KI für robuste Produkte & stabile Prozesse
in Montage, Produktion & Entwicklung
Robust Design für Produkte & Prozesse mit KI-System Analyser®
anhand realer Praxisbeispiele
Folie 2
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
Projekte:• Robustes Design für Produkte und Prozesse mit Analyser®
• Ausbildungskampagnen: Qualität, Entwicklung, Produktion
• Robust Design, Design for Six Sigma & Lean Six Sigma
• Entwicklungsprojekte, Absicherung funktionaler Ketten
• Task Force / Problem-Lösungs-Projekte
• Prozessverbesserungsprojekte in Produktion und Dienstleistung
Branchen:• Automotive (OEM bis TIER3)
• Kunststoffspritzgießen
• Maschinen- & Anlagenbau
• Medizintechnik
• Feinwerktechnik
• Antriebstechnik, Getriebebau
• Lebensmittel
• IT Services
• Chemie, Pharma
• Elektronik, Elektro, SMD
• Papier, Verpackungen
• Verarbeitenden Industrie:
Kautschuk, TPE,
Thermoplaste, PVC
• Werkzeugmaschinenbau
• Telekommunikation
Folie 3
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 4
Praxisbericht aus dem Projektalltag –
Analyser® für Robuste Produkte & Prozesse
Robustes Design für Produkte und Prozesse mit dem Analyser®
Kurvenmodul Transferfunktionsmodul
Schwellmoment
SOLL-Moment Fenster
Fehler & Ursachen aus Kurvenverläufen erkennen
& Handlungsempfehlungen online liefern
Fehlerbilder mit Ursachen & Maßnahmen
werden vom selbstlernenden Analyser® als
Handlungsempfehlungen in Echtzeit geliefert
Unbekannte Wirkmechanismen aufdecken
Zunächst unbekannte Wirkmechanismen zwischen Anforderungen /
Qualitäts-merkmalen Yn und Einflussgrößen Xi werden analysiert und ein
Modell erstellt: Yn = f(Xi)
Das Modell dient zum steuern & regeln für robuste Produkte und stabile
Prozesse
Folie 5
Praxisbericht aus dem Projektalltag –
Analyser® für Robuste Produkte & Prozesse
Robustes Design für Produkte und Prozesse mit dem Analyser®
Kurvenmodul Transferfunktionsmodul
Schwellmoment
SOLL-Moment Fenster
Unbekannte Wirkmechanismen aufdecken
Zunächst unbekannte Wirkmechanismen
zwischen Anforderungen / Qualitäts-
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
Fehlerbilder Wirkmechanismen Ursachen
Maßnahmen / Lösungen +
Handlungsempfehlungen + Prozesssteuerung
in Echtzeit
Folie 6
Problemstellung 1
Was soll
ich tun?
Folie 7
Lösung 1
Dank dem KI-Analyser kenne
ich die Fehlerursachen &
kann schnell und gezielt
mit Maßnahmen eingreifen.
Folie 8
Ablaufschema Bsp. Schraubfall-Optimierung 1/2
Vollautomatische Erkennung der Fehlerbilder aus Produktvalidierungs- und Prozesskurven in Echtzeit
Automatisiertes Erkennen von Fehlern und Fehlerbildern1
1
Folie 9
Ablaufschema Bsp. Schraubfall-Optimierung 2/2
Vollautomatische Erkennung der Fehlerbilder aus Produktvalidierungs- und Prozesskurven in Echtzeit
Automatisiertes Erkennen von Fehlern und Fehlerbildern
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
1
2
Folie 10
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 11
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 12
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 13
Fallbeispiel 1
Kurvenmodul
Folie 14
Verschraubungen Serie - Montage (1/2)
Die Grafik zeigt die Fehlerraten der TOP Schraubfälle.
Die TOP 12 Fehlerverursacher sind für 50% der Nacharbeitskosten
verantwortlich.
Die Grafik aus der Phase Analysieren zeigt eine niO-Schraubkurve mit
dem Zielfenster (grün).
Thema: Fehlerraten, Inline- & Offline-Nacharbeits-kosten,
Gewährleistungsrisiken
Ort: Endmontage
Problem: Nacharbeitskosten von > 1,2 Mio. € / Jahr, hohe
Gewährleistungsrisiken bei sicherheitsrelevanten
Verbindungen
Ergebnis: Senkung der Nacharbeitskosten und
Gewährleistungsrisiken um > 50% in
3 - 6 Monaten
Problem und Ergebnis
Folie 15
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
Kontrollieren:
Vollautomatische Fehlerkontrolle durch Vollintegration
mit Prozessdatenmanagementsystem
Vorgehensweise
Verschraubungen Serie - Montage (2/2)
Die Grafik aus den Phasen Analysieren und Optimieren zeigt die
Verteilung verschiedener Fehlerbilder eines Falles und
Handlungsempfehlung für Maßnahmen mit Hilfe des "Buch des
Wissens„.
Folie 16
Verschraubungen in Entwicklung & Prototypenbau (1/1)
Die Grafik zeigt eine iO-Kurvenschar mit dem Zielfenster (grün).
Sind wirklich alle Kurven i. O.?
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
Problem und Ergebnis
Priorisieren:
TOP 10 Schraubfälle machen bis zu 70% der Fehlerquoten
Analysieren:
Ermitteln der Grundursache(n) je Fehlerbild und
Parametereinstellung für die Digitalschrauber
Optimieren:
Verbesserungsmaßnahmen in Form von
Handlungsanweisungen in Echtzeit
Kontrollieren:
Parametereinstellungen, Serientauglichkeit und Auslegung
der Verschraubungen
Vorgehensweise
Folie 17
Der Analyser® im Überblick
Schwellmoment
SOLL-Moment Fenster
Mitarbeiter bei Ihren Entscheidungen unterstützen:
Fehlerbilder mit Ursachen & Maßnahmen werden als
Handlungsempfehlungen in Echtzeit ausgegeben
Der Mitarbeiter kann damit nun gezielte Maßnahmen
ergreifen
Ursachen der Kosten- und Qualitätsprobleme aufdecken:
Aufdecken der unbekannten Wirkmechanismen zwischen
Anforderungen & Qualitätsmerkmalen Yn und
Einflussgrößen Xi Erstellung Transferfunktion Yn = f(Xi)
Transferfunktion dient nun zum steuern & regeln für
robuste Produkte und stabile Prozesse
Das Kurvenmodul Das Transferfunktionsmodul
Folie 18
Das Transferfunktionsmodul – Ohne Analyser®
X1
?X2
?X3
?
Folie 19
Das Transferfunktionsmodul – Ohne Analyser®
? ? ?X1
?X2
?X3
?
Folie 20
Das Transferfunktionsmodul – Mit dem Analyser®
X1 X2 X3
Folie 21
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 22
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 23
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
steuern und sehen sofort (mit Wechselwirkungen),
wie sich meine Anforderung verändert. X1 X2 X3
Folie 24
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
Wirkprinzip Analyser® : Einzelwerte und Kurvenverläufe können
in den Vorhersagemodellen verarbeitet werden
50301 0 40200 40200 40200 40200 50301 0 40200 40200 50301 0 1 680 1 00-1 0 1 55-5 1 680 1 55-5 1 680 201 00
40
20
050
30
10
40
20
0
40
20
040
20
040
20
050
30
1040
20
0
40
20
050
30
1016
8
0
10
0
-10
15
5
-5
16
8
0
15
5
-5
16
8
0
C1
C2
C3
C4
C5
C6
C7
C8
C9
C1 0
C1 1
C1 2
C1 3
C1 4
C1 5
C1 6
C1 7
Multidimensional
Schrumpfmaß
1 41 21 08642
1 4
1 2
1 0
8
6
4
2
Prozeßparameter
Erg
eb
nis
grö
ße
Darstellung Ursache-Wirkung
Klassische Statistik
50301 0 40200 40200 40200 40200 50301 0 40200 40200 50301 0 1 680 1 00-1 0 1 55-5 1 680 1 55-5 1 680 201 00
40
20
050
30
10
40
20
0
40
20
040
20
040
20
050
30
1040
20
0
40
20
050
30
1016
8
0
10
0
-10
15
5
-5
16
8
0
15
5
-5
16
8
0
C1
C2
C3
C4
C5
C6
C7
C8
C9
C1 0
C1 1
C1 2
C1 3
C1 4
C1 5
C1 6
C1 7
Multidimensional
Prozess-
Eingangsgrößen
Prozess-
ErgebnisgrößenWelligkeit
Temperatur an Pos. xy
Druckverlauf
50301 0 40200 40200 40200 40200 50301 0 40200 40200 50301 0 1 680 1 00-1 0 1 55-5 1 680 1 55-5 1 680 201 00
40
20
050
30
10
40
20
0
40
20
040
20
040
20
050
30
1040
20
0
40
20
050
30
1016
8
0
10
0
-10
15
5
-5
16
8
0
15
5
-5
16
8
0
C1
C2
C3
C4
C5
C6
C7
C8
C9
C1 0
C1 1
C1 2
C1 3
C1 4
C1 5
C1 6
C1 7
50
30
10
40
20
0
40
20
040
20
040
20
050
30
1040
20
0
40
20
050
30
1016
8
0
10
0
-10
15
5
-5
16
8
0
15
5
-5
16
8
0
40200
20
10
0
50301 0 40200 40200 40200 40200 50301 0 40200 40200 50301 0 1 680 1 00-1 0 1 55-5 1 680 1 55-5 1 680
C1
C2
C3
C4
C5
C6
C7
C8
C9
C1 0
C1 1
C1 2
C1 3
C1 4
C1 5
C1 6
C1 7
Folie 25
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 26
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 statistischerDatenanalyse. 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 mittelsPrognoserechnungen anhand der Transferfunktion(en).
Echtzeitverhalten: 1 – 2 sec. ab Übertragung Sensordaten bis Prognosewert inklusive Wert für Steuervariable
Folie 27
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 28
Unser Wirkprinzip
Patentierter KI-Algorithmus zur
Fehlerbilderkennung
Automatisierte Modellbildung &
Stichprobenziehung kein Data
Analyst/Scientist erforderlich
Einzelwerte und Kurvenverläufe können
als Einflussgrößen zu multiplen
Vorhersagemodellen verarbeitet werden
Folie 29
Fragen?
Fragen?
Folie 30
Fallbeispiel 2
Transferfunktionsmodul
Folie 31
Fallbeispiel Kunststoffspritzgießen
Folie 32
Welche Daten sind wichtig?
Vorgehen nach der Methode Robust Design: Kennen der Anforderungen Yn und deren möglichen Einflussgrößen Xi für
Produkte & Prozesse.
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.
X2 = Kühlzeit [s]
X4 = Tempertemp. [°C]
X3 = Werkzeugtemperatur [°C]
Prozess Y1-n = Verzug / Längen
Winkelabweichung /
Schrumpfung /
Schichtdicke / …
X5 = Feuchteanteil Rohmaterial
X1 = Nachdruck [bar]
X6 = Mischungsverhältnis
Rohmaterial
Folie 33
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 34
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
Planschlag
Spaltmass
Konzentrizität
Ra
Glanzgrad
Farbstufe
Transparenz
HV
Beständigkeit
Haptik
……etc.
10
9
8
7
6
5
4
3
2
1
-
Geometrie
Oberfläche
Materialhärte
Fehlerbild n.i.O. /
Kunden-
anforderung
Bewertungsstufen:
- 10 = extrem wichtig
- 8 = sehr wichtig
- 6 = wichtig
- 2 = nicht sehr wichtig
- 1 = unwichtig
Folie 35
Prozesse in 2 Schritten / Level analysieren:
1. SIPOC – und 2. Prozess Flussdiagramme
Supplier Imput Process Output Customer
Robust Design – 2. Prozess analysieren
Ja
Ja
Folie 36
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 37
Robust Design – 4. Einflussgrößen priorisieren
Abgleich der priorisierten möglichen zu den aktuell gemessenen Einflussgrößen Xi ist jetzt möglich
QFD: Technische Bedeutung aus HoQ 1, HoQ 2 oder HoQ 2+4
RZ: aus Produkt Design FMEA und/oder Prozess FMEA
Bartlett-Test
QFDTB
RZ = A x B
Folie 38
Robust Design – 5. Daten sammeln / speichern
Daten aus der laufenden Produktion
bzw. Vorserie / Nullserie
Versuche / DoE – Design of
Experiments während der
Entwicklung / im PEP
UND / ODER
Folie 39
Robust Design – 6. Predictive Quality, Analytics & Maintenance:
Modelle automatisch erstellen
Input: Einzelwerte & Kurven aus Sensordaten
statistischer
Fingerprint
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
Folie 40
Robust Design – 6. Predictive Quality, Analytics & Maintenance:
Modelle automatisch erstellen
Fehlerbilder Wirkmechanismen Ursachen Maßnahmen / Lösungen +
Handlungsempfehlungen + Prozesssteuerung in Echtzeit
≥ 200 mögliche Einflussgrößen Xi
signifikante Einflussgrößen Xi
statistischer
Fingerprint
Robuste Produkte & stabile Prozesse
• Entwicklung & Prototypenbau absichern
• Neuanläufen & Industrialisierungen
• Serienprozesse optimieren
• Gewährleistungsrisiken & Feldausfälle
reduzieren
• Lieferantenqualität verbessern
Folie 41
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
Nachdruck Temperatur Nachdruckzeit Temp. Pos.2 Nest Granulatbestandteile %
A B
Ou
tpu
t Y
30,67
+- 0,38
Folie 42
Robust Design - 7. Parametrierung und statistische Tolerierung
der Einflussgrößen
Vermeiden von Over Engineering durch statistisch abgesicherte Parametrierung und
statistische Tolerierung von Produktmerkmalen und Prozessparametern
Erstes Quartil 4,2554
Median 4,4045
Drittes Quartil 4,5401
Maximum 5,0812
4,3854 4,4102
4,3891 4,4184
0,1917 0,2093
A-Quadrat 0,52p-Wert 0,183
Mittelwert 4,3978
StdAbw 0,2001
Varianz 0,0400
Schiefe -0,0439987
Kurtosis -0,0370029
N 1001
Minimum 3,8199
Anderson-Darling-Test auf Normalverteilung
95%-Konfidenzintervall für Mittelwert
95%-Konfidenzintervall für Median
95%-Konfidenzintervall für StdAbw
5,04,84,64,44,24,03,8
Median
Mittelwert
4,424,414,404,39
95%-Konfidenzintervalle
Zusammenfassung für ND Zeit
Erstes Quartil 74,447
Median 74,957
Drittes Quartil 75,550
Maximum 77,619
74,949 75,048
74,908 75,024
0,766 0,836
A-Quadrat 0,97p-Wert 0,015
Mittelwert 74,998
StdAbw 0,800
Varianz 0,639
Schiefe 0,203603
Kurtosis -0,155228
N 1001
Minimum 72,898
Anderson-Darling-Test auf Normalverteilung
95%-Konfidenzintervall für Mittelwert
95%-Konfidenzintervall für Median
95%-Konfidenzintervall für StdAbw
77,676,876,075,274,473,672,8
Median
Mittelwert
75,0575,0074,9574,90
95%-Konfidenzintervalle
Zusammenfassung für WKZ Temp
Erstes Quartil 224,01
Median 225,00
Drittes Quartil 226,03
Maximum 229,88
224,95 225,14
224,89 225,09
1,47 1,60
A-Quadrat 0,70p-Wert 0,069
Mittelwert 225,04
StdAbw 1,53
Varianz 2,34
Schiefe 0,211667
Kurtosis 0,041675
N 1001
Minimum 221,04
Anderson-Darling-Test auf Normalverteilung
95%-Konfidenzintervall für Mittelwert
95%-Konfidenzintervall für Median
95%-Konfidenzintervall für StdAbw
230,00228,75227,50226,25225,00223,75222,50221,25
Median
Mittelwert
225,15225,10225,05225,00224,95224,90
95%-Konfidenzintervalle
Zusammenfassung für Nachdruck
Cpk: 1,32
Nachdruck Werkzeugtemp.
NachdruckzeitGranulatbestandteil xy %
= f (
Erstes Quartil 0,9881
Median 1,0017
Drittes Quartil 1,0148
Maximum 1,0685
1,0002 1,0026
1,0003 1,0032
0,0184 0,0201
A-Quadrat 0,40p-Wert 0,366
Mittelwert 1,0014
StdAbw 0,0192
Varianz 0,0004
Schiefe -0,0407861
Kurtosis 0,0182876
N 1001
Minimum 0,9448
Anderson-Darling-Test auf Normalverteilung
95%-Konfidenzintervall für Mittelwert
95%-Konfidenzintervall für Median
95%-Konfidenzintervall für StdAbw
1,061,041,021,000,980,96
Median
Mittelwert
1,0031,0021,0011,000
95%-Konfidenzintervalle
Zusammenfassung für LängenAbw
Erstes Quartil 0,29000
Median 0,35000
Drittes Quartil 0,40000
Maximum 0,54000
0,33583 0,35844
0,33462 0,37000
0,06922 0,08530
A-Quadrat 0,48p-Wert 0,230
Mittelwert 0,34713
StdAbw 0,07642
Varianz 0,00584
Schiefe -0,125147
Kurtosis -0,159220
N 178
Minimum 0,12000
Anderson-Darling-Test auf Normalverteilung
95%-Konfidenzintervall für Mittelwert
95%-Konfidenzintervall für Median
95%-Konfidenzintervall für StdAbw
0,540,480,420,360,300,240,180,12
Median
Mittelwert
0,370,360,350,340,33
95%-Konfidenzintervalle
Zusammenfassung für WinkelAbw
Erstes Quartil 0,59335
Median 0,60185
Drittes Quartil 0,61064
Maximum 0,63859
0,60132 0,60287
0,60092 0,60282
0,01204 0,01314
A-Quadrat 0,43p-Wert 0,303
Mittelwert 0,60210
StdAbw 0,01257
Varianz 0,00016
Schiefe 0,118636
Kurtosis -0,213771
N 1001
Minimum 0,56252
Anderson-Darling-Test auf Normalverteilung
95%-Konfidenzintervall für Mittelwert
95%-Konfidenzintervall für Median
95%-Konfidenzintervall für StdAbw
0,63750,62500,61250,60000,58750,57500,5625
Median
Mittelwert
0,60300,60250,60200,60150,6010
95%-Konfidenzintervalle
Zusammenfassung für Fuge
Folie 43
Robust Design - 8. Statische Prozess Kontrolle (SPC)
Folie 44
Netzschema Analyser® mit IPM6®
Produktion
Rechenzentrum
SQL DB und Analyser Servereine Maschine
Oracle DB und XML-Schnittstelle eine Maschine
Analyser Client
Oracle DB, IPM 6.0 Server,
Telegramm- + XML-Schnitt-
stellen-Server, VM 2 mit Linux
SQL DB + Analyser®-
Server, VM 1 mit WIN
Analyser®-Client +
IPM 6.0 WEB Client
Folie 45
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 [email protected]
Contech-Analyser: www.contech-analyser.de
Consulting & Engineering Leistungen: www.mts-contech.de
Folie 46
Backup
Folie 47
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
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
Markierter Abschnitt 1 (Prozessbeginn)
Markierter Abschnitt 2 (Prozessende)
Folie 48
Vollintegration des Analyser® mit einem
Prozessdatenmanagement- / MES-System
VM 1
» Customer Server
(z.B. IPM)
» Oracle-DB
» Telegramm-
Server
(xx.x.x.50)
VM 2
» Analyser-Server
» Analyser SQL-
Datenbank / KI
(xx.x.x.11)
» - Client
» Prozessdatenmanagement
Client (z.B. IPM-Web)
Linux Windows 10
≥ Windows 7
(1) Telegramme von Device zu Oracle-DB (VM1):
Contech / IPM (bzw. Kunde)
(2) Telegramm Analyser zu Oracle-DB (VM1): Contech
(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)
TCP / IP TCP / IP
Folie 49
versch.
Schnittstellen-
Telegramme
Datenbank
(z. B. Oracle)
Interpretation der
Schnittstellen-
Telegramme
Analyser
(C# / C++)
Datenbank
(z.B. SQL)
• Kurvendaten
• Setting
Kunststoff-Spritzgieß-
Maschinendaten
Presswerkzeugdaten
Sensordaten
EoL-Testdaten
Verschraubungsdaten
Online-Ergebnisse (1 Kurve)
Ergebnis
Ergebnis (n Kurven)
Fehlerbildverteilung [%] Wissensdatenbank
[Ursachen, Lösungen, Maßnahmen]
Analyser® – IPM - System
Vollintegration Analyser® mit einem Prozessdatenmanagement-
System z. B. IPM 6.0
IPM = Integriertes Prozessdatenmanagement-System
Top Related