Q-Mining (Quality-Mining) repräsentiert den Kern unserer Dienstleistung. Es werden gezielt auf Qualitätssicherung zugeschnittene
Data-Mining-Methoden angewendet, um produkt- und prozessrelevante Qualitätsmerkmale zu stabilisieren und zu optimieren.
Der Begriff 'Data-Mining' bedeutet soviel wie "...nach wertvollen Inhalten in Daten schürfen":
Hierbei werden Ihre Produktdaten - die wir selbstverständlich vertraulich behandeln - auf versteckte Informationen hin untersucht. Daraus werden mit modernsten Methoden Gesetzmäßigkeiten extrahiert und in einer speziellen Software vollständig erfasst.
Auf diese Weise entsteht bei uns innerhalb kurzer Zeit ein virtuelles Modell, das alle erdenklichen - insbesondere die funktionalen - Zusammenhänge ihres Produktes repräsentiert.
Angepasst an
Ihre individuellen Herausforderungen sind dies die Ergebnisse unserer Dienstleistung:
| Leistungsmerkmal |
Nutzung im Maschinenbau |
Klassifikation
(Aufteilung)
|
Aufteilung in Gut / Ausschuss
- Ausschussquote der Fertigung wird gezielt reduziert. Produktqualität wird verbessert.
|
Prädiktion
(Vorhersage) |
Vorhersage von Fertigungskapazitäten / Produktveränderungen
- Es können rechtzeitig Vorsorgemaßnahmen getroffen werden.
|
Approximation
(Annäherung) |
Simulation von Versuchsergebnissen
- Anzahl der nötigen Versuche wird auf ein Minimum reduziert.
- Die Genauigkeit von Berechnungen (z.B. Festigkeits- und Lebensdauerberechungen usw.) wird erhöht.
|
Abschließend erhalten Sie von uns eine - im problemspezifischen Sinne - 'intelligente' aber äußerst einfach zu bedienende Software und werden somit unabhängig von einer weiteren externen Betreuung.
Die Software, die wir Ihnen aushändigen, ist vergleichbar mit einem 'Experten' für Ihr Produkt:
Gerade bei Anwendungsfällen mit ungenauen oder unbekannten mathematischen Zusammenhängen sehen wir unser Einsatzgebiet, da wir hierfür spezielle Software auf Basis der sogenannten
künstlichen Intelligenz entwickelt haben und nutzen. Mit dieser Technik können äußerst komplexe Zusammenhänge selbst in den Fällen erfasst und simuliert werden, in denen konventionelle Methoden (z.B. Korrelations-, Regressions-, Faktoranalysen) versagen.
Die Art der Daten ist für die Leistungsfähigkeit der Software irrelevant. Sie erkennt selbstständig die 'Natur' der Daten und ist diesbezüglich nicht auf unsere fachliche Kompetenz angewiesen. Hieraus ergeben sich vielfältige Einsatzmöglichkeiten.