Absicherung von Eigenschaften komplexer und variantenreicher Produkte in der Produktentwicklung

In der Entwicklung technischer Produkte begegnen die Unternehmen den kundenspezifischen Anforderungen mit steigender Variantenvielfalt. Eine steigende Variantenvielfalt erfordert immer komplexere Entwicklungsprozesse. Eine Facette sind die Absicherungstätigkeiten, die als Teil des Qualitätsmanagements durchgeführt werden, um Anforderungen an den jeweiligen Entwicklungsstand abzusichern. Zur Absicherung indirekter Eigenschaften werden Versuche durchgeführt, mit Hilfe derer die geforderten (Soll-) Eigenschaften mit den tatsächlichen (Ist-) Eigenschaften der Komponenten und des Gesamtprodukts verglichen werden. Abgesichert wird eine bedarfsgerechte Auslegung der Eigenschaften, um einerseits Qualitätsprobleme (Unterdimensionierung) und andererseits Verschwendung (Überdimensionierung) zu vermeiden. Versuche zur Absicherung können daher nur mit einer begrenzten Anzahl an Varianten durchgeführt werden. Allerdings beeinflussen sowohl die Produktmerkmale, in denen sich die Varianten unterscheiden, als auch die Anwendung des Produkts einige der abzusichernden indirekten Eigenschaften. Die in den Versuchen ermittelten Ist-Eigenschaften können daher nicht ohne Weiteres von einer Variante auf eine andere übertragen werden. Die übergeordnete Zielsetzung dieser Arbeit ist es, die Absicherung der Eigenschaften variantenreicher Produkte mittels Versuchen an einer begrenzten Teilmenge der Varianten zu unterstützen. Um Aussagen aus den Versuchen auf den großen Anteil der nicht gemessene Varianten übertragen zu können, sind die Einflussfaktoren, die aus der Variantenvielfalt und der Produktanwendung entstehen, sowie deren Wirkung auf die indirekten Eigenschaften zu antizipieren. Nicht-formales Wissen u. a. aus Vorgängerprodukten sollte Berücksichtigung finden. Der Einsatz von Neuro-Fuzzy ermöglicht es, durch Versuche Aussagen über das Systemverhalten abzuleiten, ohne eine explizite Modellierung des Systems vorauszusetzen. Der Lösungsansatz zielt somit auf das Erlernen der Abhängigkeiten zwischen Einflussfaktoren und indirekten Eigenschaften. Während des Lernvorgangs werden einerseits Informationen aus Versuchen an wenigen Varianten genutzt, andererseits nicht-formales Wissen der Experten berücksichtigt, um eine Regelbasis zur Prognose der indirekten Eigenschaften in den verschiedenen Varianten zu synthetisieren. Ergebnis der Arbeit ist eine durchgängige Lösung von der Versuchsvorbereitung bis zur Synthese von Prognosemodellen aus den generierten Informationen.