DE102018006035A1 - Verfahren zur automatisierten Erzeugung von Einstellmarametern und zur Prozessüberwachung bei zyklischen Produktionsprozessen - Google Patents
Verfahren zur automatisierten Erzeugung von Einstellmarametern und zur Prozessüberwachung bei zyklischen Produktionsprozessen Download PDFInfo
- Publication number
- DE102018006035A1 DE102018006035A1 DE102018006035.8A DE102018006035A DE102018006035A1 DE 102018006035 A1 DE102018006035 A1 DE 102018006035A1 DE 102018006035 A DE102018006035 A DE 102018006035A DE 102018006035 A1 DE102018006035 A1 DE 102018006035A1
- Authority
- DE
- Germany
- Prior art keywords
- module
- parameters
- setting
- phase
- online
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 154
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 76
- 238000012544 monitoring process Methods 0.000 title claims abstract description 25
- 238000005457 optimization Methods 0.000 claims abstract description 12
- 238000005259 measurement Methods 0.000 claims abstract description 10
- 238000004886 process control Methods 0.000 claims abstract description 7
- 230000003044 adaptive effect Effects 0.000 claims abstract description 4
- 238000012360 testing method Methods 0.000 claims abstract 2
- 238000004458 analytical method Methods 0.000 claims description 15
- 125000004122 cyclic group Chemical group 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000012067 mathematical method Methods 0.000 claims description 4
- 230000002123 temporal effect Effects 0.000 claims description 4
- 230000001960 triggered effect Effects 0.000 claims description 4
- 238000013461 design Methods 0.000 claims description 2
- 230000000737 periodic effect Effects 0.000 claims 2
- 238000011217 control strategy Methods 0.000 claims 1
- 238000011157 data evaluation Methods 0.000 claims 1
- 238000001746 injection moulding Methods 0.000 abstract description 3
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 abstract description 2
- 229910052782 aluminium Inorganic materials 0.000 abstract description 2
- 238000004512 die casting Methods 0.000 abstract description 2
- 238000003466 welding Methods 0.000 abstract description 2
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 238000000465 moulding Methods 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- BUHVIAUBTBOHAG-FOYDDCNASA-N (2r,3r,4s,5r)-2-[6-[[2-(3,5-dimethoxyphenyl)-2-(2-methylphenyl)ethyl]amino]purin-9-yl]-5-(hydroxymethyl)oxolane-3,4-diol Chemical compound COC1=CC(OC)=CC(C(CNC=2C=3N=CN(C=3N=CN=2)[C@H]2[C@@H]([C@H](O)[C@@H](CO)O2)O)C=2C(=CC=CC=2)C)=C1 BUHVIAUBTBOHAG-FOYDDCNASA-N 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013387 non optimize process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 238000000275 quality assurance Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
- G07C3/14—Quality control systems
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
- G07C3/14—Quality control systems
- G07C3/143—Finished product quality control
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32182—If state of tool, product deviates from standard, adjust system, feedback
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32188—Teaching relation between controlling parameters and quality parameters
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/45—Nc applications
- G05B2219/45244—Injection molding
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
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.
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 HüllkurvenanalyseDE 19743600 auf Hyperebene entspricht. Es wird, wie auch bei analogen derartigen Verfahren der Hüllkurvenanalyse, etwa gemäßDE 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 mit1 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 Produktionsprozess1 mit einer online Messdatenerfassung2 ausgestattet ist, welche es ermöglicht sowohl Signalverläufe unterschiedlicher Sensordaten3 , eine zweite Einstellphase14 sowie eine Arbeitsphase15 . - In der ersten Einstellphase
3 des zyklischen Produktionsprozesses werden für eine Anzahl unterschiedlicher Prozesseinstellparameter8 gespeichert sind über lernfähige Verfahren, die in3 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 Produktionsprozess1 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 Einstellparameter12 können direkt in die Arbeitsphase15 übernommen werden. - Erfindungsgemäß ist es jedoch ebenfalls denkbar und möglich, wenn gewünscht direkt an die erste Einstellphase
3 eine zweite Einstellphase14 anzuschließen und die zu den optimierten Einstellparametern12 ,1 erzeugten Produkts in Beziehung gebracht werden, so dass im Modul Arbeitsphase15 aus den online erfassten Sensordaten22 auf die jeweiligen Qualitätsmerkmale17 . Erfindungsgemäß erfolgt der Aufbau des Moduls Qualitätsanalyse22 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 Prozessregelung16 bei signifikanten Veränderungen in den prozessbedingten Sensordaten1 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 Messdatenerfassung2 werden während der Einstellphase3 des zyklischen Produktionsprozesses für eine Anzahl unterschiedlicher Prozesseinstellparameter9 abgelegt. In diesem Speichermedium9 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 Cloud8 weiter transferiert werden. - Die Anzahl der unterschiedlichen Prozesseinstellungen L sowie die Wahl der verschiedenen Einstellparameter
4 erfolgen oder direkt vom Bediener/Einrichter24 des Prozesses5 vorgegeben werden. Ebenso kann die Anzahl der zu fertigenden Teile M bei gleicher Prozesseinstellung α vom Bediener/Einrichter vorgegeben werden oder über das Modul4 nach statistischen Verfahren ermittelt werden. - Nach Vorgabe der Einstellparameter
5 (Einstellphase I) gestartet und es werden erfindungsgemäß zu jedem Fertigungszyklus, das heißt zu jeder Prozesseinstellung α und jedem gefertigten Teil mittels der online Messdatenerfassung6 (Einstellphase I), die mit einer bestimmten Abtastrate aufgenommenen Sensordaten9 abgespeichert. - Im Modul Prozesskennzahlen
7 werden erfindungsgemäß die Sensorsignale4 oder nach hinreichend vielen Einstellungen, ausgelöst durch den Bediener/Einrichter für sämtliche L gewünschten Einstellparameter11 die Ermittlung des Satzes optimaler Einstellparameter1 auf Basis der online Messdatenerfassung2 . - Erfindungsgemäß erfolgt im Modul Einstellparametergenerierung
11 eine Analyse der ermittelten dynamischen Kenngrößen1 im Hinblick auf auswählbare Optimierungskriterien wie beispielsweise Prozessstabilität und/oder Zykluszeit τα 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 - Durch das lernfähige Verfahren in
11 und die mögliche Nutzung weiterer Prozessdaten aus früheren Produktionsprozessen über8 oder9 , entsprechen die optimierten Einstellparameter4 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 Einstellparametern12 ausgegeben und in der Datenbank oder einem sonstigen Speichermedium9 bzw. in der Cloud8 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 Einstellphase3 , ermittelten optimierten Einstellparameter15 des zyklischen Produktionsprozesses verwendet werden oder es ist denkbar und möglich zusätzlich bei Bedarf eine zweite Einstellphase14 an die erste Einstellphase3 anzuschließen und die zu den optimierten Einstellparametern1 erzeugten Teile über ein mathematisches Verfahren in Beziehung gebracht werden, so dass im Modul Arbeitsphase15 aus den online erfassten Sensordaten22 auf die jeweiligen Qualitätsmerkmale17 erfolgt. - Eine Überwachung des zyklischen Produktionsprozesses erfolgt in Modul
23 . Die Ergebnisse der Prozessüberwachung werden in9 protokolliert. Die während des zyklischen Produktionsprozesses mit Hilfe des Moduls Qualitätsanalyse22 registrierten diskreten und/oder kontinuierlichen Qualitätsmerkmale23 in ihrer zeitlichen Entwicklung bewertet. Werden keine signifikanten Veränderungen in den relevanten Prozesskenngrößen23 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 Prozessregelung16 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 (8)
- 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
- 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 - Verfahren nach
Anspruch 1 oder2 , dadurch gekennzeichnet, dass ein Modul zweite Einstellphase (14) an das Modul erste Einstellphase (3) anschließt und die zu den optimierten Einstellparametern - Verfahren nach einem der
Ansprüche 1 bis3 , 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 bis4 , 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 bis5 , 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 bis6 , dadurch gekennzeichnet, dass an das Modul Arbeitsphase (15) ein Modul Prozessregelung (16) angeschlossen ist und beim Verlassen eines Prozessfensters, welches durch die dynamischen Kenngrößen - Verfahren nach einem der
Ansprüche 1 bis7 , 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.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102018001493 | 2018-02-27 | ||
DE102018001493.3 | 2018-02-27 |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102018006035A1 true DE102018006035A1 (de) | 2019-08-29 |
Family
ID=67550423
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102018006035.8A Pending DE102018006035A1 (de) | 2018-02-27 | 2018-07-31 | Verfahren zur automatisierten Erzeugung von Einstellmarametern und zur Prozessüberwachung bei zyklischen Produktionsprozessen |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE102018006035A1 (de) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113095340A (zh) * | 2019-12-23 | 2021-07-09 | 神讯电脑(昆山)有限公司 | 生产机台的异常预警方法以及物件的量产方法 |
DE102023003022A1 (de) | 2023-07-24 | 2023-09-21 | Mercedes-Benz Group AG | Verfahren zur Inbetriebnahme einer Schweißanlage |
-
2018
- 2018-07-31 DE DE102018006035.8A patent/DE102018006035A1/de active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113095340A (zh) * | 2019-12-23 | 2021-07-09 | 神讯电脑(昆山)有限公司 | 生产机台的异常预警方法以及物件的量产方法 |
CN113095340B (zh) * | 2019-12-23 | 2024-04-16 | 神讯电脑(昆山)有限公司 | 生产机台的异常预警方法以及物件的量产方法 |
DE102023003022A1 (de) | 2023-07-24 | 2023-09-21 | Mercedes-Benz Group AG | Verfahren zur Inbetriebnahme einer Schweißanlage |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1259941B1 (de) | Verfahren und vorrichtung zur ermittlung der verbleibenden betriebsdauer eines produktes | |
EP0373422B1 (de) | Anordnung zum Überwachen der Güte von elektrischen Schweissungen | |
DE112019001512T5 (de) | EINSPRITZGIEßMASCHINENSYSTEM | |
EP2964449A1 (de) | Verfahren und vorrichtung zur qualitätsbeurteilung eines mittels eines generativen lasersinter- und/oder laserschmelzverfahrens hergestellten bauteils | |
DE102018107233A1 (de) | Verfahren zur automatischen Prozessüberwachung und Prozessdiagnose eines stückbasierten Prozesses (batch-Fertigung), insbesondere eines Spritzgießprozesses und eine den Prozess durchführende Maschine oder ein den Prozess durchführender Maschinenpark | |
DE102013011730B3 (de) | Verfahren zur Auswertung eines Messergebnisses einer thermischen Analyse, sowie Verwendung des Verfahrens, Rechnereinrichtung, Computerprogrammprodukt und System zur Ausführung des Verfahrens | |
DE3331793A1 (de) | Einrichtung zum feststellen von werkzeugabnutzung | |
DE102017211737B4 (de) | Überwachungsvorrichtung und Verfahren zur Überwachung eines Systems | |
EP2539785B1 (de) | Verfahren zur regelung eines spritzgiessprozesses | |
DE10241746B4 (de) | Verfahren zur zyklischen Qualitätsbewertung und Prozessüberwachung bei periodischen Produktionsprozessen | |
DE102014223810A1 (de) | Verfahren und Assistenzsystem zur Erkennung einer Störung in einer Anlage | |
DE102018006035A1 (de) | Verfahren zur automatisierten Erzeugung von Einstellmarametern und zur Prozessüberwachung bei zyklischen Produktionsprozessen | |
EP0715555B1 (de) | Verfahren zur ermittlung eines bewertungszeitintervalles sowie verfahren zur qualitätsbeurteilung einer punktschweissverbindung auf grundlage eines temperaturverlaufes in dem bewertungszeitintervall | |
DE102007021037B4 (de) | Verfahren zur Verschleißerkennung bei Extrudermaschinen | |
DE102007013044B4 (de) | Spritzgießmaschine und Verfahren zur Überwachung kontinuierlicher Spritzgießzyklen einer Spritzgießmaschine | |
DE60103125T2 (de) | Rheometrieverfahren und -vorrichtung sowie ihre anwendung zur steuerung der polymerherstellung | |
WO1998015882A1 (de) | Verfahren und einrichtung zur identifikation bzw. vorausberechnung von prozessparametern eines industriellen zeitvarianten prozesses | |
WO2024083904A1 (de) | Prozesskennzahlermittlung | |
EP3616014A1 (de) | Verfahren zur kontrolle einer folienproduktion | |
WO2018178196A1 (de) | Verfahren zur bestimmung einer schädigungsmassunsicherheit eines kraftfahrzeugs | |
AT522639B1 (de) | Vorrichtung und Verfahren zum Visualisieren oder Beurteilen eines Prozesszustandes | |
EP4022408A1 (de) | Verfahren und vorrichtung zum analysieren eines ablaufprozesses | |
EP4043976B1 (de) | Verfahren und system zur vermessung von bauteilen sowie programm | |
DE60220327T2 (de) | Verfahren und Vorrichtung zur Bewertung von Kunststoffen unter Verwendung einer Spritzgiessmaschine | |
DE10222662B4 (de) | Verfahren zum Überwachen von Betriebsdaten einer Spritzgussmaschine |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R012 | Request for examination validly filed | ||
R081 | Change of applicant/patentee |
Owner name: STASA STEINBEIS ANGEWANDTE SYSTEMANALYSE GMBH, DE Free format text: FORMER OWNER: STASA STEINBEIS ANGEWANDTE SYSTEMANALYSE GMBH, 70599 STUTTGART, DE |
|
R081 | Change of applicant/patentee |
Owner name: STASA STEINBEIS ANGEWANDTE SYSTEMANALYSE GMBH, DE Free format text: FORMER OWNER: STASA STEINBEIS ANGEWANDTE SYSTEMANALYSE GMBH, 70173 STUTTGART, DE |
|
R016 | Response to examination communication |