CN113811828A - 用于分析质量缺陷的方法 - Google Patents
用于分析质量缺陷的方法 Download PDFInfo
- Publication number
- CN113811828A CN113811828A CN202080034194.0A CN202080034194A CN113811828A CN 113811828 A CN113811828 A CN 113811828A CN 202080034194 A CN202080034194 A CN 202080034194A CN 113811828 A CN113811828 A CN 113811828A
- Authority
- CN
- China
- Prior art keywords
- workpiece
- quality
- specific data
- data item
- production process
- 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 264
- 230000007547 defect Effects 0.000 title claims abstract description 186
- 238000004519 manufacturing process Methods 0.000 claims abstract description 121
- 238000010422 painting Methods 0.000 claims abstract description 49
- 238000007591 painting process Methods 0.000 claims abstract description 43
- 230000001502 supplementing effect Effects 0.000 claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims description 55
- 230000009897 systematic effect Effects 0.000 claims description 39
- 239000003973 paint Substances 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 21
- 239000011248 coating agent Substances 0.000 description 28
- 238000000576 coating method Methods 0.000 description 28
- 239000013589 supplement Substances 0.000 description 14
- 239000010410 layer Substances 0.000 description 12
- 238000013479 data entry Methods 0.000 description 10
- 238000003618 dip coating Methods 0.000 description 10
- 238000003908 quality control method Methods 0.000 description 9
- 238000011156 evaluation Methods 0.000 description 8
- 238000010801 machine learning Methods 0.000 description 7
- 239000002966 varnish Substances 0.000 description 7
- 238000012423 maintenance Methods 0.000 description 6
- 239000000126 substance Substances 0.000 description 6
- 238000013106 supervised machine learning method Methods 0.000 description 6
- 238000013107 unsupervised machine learning method Methods 0.000 description 6
- 238000009966 trimming Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000009434 installation Methods 0.000 description 4
- 238000004140 cleaning Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000007665 sagging Methods 0.000 description 3
- 238000011179 visual inspection Methods 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 238000011109 contamination Methods 0.000 description 2
- 238000004132 cross linking Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004886 process control Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 239000002904 solvent Substances 0.000 description 2
- 208000031872 Body Remains Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 239000011247 coating layer Substances 0.000 description 1
- 210000003608 fece Anatomy 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 238000005470 impregnation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004922 lacquer Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B05—SPRAYING OR ATOMISING IN GENERAL; APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
- B05B—SPRAYING APPARATUS; ATOMISING APPARATUS; NOZZLES
- B05B12/00—Arrangements for controlling delivery; Arrangements for controlling the spray area
- B05B12/08—Arrangements for controlling delivery; Arrangements for controlling the spray area responsive to condition of liquid or other fluent material to be discharged, of ambient medium or of target ; responsive to condition of spray devices or of supply means, e.g. pipes, pumps or their drive means
- B05B12/084—Arrangements for controlling delivery; Arrangements for controlling the spray area responsive to condition of liquid or other fluent material to be discharged, of ambient medium or of target ; responsive to condition of spray devices or of supply means, e.g. pipes, pumps or their drive means responsive to condition of liquid or other fluent material already sprayed on the target, e.g. coating thickness, weight or pattern
-
- 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
- G05B2219/32191—Real time statistical process monitoring
-
- 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
- G05B2219/32368—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
- G05B2219/35—Nc in input of data, input till input file format
- G05B2219/35291—Record history, log, journal, audit of machine operation
-
- 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)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Factory Administration (AREA)
- Application Of Or Painting With Fluid Materials (AREA)
- Automobile Manufacture Line, Endless Track Vehicle, Trailer (AREA)
Abstract
本发明涉及一种用于分析尤其在经过工艺流程设备中的生产工艺之后和/或之时，优选地在经过涂漆设备中的涂漆工艺之后和/或之时的工件的、优选地车辆车身和/或车辆附件的质量缺陷的方法，借助该方法可以避免质量缺陷和/或借助该方法可以查明、避免和/或消除在生产工艺中的质量缺陷原因，根据本发明提出，该方法包括：在生产工艺开始时、尤其是在涂漆工艺开始时建立明确地配属于工件的工件专属的数据项，和/或在生产工艺开始时、尤其是在涂漆工艺开始时建立明确地配属于工件支架的工件支架专属的数据项；在工件经过生产工艺、尤其是涂漆工艺期间，用尤其是与质量相关的工艺数据对工件专属的数据项进行补充，和/或在工件支架经过生产工艺、尤其是涂漆工艺期间，用尤其是与质量相关的工艺数据对工件支架专属的数据项进行补充；将工件专属的数据项存储在数据库中和/或将工件支架专属的数据项存储在数据库中。
Description
技术领域
本发明涉及一种用于尤其分析在经过工艺流程设备中的生产工艺之后和/或之时、优选地在经过涂漆设备中的涂漆工艺之后和/或之时的工件的、优选车辆车身和/或车辆附件的质量缺陷的方法。
背景技术
在购买机动车时，获得这种机动车的购买者期待高质量的机动车涂漆。相应的购买者在此例如希望，车辆车身和/或车辆附件没有涂漆瑕疵，即例如没有污垢杂质、凹坑、流挂、刮痕和/或空气杂质(气泡)。购买者还希望车辆车身的颜色分布、色调、光泽度和/或光泽保持不变。也希望各种涂层和/或漆层的结构至少大致均匀和/或涂层和/或漆层的层厚度至少大致均匀。此外，车辆车身和/或车辆附件的涂漆也应当可耐受外部影响，例如耐受紫外线辐射、炎热、寒冷、降雨、融雪盐、石子打击、鸟粪、尘土和/或可以耐受清洗设备导致的刮痕。
为了能实现这种较高的希望，必须对车辆车身进行繁冗的质量控制并且必要时在确认缺陷时进行修整。在此，在涂漆工艺中在每个工艺步骤中施加新的涂层和/或漆层，使得在质量控制的范围内不能或仅很难地才能辨识下层中的质量缺陷。因此，为了能保障尽可能高的涂漆质量，要求在施加每个单个图层和/或漆层之后进行质量控制。然而这一点由于涂漆设备中非常快的生产节奏是不可能的。
发明内容
本发明的目的在于，提供一种用于分析尤其在经过工艺流程设备中的生产工艺之后和/或之时、优选地在经过涂漆设备中的涂漆工艺之后和/或之时的工件的、优选车辆车身和/或车辆附件的质量缺陷的方法，借助该方法可以避免质量缺陷和/或借助该方法可以查明、避免和/或消除在生产工艺中的质量缺陷原因。
根据本发明，该目的通过具有权利要求1的特征的、用于分析尤其在经过工艺流程设备中的生产工艺之后和/或之时、优选地在经过涂漆设备中的涂漆工艺之后和/或之时的工件的、优选车辆车身和/或车辆附件的质量缺陷的方法得以实现。
该方法优选地包括：
在生产工艺开始时、尤其是在涂漆工艺开始时建立明确地配属于工件的工件专属的数据项，和/或在生产工艺开始时、尤其是在涂漆工艺开始时建立明确地配属于工件支架的工件支架专属的数据项；
在工件经过生产工艺、尤其是涂漆工艺期间，用尤其是与质量相关的工艺数据对工件专属的数据项进行补充，和/或在工件支架经过生产工艺、尤其是涂漆工艺期间，用尤其是与质量相关的工艺数据对工件支架专属的数据项进行补充；
将工件专属的数据项存储在数据库中和/或将工件支架专属的数据项存储在数据库中。
术语“尤其”在本说明书和所附的权利要求的范围内仅被用于描述可能的任选和/或可选的特征。
工件专属的数据项在本说明书和所附的权利要求的范围内尤其理解为明确地配属于工件的数据项。
工件专属的数据项尤其形成了相应的工件的“数字工件”和/或“数字影像”。
工件支架专属的数据项在本说明书和所附的权利要求的范围内尤其理解为下述数据项，其明确地配属于工件支架和尤其是所有布置在工件支架上的工件、例如工件支架和布置在其上的车辆附件。
尤其可以考虑，在此在工件支架上布置多个工件、尤其是车辆附件。
这种工件支架尤其是所谓的滑架(Skid)。
例如可以考虑，在生产工艺开始时、尤其在涂漆工艺开始时，例如通过借助布置在工件处的RFID芯片从其中读出任务数据，自动地建立工件专属的数据项和/或工件支架专属的数据项。
尤其是自动地建立工件专属的数据项和/或工件支架专属的数据项。
尤其可以考虑，从之前的工艺步骤中的一个或多个数据项分别建立工件专属的和/或工件支架专属的数据项。
例如可以考虑，在建立工件专属的数据项时将来自机动车制造的原结构的原结构质量数据添加至工件专属的数据项。
有益地还可以是，例如借助例如首先在实验室中查明的漆质量数据对工件专属的数据项和/或工件支架专属的数据项进行事后补充。
优选地，工件专属的数据项和/或工件支架专属的数据项包括工件专属的任务数据项和/或工件支架专属的任务数据项，例如明确的工件辨识编号、相应的工件的模式类型和/或用于在涂漆工艺中待施加到工件上的颜色的颜色代码。工件专属的任务数据项和/或工件支架专属的任务数据项例如还包括关于生产班次的信息，在该生产班次期间工件和/或工件支架经过生产工艺。
工件专属的数据项和/或工件支架专属的数据项优选地还包括生产数据项，其包括工艺数据。
尤其是与质量相关的工艺数据优选地包括针对每个在生产工艺中被施加到工件上的涂层和/或漆层的物理或化学影响参数。
有益地还可以是，尤其是与质量相关的工艺数据包括原结构质量数据、例如包括关于工件变形和/或工件表面粗糙度的信息的原结构质量数据。
生产工艺、尤其是涂漆工艺优选地包括多个连续的工艺步骤。
在该方法的设计方案中规定了，优选地在生产工艺的末端、尤其是涂漆工艺的末端用质量数据对工件专属的数据项和/或工件支架专属的数据项进行补充，该质量数据包含关于相应的工件的质量缺陷、尤其是漆缺陷的信息。
优选地，在控制工位处在质量控制的范围内在生产工艺的末端通过质检员例如借助目视检查、借助自动质量测量工位和/或借助自动瑕疵检测系统来查明质量数据。
用于对工件专属的数据项和/或工件支架专属的数据项进行补充的质量数据尤其包含关于位置、类型、大小的信息和/或关于质量缺陷的数量的信息。
例如能从自动质量测量工位和/或自动瑕疵检测系统的坐标中查明质量缺陷的位置。
例如还能通过质检员查明并且尤其手动地经过方格坐标输入质量缺陷的位置。
质量缺陷、尤其是漆缺陷例如包括涂漆瑕疵，尤其是污垢杂质、凹坑、流挂和/或空气杂质(气泡)，不同的层厚度，不希望的颜色分布和/或与预先规定的处理结果参数的偏差。
处理结果参数例如包括：涂层的厚度；涂层的平坦度；涂层的层厚度的均匀性；涂层的颜色和/或亮度；涂层的硬度；涂层的化学组分，尤其是交联度和/或溶剂含量，和/或涂层的污染程度。
用于对工件专属的数据项和/或工件支架专属的数据项进行补充的质量数据优选地还包含关于工件的目标工况的信息，即工件是否必须被修整、必须执行哪些修整、是否不必修整和/或是否不能进行修整的信息。作为修整例如可以考虑将以下修整步骤中的一个或多个：抛光、现场修理(Spot-Repair)和/或再次经过生产工艺、尤其是涂漆工艺。
用于对工件专属的数据项和/或工件支架专属的数据项进行补充的质量数据优选地还包括关于是否进行修整的信息。
还可以考虑，用于对工件专属的数据项和/或工件支架专属的数据项进行补充的质量数据包括关于修整是否无意义的信息。修整无意义的工件尤其是废品。
在该方法的设计方案中规定了，借助用于识别系统性的质量缺陷的聚类方法将多个工件专属的数据项和/或多个工件支架专属的数据项的质量数据自动地分类成不同的质量缺陷组。
在聚类方法中，优选地借助一个或多个分类规则对多个工件专属的数据项和/或多个工件支架专属的数据项的质量数据进行分类。
优选地，工件专属的数据项和/或工件支架专属的数据项的质量数据被分类成系统性的和非系统性的质量缺陷组。
尤其地，例如具有相似的位置、类型、大小和/或数量的质量缺陷被分类成一个质量缺陷组。
此外例如可以考虑，在出现的时间点之后的质量缺陷被分类成质量缺陷组。
优选地通过专家定义的分类规则和/或习得的分类规则被用于对质量数据进行分类。
通过专家定义的分类规则例如包括在限定数量的经过生产工艺的工件和/或工件支架的滑动窗口之内的、存在着相同的和/或类似的质量缺陷的限定数量的工件。
例如可以考虑，在五个在生产工艺中的连续的工件内在三个或多于三个工件处识别了相同的和/或相似的质量缺陷时，将质量数据分类成系统性的质量缺陷组。
相同的质量缺陷在此在本说明书和所附的权利要求的范围内尤其理解为，质量缺陷的类型、大小、严重程度和/或位置是相同的。
类似的质量缺陷在此在本说明书和所附的权利要求的范围内尤其理解为，虽然质量缺陷的类型是相同，但质量缺陷的大小和/或位置可以不同。
被习得的分类规则优选地借助机器学习方法从工件专属的数据项和/或工件支架专属的数据项习得。
例如可以考虑，借助受监督和/或无监督的机器学习方法习得分类规则。
在受监督的机器学习方法中将工件专属的数据项和/或工件支架专属的数据项的质量数据划分成系统性的和非系统性的质量缺陷组。优选地通过定义的规则和/或通过用户反馈进行划分。通过受监督的机器学习方法优选地也可以通过恰当的“贴标签”来识别质量趋势或将来的质量缺陷组。在无监督的机器学习方法中，优选地学习了没有质量缺陷的工件的工件专属的数据项的质量数据和/或其工件不具有质量缺陷、即具有正常状态的工件支架的工件支架专属的数据项的质量数据。如果与正常状态有偏差，则识别该偏差。
优选地，定义的分类规则和/或习得的分类规则也能转用于另外的工艺流程设备、尤其是另外的涂漆设备。
优选地，可以连续地执行借助聚类方法对质量数据进行分类。对此替选地或补充地可以考虑，借助聚类方法对质量数据进行分类通过批量加工来实现。
优选地还通过信号处理方法来查明系统性的质量缺陷组。
例如可以考虑，为了查明系统性的质量缺陷组，借助一个或多个信号处理方法、例如借助傅里叶变换和/或借助密度预估对来自质量数据的频率密度函数的特征进行处理。
有益地可以是，借助可视部向用户显示例如作为在警报系统中的实时报告和/或作为在分析系统中的分析报告的借助聚类方法识别的系统性的质量缺陷。
例如可以考虑，基于借助聚类方法识别的质量缺陷组，将工件从生产工艺中取出。有益地还可以是，基于借助聚类方法识别的质量缺陷组来调整对生产工艺进行的工艺操控。
在该方法的设计方案中规定了，优选地通过对具有相应的质量缺陷组的系统性的质量缺陷的工件的工件专属的数据项的尤其是与质量相关的工艺数据进行分析和/或通过对工件支架的工件支架专属的数据项的尤其是与质量相关的工艺数据进行分析，借助分析方法自动地确认对于借助聚类方法识别的且被分类成不同的质量缺陷组的系统性的质量缺陷的质量缺陷原因，该工件支架的工件具有相应的质量缺陷组的系统性的质量缺陷。
因此优选地，在质量控制的范围内也能通过从生产工艺的推断来识别不能识别的系统性的质量缺陷。
在分析方法中，借助一个或多个分析规则来确定质量缺陷原因。
优选地通过专家定义的分析规则和/或习得的分析规则被用于确定质量缺陷原因。
习得的分析规则优选地借助机器学习方法习得。
例如可以考虑，借助受监督和/或无监督的机器学习方法习得分析规则。
在受监督的机器学习方法中通过关于质量缺陷原因的用户反馈习得分析规则。在无受监督的机器学习方法中优选地习得生产工艺的工艺步骤的正常状态。如果与习得的正常状态有偏差，则识别该偏差。
优选地也能将定义的分析规则和/或习得的分析规则转用于另外的工艺流程设备、尤其是另外的涂漆设备。
在该方法的设计方案中规定了，被确认的质量缺陷原因包括在生产工艺、尤其是涂漆工艺中的异常和/或偏差。
在该方法的设计方案中规定了，借助分析方法来确定在被确认的质量缺陷原因与被分类成不同的质量缺陷组的系统性的质量缺陷之间的联系。
优选地通过定义的和/或习得的分析规则来确定在被确认的质量缺陷原因和被分类成不同的质量缺陷组的系统性的质量缺陷之间的联系。
在被确认的质量缺陷原因和被分类成不同的质量缺陷组的系统性的质量缺陷之间的联系优选地也能被转用于另外的工艺流程设备、尤其是涂漆设备。
在该方法的设计方案中规定了，借助被确定的联系优选地通过下述方式自动地查明即将来临的系统性的质量缺陷，即在工件经过生产工艺期间，从正在进行的生产工艺中确认的一个或多个异常和/或偏差通过借助分析方法确定的联系自动地推断工件的将来的质量缺陷。
优选地，工件在此借助分析方法已经在经过生产工艺时被配属于质量缺陷组。
在该方法的设计方案中规定了，在每个单个的工艺步骤中用尤其是与质量相关的工艺数据对工件专属的数据项和/或工件支架专属的数据项进行补充。
在该方法的设计方案中规定了，将以下工艺参数中的一个或多个用作尤其是与质量相关的、用于对工件专属的数据项和/或工件支架专属的数据项进行补充的工艺数据：
在生产工艺的工艺步骤中超过了标称时间；
在经过生产工艺的工艺步骤期间出现的事件；
相应的工件的原结构质量数据；
在生产工艺中的异常和/或偏差；
天气数据；
关于在经过生产工艺的工艺步骤时参与工艺步骤的人员的人员数据。
有益地可以是，将以下工艺参数中的一个或多个用于对相应的工件专属的数据项和/或相应的工件支架专属的数据项进行补充：
在干燥器中的喷嘴温度；
漆用量；
漆颜色；
漆批次；
机器人路径的轨迹；
在涂漆舱中的舱温度；
在涂漆舱中的舱湿度；
在用于阴极电泳浸漆的工位以及预处理工位中的浸渍温度和填充状态；
工件穿过用于阴极电泳浸漆的工位的运输移动；
在用于阴极电泳浸漆的工位中的化学物质的浓度；
在用于阴极电泳浸漆的工位中的电压；
在干燥器中的温度和经过时间。
优选地，用于对相应的工件专属的数据项和/或相应的工件支架专属的数据项进行补充的工艺参数被预加工。
尤其可以考虑，对随时间可变性高的工艺参数，例如机械、液压或电气工艺参数进行预加工。然而优选地可以放弃对随时间可变性低的工艺参数、即迟钝的工艺参数(例如热力学工艺参数)进行预加工。
超过了标称时间在本说明书和所附的权利要求的范围内尤其理解为，在工艺步骤中预先规定的标称时间在执行针对相应的工件的相应的工艺步骤时被超过。
事件例如包括维护事件、来自工艺流程设备的操控系统的警报、关于换班的信息、关于停产的信息、关于进入工艺流程设备的处理工位的信息、关于清洁中断的信息。
根据添加至工件专属的数据项和/或工件支架专属的数据项的维护事件例如能辨识在维护之后出现的系统性的质量缺陷。
原结构质量数据尤其包括关于工件的板材质量的信息或关于工件的部件，例如护盖、门、侧面部件和/或顶部的板材质量的信息。
此外，优选地将以下工艺参数中的一个或多个用于对相应的工件专属的数据项和/或相应的工件支架专属的数据项进行补充：
运输技术信息；
工件在生产工艺中的停留时间；
工件在工艺流程设备中的“过夜”。
例如工件在干燥器中的停留时间被用于对相应的工件专属的数据项进行补充。因此，尤其是由工件在干燥器中的存在超过了标称时间可以推断出质量缺陷。有益地还可以是，工件支架在干燥器中的停留时间被用于对相应的工件支架专属的数据项进行补充。
生产工艺中的偏差在本说明书和所附的权利要求的范围内优选地理解为状态与标称状态的偏差或所测量的工艺值与预先规定的工艺值的偏差。
优选地自动地从在生产工艺的工艺步骤中的实际工艺值和标称工艺窗口之间的偏差中查明异常。对此替选地或补充地可以考虑，自动地从在生产工艺的工艺步骤的实际工艺值与借助机器学习方法学习的、用于相应的工艺步骤的正常状态之间的偏差查明异常。
此外，优选地借助一个或多个下级的微系统分析系统来查明生产工艺中的异常，其尤其被划分为微观层面、即工件层面和/或宏观层面、即工艺流程设备的层面。
在该方法的设计方案中规定了，在工件和/或工件支架经过生产工艺的工艺步骤期间，用包含关于在生产工艺的工艺步骤中的异常和/或偏差的信息的工艺瑕疵数据对工件专属的数据项和/或工件支架专属的数据项进行补充。
工艺瑕疵数据尤其是“瑕疵标记”。
优选地，不仅用工艺瑕疵数据对工件(其在停产和/或运输停止期间布置在确定的处理工位中)的工件专属的数据项进行补充。更确切地说可以考虑，用工艺瑕疵数据对其他的工件(其由于停产和/或运输停止同样更长时间地布置在确定的处理工位中)的工件专属的数据项进行补充。
此外优选地，不仅用工艺瑕疵数据对工件支架(其在停产和/或运输停止期间布置在确定的处理工位中)的工件支架专属的数据项进行补充。尤其可以考虑，用工艺瑕疵数据对其他的工件支架(其由于停产和/或运输停止同样更长时间地布置在确定的处理工位中)的工件支架专属的数据项进行补充。
借助工艺瑕疵数据优选地能将在生产工艺的工艺步骤中的异常和/或偏差辨识为瑕疵。
通过将工艺瑕疵数据用于辨识在工件专属的数据项和/或工件支架专属的数据项中的异常和/或偏差，优选地能减小工件专属的数据项的大小和/或工件支架专属的数据项的大小。
优选地，能借助工艺瑕疵数据将在生产工艺的工艺步骤中的异常和/或偏差辨识为质量缺陷原因。
借助工艺瑕疵数据、尤其借助分析方法优选地能将在生产工艺的工艺步骤中的异常和/或偏差自动地配属于借助聚类方法分类的系统性的质量缺陷。
在该方法的设计方案中规定了，在包括多个彼此不同的处理工位的工艺流程设备、尤其是涂漆设备中执行所述方法，在该处理工位中能分别执行生产工艺、尤其是涂漆工艺的一个或多个工艺步骤。
优选地在用于生产工艺的每个工艺步骤的每个处理工位中检测一个或多个尤其是与质量相关的工艺数据。
在该方法的设计方案中规定了，连续地或不连续地用尤其是与质量相关的工艺数据对工件专属的数据项和/或工件支架专属的数据项进行补充。
在该方法的设计方案中规定了，分别用尤其是与质量相关的、分别包括时间戳的工艺数据对工件专属的数据项和/或工件支架专属的数据项进行补充，借助该时间戳能将相应的工艺数据明确地配属于生产工艺的工艺步骤和/或时间点。
在该方法的设计方案中规定了，在工件和/或工件支架经过生产工艺期间和/或之后，将工件的被补充的工件专属的数据项和/或工件支架的被补充的工件支架专属的数据项存储在数据库中。
本发明还涉及一种质量分析系统，其用于分析尤其在经过工艺流程设备中的生产工艺之后和/或之时、尤其在经过涂漆设备中的涂漆工艺之后和/或之时的工件的、优选车辆车身和/或车辆附件的质量缺陷。
本发明的目的还在于，提供一种用于分析尤其在经过工艺流程设备中的生产工艺之后和/或之时、优选地在经过涂漆设备中的涂漆工艺之后和/或之时的工件的、优选车辆车身和/或车辆附件的质量缺陷的质量分析系统，借助该质量分析系统能避免质量缺陷和/或借助该质量分析系统能查明、避免和/或消除在生产工艺中的质量缺陷原因。
该目的根据本发明通过质量分析系统得以实现，该质量分析系统用于分析尤其在经过工艺流程设备中的生产工艺之后和/或之时、优选地在经过涂漆设备中的涂漆工艺之后和/或之时的工件的、优选车辆车身和/或车辆附件的质量缺陷并且具有权利要求15所述的特征。
该质量分析系统优选地包括：
用于与工艺流程设备、尤其是涂漆设备的操控系统通信的接口；
操控装置，其被配置和构造成，借助操控装置能实施根据权利要求1至14中任一项所述的方法。
本发明还涉及一种工艺流程设备、尤其是涂漆设备，其包括：
操控系统，借助其能操控生产工艺、尤其是涂漆工艺；
根据本发明的质量分析系统。
工艺流程设备优选地包括多个处理工位、尤其是多个涂漆工位。
例如可以考虑，涂漆设备包括具有多个彼此串联的处理工位的涂装线。
对此替选地或补充地可以考虑，涂漆设备包括多个处理箱，其中每个处理箱包括一个或多个处理工位。
涂漆设备优选地包括以下处理工位中的一个或多个：
预处理工位；
用于阴极电泳浸漆的工位；
在用于阴极电泳浸漆的工位之后的干燥器；
主舱；
主干燥器；
底漆舱；
底漆干燥器；
清漆舱；
清漆干燥器。
附图说明
以下说明书和实施例附图描述了本发明的其他特征和/或优点。
在附图中：
图1示出了工艺流程设备、尤其是涂漆设备的示意图；
图2示出了多个工件的工件专属的数据项的实施方式的示意图；
图3示出了用于对图2的工件专属的数据项的质量数据进行分类的聚类方法的示意图；
图4示出了多个工件的工件专属的数据项的其他实施方式的示意图；
图5示出了用于对图4的工件专属的数据项的质量数据进行分类的聚类方法的示意图；
图6示出了多个工件的工件专属的数据项的其他实施方式的示意图；
图7示出了用于对图6的工件专属的数据项的质量数据进行分类的聚类方法的示意图；和
图8示出了借助聚类方法识别的系统性的质量缺陷的可视部的示意图。
相同或功能等效的元件在所有附图中配设有相同的附图标记。
具体实施方式
图1示出了整体以100标记的工艺流程设备。
工艺流程设备100尤其是涂漆设备102。
工艺流程设备100优选地包括多个处理工位104。
在此，工艺流程设备100、尤其是涂漆设备102包括七个处理工位104。
优选地，借助工艺流程设备100能对工件106、尤其是车辆车身108和/或车辆附件执行生产工艺。
尤其地，在多个处理工位104中能分别执行生产工艺的一个或多个工艺步骤。
图1所示的工艺流程设备100、尤其是涂漆设备102在此尤其是涂装线110。
在涂装线110中，处理工位104优选地彼此串联。
例如可以考虑，工件106和/或工件支架以给出的顺序经过后续的处理工位104。
在此例如可以考虑，在工件106经过处理工位104期间，仅单个工件106、例如车辆车身108布置在未以图示方式示出的工件支架上。
对此替选地或补充地可以考虑，在工件支架与布置在其上的工件106经过处理工位104期间，多个工件106、例如未以图示方式示出的车辆附件共同布置在一个工件支架上。
工件106、例如车辆车身108在预处理工位112中被预处理并且从预处理工位112被运输至用于阴极电泳浸漆的工位114。
工件106在将涂层施加到其上之后从用于阴极电泳浸漆的工位114被运输至在用于阴极电泳浸漆的工位114之后的干燥器116。
在用于阴极电泳浸漆的工位114中被施加到工件106上的涂层在干燥器116中被干燥之后，工件106优选地被运输到底漆舱118中，在其中又将一种涂层施加到工件106上。
在底漆舱118中被施加涂层之后，工件106优选地被运输到底漆干燥器120中。
在底漆舱118中被施加到工件106上的涂层在底漆干燥器120中被干燥之后，工件106优选地被运输到清漆舱122中，在其中将另一种涂层施加到工件106上。
在清漆舱122中被施加涂层之后，工件106优选地被供应至清漆干燥器124。
在清漆舱122中被施加到工件106上的涂层在清漆干燥器124中被干燥之后，工件106优选地被供应至位于生产工艺末端处的控制工位126。
在控制工位126中优选地通过质检员例如借助目视检查进行质量控制。
工艺流程设备100、尤其是涂漆设备102优选地还包括操控系统128，借助其能操控处理工位104中的生产工艺、尤其是涂漆工艺。
有益地还可以是，工艺流程设备100、尤其是涂漆设备102包括质量分析系统130。
质量分析系统130优选地包括用于与工艺流程设备100、尤其是涂漆设备102的操控系统128通信的接口132。
质量分析系统130优选地被构造用于分析工件106、尤其是车辆车身108和/或车辆附件的质量缺陷。
优选地，借助操控系统128和/或借助质量分析系统130在生产工艺开始时、尤其在涂漆工艺开始时建立明确地配属于工件106的工件专属的数据项134。
工件106的工件专属的数据项134优选地分别形成了相应的工件106的“数字工件”和/或“数字影像”。
在生产工艺开始时、尤其在涂漆工艺开始时，例如通过借助例如布置在工件106处的并且在附图中未以图示方式示出的RFID芯片读出任务数据136，来优选地自动建立工件专属的数据项134。
因此，工件专属的数据项134优选地包括工件专属的任务数据项138、例如明确的工件辨识编号、相应的工件106的模式类型和/或用于在涂漆工艺中待施加到工件106上的颜色的颜色代码。
有益地还可以是，在工件106经过生产工艺、尤其是涂漆工艺期间，用尤其是与质量相关的工艺数据140对工件专属的数据项134进行补充。
相应的工件专属的数据项134优选地被存储在数据库142中。尤其地，在工件106经过生产工艺期间和/或之后，将工件106的被补充的工件专属的数据项134存储在数据库142中。
通过用工艺数据140进行补充，工件专属的数据项134优选地还包括具有工艺数据140的生产数据项144。
有益地可以是，在生产工艺的每个单个的工艺步骤中用尤其是与质量相关的工艺数据140对工件专属的数据项134进行补充。
工艺数据140、尤其是与质量相关的工艺数据140(用于对工件106的相应的工件专属的数据项134进行补充)优选地分别包括时间戳，借助该时间戳能将相应的工艺数据明确地配属于生产工艺的时间点和/或工艺步骤。
尤其是与质量相关的工艺数据140优选地包括针对每个在生产工艺中被施加到工件106上的涂层和/或漆层的物理或化学影响参数。
优选地用于对相应的工件106的工件专属的数据项134进行补充的质量数据146包含关于相应的工件106的质量缺陷、尤其是漆缺陷的信息。
尤其可以规定，用质量数据146在生产工艺的末端、尤其是涂漆工艺的末端对工件专属的数据项134进行补充。
质量数据146优选地在质量控制的范围内在控制工位126处通过质检员、例如借助目视检查查明。
例如可以考虑，质量数据146包含关于相应的工件106的位置、类型、大小的信息和/或关于质量缺陷的数量的信息。
质量缺陷、尤其是漆缺陷在此例如包括涂漆瑕疵，尤其是污垢杂质、凹坑、流挂和/或空气杂质(气泡)，不同的层厚度，不希望的颜色分布和/或与预先规定的处理结果参数的偏差。
处理结果参数例如包括：涂层的厚度；涂层的平坦度；涂层的层厚度的均匀性；涂层的颜色和/或亮度；涂层的硬度；涂层的化学组分，尤其是交联度和/或溶剂含量；和/或涂层的污染程度。
用于对相应的工件106的工件专属的数据项134进行补充的质量数据146优选地还包含关于相应的工件106的目标工况的信息。
优选地，质量数据146在此包括关于工件106是否必须被修整、必须执行哪些修整、是否不必进行修整和/或是否不能进行修整的信息。
作为修整例如可以考虑将以下修整步骤中的一个或多个：抛光、现场修理和/或再次经过生产工艺、尤其是涂漆工艺。
优选地将以下工艺参数中的一个或多个用作工艺数据140、尤其是与质量相关的工艺数据140，借助其对工件专属的数据项134进行补充：
在生产工艺的工艺步骤中超过了标称时间；
在经过生产工艺的工艺步骤期间出现的事件；
相应的工件的原结构质量数据；
在生产工艺中的异常和/或偏差；
天气数据；
关于在经过生产工艺的工艺步骤时参与工艺步骤的人员的人员数据。
原结构质量数据尤其包括关于工件106的板材质量的信息或关于工件106的部件，例如护盖、门、侧面部件和/或顶部的板材质量的信息。
有益地可以是，将以下工艺参数中的一个或多个用于对相应的工件专属的数据项134进行补充：
在干燥器116、120、124中的喷嘴温度；
漆用量；
漆颜色；
漆批次；
机器人路径的轨迹；
在涂漆舱118、122中的舱温度；
在涂漆舱118、122中的舱湿度；
在用于阴极电泳浸漆的工位114以及预处理工位112中的浸渍温度和填充状态；
工件穿过用于阴极电泳浸漆的工位114的运输移动；
在用于阴极电泳浸漆的工位114中的化学物质的浓度；
在用于阴极电泳浸漆的工位114中的电压；
在干燥器116、120、124中的温度和经过时间。
优选地，用于对相应的工件专属的数据项134进行补充的工艺参数被预加工。
尤其可以考虑，对随时间可变性高的工艺参数，例如机械、液压或电气工艺参数进行预加工。然而优选地可以放弃对随时间可变性低的工艺参数、即迟钝的工艺参数(例如热力学工艺参数)进行预加工。
事件例如包括维护事件、来自工艺流程设备100的操控系统128的警报、关于换班的信息、关于停产的信息、关于进入工艺流程设备100的处理工位104的信息、关于清洁中断的信息。
根据添加至工件专属的数据项134的维护事件例如能辨识在维护之后出现的系统性的质量缺陷。
此外，优选地将以下工艺参数中的一个或多个用于对相应的工件专属的数据项134进行补充：
运输技术信息；
工件106在生产工艺中的停留时间；
工件106在工艺流程设备100、例如干燥器116、120、124内的“过夜”。
例如在干燥器116、120、124中的工件106的停留时间被用于对相应的工件专属的数据项134进行补充。因此，尤其是由工件106在干燥器116、120、124中的存在超过了标称时间可以推断出质量缺陷。
优选地自动地从在生产工艺的工艺步骤中的实际工艺值与标称工艺窗口之间的偏差中查明异常。例如借助处理工位106中的一个或多个未以图示方式示出的传感器查明实际工艺值。
对此替选地或补充地可以考虑，自动地从在生产工艺的工艺步骤的实际工艺值与借助机器学习方法学习的、用于相应的工艺步骤的正常状态之间的偏差查明异常。
优选地，尤其在工件106经过生产工艺的相应的工艺步骤期间，在生产工艺的工艺步骤中有异常和/或偏差的情况下用工艺瑕疵数据148对工件专属的数据项134进行补充。
工艺瑕疵数据148优选地包含关于在生产工艺的工艺步骤中的异常和/或偏差的信息。
工艺瑕疵数据148尤其是“瑕疵标记”。例如借助工艺瑕疵数据148能标记在工件106经过工艺步骤时在相应的工艺步骤中存在或不存在异常和/或偏差。
借助工艺瑕疵数据148优选地能将生产工艺的相应的工艺步骤中的异常和/或偏差辨识为瑕疵。
通过将工艺瑕疵数据148用于辨识在工件专属的数据项134的工艺数据140中的异常和/或偏差，优选地能减小工件专属的数据项134的大小。
图2示出了不同工件106的工件专属的数据项134的实施方式。
在第一栏中例如示出了相应的工件专属的数据项134的例如形式为颜色代码和/或形式为工件辨识编号的任务数据136。
在第二至七栏中分别示出了来自在工艺流程设备100、尤其是涂漆设备102的处理工位104中的生产工艺的工艺步骤的相应的工件专属的数据项134的工艺数据140。
借助叹号尤其示出了工艺瑕疵数据148、即“瑕疵标记”，其包含关于生产工艺的工艺步骤中的异常和/或偏差的信息。
在第九栏中还示出了质量数据146，其优选地包含关于位置、类型、大小的信息和/或关于质量缺陷的数量的信息。
例如，已经针对工件W1将在预处理工位112中的异常和/或偏差作为工艺瑕疵数据148储存。
针对工件W3至W5，例如已经确认并且借助工艺瑕疵数据148标示在用于阴极电泳浸漆的工位114之后的干燥器116中的异常和/或偏差。
此外针对工件W8，例如已经借助工艺瑕疵数据148标示在底漆干燥器120中的异常和/或偏差。
包括关于在控制工位126中识别的质量缺陷的信息的质量数据146例如被储存在第九栏中。质量数据在此例如包含关于质量缺陷146的类型的信息。
优选地，借助用于识别系统性的质量缺陷的聚类方法自动地借助质量分析系统130将多个工件专属的数据项134的质量数据146分类成不同的质量缺陷组150。
在聚类方法的情况下优选地借助一个或多个分类规则对工件专属的数据项134的质量数据146进行分类。
有益地可以是，工件专属的数据项134的质量数据146在此被分类成系统性的和非系统性的质量缺陷组150。
优选地通过专家定义的分类规则和/或习得的分类规则被用于对质量数据146进行分类。
通过专家定义的分类规则例如包括在限定数量的经过生产工艺的工件106的滑动窗口之内的、存在着相同的和/或类似的质量缺陷的限定数量的工件106。
在此，在在五个生产工艺中连续的工件106内在三个或多于三个工件106处识别了相同的和/或相似的质量缺陷时，将工件专属的数据项134的质量数据146分类成系统性的质量缺陷组150。
被习得的分类规则优选地借助机器学习方法从工件专属的数据项134的质量数据146习得。
在此，可以借助受监督和/或无监督的机器学习方法习得分类规则。
优选地，可以连续地执行借助聚类方法对质量数据146的分类。对此替选地或补充地，借助聚类方法对质量数据146进行分类可以通过批量处理来实现。
优选地，借助质量分析系统130的图8所示的可视部152向用户显示了例如作为在警报系统中的实时报告和/或作为在分析系统中的分析报告的借助聚类方法识别的系统性的质量缺陷。
在图8所示的可视部152中，质量缺陷组150的所有质量缺陷存在于工件106、尤其是车辆车身108的左侧上的侧门处。
图3示出了用于图2所示的工件专属的数据项134的聚类方法的执行。
在时间点T1和T2处，尚未通过质量分析系统130识别出具有系统性的质量缺陷的质量缺陷组150。
在时间点T3处，借助质量分析系统130识别出质量缺陷组150，因为工件W3、W4和W7的工件专属的数据项134的质量数据146分别包含相同的质量缺陷F1。
例如可以考虑，基于借助聚类方法识别的质量缺陷组150，将工件106从生产工艺中取出。对此替选地或补充地，能基于借助聚类方法识别的质量缺陷组150来调整借助操控系统128对生产工艺进行的工艺操控。
优选地，借助分析方法自动地确认借助聚类方法识别的且被分类成不同的质量缺陷组150的系统性的质量缺陷的质量缺陷原因。优选地，在此分析了具有质量缺陷组150的系统性的质量缺陷的工件W3、W4和W7的工件专属的数据项134的尤其是与质量相关的工艺数据140。
在分析方法中优选地借助一个或多个分析规则来确定质量缺陷原因。
优选地通过专家定义的分析规则和/或习得的分析规则被用于确定质量缺陷原因。
习得的分析规则优选地借助机器学习方法来习得。在此例如可以考虑，借助受监督和/或无监督的机器学习方法习得分析规则。
优选地借助工艺瑕疵数据148可以将在生产工艺的工艺步骤中的异常和/或偏差辨识为质量缺陷原因。
优选地借助工艺瑕疵数据148、尤其借助分析方法能自动地将在生产工艺的工艺步骤中的异常和/或偏差配属于借助聚类方法分类的系统性的质量缺陷。
优选地，借助分析方法来确定在被确认的质量缺陷原因与被分类成不同的质量缺陷组150的系统性的质量缺陷之间的联系。
例如可以考虑，使用通过专家定义的分析规则，该分析规则建立了在用于阴极电泳浸漆的工位114之后的干燥器116中的异常与质量缺陷组150的质量缺陷F1之间的联系。
优选地，在质量分析系统130的可视部152中可以示出用于在可视部152的窗口154中的图8所示的质量缺陷组150的质量缺陷原因。
被确认的质量缺陷原因优选地包括在生产工艺、尤其是涂漆工艺中的异常和/或偏差。
借助被确定的联系优选地通过下述方式优选地自动地查明即将来临的系统性的质量缺陷，即在工件106经过生产工艺期间，从正在进行的生产工艺中确认的一个或多个异常和/或偏差中通过借助分析方法确定的联系自动地推断出工件106的将来的质量缺陷。
优选地，在此借助分析方法已经在经过生产工艺时将工件106配属于质量缺陷组150。
优选地，由此也能在控制工位126中的质量控制的范围内通过从生产工艺中推断来识别不能识别的系统性的质量缺陷。
不同工件106的工件专属的数据项134的图4所示的实施方式与不同工件106的工件专属的数据项134的图2所示的实施方式的主要区别在于，工件W6至W8的工件专属的数据项134的质量数据146分别包含关于质量缺陷F2的信息。
在时间点T4处，在使用分类规则的情况下借助聚类方法来识别质量缺陷组150，因为工件W6至W8的工件专属的数据项134的质量数据146分别包含相同的质量缺陷F2(参见图5)。
工件专属的数据项134的工艺数据140在第五栏中包含关于在底漆舱118中的舱温度的信息。
舱温度在工件W4和W5的情况下已经升高。在此可以考虑，在底漆舱118中的舱温度对于工件W6至W8而言分别位于为底漆舱118中的舱温度定义的标称工艺窗口之外。
借助分析方法优选地将底漆舱118中的舱温度辨识为质量缺陷原因。
例如在执行分析方法时使用通过专家定义的分析规则，该分析规则建立了在底漆舱118中的舱温度与质量缺陷组150的质量缺陷F2之间的联系。
在工件专属的数据项134的图4和图5所示的实施方式中的聚类方法和分析方法的执行与在工件专属的数据项134的图2和图3所示的实施方式中的聚类方法和分析方法的执行基本上一致，从而就此而言参照其此前的说明即可。
不同工件106的工件专属的数据项134的图6所示的实施方式与不同工件106的工件专属的数据项134的图2所示的实施方式的主要区别在于，工件W2和W3的质量数据146分别包含关于质量缺陷F1的信息，并且工件W4至W7的质量数据146分别包含关于质量缺陷F2的信息。
质量缺陷F1和F2例如是相同的和/或类似的，并且在使用分类规则的情况下借助聚类方法已经在时间点T1处被识别为质量缺陷组150(参见图7)。
工件专属的数据项134的工艺数据140在第四栏中包含在用于阴极电泳浸漆的工位114之后的干燥器116中超过了标称时间的信息。
尤其地，具有质量缺陷F1的工件W2和W3与此有关。
然而，在工件W2和W3之后的工件W4至W7也与在用于阴极电泳浸漆的工位114之后的干燥器116中超过了标称时间相关。
借助分析方法将在用于阴极电泳浸漆的工位114之后的干燥器116中超过了标称时间优选地辨识为质量缺陷F1和F2、尤其是质量缺陷组150的质量缺陷原因。
在工件专属的数据项134的图6和图7所示的实施方式中的聚类方法和分析方法的执行与在工件专属的数据项134的图2和图3所示的实施方式中的聚类方法和分析方法的执行基本上一致，从而就此而言参照其此前的说明即可。
借助质量分析系统130不仅可以为各个工件106执行参照图1至图8描述的方法步骤。
尤其可以考虑，在工件支架与布置在其上的工件106一起经过处理工位104期间，借助质量分析系统130也为相应地一起布置在工件支架上的多个工件106、例如为多个未以图示方式示出的车辆附件执行方法步骤。
优选地，在此取代工件专属的数据项134使用工件支架专属的数据项。
尤其地，工件支架专属的数据项明确地配属于一个工件支架和所有布置在相应的工件支架上的工件106，例如一个工件支架和所有布置在其上的车辆附件。
此外，能借助质量分析系统130执行的方法步骤与上述的方法步骤一致，从而参照其相关说明。
总而言之，在经过工艺流程设备100中的生产工艺之后或之时，优选地在经过涂漆设备102中的涂漆工艺之后或之时可以提供一种用于分析工件106、优选车辆车身108和/或车辆附件的质量缺陷的方法，借助该方法可以避免质量缺陷和/或借助该方法可以查明、避免和/或消除在生产工艺中的质量缺陷原因。此外可以提供一种用于执行这种类型的用于分析工件106的质量缺陷的方法的质量分析系统130。
Claims (16)
1.一种用于分析尤其在经过工艺流程设备(100)中的生产工艺之后和/或之时、优选地在经过涂漆设备(102)中的涂漆工艺之后和/或之时的工件(106)的、优选车辆车身(108)和/或车辆附件的质量缺陷的方法，其中所述方法包括：
在生产工艺开始时、尤其是在涂漆工艺开始时建立明确地配属于工件(106)的工件专属的数据项(134)，和/或在生产工艺开始时、尤其是在涂漆工艺开始时建立明确地配属于工件支架的工件支架专属的数据项；
在工件(106)经过所述生产工艺、尤其是所述涂漆工艺期间，用尤其是与质量相关的工艺数据(140)对所述工件专属的数据项(134)进行补充，和/或在工件支架经过所述生产工艺、尤其是所述涂漆工艺期间，用尤其是与质量相关的工艺数据对所述工件支架专属的数据项进行补充；
将所述工件专属的数据项(134)存储在数据库(142)中和/或将所述工件支架专属的数据项存储在数据库(142)中。
2.根据权利要求1所述的方法，其特征在于，优选地在所述生产工艺的末端、尤其是所述涂漆工艺的末端用质量数据(146)对所述工件专属的数据项(134)和/或所述工件支架专属的数据项进行补充，所述质量数据包含关于相应的所述工件(106)的质量缺陷、尤其是漆缺陷的信息。
3.根据权利要求2所述的方法，其特征在于，借助用于识别系统性的质量缺陷的聚类方法将多个工件专属的数据项(134)的和/或多个工件支架专属的数据项的质量数据(146)自动地分类成不同的质量缺陷组(150)。
4.根据权利要求3所述的方法，其特征在于，优选地通过对具有相应的质量缺陷组(150)的系统性的质量缺陷的所述工件(106)的所述工件专属的数据项(134)的尤其是与质量相关的工艺数据(140)进行分析、和/或通过对所述工件支架的所述工件支架专属的数据项的尤其是与质量相关的工艺数据(140)进行分析，借助分析方法自动地确认对于借助所述聚类方法识别的且被分类成不同的质量缺陷组(150)的系统性的质量缺陷的质量缺陷原因，所述工件支架的所述工件(106)具有相应的质量缺陷组(150)的系统性的质量缺陷。
5.根据权利要求4所述的方法，其特征在于，被确认的所述质量缺陷原因包括在所述生产工艺、尤其是所述涂漆工艺中的异常和/或偏差。
6.根据权利要求4或5所述的方法，其特征在于，借助所述分析方法来确定在被确认的所述质量缺陷原因与被分类成不同的质量缺陷组(150)的系统性的质量缺陷之间的联系。
7.根据权利要求6所述的方法，其特征在于，借助被确定的所述联系优选地通过下述方式自动地查明即将来临的系统性的质量缺陷，即在工件(106)经过所述生产工艺期间，从正在进行的生产工艺中确认的一个或多个异常和/或偏差通过借助所述分析方法确定的所述联系自动地推断出工件(106)的将来的质量缺陷。
8.根据权利要求1至7中任一项所述的方法，其特征在于，在每个单个的工艺步骤中用尤其是与质量相关的工艺数据(140)对所述工件专属的数据项(134)和/或所述工件支架专属的数据项进行补充。
9.根据权利要求1至8中任一项所述的方法，其特征在于，将以下工艺参数中的一个或多个用作尤其是与质量相关的、用于对工件专属的数据项(134)和/或工件支架专属的数据项进行补充的工艺数据(140)：
在所述生产工艺的工艺步骤中超过了标称时间；
在经过所述生产工艺的工艺步骤期间出现的事件；
相应的工件(106)的原结构质量数据；
在所述生产工艺中的异常和/或偏差；
天气数据；
关于在经过所述生产工艺的工艺步骤时参与所述工艺步骤的人员的人员数据。
10.根据权利要求1至9中任一项所述的方法，其特征在于，在工件(106)和/或工件支架经过所述生产工艺的所述工艺步骤期间，用包含关于在所述生产工艺的工艺步骤中的异常和/或偏差的信息的工艺瑕疵数据(148)对所述工件专属的数据项(134)和/或所述工件支架专属的数据项进行补充。
11.根据权利要求1至10中任一项所述的方法，其特征在于，在包括多个彼此不同的处理工位(104)的工艺流程设备(100)、尤其是涂漆设备(102)中执行所述方法，在所述处理工位中能分别执行所述生产工艺、尤其是所述涂漆工艺的一个或多个工艺步骤。
12.根据权利要求1至11中任一项所述的方法，其特征在于，连续地或不连续地用尤其是与质量相关的工艺数据(140)对所述工件专属的数据项(134)和/或所述工件支架专属的数据项进行补充。
13.根据权利要求1至12中任一项所述的方法，其特征在于，分别用尤其是与质量相关的、分别包括时间戳的工艺数据(140)对所述工件专属的数据项(134)和/或所述工件支架专属的数据项进行补充，借助所述时间戳能将相应的所述工艺数据(140)明确地配属于所述生产工艺的工艺步骤和/或时间点。
14.根据权利要求1至13中任一项所述的方法，其特征在于，在工件(106)和/或工件支架经过所述生产工艺期间和/或之后，将工件(106)的被补充的所述工件专属的数据项(134)和/或工件支架的被补充的所述工件支架专属的数据项存储在数据库(142)中。
15.一种质量分析系统(130)，其用于分析尤其在经过工艺流程设备(100)中的生产工艺之后和/或之时、优选地在经过涂漆设备(102)中的涂漆工艺之后和/或之时的工件(106)的、优选车辆车身(108)的质量缺陷，所述质量分析系统包括：
用于与工艺流程设备(100)、尤其是涂漆设备(102)的操控系统(128)通信的接口(132)；
操控装置，所述操控装置被配置和构造成，借助所述操控装置能实施根据权利要求1至14中任一项所述的方法。
16.一种工艺流程设备(100)、尤其是涂漆设备(102)，包括：
一个或多个处理工位(104)；
操控系统(128)，借助该操控系统能操控在所述一个或多个处理工位(104)中的生产工艺、尤其是涂漆工艺；
根据权利要求15所述的质量分析系统(130)。
Applications Claiming Priority (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DE102019112099.3 | 2019-05-09 | ||
| DE102019112099.3A DE102019112099B3 (de) | 2019-05-09 | 2019-05-09 | Überwachungsverfahren für eine Applikationsanlage und entsprechende Applikationsanlage |
| DE102019206833.2A DE102019206833A1 (de) | 2019-05-10 | 2019-05-10 | Verfahren zur Analyse von Qualitätsmängeln |
| DE102019206833.2 | 2019-05-10 | ||
| PCT/DE2020/100357 WO2020224715A1 (de) | 2019-05-09 | 2020-04-29 | Verfahren zur analyse von qualitätsmängeln |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113811828A true CN113811828A (zh) | 2021-12-17 |
Family
ID=73050740
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202080034194.0A Pending CN113811828A (zh) | 2019-05-09 | 2020-04-29 | 用于分析质量缺陷的方法 |
Country Status (10)
| Country | Link |
|---|---|
| US (1) | US20220214671A1 (zh) |
| EP (2) | EP3966646B1 (zh) |
| JP (1) | JP2022532543A (zh) |
| KR (1) | KR20220007632A (zh) |
| CN (1) | CN113811828A (zh) |
| DE (1) | DE112020002299A5 (zh) |
| FI (1) | FI3966646T3 (zh) |
| PL (1) | PL3966646T3 (zh) |
| PT (1) | PT3966646T (zh) |
| WO (1) | WO2020224715A1 (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020224717A1 (de) | 2019-05-09 | 2020-11-12 | Dürr Systems Ag | Analyseverfahren und vorrichtungen hierzu |
| EP4338849A3 (de) | 2019-05-09 | 2024-05-15 | Dürr Systems AG | Verfahren zur kontrolle und nachbehandlung von werkstücken, kontrollanlage und behandlungsanlage |
Family Cites Families (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5555504A (en) * | 1994-06-10 | 1996-09-10 | Johnson & Johnson Vision Products, Inc. | Production line tracking and quality control system |
| US6141598A (en) * | 1998-04-06 | 2000-10-31 | Hyundai Motor Company | Vehicle assembly line control system and method |
| US6516239B1 (en) * | 1999-08-03 | 2003-02-04 | Honda Of Canada Incorporated | Assembly line control system |
| JP2002117107A (ja) * | 1999-09-02 | 2002-04-19 | Ricoh Co Ltd | 生産管理システム、生産管理システムにおけるクライアント、生産管理システムにおける生産管理方法、生産管理システムにおけるデータ検索方法、およびその方法を実行させるためのプログラムを記録したコンピュータが読取可能な記録媒体 |
| CA2518051A1 (en) * | 2003-03-04 | 2004-09-16 | Valspar Sourcing, Inc. | Electrocoat management system |
| US20060190110A1 (en) * | 2004-11-05 | 2006-08-24 | Holt Sean A | Computer implemented system for management of vehicle painting operation |
| DE102006055297A1 (de) * | 2006-11-23 | 2008-05-29 | Dürr Systems GmbH | Werkstückträger zum Fördern eines zu lackierenden Werkstücks |
| DE102006056879A1 (de) * | 2006-12-01 | 2008-06-05 | Dürr Systems GmbH | Fehlerprotokollierungsverfahren für eine Beschichtungsanlage |
| US8782026B2 (en) * | 2011-03-31 | 2014-07-15 | Honda Motor Co., Ltd. | Color harmony with process and environmental feedback |
| EP3259097A1 (de) * | 2015-02-19 | 2017-12-27 | KUKA Systems GmbH | Fertigungseinrichtung, fertigungsanlage und verfahren |
| US10540727B2 (en) * | 2015-03-13 | 2020-01-21 | Color Harmony Experts, S.C. | Method for harmonising colour in manufactured items |
| DE102015119240B3 (de) * | 2015-11-09 | 2017-03-30 | ATENSOR Engineering and Technology Systems GmbH | Automatisches detektieren und robotergestütztes bearbeiten von oberflächendefekten |
| JP6649051B2 (ja) * | 2015-11-17 | 2020-02-19 | Ｋｙｂ株式会社 | 品質データ管理システム |
| DE102016012451A1 (de) * | 2016-10-18 | 2018-01-04 | Daimler Ag | Verfahren zum Überwachen, Analysieren und Betreiben wenigstens einer Produktionsanlage |
| US10875592B2 (en) * | 2018-08-16 | 2020-12-29 | Carl Zeiss Industrielle Messtechnik Gmbh | Automobile manufacturing plant and method |
-
2020
- 2020-04-29 KR KR1020217039938A patent/KR20220007632A/ko unknown
- 2020-04-29 CN CN202080034194.0A patent/CN113811828A/zh active Pending
- 2020-04-29 PT PT207262916T patent/PT3966646T/pt unknown
- 2020-04-29 EP EP20726291.6A patent/EP3966646B1/de active Active
- 2020-04-29 JP JP2021566047A patent/JP2022532543A/ja active Pending
- 2020-04-29 FI FIEP20726291.6T patent/FI3966646T3/fi active
- 2020-04-29 US US17/608,470 patent/US20220214671A1/en active Pending
- 2020-04-29 WO PCT/DE2020/100357 patent/WO2020224715A1/de unknown
- 2020-04-29 EP EP23219822.6A patent/EP4324889A3/de active Pending
- 2020-04-29 DE DE112020002299.4T patent/DE112020002299A5/de active Pending
- 2020-04-29 PL PL20726291.6T patent/PL3966646T3/pl unknown
Also Published As
| Publication number | Publication date |
|---|---|
| US20220214671A1 (en) | 2022-07-07 |
| EP3966646A1 (de) | 2022-03-16 |
| WO2020224715A1 (de) | 2020-11-12 |
| KR20220007632A (ko) | 2022-01-18 |
| FI3966646T3 (fi) | 2024-03-20 |
| EP4324889A3 (de) | 2024-05-15 |
| DE112020002299A5 (de) | 2022-03-03 |
| EP3966646B1 (de) | 2024-01-03 |
| EP4324889A2 (de) | 2024-02-21 |
| JP2022532543A (ja) | 2022-07-15 |
| PL3966646T3 (pl) | 2024-04-29 |
| PT3966646T (pt) | 2024-02-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113811828A (zh) | 用于分析质量缺陷的方法 | |
| Chouchene et al. | Artificial intelligence for product quality inspection toward smart industries: quality control of vehicle non-conformities | |
| KR20220037392A (ko) | 코팅 표면의 정성적 또는 정량적 특성 | |
| JP5802326B2 (ja) | 工程および環境のフィードバックを用いた色の調和 | |
| Müller et al. | Inspector robot–a new collaborative testing system designed for the automotive final assembly line | |
| WO2021140690A1 (ja) | 品質管理システムおよび品質管理プログラム | |
| Purr et al. | Stamping plant 4.0–basics for the application of data mining methods in manufacturing car body parts | |
| CN113795800A (zh) | 用于对工件进行检验的方法、检验设备和处理设备 | |
| Goyal et al. | Integrating production and quality control policies: A survey | |
| DE102019206849A1 (de) | Verfahren zur Kontrolle von Werkstücken, Kontrollanlage und Behandlungsanlage | |
| JP2973745B2 (ja) | 物品生産工程の品質管理システム | |
| Scholer et al. | A lightweight robot system designed for the optimisation of an automotive end-off line process station | |
| CN113795797A (zh) | 用于对工件进行检验的方法、检验设备和处理设备 | |
| US6826497B1 (en) | Method for monitoring production and quality | |
| JPH06148090A (ja) | 塗装検査情報解析装置 | |
| EP1456629A2 (de) | Verfahren zur mobilen on- und offlinekontrolle farbiger und hochglänzender automobilteiloberflächen | |
| WO2021083941A1 (en) | Electronic device for inspecting trim elements | |
| JP2002211457A (ja) | 自動車用ホイールの加工管理方法 | |
| Fernandes et al. | DIRT IN AUTOMOTIVE PAINTING: AN APPROACH SUPPORTED BY CYBER-PHYSICAL SYSTEMS FOR PROCESS AUTOMATION | |
| EP4109190A1 (en) | Method of and apparatus for maintaining a transport system | |
| Vannucci et al. | Quality improvement through the preventive detection of potentially defective products in the automotive industry by means of advanced artificial intelligence techniques | |
| KR20040102295A (ko) | 도장부품 대차용 스틸바코드 검사 시스템 및 그 방법 | |
| FI20206008A1 (en) | Method for tracing a surface-treated object | |
| Neumeyer et al. | Selective laser sintering on the way to industrial application: A holistic approach for a digitized demonstration factory | |
| Berugoda Arachchige et al. | Identifying Root Causes for Defects of Solid Tires: A Case of Tire Company in Sri Lanka |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |