Nach Ansicht der Autoren von Why and How to Move from SPC (Statistical Process Control) to APC
(Automated Process Control) stellen die technologischen Veränderungen im Zusammenhang mit der Einführung von Industrie 4.0 die Relevanz der statistischen Prozesskontrolle in Frage.
Mehre Entwicklungen würden die traditionelle SPC in Frage stellen, vor allem in Maschinenbauunternehmen, die CNC-Maschinen einsetzen. Und zwar aus folgenden Gründen:
- Die zunehmende Komplexität dieser Maschinen ermöglicht es heute, ein ganzes Teil in einem einzigen Arbeitsgang herzustellen.
- Die Komplexität der zu realisierenden funktionalen Formen, die nicht mehr aus der Kombination von Elementarformen bestehen (Ebenen/Zylinder…).
- Die Erhöhung der Zykluszeiten, die sich aus dieser Komplexität ergibt, macht es schwierig, die Maschinen anhand einer einzigen Stichprobe zu kontrollieren.
- Das Vorhandensein von Abhängigkeiten zwischen mehreren Merkmalen erschwert die Berechnung von angemessenen Anpassungen.
- Die Verringerung der Losgrößen erfordert, dass der erste Teil konform ist.
- Die Verkürzung der Produktlebensdauer erfordert häufige Änderungen der Prozesse.
Die Autoren schlagen einen Ansatz vor, der Algorithmen des maschinellen Lernens mit einer multikriteriellen Steuerung kombiniert. Damit sei er perfekt für die Steuerung von CNC-Maschinen, selbst wenn mehrere hundert Merkmale voneinander abhängen.
Die Herausforderung besteh u.a. darin, dass wegen der Verringerung der Losgrößen der Prozess vom ersten Teil an so genau wie möglich eingestellt werden muss. Um den Prozess mit den aus einem einzigen Teil gewonnenen Daten zu steuern, sind andere Ansätze als SPC, EPC und die PID-Methoden (Proportional Integral Derivative) nötig.
Die Antwort auf diese Anforderungen ist die automatische Prozesskontrolle APC. Die Autoren definieren sie als “eine Methode der Prozesssteuerung, die automatisch die Abmessungen des Teils auf dem Ziel aus einer begrenzten Anzahl von Daten (ein Teil) unter Verwendung aller verfügbaren Informationen anpasst. Die Leistung von APC ist das Ergebnis des gemeinsamen Einsatzes von mathematischen, statistischen und maschinellen Lernverfahren.”
Die Vorteile des Einsatzes von Machine-Learning-Algorithmen
- Eine optimale Steuerung aus den Informationen einer reduzierten Anzahl von produzierten Teilen, idealerweise aus einem einzigen Teil. Wir haben die Vorteile des Einsatzes von Machine-Learning-Algorithmen erörtert, um die richtigen Anpassungen zu finden, die aus diesen reduzierten Informationen gewonnen werden.
- Eine gleichzeitige Betrachtung aller Merkmale zur Berechnung der besten Anpassung. Wenn es nämlich Abhängigkeiten zwischen den Merkmalen gibt, funktioniert nur ein globaler Ansatz.
- Die Trennung zwischen Übereinstimmung und Kontrolle, um einen Informationsverlust zu vermeiden. Um die bestmögliche Anpassung zu gewährleisten, sollte die Steuerung des Prozesses nicht auf der parametrisierten Konformitätsinformation, sondern auf der Rohinformation beruhen
Weitere Informationen:
Ein umfassendes Softwarepaket für die industrielle Qualität
WHAT IS AUTOMATED PROCESS CONTROL?
Manufacturing process control automation
The Concept of Automated Process Control
Automatisierte Prozesskontrolle in der Matrix