Quality Engineering Control Express 2023
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Seite 18<br />
Predictive <strong>Quality</strong><br />
Daten gewähren Blick in die Glaskugel<br />
Bild: Iconpro<br />
Qualitätsprobleme lassen<br />
sich vorhersehen – so lautet<br />
das Credo von Predictive<br />
<strong>Quality</strong>. Mit Hilfe von künstlicher<br />
Intelligenz analysieren<br />
entsprechende Systeme die<br />
Produktionsdaten und zeigen<br />
nicht nur, welche Einflussgrößen<br />
für Fehler verantwortlich<br />
sind – sondern<br />
auch, wie diese verändert<br />
werden sollten.<br />
„Die Anwendung systematischer<br />
Ansätze der Datenanalyse ist bereits<br />
heute in vielen Unternehmen<br />
ein beliebtes Mittel, um organisatorische<br />
und produktionstechnische<br />
Fragestellungen zu<br />
adressieren und um Qualitätsprobleme<br />
zu lösen“, schreibt Max<br />
Ellerich in einem Blog-Beitrag für<br />
die Deutsche Gesellschaft für<br />
Qualität (DGQ). Prognosen im<br />
Rahmen solcher Datenanalysen<br />
dienten immer häufiger als Entscheidungsgrundlage,<br />
so Ellerich,<br />
Oberingenieur am Lehrstuhl<br />
für Fertigungsmesstechnik und<br />
Qualitätsmanagement des Werkzeugmaschinenlabors<br />
(WZL) der<br />
RWTH Aachen.<br />
Daten erlauben also einen Blick<br />
in die – zumindest nahe – Zukunft.<br />
Damit sind sie auch für<br />
die Qualitätssicherung von großem<br />
Wert. Ihre Auswertung mit<br />
Hilfe von Methoden der künstlichen<br />
Intelligenz (KI) kann die QS<br />
ein stückweit vorausschauend<br />
machen. Preditive <strong>Quality</strong> lautet<br />
der Begriff, den Experten aus der<br />
Branche dafür verwenden. „Predictive<br />
<strong>Quality</strong> ist die Befähigung<br />
<br />
<br />
Reduce<br />
Inspection<br />
Predict <strong>Quality</strong><br />
Systematische Ansätze der Datenanalyse sind in den Unternehmen ein beliebtes Mittel,<br />
um unter anderem Qualitätsprobleme zu lösen.<br />
eines Unternehmens zur Optimierung<br />
seiner produkt- und prozessbezogenen<br />
Qualität“, erklärt<br />
Ellerich. Dabei gehe es nicht nur<br />
um Handlungsmaßnahmen, die<br />
durch den Anwender selbst abgeleitet<br />
werden, sondern auch<br />
Purchasing<br />
Parts / Materials<br />
Manufacturing<br />
Parameters<br />
Handlungsempfehlungen, die<br />
durch ein lernendes Data-Analytics-Modell<br />
bereitgestellt werden.<br />
Im besten Fall erkennt der Nutzer<br />
eines entsprechenden Systems<br />
nicht nur, dass etwas schief<br />
läuft, sondern erfährt auch, wie<br />
<strong>Quality</strong> Data<br />
<br />
<br />
Production Data<br />
Environment<br />
Conditions<br />
Die Software Ares liefert Prozesserkenntnisse, um Qualität zu verbessern und Ausschuss zu reduzieren.<br />
Optimize Processes<br />
Assembly<br />
Parameters<br />
Bild: denisismagilov/stock.adobe.com<br />
sich das ändern lässt. „Der Wert<br />
von Predictive <strong>Quality</strong> liegt also<br />
nicht in den Daten selbst, sondern<br />
in dem generierten Wissen,<br />
da dieses unmittelbar in die Entscheidung<br />
miteinfließt“, so Ellerich.<br />
Reduce<br />
Scrap<br />
Wie Predictive <strong>Quality</strong> konkret<br />
umgesetzt wird, erklärt Dr. Markus<br />
Ohlenforst, Geschäftsführer<br />
von Iconpro. Sein Unternehmen<br />
hat unter dem Namen Ares eine<br />
entsprechende Lösung entwickelt.<br />
Diese verarbeitet eine Vielzahl<br />
unterschiedlicher Daten.<br />
Dazu zählen Materialdaten, Fertigungsdaten<br />
von den Maschinen<br />
wie etwa Vorschubgeschwindigkeit<br />
oder Spindeldrehzahl sowie<br />
Umgebungsinformationen aus<br />
der Produktion wie Temperatur<br />
oder Luftfeuchtigkeit. „Diese korreliert<br />
das System dann, um die<br />
Qualität für ein spezifisches Bauteil<br />
vorherzusagen“, erläutert<br />
Ohlenforst.<br />
Wettervorhersage für<br />
die Qualitätssicherung<br />
Die Prognose für eine bestimmte<br />
Fertigungseinheit sei das, was<br />
man klassischerweise als Predictive<br />
<strong>Quality</strong> bezeichne, so der<br />
Experte. Darüber hinaus gibt es<br />
auch Methoden, um einen Trend<br />
für die Qualität eines Produkts<br />
über einen längeren Zeitraum –<br />
zum Beispiel für eine Woche –<br />
hinweg zu erkennen. Auch diese<br />
können interessante Erkenntnisse<br />
liefern, allerdings mit etwas<br />
mehr Unsicherheiten. „Das ist<br />
eher mit einer Wettervorhersage<br />
zu vergleichen“, so Ohlenforst.<br />
Um zu erklären, welchen Wert<br />
eine Predictive-<strong>Quality</strong>-Lösung<br />
wie Ares bietet, nennt er beispielhaft<br />
einen Anwendungsfall.<br />
Bei diesem geht es darum, ein<br />
bestimmtes Fehlerbild — konkret<br />
einen k-förmigen Kratzer – auf<br />
der Oberfläche eines metallischen<br />
Bauteiles hervorzusagen.<br />
Das System ist nicht nur dazu in<br />
der Lage. Es identifiziert zusätzlich<br />
auch die wichtigsten Einflussgrößen.<br />
Der Nutzer erhält<br />
also auch die Information, welche<br />
Parameter er ändern muss,<br />
um die anvisierte Qualität zu erhalten.<br />
„Man gewinnt auf Basis<br />
der Daten Prozesserkenntnisse,<br />
die man dann wieder einfließen<br />
lässt, sagt Ohlenforst.<br />
Wenn die Prozessexperten im<br />
Unternehmen sehen, dass diese<br />
Erkenntnisse mit den eigenen Erfahrungen<br />
übereinstimmen, gewinne<br />
man schon mal deren Vertrauen<br />
in die Predictive-<strong>Quality</strong>-<br />
Software, berichtet der Iconpro-<br />
Geschäftsführer. Das System könne<br />
aber noch mehr. Auf Basis des<br />
Modells, das man erhalten hat,<br />
lässt sich nun ein weiteres trainieren.<br />
„Das System hat ja jetzt<br />
gelernt, welche Einstellungen zu<br />
welchem Ergebnis führen“, so<br />
Ohlenforst. „Das neue Optimierungsmodell<br />
kann dann auch erkennen,<br />
wie diese geändert werden<br />
müssen.“ Ares gibt dem Anwender<br />
also Empfehlungen, wie