätiger Schweizer Konzern im Sanitärbereich. Am Ende der Herstellung sanitärer Einrichtungen erfolgt eine eingehende Qualitätsprüfung. Dies ist ein wichtiger Prozessschritt vor der Auslieferung des schweizerischen Qualitätsprodukts.

Es bestehen mehrere Prüfsysteme zur Prüfung von Dusch-WCs. Die Dusch-WCs beinhalten komplexe Teilsysteme wie Duscharm, Boiler, Personenerkennung, Deckelheber. Die Prüfsysteme prüfen sämtliche wichtigen Funktionen vollautomatisch. Jedoch müssen vorher die Prüflinge manuell vorbereitet und angeschlossen werden.

Bei Fehlern in der Vorbereitung bricht die vollautomatische Prüfung ab und es geht kostbare Durchlaufzeit verloren. Prüfungen müssen dadurch zum Teil wiederholt werden. Zudem kann es durch andere Gründe Unterbrüche der Prüfung geben, die die Produktionsdurchlaufzeit herabsetzen und Prüfkosten erhöhen. 

Nach einem Jahr Produktion wurden genügend Daten gesammelt, um mit Data Science die Anlage zu optimieren.

Umsetzung

Das Projekt wurde in Zusammenarbeit mit der M&F Engineering AG umgesetzt. Die Umsetzung des Projekts dauerte wenige Wochen. Erste Erkenntnisse liessen sich bereits nach wenigen Tagen gewinnen.

Gestartet wurde mit einem Workshop, um den Nutzen von Data Science für Geberit zu ermitteln. Danach konnten mit dem «LeanBI Rapid Prototyping»-Ansatz innerhalb von zwei Tagen die relevanten Themen für die Optimierung ermittelt werden. Drei Projekte wurden evaluiert, zwei davon direkt umgesetzt:

Projekt 1 Optimierung des Verschleissteileeinsatzes aufgrund online-Datenanalytik (Predictive Maintenance)

Projekt 2 Schulungsbedarf mit Machine Learning erkennen und damit punktuell Produktivität erhöhen

Nutzen

Die Gesamtnutzen waren bessere Prüfqualitäten, verbesserte Durchlaufzeiten und grössere Kosteneinsparungen auf den Prüfanlagen.

Projekt 1 Optimierung des Verschleissteileensatzes an den Prüfanlagen, z.B. von Kabeln
  • Predictive Maintenance: Automatische Erkennung von Anomalien und Versand von Warnmeldungen
  • Damit Reduktion der Unterbrüche und Reduktion des Materialverbrauchs
Projekt 2 Schulungsbedarf erkennen und Produktivität erhöhen
  • Erfolgsrate der Prüfungen durch Schulungen erhöhen und damit höhere Ausstossraten erreichen
  • Einhaltung des Persönlichkeitsschutz ist dabei sehr wichtig und bleibt gewährleistet
Typisches Anschlussprotokoll (Vorbereitung) bei Geberit vor der eigentlichen Prüfung.
Software-Unterstütztes Machine Learning Automatisierte Data Preparation und Data Cleansing Erkennung von Anomalien und Muster
Erkennung von Anomalien an den elektrischen Leitungen durch Datenanalytik

Tags

QualitätsprüfungProdukteProduktionPredictive MaintenanceBig Dataartificial intelligence (AI)Machine LearningTrendanalyseindustrielle Praxis (produzierendes Unternehmen)Komponentenhersteller

Unsere Website verwendet Cookies, damit wir die Page fortlaufend verbessern und Ihnen ein optimiertes Besucher-Erlebnis ermöglichen können. Wenn Sie auf dieser Webseite weiterlesen, erklären Sie sich mit der Verwendung von Cookies einverstanden.
Weitere Informationen zu Cookies finden Sie in unserer Datenschutzerklärung.

Wenn Sie das Setzen von Cookies z.B. durch Google Analytics unterbinden möchten, können Sie dies mithilfe dieses Browser Add-Ons einrichten.