Flachglas und optische Bauteile
Ein Unternehmen verklebt große Glasplatten mit einer Kunststoffmatrix. Alterungstests haben ergeben, dass sich immer wieder einzelne Elemente spontan untereinander lösen: Die innere Kunststoffmatrix löst sich von den Glasplatten ab. Diese Delamination ist ein Reklamationsgrund.
Einzige Messgröße ist die Delamination in Form von Fehler ja / Fehler nein. Die binäre logistische Regression ist ein mächtiges mathematisches Werkzeug, das es gestattet, derartige binäre Datensätze zu verarbeiten. So gelang es auf Basis von historischen Produktionsdaten, die Einflüsse auf den Fehler zu ermitteln und damit das Problem durch einfache Maßnahmen im Werk zu beheben.
Eingesetzte Werkzeuge: binäre logistische Regression, Visualisierung historischer Messdaten, Multivariate Analysemethoden zur Datenverdichtung historischer Messdaten (Clusteranalyse, Hauptkomponentenanalyse)
Eine Firma stellt lackierte Glastafeln für einen Einsatz in hochwertigen Möbeln her. Es kommt in einigen Fällen zu Einschlüssen von Staub im ausgehärteten Lack, der zu Reklamationen führt.
Im Unternehmen gab es drei Aussagen bezüglich der Fehlerursachen: Die Einschlüsse, treten nur auf, wenn der Lack nicht gesiebt war; die Einschlüsse kommen nur bei geschliffenen Substraten vor; die Einschlüsse erscheinen vermehrt bei schwarzem Lack.
Die Analyse der historischen Daten ergab zunächst, dass keine klare Ursache gefunden werden konnte, da die Datenbasis wegen der „geringwertigen“ Aussage Lackfehler ja / Lackfehler nein nicht ausreichend war. Ein durchgeführter Versuch mit Variation aller drei Einflussparameter und einer vorab festgelegten ausreichenden Stichprobengröße ergab eine der seltenen 3-fach-Wechselwirkungen.
Das Ergebnis konnte in geeigneter Weise visualisiert und innerhalb der beteiligten Personen kommuniziert werden. Das Problem der Lackfehler wurde anschließend mit geringem Kontrollaufwand behoben.
Eingesetzte Werkzeuge: Ermittlung der Trennschärfe und Stichprobengröße in Kombination mit der binären logistischen Regression und der statistischen Versuchsplanung (DoE)
Ein Unternehmen stellt hochwertige Brillengläser her, die vor der Auslieferung an die Kunden zunächst einer digitalen fotografischen Inspektion unterzogen werden. Daran anschließend wird jedes optische Bauteil von speziell geschultem Personal in einem Reinraum visuell inspiziert.
Trotz dieser kombinierten Qualitätssicherungsmaßnahmen gibt es immer wieder mal Reklamationen, da verkratzte Bauteile oder mit kleinen Muscheln belegte Glaskanten ausgeliefert werden: „Schlechte Teile gehen zum Kunden und gute Teile werden Ausschuss“.
Mit Hilfe einer Messsystemanalyse für attributive Daten (Ausschuss ja/nein) konnte gezeigt werden, dass nur eine Übereinstimmung von 80% besteht.
Einfache Maßnahmen, wie z.B. Entspannungsphasen für das Personal, führten zu einer Übereinstimmung von 99% mit entsprechender Zunahme der Kundenzufriedenheit und Reduktion der Ausschussquote und Kosten.
