Abweichungsmeldungen klassifizieren

In einem Fertigungsunternehmen werden Abweichungen auf mehreren Wegen erfasst: Ein Maschinenbediener füllt am Schichtende einen Fragebogen in Microsoft Forms oder ein Papierformular aus, ein Prüfer schreibt eine E-Mail über eine zurückgewiesene Charge, ein Kunde schickt eine Reklamation, ein Schichtleiter vermerkt es im Schichtprotokoll in SharePoint, und manche Einträge landen als Freitextkommentar im Qualitätsmodul von Business Central, Odoo oder Monitor ERP. Der Qualitätsmanager trägt alles in einer Excel-Tabelle zusammen, in der jeder das Problem mit eigenen Worten beschreibt, sodass dieselbe Ursache unter fünf verschiedenen Namen läuft. Der monatliche Managementbericht braucht Tage in der Vorbereitung, und Korrekturmaßnahmen beginnen, wenn das Problem schon mehrere Chargen gekostet hat.

Wir führen ChatGPT über die API mit einem Power-Automate-Flow ein. Der Flow sammelt Abweichungsmeldungen aus Microsoft Forms, SharePoint-Schichtprotokollen, einem festgelegten Postfach und, falls vorhanden, einem Export aus dem ERP-Qualitätsmodul in einer einzigen SharePoint-Liste. Das Modell ordnet jede Meldung nach Ihrer Struktur ein: Produkt oder Produktgruppe aus dem Artikelstamm von Business Central oder Odoo, Arbeitsgang oder Arbeitsplatz, Ursachenkategorie (Material, Maschine, Methode, Mensch, Messung), Folge (Nacharbeit, Ausschuss, Verzögerung, Kundenreklamation) und Schweregrad. Die Freitextbeschreibung bleibt erhalten, daneben stehen einheitliche Kategorien, sodass die Meldungen vergleichbar werden. Unklare Meldungen werden dem Qualitätsingenieur zur Klärung markiert. Jeden Montag erhält der Qualitätsmanager in Teams eine Zusammenfassung: welche Abweichungen sich wiederholen, bei welchen Produkten und Arbeitsgängen, wie sich das gegenüber der Vorwoche verändert hat, mit Links auf die einzelnen Meldungen. Über Korrektur- und Vorbeugemaßnahmen entscheiden Menschen und erfassen sie in ihrem eigenen Qualitätssystem, die Lösung zeigt nur, wo man hinschauen sollte. Das Modell läuft auf der OpenAI-Plattform ohne Training mit Ihren Daten, und sind Produktinformationen vertraulich, führen wir dieselbe Lösung mit einem privaten Modell in der GPU-Cloud von MDP CLOUD in Litauen (EU) ein.