|
P R O J E K T B E S C H R E I B U N G
Ziel des Projektes
Ziel des Projektes BRIDGEIT ist es, qualitätsrelevante
Prüfdaten aus verschiedenen Stellen eines Fertigungsprozesses
zu erfassen, zu visualisieren und zu analysieren und dann die
Fehlerursachen zu ermitteln.
zurück zum Anfang
Inhalt
Das unten aufgeführte Bild integriert die gesamte Prozesskette
und visualisiert im Uhrzeigersinn: Produktionsstätte (auch
verteilter Standorte), Montage, Teilezulieferung von internen
und externen Lieferanten und das AUDIT sowie
Nacharbeitsprozesse. Zur Integration, Visualisierung und
Überwachung der im aktuellen Prozess an unterschiedlichen
Prozesspunkten erreichten Qualität wird ein Portal entwickelt,
über das die Anlaufkurven unterschiedlicher Fertigungsstraßen
überwacht, verglichen und über gezieltes Feedback optimiert
werden können. Als Eingang sind heterogene
Inspektionssensorsysteme an unterschiedlichen Punkten der
Prozesskette angeschlossen.
zurück zum Anfang
Problemlage
Produktionsbedingte Fehler sind häufig in der Entstehungsstufe
aufgrund ihrer kleinen Ausprägung optisch nicht erkennbar, so
dass sich Fehler in nachfolgende Prozesse fortpflanzen, wo sie
erst sichtbar werden und zum Ausschuss führen können. An
dieser späten Stelle ist ihre Behebung ungleich
kostenintensiver. Der Fehlerschlupf in der Prozesskette führt
zu exponentiell anwachsenden Mehrkosten.
Vorarbeiten im Konsortium belegen, dass trotz der
unterschiedlichen Fertigungsprozesse in den beobachteten
Industrien: Haushalt, KFZ, Pharma die Qualitätsbeurteilung der
Prozesse und gefertigten Produkte auf eine gemeinsame Matrix
von Defekt- und Qualitätsmerkmalen zurückgeführt werden kann.
Dies Problematik des Fehlerschlupfes ist als
branchenübergreifende erkannt worden und motiviert deshalb das
Forschungsvorhaben BRIDGEIT in seinem Ansatz,
schlupfbedingte Mehrkosten zu reduzieren.
zurück zum Anfang
Die Lösung
Die Innovation des Projektes BRIDGEIT liegt in
Konzeption und Entwicklung eines adaptiven Portals zur
Integration, Visualisierung und Optimierung von Qualitätsdaten
automatisierter Fertigungsprozesse unterschiedlicher Prozesse.
Zur Analyse, Klassifikation und Ursachenzuordnung
unterschiedlicher Datenströme kommen moderne KI-Techniken
des Data-Minings zum Einsatz. In Vorstudien und
fachspezifischen Foren (www.kernel-machines.org) haben sich
aktuelle Weiterentwicklungen statistischer Ansätze, z.B.
sogenannte support vector machines (SVM) die auf der
generalisierten Diskriminanzanalyse beruhen, im Vergleich
zu neuronalen Ansätzen behauptet, so dass ihrer Evaluierung
für diesen Einsatz eine besondere Bedeutung zukommt. Das
frühzeitige Ausschleusen bei erkannten Defekten und die
Optimierung der defektverursachenden Bedingung reduziert den
Schlupf und hilft Mehrkosten sowohl im unmittelbaren Prozess
als auch in späteren Prozessen durch Reduktion der
Nacharbeiten einzusparen.
zurück zum Anfang
Referenzarchitektur
Referenzarchitektur: Web-basierte Visualisierung von
Qualitätsdaten für Portalsysteme.
zurück zum Anfang
|
|
|
