Mehr lesen
Zielsetzung der Gesellschaft für Qualitätswissenschaft e.V. ist es, die Qualitätswissenschaft in Lehre und Forschung zu fördern und den Wissenstransfer in die industrielle Anwendung zu unterstützen. Dies erfolgt unter anderem durch Pflege des wissenschaftlichen Erfahrungsaustauschs unter den auf diesem Gebiet tätigen Personen und Institutionen und der Verbreitung von Forschungs- und Entwicklungsergebnissen sowie der Unterstützung des Wissenstransfers zwischen Forschung und Praxis. Die Entwicklung von technisch komplexen Produkten, Prozessen sowie neuen Dienstleistungen erfolgt auf Basis stetig expandierender Wertschöpfungsnetzwerke in einem turbulenten Marktumfeld. Anforderungen von Kunden und Märkten an Funktionalität, Zuverlässigkeit und Sicherheit nehmen zu, wobei die Wertschöpfung auf viele Kooperationspartner verteilt wird und deren Vernetzung im nationalen und internationalen Kontext stetig ansteigt. Des Weiteren führt die zunehmende Digitalisierung von Produkten und Unternehmensprozessen dazu, dass die Verfügbarkeit von Entwicklungsdaten, Produktionsprozessdaten sowie Betriebsdaten zu einem exponentiellen Daten- und Informationsvolumen führt. Dies stellt gleichermaßen Herausforderung und Potential für die Qualitätswissenschaften dar. Unter dem Leitthema "Neue Methoden und Trends in der Qualitätswissenschaft" hat die Gesellschaft für Qualitätsmanagement gemeinsam mit der Bergischen Universität Wuppertal zur GQW Tagung 2023 eingeladen. Wir freuen uns, dass wir Ihnen nun den zugehörigen Tagungsband vorstellen können.
Inhaltsverzeichnis
Manufacturing Data Analytics Studie 2023: Status quo und zukünftiges Potenzial von Datenanalysen in produzierenden Unternehmen.- Literaturübersicht der KI-gestützten kompetenzbasierten Ressourcenplanung von Entwicklungsprojekten.-Entwicklung eines Empfehlungssystems zur personalisierten Qualifizierung im Bereich Qualitätsingenieurwesen: eine Anforderungsanalyse.- Prognose der Restlebensdauer zyklisch beanspruchter Linearaktuatoren aus Formgedächtnislegierungen: Ein Ansatz auf Basis von Methoden des maschinellen Lernens.- Beratungssystem zur Unterstützung der Umsetzung komplexer Anforderungen an Qualität, Nachhaltigkeit, Arbeitssicherheit und digitale Transformation in Lebensmittelketten.- Qualitätsmanagementgerechte Sicherstellung crowdbasierter Arbeit mithilfe eines modularen Referenzprozessmodells für KMU.- Digital Twin-Anwendungen in vernetzten Wertschöpfungssystemen - Potenziale und Grenzen zur Steigerung der Supply Chain Quality.- Algorithmen und Anwendungsgebiete des maschinellen Lernens für die prädiktive Prozesskontrolle.-
Erhöhung der Prozesssicherheit durch die Betrachtung des menschlichen Faktors in der Mensch-Roboter- Kollaboration.- Projekt-Mining-Prozess als Ansatz zur zielgerichteten Digitalisierung am Beispiel der Fahrzeugmontage.- E-Tutor-gestützte Lehre am Beispiel der Fertigungsmesstechnik.
Über den Autor / die Autorin
Stefan Bracke: Univ.-Prof. Dr.-Ing. Stefan Bracke studierte Maschinenbau an der Ruhr-Universität Bochum und promovierte ebenda im Bereich Qualitätssicherung innerhalb des roduktrecyclings. Nach Tätigkeiten bei der Porsche AG sowie der Technischen Hochschule Köln ist er seit 2010 Professor für Zuverlässigkeitstechnik und Risikoanalytik an der Bergischen Universität Wuppertal. Des Weiteren nahm er 2016 eine Gastprofessur an der Meiji-Universität in Tokyo in Japan an. Der Schwerpunkt seiner Forschungsarbeit und Lehre liegt in der Zuverlässigkeits- und Risikoanalytik bei der Entwicklung, Herstellung sowie beim Feldeinsatz technischer Produkte.
Philipp Heß: M.Sc. Philipp Heß hat Produktionstechnik (B.Eng.) und Maschinenbau (M.Sc.) an der Technischen Hochschule Köln studiert. Er ist als wissenschaftlicher Mitarbeiter am Lehrstuhl für Zuverlässigkeitstechnik und Risikoanalytik der Bergischen Universität Wuppertal tätig, wo er im Fachgebiet der Zuverlässigkeitstechnik promoviert. Die Schwerpunkte seiner Forschungsarbeit umfassen Analysen des komplexen Degradationsverhaltens von Formgedächtnisaktoren zur Entwicklung eines entsprechenden Erprobungsprogramms, mit welchem anwendugnsspezifische Einsatzgrenzen und Toleranzbereiche bestimmt werden, um die Betriebszuverlässigkeit von Formgedächtnisaktoren zu steigern und die erforderliche Testzeit zu reduzieren.
