Skip to content
Licensed Unlicensed Requires Authentication Published by De Gruyter April 11, 2022

Anwendung von Datenanalyse im Qualitätsmanagement

Ein integriertes Vorgehensmodell

Application of Data Analysis in Quality Management
An Integrated Process Model
Alex Maximilian Frey, Oliver Pampus, Finn Stadler, Gilbert-Alexander Erdler and Gisela Lanza

Abstract

Die Komplexität heutiger Produktionsprozesse in Verbindung mit einer hohen Datenverfügbarkeit birgt Potenzial für den Einsatz von Data Mining (DM) im Qualitätsmanagement (QM), insbesondere für Produkte mit hohen Qualitätsanforderungen. Die vorliegende Arbeit stellt eine systematische Auswahl eines Vorgehensmodells von DM und dessen Integration mit dem DMAIC-Vorgehensmodell vor. Das Ergebnis ist ein anwendungsorientiertes Vorgehensmodell für den Einsatz von DM im Qualitätsmanagement, welches an einem realen industriellen Anwendungsfall demonstriert wird.

Abstract

The complexity of today‘s production processes in combination with high data availability holds potential for the use of data mining (DM) in quality management (QM) especially for products with high quality requirements. The present work presents a systematic selection of a process model of DM and its integration with the DMAIC process model. The result is an application-oriented process model for the use of data mining in quality management, which is demonstrated on a real industrial use case.


Hinweis

Bei diesem Beitrag handelt es sich um einen von den Mitgliedern des ZWF-Advisory Board wissenschaftlich begutachteten Fachaufsatz (Peer-Review).



Tel.: +49 (0) 152 3950 2653

Literatur

1 Schmitt, J.; Stemann, D.; Deuse, J.: Enhanced Six Sigma – Integration von Data Mining Verfahren in den DMAIC Zyklus. Qualität und Zuverlässigkeit (2019) 3, S. 32–37Search in Google Scholar

2 Doğan, O.; Gürcan, Ö. F.: Data Perspective of Lean Six Sigma in Industry 4.0 Era: A Guide to Improve Quality. In: Proceedings of the 2nd International Conference on Industrial Engineering and Operations Management. Paris, France, July 26–27, 2018Search in Google Scholar

3 Schafer, F.; Zeiselmair, C.; Becker, J.; Otten, H.: Synthesizing CRISP-DM and Quality Management: A Data Mining Approach for Production Processes. In: 2018 IEEE International Conference on Technology Management, Operations and Decisions (ICTMOD). IEEE 2018 DOI: 10.1109/ITMC.2018.869126610.1109/ITMC.2018.8691266Search in Google Scholar

4 Mast, J. de; Lokkerbol, J.: An Analysis of the Six Sigma DMAIC Method from the Perspective of Problem Solving. International Journal of Production Economics 139 (2012) 2, S. 604–61410.1016/j.ijpe.2012.05.035Search in Google Scholar

5 Piatetsky, G.: CRISP-DM, Still the Top Methodology for Analytics, Data Mining, or Data Science Projects – KDnuggets 2014. Online unter https://www.kdnuggets.com/2014/10/crisp-dm-top-methodology-analytics-data-mining-data-scienceprojects.html [Zugriff am 19.01.2022]Search in Google Scholar

6 Mariscal, G.; Marbán, Ó.; Fernández, C.: A Survey of Data Mining and Knowledge Discovery Process Models and Methodologies. The Knowledge Engineering Review 25 (2010) 2, S. 137–16610.1017/S0269888910000032Search in Google Scholar

7 Hofmann, M.; Tierney, B.: Development of an Enhanced Generic Data Mining Life Cycle (DMLC). The ITB Journal 10 (2019) 1, Article 4 DOI: 10.21427/D75R0B10.21427/D75R0BSearch in Google Scholar

8 Schuh, G.; Anderl, R.; Gausemeier, J.; Hompel, M.; Wahlster, W.: Industrie 4.0 Maturity Index – Die digitale Transformation von Unternehmen gestalten. Herbert Utz Verlag, München 2017Search in Google Scholar

9 Arif, F.; Suryana, N.; Hussin, B.: Cascade Quality Prediction Method Using Multiple PCA+ID3 for Multi-Stage Manufacturing System. IERI Procedia 4 (2013), S. 201–20710.1016/j.ieri.2013.11.029Search in Google Scholar

10 Chawla, N. V.; Bowyer, K. W.; Hall, L. O.; Kegelmeyer, W. P.: SMOTE: Synthetic Minority Over-sampling Technique. Journal of Artificial Intelligence Research 16 (2002) 1, S. 321–357 DOI: 10.1613/jair.95310.1613/jair.953Search in Google Scholar

Published Online: 2022-04-11

© 2022 Walter de Gruyter GmbH, Berlin/Boston

Scroll Up Arrow