Tätigkeitsbericht /Activity Report 2011/2012 - BFI.de

Mess- und Automatisierungstechnik | Qualitäts- und Informationstechnik
der Neuausrichtung der Beleuchtung oder zur
Anpassung der Berechnungsalgorithmen, z.B. des
Fehlerklassifikators, herangezogen.
Basierend auf den nun zuverlässigeren Daten
werden geeignete Key Performance Indices (KPI) der
Oberflächenqualität sowohl für jede Einzelanlage als
auch für die gesamte Anlagenkette berechnet. Diese
KPI’s bilden dann die Grundlage für verschiedene
Anwendungen zur Optimierung der Oberflächenqualität:
Überwachung und Reporting, Fehlerursachenanalyse,
Prozess- und Anlagenoptimierung
und verbesserte Materialzuteilung.
In dem Projekt wurden zunächst bestehende
Konzepte der Hersteller von Oberflächeninspektionensystemen
erfasst und für die Datenauswertung
nutzbar gemacht. Ein wesentliches Ziel hierbei ist die
Zuordnung von OIS-Statusinformationen zu jedem
einzelnen Inspektionsergebnis, da nur hierdurch
die automatische Nutzung zuverlässiger Daten
gewährleistet werden kann. Neben den bestehenden
Lösungen wurden auch neue Verfahren entwickelt,
die in der Lage sind, Probleme bei der Inspektion
aufzuzeigen. Die berechneten Oberflächen-KPI sind
produktiv im Einsatz und ermöglichen bereits jetzt
schneller und zielgerichteter auf Qualitätsprobleme
reagieren zu können, als es bisher der Fall war.
Aufbauend auf diesen Ergebnissen, wird das BFI
ein System zur automatischen Ursachenanalyse
implementieren, siehe Bild 124.
lighting, or to adapt the calculation algorithms,
e.g. for the defect classifier.
Based on the now more reliable data, suitable key
performance indices (KPIs) for surface quality will
be calculated for each individual installation and
for the entire machinery and equipment chain.
These KPIs will then form the basis for different
applications geared to the improvement of surface
quality: monitoring and reporting, defect cause
analysis, process and equipment optimisation,
and improved allocation of materials.
Project work initially focused on recording
existing strategies of the manufacturers of the
surface inspection systems and making these
usable for data evaluation. One major objective
here is the allocation of SIS status information
to each individual inspection result, as this is
the only way of assuring the automatic use of
reliable data. Alongside the existing solutions,
new techniques capable of identifying problems
occurring during inspection were developed.
The calculated surface KPIs are being used in
a production environment and already enable
the staff to respond faster and more effectively
to quality problems than in the past. Building
on these results, BFI will implement a system
for automatic root cause analysis, see Fig. 124.
Integrierte, automatisierte und multi-variate
SPC-Lösung für die Prozessindustrie am Beispiel
von Bandmaterial
Statistische Prozessregelung (= Statistical Process
Control, SPC) ist in der Industrie eine Standardtechnik
der Qualitätssicherung und es werden eine
Vielzahl von Softwarepaketen hierzu angeboten.
Dennoch gibt es kein System, dass die Aspekte der
Prozessindustrie und hier speziell der Stahlindustrie
ausreichend berücksichtigt. Die Gründe hierfür
liegen einerseits in der sehr unterschiedlichen
Charakteristik der Prozesse der Stahlproduktion (von
sehr langsamen verfahrenstechnischen Prozessen bis
hin zu Fertigungsprozessen und extrem schnellen
Vorgängen im Bereich des Walzens) sowie der
großen Variationsbreite der Qualitätsmerkmale
von Zwischen- und Endprodukten. Außerdem
kommt hinzu, dass in der Stahlindustrie in den
letzten Jahren neue Systeme zur Qualitätssicherung
entwickelt worden sind, ein Beispiel hierfür ist die
prozessnahe Entscheidungsunterstützung, die beim
Einsatz von SPC-Techniken zu berücksichtigen sind.
Ziel des Vorhabens ist die Entwicklung von
Integrated, automated and multivariate SPC
solution for the process industry as exemplified
in the case of strip material
Statistical process control (SPC) is a standard
quality assurance technique in industry and is
offered in a large variety of software packages.
Nevertheless, there is no system that adequately
covers the specific aspects of the process industry,
and more particularly, the steel industry. The
reasons for this lie on the one hand in the widely
varying characteristics of steelmaking processes
(from very slow chemical processes through to
very fast forming and fabrication processes, such
as in rolling) and, on the other hand, in the very
broad spectrum of quality features between the
intermediate and the end products. Furthermore,
new quality assurance systems have been developed
in the steel industry in recent years. One example
of this is processrelated decision support, which
also requires to be taken into consideration when
using SPC techniques.
The aim of the project is to develop methods
to improve SPC and to combine it with decision
140 © VDEh-Betriebsforschungsinstitut GmbH