DE102018006035A1

DE102018006035A1 - Verfahren zur automatisierten Erzeugung von Einstellmarametern und zur Prozessüberwachung bei zyklischen Produktionsprozessen

Info

Publication number: DE102018006035A1
Application number: DE102018006035.8A
Authority: DE
Inventors: Philipp Liedl; Günter Haag; Oliver Schnerr; Robert Vaculik
Original assignee: Stasa Steinbeis Angewandte Systemanalyse GmbH
Current assignee: Stasa Steinbeis Angewandte Systemanalyse De GmbH
Priority date: 2018-02-27
Filing date: 2018-07-31
Publication date: 2019-08-29

Abstract

Bekannt sind Verfahren zur Arbeitspunktoptimierung und Qualitätsüberwachung auf Basis der Generierung eines Zusammenhangs zwischen unterschiedlichen Einstellparametern sowie Sensordaten des Produktionsprozesses und der Teilequalität. Nachteilig dabei ist die erforderliche kostenintensive Vermessung der erzeugten Teile zur Anpassung der Parameter des Prozessmodells.
Um diese kostenintensive Vermessung der gefertigten Teile zu vermeiden wird eine automatisierte Generierung von Einstellparametern anhand von online erfassten Sensordaten (2) vorgeschlagen. In einer ersten Einstellphase (3) werden auf Basis eines vorgegebenen Versuchsplans die Einstellparameter verändert und zu jeder Einstellung ein Satz von online Sensordaten aufgenommen und in einem lernfähig ausgestalteten Modul optimierte Einstellparameter (12) ermittelt. In einer zweiten Einstellphase (14) können die zu den optimierten Einstellparametern gewonnenen Sensordaten mit den Qualitätsmerkmalen der erzeugten Teile in Beziehung gebracht werden, so dass im Modul Arbeitsphase (15) aus den Sensordaten auf die jeweiligen Qualitätsmerkmale geschlossen werden kann. Die aus den online erfassten Sensordaten generierten Prozesskennzahlen können zur Prozessüberwachung wie auch Prozessregelung (16) verwendet werden.
Das Verfahren kann zur Erzeugung von Einstellparametern und zur Prozessüberwachung bei sämtlichen zyklischen Produktionsprozessen angewandt werden, beispielsweise Kunststoffspritzgießverfahren, Aluminiumdruckgussverfahren, Punktschweißen von Bauteilen.

Description

Die Erfindung betrifft ein Verfahren zur automatisierten Erzeugung von Einstellparametern und Prozessüberwachung bei zyklischen Produktionsprozessen gemäß dem Oberbegriff des Anspruchs 1.
Aus der Literatur sind eine Vielzahl von Verfahren und Verfahrensvarianten zur Arbeitspunktoptimierung und Qualitätsüberwachung zyklischer Produktionsprozesse bekannt. Dabei stützen sich die meisten Verfahren auf die Generierung eines Zusammenhangs zwischen unterschiedlichen Einstellparametern des zyklischen Produktionsprozesses und der im Produktionsprozess erzeugten Teilequalität.
Bekannt ist gemäß der Firma Engel ein Verfahren während des Einspritzvorgangs in Echtzeit den Druckverlauf über der Schneckenposition zu analysieren und die Messwerte online mit einem Referenzzyklus zu vergleichen. Auf dieser Basis berechnet das System neue Prozessparameter, die unmittelbar Schwankungen der Schmelzemenge und der Materialviskosität erkennen lassen. Bei Abweichungen von den Sollwerten werden die relevanten Prozessparameter automatisch nachgeregelt. Das Verfahren dient nicht dazu automatisiert die relevanten Einstellparameter eines Prozesses über online erfasste Messdaten zu ermitteln, sondern anhand eines wie auch immer festgelegten Referenzzyklus über Vergleichsdaten Schwankungen der Formteilqualität zu reduzieren. Das Auffinden eines bezüglich Stabilität und/oder Zykluszeit optimierten Arbeitspunkts des Prozesses ist jedoch von fundamentaler Bedeutung für jedes Fertigungsverfahren und kann damit durch dieses Verfahren in keiner Weise ersetzt werden.
Bekannt ist ferner ein Verfahren der Firma Krauss Maffei, welches das vom Einrichter vorgegebene Formteilgewicht in der laufenden Produktion auch dann konstant hält, wenn sich Parameter durch äußere Einflüsse verändern. Dazu stellt der Einrichter den idealen Prozess ein. Das Verfahren passt den Umschaltpunkt und das Nachdruckprofil an die vorliegende Schmelzviskosität sowie den aktuellen Fließwiderstand im Werkzeug an, so dass Abweichungen online und noch im selben Zyklus ausgeglichen werden. Auch bei diesem Verfahren wird von einem bereits optimierten (idealen) Prozess, d.h. von einem optimierten Arbeitspunkt ausgegangen, der als Soll-Zustand betrachtet wird. Durch das Verfahren werden jegliche Störungen eliminiert. Das vorgestellte Verfahren dient nicht zur automatisierten Erzeugung von Einstellparametern des Prozesses anhand von online erfassten Sensordaten und Verwendung dieser Sensordaten zur automatisierten Prozessüberwachung wie das erfindungsgemäße Verfahren. Insbesondere reduziert das erfindungsgemäße Verfahren deutlich die erforderliche Einstellzeit des Prozesses und senkt dadurch die Kosten der Prozesseinrichtung.
Ein weiteres Verfahren von Wittmann Battenfeld basiert auf der Analyse von Soll-Ist-Abweichungen und deren Zuordnung zu den Temperierkreisläufen im Werkzeug mittels Wärmebildkameras. Auch hier wird von einem bereits optimierten Arbeitspunkt ausgegangen und die Wärmebilder unterschiedlicher Produktionszyklen erfasst und mit Referenzaufnahmen verglichen. Das Verfahren zur Ermittlung der Bauteilqualität ist jedoch sehr aufwändig. Der Arbeitspunkt des Prozesses ist damit nicht zu optimieren.
Bekannt ist gemäß DE 10241746 ein Verfahren zur Qualitätsbewertung und Prozessüberwachung bei zyklischen Produktionsprozessen, wobei zwischen einer Einstellphase I, einer Einstellphase II und einer Arbeitsphase unterschieden wird und eine Qualitätsbewertung der im zyklischen Produktionsprozess gefertigten Produkte anhand eines Satzes von Qualitätsmerkmalen erfolgt, wobei in der ersten Einstellphase eine automatische Arbeitspunktoptimierung, Generierung eines ersten Trainingsdatensatzes, automatische Kenngrößenselektion und ein selbstgenerierendes Prozessmodell eingehen, das in die Arbeitsphase übernommen wird. Diese beinhaltet neben dem Prozessmodell ein Qualitätsbewertungsmodul und ein Prozessüberwachungsmodul und sieht bei unzulässigen Abweichungen in einer Einstellphase II eine Stichprobenentnahme vor, die zur Generierung eines weiteren Trainingsdatensatzes führt, mit anschließender erneuter Kenngrößenselektion und Anpassung des selbstgenerierenden Prozessmodells, welches daran anschließend in die Arbeitsphase übernommen wird. Bei diesem Verfahren wird der Arbeitspunkt über ein Prozessmodell ermittelt, welches einen Zusammenhang zwischen den Einstellparametern des Produktionsprozesses und der Teilequalität erzeugt. Dieses Verfahren ist extrem aufwändig und daher kostenintensiv, da für sämtliche Prozesseinstellungen und alle gefertigten Teile die Teilequalität gemessen werden muss. Dies ist erforderlich, da das Verfahren zur Prozesseinstellung nicht über eine online Messdatenerfassung verfügt und daher auf die Teilevermessung angewiesen ist.
Bekannt ist gemäß DE 19743600 ein Verfahren zur Überwachung eines zyklischen Produktionsprozesses, bei dem Signalverläufe an mehreren Stellen des Produktionsprozesses aufgenommen werden und mindestens eine Qualitätsaussage zu den erzeugten Produkten abgeleitet wird, wobei die Signalverläufe eines für die Erzeugung der Produkte maßgeblichen Prozessabschnitts mit Hilfe von Hüllkurven auf untersucht werden und aus den zulässigen Signalverläufen des für die Erzeugung der Produkte maßgeblichen Prozessabschnittes Prozesskennzahlen derart ermittelt werden, dass Änderungen der Prozesskennzahlen mit Änderungen von Qualitätsmerkmalen der hergestellten Produkte korrelieren und dass in einer Bewertungsphase die bei der Erzeugung der Produkte auftretenden Prozesskennzahlen den zugehörigen Qualitätsmerkmalen der erzeugten Produkte zugeordnet werden und/oder zum Sortieren der erzeugten Produkte und/oder zur Regelung des Produktionsprozesses eingesetzt werden.
In DE 19961631 wird ein Verfahren und eine Vorrichtung zur Darstellung und Überwachung von zumindest zwei Funktionsparametern eines technischen Systems beschrieben, welches einer Verallgemeinerung der Methode der Hüllkurvenanalyse DE 19743600 auf Hyperebene entspricht. Es wird, wie auch bei analogen derartigen Verfahren der Hüllkurvenanalyse, etwa gemäß DE 19962967 , davon ausgegangen, dass falls der Prozess als solcher innerhalb vorgegebener Grenzwerte abläuft, sich auch die Qualität der gefertigten Bauteile innerhalb vorgegebener Toleranzen bewegt.
In DE 29617200 wird eine Vorrichtung zur prädiktiven Diagnose der aktuellen Güte des technischen Arbeitsergebnisses einer technischen Anlage beschrieben, bestehend aus einer Vorrichtung zur zyklischen Erfassung von Sätzen von Messwerten, von deren aktuellen Werten die gewünschte Güte des technischen Arbeitsergebnisses der technischen Anlage beeinflusst wird, einem Anlagemodell, welches aus mindestens einem aktuellen Satz von Messwerten der technischen Anlage einen Istwert für die aktuelle Güte des technischen Arbeitsergebnisses der technischen Anlage nachbildet, und einer Vorrichtung zumindest zur Parametrisierung des Anlagenmodells, welche eine Datenbasis zur Speicherung von ausgewählten Sätzen von Messwerten und dazugehörigen Kennwerten enthält und durch sukzessive Auswertung der Messwertesätze und der dazugehörigen Gütekennwerte durch eine iterative Optimierung zumindest die Parameter des Anlagenmodells generiert und/oder optimiert.
Gemäß Michaeli, Bluhm, Vaculik und Wybitul (Kunststoffe 84 (1994)) ist ein Verfahren zur Qualitätssicherung und statistischen Prozessüberwachung bekannt, bei welchem Signale wie die Einspritzzeit oder der Formteilinnendruck beim Spritzgießen erfasst werden und einzelne Qualitätsmerkmale der Formteile über ein Prozessmodell ermittelt werden, in welches Prozesskenngrößen eingehen, die aus den Prozesskurven berechnet werden.
Der Erfindung liegt die Aufgabe zugrunde, ein Verfahren zur automatisierten Erzeugung von optimierten Einstellparametern bei zyklischen Produktionsprozessen mit online Messdatenerfassung zu schaffen, wobei lediglich die online erzeugten Sensordaten, sowie online abgreifbare Messgrößen wie Zykluszeit in die Ermittlung der Einstellparameter des Produktionsprozesses eingehen. Dadurch werden aufwändige zeit- und kostenintensive Messvorgänge der gefertigten Teile und damit die Nachteile der bekannten Verfahren vermieden. Die Prozesseinstellung wird dadurch wesentlich einfacher in der Handhabung und Anwendung. Das Verfahren ist robust, liefert zuverlässige Ergebnisse und kann vielfältig bei unterschiedlichsten zyklischen Produktionsprozessen eingesetzt werden. Durch eine zweite nachgeschaltete Einstellphase können bei Bedarf die Qualitätsmerkmale der im Produktionsprozess gefertigten Teile direkt mit den online erfassten Sensordaten und weiteren Prozessdaten in Zusammenhang gebracht werden. Dies ermöglicht eine Vorausberechnung der Teilequalität mit minimalem Aufwand. Die im Zeitverlauf aus den online erfassten Sensordaten generierten Prozesskennzahlen können überwacht und zur Prozessüberwachung wie auch Prozessregelung verwendet werden.
Diese erfindungemäße Aufgabe wird durch ein Verfahren mit den Merkmalen des Patentanspruchs 1 gelöst, Weiterbildungen der Erfindung sind in den Unteransprüchen dargestellt.
Ausgestaltungen der Erfindung werden nachfolgend anhand der beigefügten Zeichnungen exemplarisch beschrieben. Ebenso können die vorstehend genannten und die noch weiter ausgeführten Merkmale jeweils einzeln oder in beliebiger Kombination miteinander verwendet werden. Die erwähnten Ausgestaltungen des Verfahrens sind nicht als abschließende Aufzählung zu verstehen, sondern haben vielmehr beispielhaften Charakter. Im Einzelnen zeigen:

1 eine schematische Darstellung des Gesamtaufbaus des Verfahrens zur automatisierten Erzeugung von Einstellparametern und Prozessüberwachung bei zyklischen Produktionsprozessen anhand von online erfassten Sensordaten.
2 eine schematische Darstellung der ersten Einstellphase des Verfahrens zur automatisierten Erzeugung von Einstellparametern und Prozessüberwachung bei zyklischen Produktionsprozessen anhand von online erfassten Sensordaten.
3 eine schematische Darstellung der zweiten Einstellphase und der Arbeitsphase des Verfahrens zur automatisierten Erzeugung von Einstellparametern und Prozessüberwachung bei zyklischen Produktionsprozessen anhand von online erfassten Sensordaten.

In 1 ist das erfindungsgemäße Verfahren zur Erzeugung von Einstellparametern und zur Prozessüberwachung bei zyklischen Produktionsprozessen schematisch dargestellt. Dabei ist mit 1 ein möglicher zyklischer Produktionsprozess bezeichnet. Das dargestellte Verfahren kann grundsätzlich zur Erzeugung von Einstellparametern und zur Prozessüberwachung bei sämtlichen zyklischen Produktionsprozessen angewandt werden. Dies betrifft beispielsweise Kunststoffspritzgießverfahren, Aluminiumdruckgussverfahren, Punktschweißen von Bauteilen, um nur einige mögliche Anwendungen zu benennen. Erforderlich ist dabei, dass der jeweilige zyklische Produktionsprozess 1 mit einer online Messdatenerfassung 2 ausgestattet ist, welche es ermöglicht sowohl Signalverläufe unterschiedlicher Sensordaten $\vec{S} (t)$
in Abhängigkeit des Produktionszyklus zu erfassen, als auch digitale und kontinuierliche Mess- und generelle Einstellparameter des Produktionsprozesses ${\vec{P S}}_{α},$
wie beispielsweise Ein- und/oder Umschaltzeiten, Zykluszeiten sowie Druck- und/oder Temperatureinstellungen. Das erfindungsgemäße Verfahren beinhaltet eine erste Einstellphase 3, eine zweite Einstellphase 14 sowie eine Arbeitsphase 15.
In der ersten Einstellphase 3 des zyklischen Produktionsprozesses werden für eine Anzahl unterschiedlicher Prozesseinstellparameter ${\vec{P S}}_{α}$
mit α = 1,2,...,L die jeweils zu jedem Zyklus α mit einer bestimmten Abtastrate aufgenommenen Sensordaten ${\vec{S}}_{α} (t)$
des Produktionsprozesses erfasst und darauf basierend ein Satz optimaler Einstellparameter ${\vec{P S}}_{o p t}$
auf Basis dieser Daten für den zyklischen Produktionsprozess generiert. Dabei kann erfindungsgemäß als ein Optimierungskriterium der Einstellparameter die Prozessstabilität, bezogen auf die aufgenommenen Sensordaten gewählt werden, wobei es erfindungsgemäß denkbar und möglich ist, zusätzlich Einstelldaten und Signalverläufe aus anderen zyklischen Produktionsprozessen, die in einer Datenbank oder Cloud 8 gespeichert sind über lernfähige Verfahren, die in 3 integriert sind, in der Analyse und Optimierung der Einstellparameter zu berücksichtigen. Hierdurch können erfindungsgemäß wichtige Erfahrungen, die in einem Zusammenhang mit dem Produktionsprozess stehen zur Stärkung der Aussagekraft und Stabilität der optimalen Einstellung beitragen.
Zur Generierung der optimierten Einstellparameter 12 ist es erfindungsgemäß nicht erforderlich die im zyklischen Produktionsprozess 1 gefertigten Teile zu vermessen. Dies bedeutet eine deutliche Zeit- und Kosteneinsparung gegenüber Verfahren gemäß dem Stand der Technik und unterstützt deutlich die Akzeptanz des erfindungsgemäßen Verfahrens. Insbesondere das Vermessen der Teile ist zumeist zeitkritisch und in einem Messraum oder Messlabor durchzuführen. Daher wird bislang häufig in der Praxis auf Erfahrungswerte zurückgegriffen und der Produktionsprozess mit nicht optimierten Prozesseinstellparametern gestartet und auf mögliche Zeit-, Energie- und Kosteneinsparungen verzichtet. Die optimierten Einstellparameter 12 können direkt in die Arbeitsphase 15 übernommen werden.
Erfindungsgemäß ist es jedoch ebenfalls denkbar und möglich, wenn gewünscht direkt an die erste Einstellphase 3 eine zweite Einstellphase 14 anzuschließen und die zu den optimierten Einstellparametern 12, ${\vec{P S}}_{o p t}$
online gewonnenen Messdaten ${\vec{S}}_{o p t} (t),$
bzw. aus von diesen Messdaten über eine automatisierte Selektion gewonnenen dynamischen Kenngrößen ${\vec{S Y N}}_{o p t j},$
mit den N Qualitätsmerkmalen ${\vec{Q}}_{o p t} = {(Q_{1}, Q_{2}, \dots, Q_{N})}_{o p t}$
des im zyklischen Produktionsprozess 1 erzeugten Produkts in Beziehung gebracht werden, so dass im Modul Arbeitsphase 15 aus den online erfassten Sensordaten $\vec{S} (t)$
und den daraus online erzeugten dynamischen Kenngrößen ${\vec{S Y N}}_{o p t γ},$
wobei γ die einzelnen zyklischen Produktionsprozesse in der Arbeitsphase kennzeichnet, in einem Modul Qualitätsanalyse 22 auf die jeweiligen Qualitätsmerkmale ${\vec{Q}}_{γ} = {(Q_{1}, Q_{2}, \dots, Q_{M})}_{γ}$
geschlossen werden kann und eine entsprechende Meldung über die prognostizierte Teilequalität erfolgt und/oder Signale zu einer Weiterverarbeitung der Information ausgegeben werden, etwa zur Ansteuerung einer Ausschussweiche 17. Erfindungsgemäß erfolgt der Aufbau des Moduls Qualitätsanalyse 22 mittels eines selbstgenerierenden neuronalen Netzwerks, so dass der Anwender nicht in die sich entwickelnde Netzwerkarchitektur eingreifen oder Parameter zu dessen Aufbau vorgeben muss.
Erfindungsgemäß ist weiterhin denkbar und möglich über das Modul Arbeitsphase 15 eine Prozessregelung 16 bei signifikanten Veränderungen in den prozessbedingten Sensordaten ${\vec{S}}_{γ} (t)$
und/oder relevanten dynamischen Kenngrößen ${\vec{S Y N}}_{γ}$
zu aktivieren, um damit die Einstellparameter des zyklischen Produktionsprozesses 1 systematisch zu verändern, so dass die gewünschten Qualitätsmerkmale innerhalb der vorgegebenen Toleranzwerte bleiben.
2 zeigt eine schematische Darstellung des Verfahrens zur automatisierten Erzeugung von Einstellparametern (Modul Einstellphase I) 3 und Prozessüberwachung bei zyklischen Produktionsprozessen. Mittels der online Messdatenerfassung 2 werden während der Einstellphase 3 des zyklischen Produktionsprozesses für eine Anzahl unterschiedlicher Prozesseinstellparameter ${\vec{P S}}_{α}$
mit α = 1,2,...,L die jeweils zu jedem Zyklus, das heißt zu jeder Prozesseinstellung α und zu jedem innerhalb einer Prozesseinstellung gefertigten Teil mit einer bestimmten Abtastrate Sensordaten ${\vec{S}}_{α} (t)$
wie Druck- und Temperaturkurven aber auch Messgrößen wie Zykluszeit τ_α und/oder Maschinendaten, die im folgenden unter der Bezeichnung ${\vec{P}}_{α} (t)$
zusammengefasst werden und die zugeordneten Einstellparameter ${\vec{P S}}_{α}$
aufgenommenen. Weitere digitale Mess- und Einstellgrößen, die während der Einstellphase nicht verändert werden, jedoch für den Produktionsprozess und dessen Charakterisierung von Bedeutung sein können werden ebenfall erfasst und zusammen mit den Sensordaten $\vec{S_{α}} (t),$
weiteren Prozessdaten ${\vec{P}}_{α} (t)$
und den Einstellparametern ${\vec{P S}}_{α}$
in einer Datenbank oder einem sonstigen Speichermedium 9 abgelegt. In diesem Speichermedium 9 können sämtliche während der Einstellphasen I und II registrierten, erzeugten oder veränderten Daten abgelegt werden und bei Bedarf für eine nachhaltige und weitere Auswertung an die Datenbank oder Cloud 8 weiter transferiert werden.
Die Anzahl der unterschiedlichen Prozesseinstellungen L sowie die Wahl der verschiedenen Einstellparameter ${\vec{P S}}_{α},$
mit α = 1,2,...,Z für die Ermittlung der optimalen Einstellparameter ${\vec{P S}}_{o p t}$
auf Basis dieser Daten, kann erfindungsgemäß über ein herkömmliches Modul zur Versuchsplangenerierung 4 erfolgen oder direkt vom Bediener/Einrichter 24 des Prozesses 5 vorgegeben werden. Ebenso kann die Anzahl der zu fertigenden Teile M bei gleicher Prozesseinstellung α vom Bediener/Einrichter vorgegeben werden oder über das Modul 4 nach statistischen Verfahren ermittelt werden.
Nach Vorgabe der Einstellparameter ${\vec{P S}}_{α}$
mit α = 1,2,...,L wird der zyklische Produktionsprozess 5 (Einstellphase I) gestartet und es werden erfindungsgemäß zu jedem Fertigungszyklus, das heißt zu jeder Prozesseinstellung α und jedem gefertigten Teil mittels der online Messdatenerfassung 6 (Einstellphase I), die mit einer bestimmten Abtastrate aufgenommenen Sensordaten ${\vec{S}}_{α} (t),$
weiteren Prozessdaten ${\vec{P}}_{α} (t)$
und zugeordneten Einstellparameter ${\vec{P S}}_{α}$
aufgezeichnet und im Datenträger 9 abgespeichert.
Im Modul Prozesskennzahlen 7 werden erfindungsgemäß die Sensorsignale $\vec{S} (t)$
eines gefertigten Teils mittels eines Expertensystems im Zeitbereich in charakteristische Segmente unterteilt. Dynamische Merkmale des Sensorsignals $\vec{S} (t),$
beispielsweise Extremwerte, Ableitungen, Einzelwerte als auch Integrale über Flächenabschnitte bestimmter Zeitbereiche der Sensorsignale $\vec{S} (t)$
oder charakteristische Frequenzen und Zeiten werden berechnet. Für jedes einzelne Sensorsignal $\vec{S} (t)$
erhält man damit einen Satz dynamischer Kenngrößen ${\vec{S Y N}}_{α j,}$
wobei α die jeweilige Prozesseinstellung α = 1,2,...,L bezeichnet und j, j = 1,2,...,M die Anzahl an gefertigten Teilen je Prozesseinstellung α angibt. Nachdem entsprechend dem Modul Versuchsplangenerierung 4 oder nach hinreichend vielen Einstellungen, ausgelöst durch den Bediener/Einrichter für sämtliche L gewünschten Einstellparameter ${\vec{P S}}_{α}$
Teile gefertigt und Sensorsignale $\vec{S} (t)$
und weitere Prozessdaten ${\vec{P}}_{α} (t)$
aufgenommen und auch die daraus ermittelten dynamischen Kenngrößen ${\vec{S Y N}}_{α j}$
der Sensorsignale und deren zugeordnete Mittelwerte ${\vec{S Y N}}_{α}$
über die einzelnen Produktionszyklen j, j =1,2,...,M ermittelt wurden, erfolgt erfindungsgemäß im Modul Einstellparameteroptimierung 11 die Ermittlung des Satzes optimaler Einstellparameter ${\vec{P S}}_{o p t}$
des zyklischen Produktionsprozesses 1 auf Basis der online Messdatenerfassung 2.
Erfindungsgemäß erfolgt im Modul Einstellparametergenerierung 11 eine Analyse der ermittelten dynamischen Kenngrößen ${\vec{S Y N}}_{α}$
der Sensorsignale auf Basis eines lernfähigen Verfahrens, etwa eines neuronalen Netzwerks oder eines anderen mathematischen Verfahrens derart, dass die Einstellparameter ${\vec{P S}}_{α}$
des zyklische Produktionsprozess 1 im Hinblick auf auswählbare Optimierungskriterien wie beispielsweise Prozessstabilität und/oder Zykluszeit τ_α oder diese nach Bedeutung gewichtet, ermittelt werden. Da je nach Anwendung unterschiedliche zeitliche Bereiche der Sensorsignale von Bedeutung sein können, werden erfindungsgemäß die einzelnen dynamischen Kenngrößen ${\vec{S Y N}}_{α j},$
über ein statistisches und/oder lernfähiges Verfahren unterschiedlich gewichtet und damit die jeweilige Streuung Σ²SYN_α der dynamischen Kenngrößen ${\vec{S Y N}}_{α j},$
in den einzelnen zeitlichen Abschnitten der Sensorsignale $\vec{S} (t)$
nach Bedeutung für die Stabilität des zyklischen Produktionsprozesses gewichtet.
Durch das lernfähige Verfahren in 11 und die mögliche Nutzung weiterer Prozessdaten aus früheren Produktionsprozessen über 8 oder 9, entsprechen die optimierten Einstellparameter ${\vec{P S}}_{o p t}$
nicht mehr den möglichen Einstellwerten, gemäß dem Modul Versuchsplangenerierung 4 oder den durch den Bediener/Einrichter vorgegebenen Einstellungen. Vielmehr ist es denkbar und möglich, dass durch das erfindungsgemäße Verfahren ein zuvor noch nicht ausgeführter oder bekannter Satz an Einstellparametern ${\vec{P S}}_{o p t,}$
ermittelt wird. Die optimierten Einstellparameter ${\vec{P S}}_{o p t}$
werden in der Meldeeinrichtung 12 ausgegeben und in der Datenbank oder einem sonstigen Speichermedium 9 bzw. in der Cloud 8 abgespeichert.
3 zeigt eine schematische Darstellung des Verfahrens zur automatisierten Erzeugung von Einstellparametern (Einstellphase II) und Prozessüberwachung bei zyklischen Produktionsprozessen anhand von online erfassten Sensordaten. Die im Modul erste Einstellphase 3, ermittelten optimierten Einstellparameter ${\vec{P S}}_{o p t}$
können entweder direkt als Eingangsgrößen in der Arbeitsphase 15 des zyklischen Produktionsprozesses verwendet werden oder es ist denkbar und möglich zusätzlich bei Bedarf eine zweite Einstellphase 14 an die erste Einstellphase 3 anzuschließen und die zu den optimierten Einstellparametern ${\vec{P S}}_{o p t}$
online gewonnenen Messdaten $\vec{S} (t)$
und/oder dynamischen Kenngrößen ${\vec{S Y N}}_{o p t γ}$
mit den N Qualitätsmerkmalen ${\vec{Q}}_{o p t} = {(Q_{1}, Q_{2}, \dots, Q_{N})}_{o p t}$
der im zyklischen Produktionsprozess 1 erzeugten Teile über ein mathematisches Verfahren in Beziehung gebracht werden, so dass im Modul Arbeitsphase 15 aus den online erfassten Sensordaten ${\vec{S}}_{γ} (t)$
und den daraus online erzeugten Prozesskenngrößen ${\vec{S Y N}}_{o p t γ}$
wobei γ die einzelnen zyklischen Produktionsprozesse in der Arbeitsphase kennzeichnet, in einem Modul Qualitätsanalyse 22 auf die jeweiligen Qualitätsmerkmale ${\vec{Q}}_{γ} = {(Q_{1}, Q_{2}, \dots, Q_{N})}_{γ}$
geschlossen werden kann und beim Unter- oder Überschreiten vorgegebener Grenzwerte der einzelnen Prozesskennzahlen und/oder Qualitätsmerkmale eine Meldung und die Ansteuerung einer Ausschussweiche 17 erfolgt.
Eine Überwachung des zyklischen Produktionsprozesses erfolgt in Modul 23. Die Ergebnisse der Prozessüberwachung werden in 9 protokolliert. Die während des zyklischen Produktionsprozesses mit Hilfe des Moduls Qualitätsanalyse 22 registrierten diskreten und/oder kontinuierlichen Qualitätsmerkmale ${\vec{Q}}_{γ} = {(Q_{1}, Q_{2}, \dots, Q_{N})}_{γ}$
und die zugehörigen relevanten Prozesskenngrößen ${\vec{S Y N}}_{o p t γ}$
werden in Modul 23 in ihrer zeitlichen Entwicklung bewertet. Werden keine signifikanten Veränderungen in den relevanten Prozesskenngrößen ${\vec{S Y N}}_{o p t γ}$
oder Qualitätsmerkmalen ${\vec{Q}}_{γ} = {(Q_{1}, Q_{2}, \dots, Q_{N})}_{γ}$
durch das Modul Prozessüberwachung 23 ermittelt, wird der nächste Produktionszyklus freigegeben. Erfindungsgemäß ist es denkbar und möglich bei einer signifikanten Veränderung in den relevanten Prozesskenngrößen, etwa durch Prozessdriften, Chargenschwankungen oder Änderungen in den Umgebungsbedingungen, je nach zugrundeliegendem Produktionsprozess, ein Steuersignal für eine Prozessregelung 16 auszugeben.
ZITATE ENTHALTEN IN DER BESCHREIBUNG
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
Zitierte Patentliteratur

DE 10241746 [0006]
DE 19743600 [0007, 0008]
DE 19961631 [0008]
DE 19962967 [0008]
DE 29617200 [0009]

Claims

Verfahren zur automatisierten Erzeugung von Einstellparametern und Prozessüberwachung bei zyklischen Produktionsprozessen anhand von online erfassten Sensordaten, wobei zwischen einer Einstellphase I, einer Einstellphase II und einer Arbeitsphase unterschieden wird und eine Qualitätsanalyse der gefertigten Teile anhand von Prozesskennzahlen erfolgt, die automatisiert aus den online erfassten Messdaten generiert werden, dadurch gekennzeichnet, dass in einer Einstellphase I eine automatisierte Generierung der Einstellparameter des zyklischen Produktionsprozesses in einem Modul (3) derart erfolgt, dass auf der Basis eines automatisiert vorgegebenen Versuchsplans (4) oder nach individuellen Einstellvorgängen durch den Einrichter (24) des Prozesses die Einstellparameter verändert werden und zu jeder Einstellung ein Satz repräsentativer online Messdaten über ein Modul (6) aufgenommen wird und nach hinreichend vielen Einstellungen α = 1,2,...,L des zyklischen Produktionsprozesses (1) in einem lernfähig ausgestalteten Modul (7) eine Datenauswertung der mit einer bestimmten Abtastrate aufgenommenen Sensordaten $\vec{S} (t)$
und weiteren Prozessdaten ${\vec{P}}_{α} (t)$
und automatisiert generierten Prozesskennzahlen ${\vec{S Y N}}_{α j}$
derart erfolgt, dass optimierte Einstellparameter ${\vec{P S}}_{o p t}$
im Hinblick auf auswählbare Optimierungskriterien, wie beispielsweise Prozessstabilität und/oder Zykluszeit oder diese nach Bedeutung gewichtet ermittelt werden, wobei auch Informationen weiterer gespeicherter Daten von zyklischer Produktionsprozessen (8) mit in die Optimierung der Einstellparameter eingehen können und in einer Einstellphase II, welche auf der ersten Einstellphase aufbaut, die zu den optimierten Einstellparametern ${\vec{P S}}_{o p t}$
online aus den aufgenommenen Sensordaten ${\vec{S}}_{γ} (t)$
gewonnenen zugehörigen relevanten Prozesskenngrößen ${\vec{S Y N}}_{o p t γ}$
mit den Qualitätsmerkmalen ${\vec{Q}}_{γ} = {(Q_{1}, Q_{2}, \dots, Q_{N})}_{γ}$
der im zyklischen Produktionsprozess erzeugten Teile in Beziehung gebracht werden, und einem Modul (15) Arbeitsphase, welches entweder direkt nach Einstellphase I angesteuert wird oder nach Einstellphase II, so dass im Modul Arbeitsphase (15) aus den online erfassten Sensordaten und weiteren Prozessdaten und den daraus erzeugten Prozesskennzahlen in einem Modul Qualitätsanalyse (22) basierend auf den aus den Sensordaten ermittelten Prozesskenngrößen ${\vec{S Y N}}_{o p t γ}$
und/oder mittels der zugeordneten Qualitätsmerkmale ${\vec{Q}}_{γ} = {(Q_{1}, Q_{2}, \dots, Q_{N})}_{γ}$
direkt oder indirekt auf die jeweiligen Qualitätsmerkmale geschlossen werden kann und beim Unter- oder Überschreiten vorgegebener Grenzwerte der einzelnen Prozesskennzahlen und/oder Qualitätsmerkmale eine Meldung und die Ansteuerung einer Ausschussweiche (17) erfolgt und beim Verlassen eines vorgegebenen Prozessfensters eine Prozessregelung erfolgt.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass zur automatisierten Erzeugung von Einstellparametern und Prozessüberwachung bei zyklischen Produktionsprozessen in einem lernfähig ausgestalteten Modul Prozesskennzahlen (7) die Sensorsignale $\vec{S} (t)$
eines gefertigten Teils mittels eines Expertensystems im Zeitbereich in charakteristische Segmente unterteilt werden und dynamische Merkmale des Sensorsignals $\vec{S} (t),$
beispielsweise Extremwerte, Ableitungen, Einzelwerte als auch Integrale über Flächenabschnitte bestimmter Zeitbereiche der Sensorsignale $\vec{S} (t)$
oder charakteristische Frequenzen und Zeiten berechnet werden und für jedes einzelne Sensorsignal $\vec{S} (t)$
ein Satz dynamischer Kenngrößen ${\vec{S Y N}}_{α j}$
berechnet wird, wobei α die jeweilige Prozesseinstellung α = 1,2,...,L bezeichnet und j, j = 1,2,...,M die Anzahl an gefertigten Teilen je Prozesseinstellung α angibt und nachdem entsprechend dem Modul Versuchsplangenerierung (4) oder nach hinreichend vielen Einstellungen, ausgelöst durch den Bediener/Einrichter (24) für sämtliche L gewünschten Einstellparameter ${\vec{P S}}_{α}$
Teile gefertigt und Sensorsignale $\vec{S} (t)$
und weitere Prozessdaten ${\vec{P}}_{α} (t)$
aufgenommen und auch die daraus ermittelten dynamischen Kenngrößen ${\vec{S Y N}}_{α j}$
der Sensorsignale und deren zugeordnete Mittelwerte ${\vec{S Y N}}_{α}$
und weitere statistische Momente über die einzelnen Produktionszyklen j, j = 1,2,...,M ermittelt wurden, erfolgt im Modul EinstellparameterOptimierung (11) die Ermittlung des Satzes optimaler Einstellparameter ${\vec{P S}}_{o p t}$
des zyklischen Produktionsprozesses (5) auf Basis der online Messdatenerfassung (6), wobei eine Analyse der ermittelten dynamischen Kenngrößen ${\vec{S Y N}}_{α}, \sum^{2} S Y N_{α}$
der Sensorsignale auf Basis eines lernfähigen Verfahrens, etwa eines neuronalen Netzwerks oder eines anderen mathematischen Verfahrens derart erfolgt, dass die Einstellparameter ${\vec{P S}}_{α}$
des zyklische Produktionsprozess (1) im Hinblick auf auswählbare Optimierungskriterien wie beispielsweise Prozessstabilität und/oder Zykluszeit τ_α oder diese nach Bedeutung gewichtet, ermittelt werden, wobei die einzelnen dynamischen Kenngrößen ${\vec{S Y N}}_{α}, \sum^{2} S Y N_{α}$
über ein statistisches und/oder lernfähiges Verfahren unterschiedlich gewichtet in die Ermittlung der optimierten Einstellparameter (12) eingehen, da je nach Anwendung unterschiedliche zeitliche Bereiche der Sensorsignale von Bedeutung sein können..
Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass ein Modul zweite Einstellphase (14) an das Modul erste Einstellphase (3) anschließt und die zu den optimierten Einstellparametern ${\vec{P S}}_{o p t}$
online gewonnenen Messdaten ${\vec{S}}_{o p t} (t)$
und/oder dynamischen Kenngrößen ${\vec{S Y N}}_{o p t γ}$
mit den N Qualitätsmerkmalen ${\vec{Q}}_{o p t} = {(Q_{1}, Q_{2}, \dots, Q_{N})}_{o p t}$
der im zyklischen Produktionsprozess erzeugten Teile über ein mathematisches Verfahren in Beziehung gebracht werden, so dass im Modul Arbeitsphase (15) aus den online erfassten Sensordaten ${\vec{S}}_{γ} (t)$
und den daraus online erzeugten Prozesskenngrößen ${\vec{S Y N}}_{o p t γ}$
wobei γ die einzelnen zyklischen Produktionsprozesse in der Arbeitsphase kennzeichnet, in einem Modul Qualitätsanalyse (22) auf die jeweiligen Qualitätsmerkmale ${\vec{Q}}_{γ} = {(Q_{1}, Q_{2}, \dots, Q_{N})}_{γ}$
geschlossen werden kann und beim Unter- oder Überschreiten vorgegebener Grenzwerte der einzelnen Prozesskennzahlen und/oder Qualitätsmerkmale eine Meldung und die Ansteuerung einer Ausschussweiche (17) erfolgt.
Verfahren nach einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, dass in den Modulen (11) Einstellparametergenerierung, und/oder Modul (19) Qualitätsmerkmale, und/oder Modul (22) Qualitätsanalyse, selbstgenerierende neuronale Netzwerke eingesetzt werden.
Verfahren nach einem der Ansprüche 1 bis 4, dadurch gekennzeichnet, dass das Modul Einstellphase I (3) in periodischen Abständen während der Arbeitsphase des zyklischen Produktionsprozesses durchlaufen und damit der Arbeitspunkt durch die jeweils ermittelten optimierten Einstellparameter nachgeführt und beim Unter- oder Überschreiten zulässiger Veränderungen eine Meldung ausgelöst wird.
Verfahren nach einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, dass das Modul Einstellphase II (14) in periodischen Abständen während der Arbeitsphase des zyklischen Produktionsprozesses durchlaufen und damit der Arbeitspunkt bezogen auf die Qualitätsmerkmale durch die jeweils ermittelten optimierten Einstellparameter nachgeführt und beim Unter- oder Überschreiten zulässiger Veränderungen eine Meldung ausgelöst wird.
Verfahren nach einem der Ansprüche 1 bis 6, dadurch gekennzeichnet, dass an das Modul Arbeitsphase (15) ein Modul Prozessregelung (16) angeschlossen ist und beim Verlassen eines Prozessfensters, welches durch die dynamischen Kenngrößen ${\vec{S Y N}}_{o p t}, \sum^{2} S Y N_{o p t}$
bestimmt wird, eine Prozessregelung erfolgt, wobei die unterschiedlichen Zeitskalen des zyklischen Produktionsprozesses bei Änderungen einzelner Einstellparameter in der Regelstrategie berücksichtigt werden, so dass der Arbeitspunkt adiabatisch an den optimalen Arbeitspunkt angenähert wird.
Verfahren nach einem der Ansprüche 1 bis 7, dadurch gekennzeichnet, dass in das Modul Einstellphase I (3) Informationen weiterer zyklischer Produktionsprozesse, die in einer Datenbank oder Cloud (8) gespeichert sind mit in die Optimierung eingehen und die relevanten Daten des zyklischen Produktionsprozesses für weitergehende Analysen in einer Datenbank oder Cloud (8) abgespeichert werden.