KI für robuste Produkte & stabile Prozesse in Montage, Produktion & Entwicklung - Robust Design für Produkte & Prozesse mit KI-System Analyser ...
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
KI für robuste Produkte & stabile Prozesse in Montage, Produktion & Entwicklung Robust Design für Produkte & Prozesse mit KI-System Analyser® anhand realer Praxisbeispiele
mts Consulting & Engineering und Contech Software & Engineering in Zahlen Seit 2006 • Rund 150 Design for Six Sigma - DfSS und 900 Lean Six Sigma Projekte geleitet / gecoacht • Engineering Projekte weltweit mit Schwerpunkt in Automotive, Kunststoffspritzgießen, Medizintechnik, Pharma, Papier, Maschinenbau, Elektronik, Energie, etc. • Mitarbeiter: 12 plus 15 assoziierte Partner Branchen: • Automotive (OEM bis TIER3) • Kunststoffspritzgießen • Maschinen- & Anlagenbau • Medizintechnik • Feinwerktechnik • Antriebstechnik, Getriebebau • Lebensmittel • IT Services Projekte: • Chemie, Pharma • Robustes Design für Produkte und Prozesse mit Analyser® • Elektronik, Elektro, SMD • Ausbildungskampagnen: Qualität, Entwicklung, Produktion • Papier, Verpackungen • Robust Design, Design for Six Sigma & Lean Six Sigma • Verarbeitenden Industrie: • Entwicklungsprojekte, Absicherung funktionaler Ketten Kautschuk, TPE, • Task Force / Problem-Lösungs-Projekte Thermoplaste, PVC • Prozessverbesserungsprojekte in Produktion und Dienstleistung • Werkzeugmaschinenbau • Telekommunikation Folie 2
Contech Software & Engineering GmbH DIE IDEE „ Aus über 12 Jahren Projekterfahrung im Lean Six Sigma und unserer Weiterentwicklung „Robust Design für robuste Produkte & stabile Prozesse“ ist die Idee entstanden aus der erfolgreichen Vorgehensweise ein Produkt für alle Branchen zu entwickeln – die Geburtsstunde der Contech Software & Engineering GmbH im Jahr 2017. Die Contech GmbH vereint die Projekterfahrung aus dem Schwester-Unternehmen mts Consulting & Engineering GmbH und hat damit ein Software-Tool geschaffen, welches KI-basiert für robuste Produkte und stabile Prozesse sorgt, Mitarbeiter bei ihren Entscheidungen unterstützt und Zeit, Kosten & Ressourcen einspart “ Folie 3
Praxisbericht aus dem Projektalltag – Analyser® für Robuste Produkte & Prozesse Robustes Design für Produkte und Prozesse mit dem Analyser® Kurvenmodul Transferfunktionsmodul SOLL-Moment Fenster Schwellmoment Fehler & Ursachen aus Kurvenverläufen erkennen Unbekannte Wirkmechanismen aufdecken & Handlungsempfehlungen online liefern Zunächst unbekannte Wirkmechanismen zwischen Anforderungen / Fehlerbilder mit Ursachen & Maßnahmen Qualitäts-merkmalen Yn und Einflussgrößen Xi werden analysiert und ein werden vom selbstlernenden Analyser® als Modell erstellt: Yn = f(Xi) Handlungsempfehlungen in Echtzeit geliefert Das Modell dient zum steuern & regeln für robuste Produkte und stabile Prozesse Folie 4
Praxisbericht aus dem Projektalltag – Analyser® für Robuste Produkte & Prozesse Robustes Design für Produkte und Prozesse mit dem Analyser® Kurvenmodul Transferfunktionsmodul SOLL-Moment Fenster Schwellmoment Fehlerbilder Wirkmechanismen Ursachen Unbekannte Wirkmechanismen aufdecken Maßnahmen / Lösungen + Zunächst unbekannte Wirkmechanismen Handlungsempfehlungen + Prozesssteuerung zwischen Anforderungen / Qualitäts- in Echtzeit merkmalen Yn und Einflussgrößen Xi werden analysiert und ein Modell erstellt: Yn = f(Xi) Das Modell dient zum steuern und regeln für robuste Produkte und stabile Prozesse Folie 5
Lösung 1 Dank dem KI-Analyser kenne ich die Fehlerursachen & kann schnell und gezielt mit Maßnahmen eingreifen. Folie 7
Ablaufschema Bsp. Schraubfall-Optimierung 1/2 Vollautomatische Erkennung der Fehlerbilder aus Produktvalidierungs- und Prozesskurven in Echtzeit 1 Automatisiertes Erkennen von Fehlern und Fehlerbildern 1 Folie 8
Ablaufschema Bsp. Schraubfall-Optimierung 2/2 Vollautomatische Erkennung der Fehlerbilder aus Produktvalidierungs- und Prozesskurven in Echtzeit 1 Automatisiertes Erkennen von Fehlern und Fehlerbildern 2 Unterstützung der Mitarbeiter: Aufzeigen der Fehlerhäufigkeiten mit den wahrscheinlichsten Ursachen, Lösungen und Maßnahmen als Handlungsempfehlungen in Echtzeit Transparenz des Expertenwissens mit unternehmenseigenem Buch des Wissens (Fehlerursachen mit Maßnahmen und Handlungsempfehlungen) Selbstlernender Algorithmus für Fehlerbild, Ursache und Lösungen (Rückmeldung nach erfolgter Maßnahme durch Mitarbeiter) 1 2 Folie 9
Vorteile KI im laufenden Produktionsprozess Schnelle und gezielte Maßnahmen anstatt kostenintensiver Produktionsstopps Unterstützung der Mitarbeiter in Echtzeit Reduktion von über 50% der Fehler- und Nacharbeitskosten, sowie Gewährleistungsrisiken innerhalb von 3-9 Monaten in der Serie Unterstützung bei der Prozessparametrierung bei Produktneuanläufen Folie 10
Implementierung Produktions- und Montageprozesse Digitale Überwachung und Aufzeichnung von Prozesskenngrößen und deren Kurvenverläufe. Datenschnittstelle, grafische Darstellung Flexible Schnittstelle zum Import der Kurvendaten (online oder über Datenbank). Grafische Darstellung der Einzelkurven. Unsere Standardschnittstelle zu den marktüblichen Sensordaten und Steuerungen: Analyser® Prozessdatenmanagement System / Prozessdaten aus MES-System Buch des Wissens Hinterlegte Fehlerursachen, zugehörige Maßnahmen und Lösungsvorschläge zur Fehlerbehebung (optional). Aufwand: ca. 2 Tage für Startfüllung Teach-In-Verfahren Hinterlegen von kurvenspezifischem Expertenwissen zu Fehlerbildern oder anderen Unregelmäßigkeiten. Aufwand: 5 – 20 min pro neu zu teachende Arbeitsfolge (AFO) Fehlerursachenanalyse Automatisierte Analyse der gesamten Eingangsdaten und Auswertung der im Prozessverlauf aufgetretenen Fehler. Grafische Darstellung der Auswertung mit Fehlerhäufigkeiten und priorisierten Ursachen und Maßnahmen / Lösungen (optional über Buch des Wissens). Echtzeitverhalten: 1 – 2 sec. ab Übertragung Sensordaten bis Darstellung Fehlerbild + Maßnahmen Folie 11
Mögliche Anwendungsbeispiele (Auszug) Alle digital überwachten Produkt- und Prozessmerkmale in Form von Kurvenverläufen können mit Hilfe des Analyser® analysiert, kontrolliert und optimiert werden. 1. Digital überwachte Schraubverbindungen, Pressvorgänge (und ähnliche Montageprozesse) Drehmomentverlauf [Nm] über Drehwinkel [°] mit Anzugsverfahren in mehreren Stufen Kraft [N] über Weg [mm] 2. Hysterese Schleifen Werkstofftechnik: Spannungs-Dehnungs-Diagramme Ventile: Kraft [N] über Weg [mm] an bestimmten Wegpunkten und Fmax. Regelungstechnik, Schaltungen 3. Akustik und Schwingungsthemen: Vibrationen, NVH Themen (Schalldruckpegel [dB] über Drehzahl [U/min]) Akustik- und Geräuschoptimierung 4. Kunststoffspritzgießen Druck [bar] über Zeit [s] oder Weg [mm] Temperatur [°C] über Zeit [s] oder Weg [mm] Optimierung der Steuerungs- und Regelungstechnik Folie 12
Fallbeispiel 1 Kurvenmodul Folie 13
Verschraubungen Serie - Montage (1/2) Problem und Ergebnis Thema: Fehlerraten, Inline- & Offline-Nacharbeits-kosten, Gewährleistungsrisiken Ort: Endmontage Problem: Nacharbeitskosten von > 1,2 Mio. € / Jahr, hohe Gewährleistungsrisiken bei sicherheitsrelevanten Die Grafik zeigt die Fehlerraten der TOP Schraubfälle. Verbindungen Die TOP 12 Fehlerverursacher sind für 50% der Nacharbeitskosten verantwortlich. Ergebnis: Senkung der Nacharbeitskosten und Gewährleistungsrisiken um > 50% in 3 - 6 Monaten Die Grafik aus der Phase Analysieren zeigt eine niO-Schraubkurve mit dem Zielfenster (grün). Folie 14
Verschraubungen Serie - Montage (2/2) Vorgehensweise Priorisieren: Ermitteln der TOP 30 - 40 Fälle mit hohem Ausschuss [%] und Nacharbeitskosten Die TOP 12 Fälle verursachten 50% der Kosten und Risiken. Analysieren: Automatische Fehlerbildanalyse für die TOP 12 Fälle, ermitteln der Grundursachen & Maßnahmen je Fehlerbild in Echtzeit Optimieren: Handlungsempfehlungen für Maßnahmen in Echtzeit Die Grafik aus den Phasen Analysieren und Optimieren zeigt die Kontrollieren: Verteilung verschiedener Fehlerbilder eines Falles und Vollautomatische Fehlerkontrolle durch Vollintegration Handlungsempfehlung für Maßnahmen mit Hilfe des "Buch des mit Prozessdatenmanagementsystem Wissens„. Folie 15
Verschraubungen in Entwicklung & Prototypenbau (1/1) Problem und Ergebnis Thema: Verifizierung Auslegung, Montierbarkeit, Serientauglichkeit und Parametrisierung Ort: Prototypenbau, Anlauffabrik, 2 - 40 Fzg. / Tag Problem: Auslegung, Montierbarkeit und Serientauglichkeit wird zu spät verifiziert Ergebnis: Frühzeitige Verifizierung der Verbindungen und Herstellung eines robusten Designs Vorgehensweise Priorisieren: TOP 10 Schraubfälle machen bis zu 70% der Fehlerquoten Analysieren: Ermitteln der Grundursache(n) je Fehlerbild und Parametereinstellung für die Digitalschrauber Optimieren: Die Grafik zeigt eine iO-Kurvenschar mit dem Zielfenster (grün). Verbesserungsmaßnahmen in Form von Sind wirklich alle Kurven i. O.? Handlungsanweisungen in Echtzeit Kontrollieren: Parametereinstellungen, Serientauglichkeit und Auslegung der Verschraubungen Folie 16
Der Analyser® im Überblick Das Kurvenmodul Das Transferfunktionsmodul SOLL-Moment Fenster Schwellmoment Mitarbeiter bei Ihren Entscheidungen unterstützen: Ursachen der Kosten- und Qualitätsprobleme aufdecken: Fehlerbilder mit Ursachen & Maßnahmen werden als Aufdecken der unbekannten Wirkmechanismen zwischen Handlungsempfehlungen in Echtzeit ausgegeben Anforderungen & Qualitätsmerkmalen Yn und Der Mitarbeiter kann damit nun gezielte Maßnahmen Einflussgrößen Xi Erstellung Transferfunktion Yn = f(Xi) ergreifen Transferfunktion dient nun zum steuern & regeln für robuste Produkte und stabile Prozesse Folie 17
Das Transferfunktionsmodul – Ohne Analyser® X1 X2 X3 ? ? ? Folie 18
Das Transferfunktionsmodul – Ohne Analyser® X1 X2 X3 ? ? ? ??? Folie 19
Das Transferfunktionsmodul – Mit dem Analyser® X1 X2 X3 Folie 20
Das Transferfunktionsmodul – Mit dem Analyser® X1 X2 X3 Dank dem Analyser® weiß ich, welche Einflussgrößen auf mein Produkt/ Prozess wirken und wie diese einzustellen sind. Folie 21
Predictive Quality & Maintenance Transferfunktionen Yn = f(Xi) für robuste Produkte und stabile Prozesse automatisch erzeugen: 1. Predictive Analytics: Analysiert unbekannte Wirkmechanismen und ermittelt die relevanten Einflussgrößen für Produkte und Prozesse 2. Predictive Quality & Maintenance auf Basis der Maschinen-Lern-Modelle 3. Optimierte Parametrierung und Tolerierung für Produkte und Prozesse auf Basis der Vorhersagemodelle 4. Aktive Steuerung der Einflussgrößen Xi, um die Anforderungen (Yn) mit Spezifikationsgrenzen einzuhalten 5. SPC – Statistische Prozess Kontrolle: Steuerung und Optimierung von Produkten und Prozessen Folie 22
Beispiel für Predictive Quality & Maintenance Ergebnis 1: Es gibt insgesamt nur 3 relevante Einflussgrößen bezüglich der Anforderung Y. Ergebnis 2: Einflussgröße Druck hat einen geringen Einfluss auf die Anforderung Y. Hier können Toleranzen aufgemacht und damit Herstellkosten gespart werden. Ergebnis 3: Einflussgröße Temperatur hat einen starken Einfluss auf die Anforderung Y. Mit dieser Variable sollte vorwiegend gesteuert werden. Ergebnis 4: Aus der momentanen Einstellung der 3 Einflussgrößen ergibt sich die Anforderung von 30,67. Ergebnis 5: Wir können nun die Einflussfaktoren X1 steuern und sehen sofort (mit Wechselwirkungen), X2 X3 wie sich meine Anforderung verändert. Folie 23
Wirkprinzip Analyser® : Einzelwerte und Kurvenverläufe können in den Vorhersagemodellen verarbeitet werden Machine Learning & Analyser®: Predictive Analytics, Quality & Maintenance durch aufdecken der Wirkmechanismen für Robuste Produkte & stabile Prozesse Neu : Wirkmechanismen der Outputs Yn zu Einflussgrößen Xi als Einzelwerte & Messkurven Prozess- Schrumpfmaß Welligkeit Ergebnisgrößen Klassische Statistik Multidimensional Darstellung Ursache-Wirkung 14 10 30 50 0 20 40 0 20 40 0 20 40 0 20 40 1 0 30 50 0 20 40 0 20 40 1 0 30 50 0 8 1-16 0 0 10 -5 5 15 0 8 1 6 -5 5 1 5 0 8 16 0 1 0 20 40 C1 20 Temperatur an Pos. xy 50 0 30 C2 10 12 40 20 C3 0 40 20 C4 0 40 10 C5 20 0 Ergebnisgröße 40 20 C6 0 50 30 C7 8 10 40 20 C8 0 40 20 C9 0 50 6 30 C1 0 10 16 8 C1 1 0 10 0 C1 2 4 -10 15 5 C1 3 -5 16 8 C1 4 0 15 2 5 C1 5 -5 16 2 4 6 8 10 12 14 8 C1 6 0 Prozeßparameter C1 7 Multidimensional 1 0 30 50 20 40 0 20 40 0 20 40 0 20 40 1 0 30 50 20 40 0 20 40 1 0 30 50 0 8 1 -160 0 1 0 -5 5 1 5 0 8 1 6 -5 5 1 5 0 8 1 6 0 1 0 20 40 C1 20 50 0 30 C2 10 40 20 C3 0 40 20 C4 0 40 C5 20 0 40 20 C6 0 50 30 C7 10 40 20 C8 0 40 20 C9 0 50 30 C1 0 10 16 8 C1 1 0 10 0 C1 2 -10 15 5 C1 3 -5 16 8 C1 4 0 15 5 C1 5 -5 16 8 C1 6 0 10 30 50 0 20 40 0 20 40 0 20 40 0 20 40 1 0 30 50 0 20 40 0 20 40 1 0 30 50 0 8 1-16 0 0 10 -5 5 15 0 8 1 6 -5 5 1 5 0 8 16 0 1 0 20 C1 7 40 C1 20 50 0 30 C2 10 40 20 C1 C3 50 0 40 30 20 C2 C4 10 0 40 40 20 C3 C5 20 0 0 40 Druckverlauf 40 20 C4 20 C6 0 0 40 50 30 20 C5 C7 0 10 40 40 20 C6 20 C8 500 0 40 30 C7 20 10 C9 40 0 50 20 C8 30 0 C1 0 10 40 16 20 C9 8 C1 1 500 0 30 10 C10 10 0 16 C1 2 -10 8 15 0 C11 5 C1 3 -5 10 16 0 C12 8 -10 C1 4 0 15 5 15 -5 C13 5 16 C1 5 -5 8 16 C14 0 8 C1 6 0 15 5 -5 C15 16 C1 7 8 0 C16 20 10 0 C17 0 20 40 10 30 500 20 40 0 20 40 0 20 40 0 20 40 10 30 500 20 40 0 20 40 10 30 50 0 8 16-1 0 0 10 -5 5 15 0 8 16 -5 5 15 0 8 16 Prozess- Eingangsgrößen Folie 24
Vorteile KI für unbekannte Wirkzusammenhänge Steigerung der Material- und Ressourceneffizienz Reduzierung von Ausschuss, Fehler- und Nacharbeitskosten, sowie Gewährleistungsrisiken Reduzierung der Produkt-Herstellkosten um 10-30% durch Öffnen der Toleranzen Absicherung von Entwicklung und Serienanlauf Folie 25
Implementierung Produktions- und Montageprozesse Digitale Überwachung und Aufzeichnung von messbaren Produkt- oder Prozessparametern und Kenngrößen. Teach-In - Haupteinflussparameter Sammeln und priorisieren der möglichen Haupteinflussparameter und definieren in der Import-Schnittstelle des Analyser® „Buch des Wissens“ für Transferfunktionen Ermittlung der Transferfunktion(en) und Wirkzusammenhänge für Produkte oder (Teil-) Prozesse mittels statistischer Datenanalyse. Speicherung in der Technologiedatenbank „Buch des Wissens für Transferfunktionen & KI-Modelle“. Qualitätsmanagement und Produkt- / Prozessoptimierung Optimierte Parametrierung und Tolerierung der Produkte und Prozesse durch kontinuierliche Vorhersage mittels Prognoserechnungen anhand der Transferfunktion(en). Echtzeitverhalten: 1 – 2 sec. ab Übertragung Sensordaten bis Prognosewert inklusive Wert für Steuervariable Folie 26
Mögliche Anwendungsfälle (Auszug) Alle überwachten Produkt- und Prozessmerkmale können mit Hilfe des Moduls Transferfunktion vorhergesagt, kontrolliert und optimiert werden 1. Überwachte Klebeverbindungen (und ähnliche Montageprozesse) Adhäsions-, Kohäsions- und Abschälkräfte = f (Viskosität, Temperatur, Raupenbreite / -höhe, etc.) 2. Hystereseschleifen Bremssysteme: Ansprechzeiten = f (Xi) Ventile: Rückholkräfte = f (Xi) 3. Akustik und Schwingungsthemen Vibrationen, NVH Themen: Schalldruckpegel [dB] über Drehzahl [U/min] = f (Xi) Akustik- und Geräuschoptimierung 4. Kunststoffspritzgießen Schrumpfung, Welligkeit, Längenmaß = f(Druck [bar], Nachdruckzeit [s], Werkzeugtemp. [°C], etc.) 5. Extrusion von Kunststoffen / Kautschuk Profilgeometrie, Härte, Kraft-Dehnungs-Koeffizient = f (Xi) und viele mehr… Folie 27
Unser Wirkprinzip Patentierter KI-Algorithmus zur Automatisierte Modellbildung & Einzelwerte und Kurvenverläufe können Fehlerbilderkennung Stichprobenziehung kein Data als Einflussgrößen zu multiplen Analyst/Scientist erforderlich Vorhersagemodellen verarbeitet werden Folie 28
Fragen? Fragen? Folie 29
Fallbeispiel 2 Transferfunktionsmodul Folie 30
Fallbeispiel Kunststoffspritzgießen Folie 31
Welche Daten sind wichtig? Vorgehen nach der Methode Robust Design: Kennen der Anforderungen Yn und deren möglichen Einflussgrößen Xi für Produkte & Prozesse. X2 = Kühlzeit [s] X3 = Werkzeugtemperatur [°C] X1 = Nachdruck [bar] Prozess Y1-n = Verzug / Längen Winkelabweichung / Schrumpfung / X6 = Mischungsverhältnis X4 = Tempertemp. [°C] Schichtdicke / … Rohmaterial X5 = Feuchteanteil Rohmaterial Ziel: Die Anforderungen Yn und deren Einflussfaktoren Xi identifizieren und die Wirkmechanismen verstehen, um das Gesamtsystem Yn = f (Xi) robust und nachhaltig auf Ziel auslegen zu können. Folie 32
Wie müssen die Daten aufbereitet werden? „Geschüttelt nicht gerührt!“ Herausarbeiten der relevanten Unternehmensdaten Yn und Xi Schnittstellen via Analyser® - IPM6® Industriestandard anbinden Analyser® - IPM6® Industriestandard: Einheitliche Datenstruktur für Einzelwerte und Kurven in der Prozessmanagement- und in der Analyser® KI-Datenbank Standardisiertes Analyser® Schnittstellen-Format: XML Übertragung via TCP/IP oder RabitMQ mit MQTT Folie 33
Robust Design – 1. Anforderungen / Fehlerbilder priorisieren und messbar machen Die Fehlerbilder und Anforderungen messbar und messfähig machen. Die ausreichende Messsystemfähigkeit der Fehlerbilder / Kundenanforderungen ist Grundvoraussetzung für das weitere Verfahren. Längenmaß 01 10 Planschlag Geometrie 9 Spaltmass 8 Konzentrizität 7 Ra Fehlerbild n.i.O. / 6 Glanzgrad 5 Kunden- Oberfläche Farbstufe 4 anforderung Transparenz 3 HV 2 Beständigkeit Materialhärte Haptik 1 - ……etc. Bewertungsstufen: - 10 = extrem wichtig - 8 = sehr wichtig - 6 = wichtig - 2 = nicht sehr wichtig - 1 = unwichtig Folie 34
Robust Design – 2. Prozess analysieren Prozesse in 2 Schritten / Level analysieren: 1. SIPOC – und 2. Prozess Flussdiagramme Supplier Imput Process Output Customer Ja Ja Folie 35
Robust Design – 3. Einflussgrößen (Xi) sammeln und auswählen QFD – Quality Function Deployment zur Bestimmung der möglichen Einflussgrößen zu den relevanten Anforderungen mit n zu m Beziehungen Folie 36
Robust Design – 4. Einflussgrößen priorisieren QFD: Technische Bedeutung aus HoQ 1, HoQ 2 oder HoQ 2+4 RZ: aus Produkt Design FMEA und/oder Prozess FMEA QFD TB Bartlett-Test RZ = A x B Abgleich der priorisierten möglichen zu den aktuell gemessenen Einflussgrößen Xi ist jetzt möglich Folie 37
Robust Design – 5. Daten sammeln / speichern Daten aus der laufenden Produktion bzw. Vorserie / Nullserie UND / ODER Versuche / DoE – Design of Experiments während der Entwicklung / im PEP Folie 38
Robust Design – 6. Predictive Quality, Analytics & Maintenance: Modelle automatisch erstellen Input: Einzelwerte & Kurven aus Sensordaten Bauteil-Nr. Merkmal X1 Merkmal X2 Merkmal X3 weitere... 10001 1200 12039,93 48,12 10002 1176 11750,58 48,52 10003 1230 11979,17 48,47 10004 1206 12019,68 48,50 10005 1212 11979,17 48,08 10006 1188 11747,68 48,42 10007 1170 11770,83 48,48 10008 1212 11979,17 48,47 10009 1224 12051,50 48,34 10010 1230 11345,49 47,97 10011 1218 11319,44 48,13 10012 1272 11388,89 47,93 statistischer Fingerprint Folie 39
Robust Design – 6. Predictive Quality, Analytics & Maintenance: Modelle automatisch erstellen statistischer Fingerprint ≥ 200 mögliche Einflussgrößen Xi Robuste Produkte & stabile Prozesse • Entwicklung & Prototypenbau absichern • Neuanläufen & Industrialisierungen • Serienprozesse optimieren • Gewährleistungsrisiken & Feldausfälle reduzieren • Lieferantenqualität verbessern signifikante Einflussgrößen Xi Fehlerbilder Wirkmechanismen Ursachen Maßnahmen / Lösungen + Handlungsempfehlungen + Prozesssteuerung in Echtzeit Folie 40
Robust Design – 6. Predictive Quality, Analytics & Maintenance: Ergebnisse in der Praxis installieren Das Ergebnis der Versuche und / oder Messung von Produktionslosen sind die Wirkzusammenhänge, die in den Transferfunktionen Y = f (Xi) dokumentiert werden. Das Produkt bzw. den Prozess unter Kenntnis der Zusammenhänge optimieren 30,67 +- 0,38 Output Y Nachdruck Temperatur Nachdruckzeit Temp. Pos.2 Nest Granulatbestandteile % A B Folie 41
Robust Design - 7. Parametrierung und statistische Tolerierung der Einflussgrößen Zusammenfassung für LängenAbw Anderson-Darling-Test auf Normalverteilung A-Quadrat p-Wert 0,40 0,366 Vermeiden von Over Engineering durch statistisch abgesicherte Parametrierung und Mittelwert StdAbw Varianz Schiefe 1,0014 0,0192 0,0004 -0,0407861 statistische Tolerierung von Produktmerkmalen und Prozessparametern Kurtosis 0,0182876 N 1001 Minimum 0,9448 Erstes Quartil 0,9881 Median 1,0017 Drittes Quartil 1,0148 Maximum 1,0685 95%-Konfidenzintervall für Mittelwert 1,0002 1,0026 0,96 0,98 1,00 1,02 1,04 1,06 95%-Konfidenzintervall für Median Zusammenfassung für Nachdruck Zusammenfassung für WKZ Temp 1,0003 1,0032 95%-Konfidenzintervall für StdAbw Nachdruck Anderson-Darling-Test auf Normalverteilung A-Quadrat 0,70 Werkzeugtemp. Anderson-Darling-Test auf Normalverteilung A-Quadrat 0,97 p-Wert 0,069 p-Wert 0,015 0,0184 0,0201 Mittelwert 225,04 Mittelwert 74,998 StdAbw 1,53 StdAbw 0,800 Varianz 2,34 Varianz 0,639 Schiefe 0,211667 Schiefe 0,203603 Zusammenfassung für WinkelAbw Kurtosis 0,041675 Kurtosis -0,155228 N 1001 N 1001 Minimum 221,04 Minimum 72,898 95%-Konfidenzintervalle Anderson-Darling-Test auf Normalverteilung Erstes Quartil 224,01 Erstes Quartil 74,447 Median 225,00 Median 74,957 A-Quadrat 0,48 Drittes Quartil 226,03 Drittes Quartil 75,550 Maximum 77,619 Mittelwert p-Wert 0,230 Maximum 229,88 95%-Konfidenzintervall für Mittelwert 95%-Konfidenzintervall für Mittelwert Mittelwert 0,34713 224,95 225,14 74,949 75,048 Median StdAbw 0,07642 95%-Konfidenzintervall für Median 72,8 73,6 74,4 75,2 76,0 76,8 77,6 95%-Konfidenzintervall für Median 221,25 222,50 223,75 225,00 226,25 227,50 228,75 230,00 Varianz 0,00584 224,89 225,09 74,908 75,024 Schiefe -0,125147 95%-Konfidenzintervall für StdAbw 95%-Konfidenzintervall für StdAbw 1,000 1,001 1,002 1,003 0,766 0,836 Kurtosis -0,159220 1,47 1,60 N 178 Minimum 0,12000 Erstes Quartil 0,29000 Median 0,35000 95%-Konfidenzintervalle 95%-Konfidenzintervalle Drittes Quartil 0,40000 Mittelwert Maximum 0,54000 Mittelwert 95%-Konfidenzintervall für Mittelwert Median Median 0,33583 0,35844 74,90 74,95 75,00 75,05 95%-Konfidenzintervall für Median 224,90 224,95 225,00 225,05 225,10 225,15 0,12 0,18 0,24 0,30 0,36 0,42 0,48 0,54 =f( 0,33462 0,37000 95%-Konfidenzintervall für StdAbw 0,06922 0,08530 Zusammenfassung für ND Zeit Zusammenfassung für Fuge Granulatbestandteil xy % Nachdruckzeit Anderson-Darling-Test auf Normalverteilung A-Quadrat 0,52 p-Wert 0,183 95%-Konfidenzintervalle Anderson-Darling-Test auf Normalverteilung Mittelwert 4,3978 StdAbw 0,2001 A-Quadrat 0,43 Varianz 0,0400 Mittelwert p-Wert 0,303 Schiefe -0,0439987 Kurtosis -0,0370029 Mittelwert 0,60210 N 1001 Median StdAbw 0,01257 Minimum 3,8199 Varianz 0,00016 Erstes Quartil 4,2554 Median 4,4045 Schiefe 0,118636 Drittes Quartil 4,5401 0,33 0,34 0,35 0,36 0,37 Kurtosis -0,213771 Maximum 5,0812 N 1001 95%-Konfidenzintervall für Mittelwert 4,3854 4,4102 Minimum 0,56252 95%-Konfidenzintervall für Median Erstes Quartil 0,59335 3,8 4,0 4,2 4,4 4,6 4,8 5,0 4,3891 4,4184 Median 0,60185 95%-Konfidenzintervall für StdAbw Drittes Quartil 0,61064 0,1917 0,2093 Maximum 0,63859 95%-Konfidenzintervall für Mittelwert 0,60132 0,60287 95%-Konfidenzintervall für Median 95%-Konfidenzintervalle 0,5625 0,5750 0,5875 0,6000 0,6125 0,6250 0,6375 0,60092 0,60282 95%-Konfidenzintervall für StdAbw 0,01204 0,01314 Cpk: 1,32 Mittelwert Median 4,39 4,40 4,41 4,42 95%-Konfidenzintervalle Mittelwert Median 0,6010 0,6015 0,6020 0,6025 0,6030 Folie 42
Robust Design - 8. Statische Prozess Kontrolle (SPC) Folie 43
Netzschema Analyser® mit IPM6® Produktion Analyser®-Client + IPM 6.0 WEB Analyser Client Client SQLSQL DBDB+ Analyser ®- und Analyser Server Server, VM 1 Maschine eine mit WIN Oracle DB und XML-Schnittstelle Oracle DB, IPM 6.0 Server, eine Maschine Telegramm- + XML-Schnitt- Rechenzentrum stellen-Server, VM 2 mit Linux Folie 44
Kontakt Contech Software & Engineering GmbH Postadresse: Wernher-von-Braun-Straße 8 D-82256 Fürstenfeldbruck Büro: Oskar-von-Miller-Straße 4d D-82256 Fürstenfeldbruck Telefon +49.8141.888 403-0 Fax +49.3222.376 25 38 E-Mail info@mts-contech.com Contech-Analyser: www.contech-analyser.de Consulting & Engineering Leistungen: www.mts-contech.de Folie 45
Backup Folie 46
Wirkprinzip Analyser® Schritt 1: Kurvenschar(en) und / oder Einzeldaten werden für das Teach-In ausgewählt Schritt 2: Mit Hilfe des Kurvenanalysemoduls werden bestimmte Abschnitte der Prozesskurven graphisch markiert und damit definiert Markierter Abschnitt 2 (Prozessende) Markierter Abschnitt 1 (Prozessbeginn) Schritt 3: Das Kurvenanalysemodul erzeugt für die definierten Kurvenabschnitte den statistischen Fingerabdruck und stellt diesen zur Ermittlung der kausalen Ketten Y = f (Xi) zur Verfügung Folie 47
Vollintegration des Analyser® mit einem Prozessdatenmanagement- / MES-System Linux Windows 10 (xx.x.x.50) (xx.x.x.11) VM 1 VM 2 » Customer Server » Analyser-Server (z.B. IPM) » Analyser SQL- » Oracle-DB Datenbank / KI » Telegramm- Server TCP / IP TCP / IP » - Client » Prozessdatenmanagement (1) Telegramme von Device zu Oracle-DB (VM1): Client (z.B. IPM-Web) Contech / IPM (bzw. Kunde) (2) Telegramm Analyser zu Oracle-DB (VM1): Contech ≥ Windows 7 (3) Oracle-DB (VM1) → XML → Analyser: Contech (bzw. Kunde) (4) Analyser → Oracle-DB (VM1): Contech (5) SPC, Chargenverfolgung, iO / niO, TOP-Fehlerraten [%]: IPM (bzw. Kunde) Folie 48
Vollintegration Analyser® mit einem Prozessdatenmanagement- System z. B. IPM 6.0 Analyser® – IPM - System Interpretation der Schnittstellen- Datenbank Telegramme (z. B. Oracle) Online-Ergebnisse (1 Kurve) Analyser versch. Datenbank Schnittstellen- (C# / C++) Ergebnis (z.B. SQL) Telegramme • Kurvendaten Verschraubungsdaten Ergebnis (n Kurven) • Setting EoL-Testdaten Sensordaten Presswerkzeugdaten Kunststoff-Spritzgieß- Maschinendaten Fehlerbildverteilung [%] Wissensdatenbank [Ursachen, Lösungen, Maßnahmen] IPM = Integriertes Prozessdatenmanagement-System Folie 49
Sie können auch lesen