====== Qualitätssicherung  ======

**Die Qualitätssicherung umfasst alle Maßnahmen zur Schaffung und Sicherung der Qualität eines Produktes und/oder einer Dienstleistung.**

Maßnahmen zur Qualitätssicherung können dabei organisatorischer und technischer Art sein. Qualitätssicherung betrifft den Prozess von der Vorbereitung, über die Erstellung bis hin zu letztlichen Prüfung. KI-Lösungen können die Qualitätssicherung durch den erleichterten und erweiterten Zugang von Informationen unterstützen. Durch die mögliche Echtzeitverarbeitung der Daten und zur Verfügungstellung dieser Informationen an das Sicherungssysteme können Optimierungen direkt erfolgen.

===== Problemstellung & Zielsetzung =====

Qualitätsmanagement hat zum Ziel Fehler oder Qualitätsabweichungen möglichst proaktiv, alternativ frühzeitig zu identifizieren und Ressourcen zu sparen. Qualitätsstandards werden in der Regel, abgesehen von eventuell einzuhaltenden Normen, durch die Unternehmen selbst festgelegt. Künstliche Intelligenz (KI) kann eine leistungsfähige Prozessüberwachung bieten. Relevante Prozessinformationen können umfassend und jederzeit zur Verfügung stehen und für die Qualitätssicherung genutzt werden.

===== Mögliche KI-Methodiken =====

Es gibt viele verschiedene Einsatzmöglichkeiten für KI innerhalb der Qualitätssicherung, welche sich auch je nach Branche unterscheiden, so können Lösungen von Predictive Maintenance im Maschinen- und Fahrzeugbau das Mittel der Wahl sein, für die Chemieindustrie wären jedoch Prozesse zur Qualitätsüberwachung von Chargen wie mit Hilfe intelligenter Prozessanalysetechniken zentral denkbar.

So kann KI für folgende Beispiele genutzt werden, welche aufgrund der vielfältigen und betrieblichen Besonderheiten nicht als umfassend zu betrachten sind und insbesondere im Bereich von Mustererkennung und Anomalien immer ähnliche Methoden zum Einsatz kommen können:

  * __Bilderkennung__ - Bilder von Produkten automatisch analysieren und Mängel überprüfen, bspw. mittels \\ 
    * **[[wissen:glossar:computervision|Computer Vision]]** zur Bilderfassung und   
    * **[[wissen:glossar:machine_learning|Maschinelles Lernen]]** zur Bildanalyse.
  * __Mustererkennung__ - Muster in Produktionsdaten erkennen und Prozesse automatisch anpassen, bspw. über 
    * **[[wissen:glossar:machine_learning|Maschinelles Lernen]]**   
    * bzw. durch KI-Methoden des **[[wissen:glossar:deep_learning|Deep Learning]]** definierte oder auch nicht definierte Muster erkennen.
  * __Prognosemodellierung__ - basierend auf vorliegenden Daten Prognosen für die zukünftige Qualität zu geben, auch hier sind Methoden des 
    * **[[wissen:glossar:machine_learning|Maschinelles Lernen]]** und des 
    * **[[wissen:glossar:deep_learning|Deep Learning]]** oder
    * **[[wissen:glossar:expertensysteme|Wissensbasierte Expertensysteme]]** zur Erfassung und Analysierung von Mustern und dem Abgleich mit Daten aus der Vergangenheit sowie zu Berechnung über Algorithmen für zukünftiges Szenarien.
  * __Prozessoptimierung__ - Prozesse automatisch zu optimieren, hier wären neben den Methoden des 
    * **[[wissen:glossar:machine_learning|Maschinelles Lernen]]** und des 
    * **[[wissen:glossar:deep_learning|Deep Learning]]** noch Methoden zur Prozessautomatisierung wie durch Bereiche aus der 
    * **[[wissen:glossar:robotik]]** möglich, welche die Systeme in Folge anpassen.
  * __Automatisierte Fehlerdiagnose__ - automatisch Fehler in Produktionsprozessen erkennen und diagnostizieren, Wiederholt realisierbar durch die Methoden des 
    * **[[wissen:glossar:machine_learning|Maschinelles Lernen]]** wie des 
    * **[[wissen:glossar:deep_learning|Deep Learning]]** wie bspw. beim [[wissen:glossar:condition_monitoring|Condition Monitoring]] zum Einsatz kommen, um aktuelle Daten mit vordefinierten Daten abzugleichen und bei Bedarf ein Signal auszugeben.
  * __Automatisierte Entscheidungen__ - automatisch Entscheidungen über die Qualität von Produkten treffen, kann ebenfalls über 
    * **[[wissen:glossar:machine_learning|Maschinelles Lernen]]** und 
    * **[[wissen:glossar:deep_learning|Deep Learning]]** möglich sein. Dieses Verfahren nutzt bspw. [[wissen:glossar:predictive_maintenance|Predictive Maintenance]], um über aktuelle Zustände Annahmen zu treffen.

===== Risiken & Chancen =====

  * Hoher Zeitaufwand erforderlich.
  * Intensive Weiterbildung nötig.
  * Qualität sichern und verbessern.
  * Risiken und Fehler minimieren.
  * Kosten und Ressourcen sparen.
  * Wettbewerbsfähigkeit steigern.
  * Neue Mitarbeiter leichter einarbeiten.

===== Best Practices =====

Einige Unternehmen haben im Rahmen der Qualitätssicherung/Qualitätskontrolle KI-Verfahren angewandt. Diese Best Practise finden Sie hier:

  * [[wissen:bestpractice:flowsight|]]
  * [[wissen:bestpractice:voize|]]

===== Weiterführende Informationen =====

  * [[https://www.qm-pilot.ch/vorteileqm.html|QMPilot. (o.D.). Vorteile Qualitätsmanagement: Effektiv nutzen & Nachteile nachhaltig vermeiden.]]
  * [[https://refa.de/service/refa-lexikon/qualitaetssicherung|REFA. (o.D.). Qualitätssicherung.]]
  *  [[https://www.staufenbiel.de/magazin/joballtag/qualitaetssicherungdefinition-aufgabenjobchancen.html|Staufienbiel Institut. (o.D.). Qualitätssicherung: Definition, Aufgaben und Jobchancen]]
  * [[https://wirtschaftslexikon.gabler.de/definition/qualitaetssicherung-44396|Vogt, K. (o.D.). Qualitätssicherung]]
  * [[https://www.quality.de/qm-magazin/kuenstliche-intelligenz-ki-in-der-qualitaetskontrolle/|qm-magazin (2023) - KI in der Qualitätskontrolle]]
  * [[https://www.iws.fraunhofer.de/de/newsundmedien/aktuelles/2022-04-29_aktuelles_ki-in-der-qualitaetssicherung.html| Fraunhofer IWS (2022) - Künstliche Intelligenz in der Qualitätssicherung]] \\ **Wulf Grählert**