Kwaliteit van producten verbeteren met advanced root cause analysis

Advanced root cause analysis for product quality improvement

Binnen productie ontstaan wel eens problemen. Het kan soms lastig zijn de oorzaak te achterhalen. Een van de methoden om de oorzaak van dergelijke problemen te vinden is root cause analysis (RCA). Het doel van RCA is om, vrij vertaald, de wortel van de oorzaak van het probleem te vinden. Door gebruik te maken van Machine Learning kunnen organisaties nog beter onderzoeken waar zich problemen voordoen, om zo de kwaliteit van hun producten te waarborgen en verbeteren.

Machine learning

Machine Learning bestaat uit technieken die gebruik maken van bepaalde algoritmen, die op hun beurt zelf kunnen leren uit de aan hen geleverde gegevens. Vervolgens zorgen deze algoritmes ervoor dat er automatisch de best mogelijke model gebouwd wordt voor elke dataset. Dit geeft analisten de mogelijkheid om complexe problemen op te lossen, die anders wellicht buiten de expertise van de analisten vielen.

Het Gradient Boosting Machine (GBM) algoritme is een krachtige machine learning techniek. Deze kan uitstekend ingezet worden voor root cause analysis binnen productie. Zo ontdekt het interacties tussen procesfactoren, zoals bijvoorbeeld machines, recepten of productiedata, die verantwoordelijk zijn voor slechte producten of productiefouten. Daarnaast kan het ook helpen de relatie en interactie tussen kwaliteitsmetingen te identificeren  van het product, proces, materiaal, component of de omgeving.

Download de whitepaper

Download vrijblijvend deze whitepaper en lees meer over het gebruik van gradient boosting machine modelling voor advanced root cause analysis om zo de kwaliteit van producten de verbeteren.