EP1390815A2 - Verfahren und vorrichtung zur berechnung von qualitätsfähigkeitskenngrössen - Google Patents

Verfahren und vorrichtung zur berechnung von qualitätsfähigkeitskenngrössen

Info

Publication number
EP1390815A2
EP1390815A2 EP02747301A EP02747301A EP1390815A2 EP 1390815 A2 EP1390815 A2 EP 1390815A2 EP 02747301 A EP02747301 A EP 02747301A EP 02747301 A EP02747301 A EP 02747301A EP 1390815 A2 EP1390815 A2 EP 1390815A2
Authority
EP
European Patent Office
Prior art keywords
parameters
distribution time
measured values
calculated
program
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.)
Withdrawn
Application number
EP02747301A
Other languages
English (en)
French (fr)
Inventor
Alfred Schulze
Edgar Dietrich
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Q Das Gesellschaft fuer Datenverarbeitung und Systemtechnik mbH
Original Assignee
Q Das Gesellschaft fuer Datenverarbeitung und Systemtechnik mbH
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Q Das Gesellschaft fuer Datenverarbeitung und Systemtechnik mbH filed Critical Q Das Gesellschaft fuer Datenverarbeitung und Systemtechnik mbH
Publication of EP1390815A2 publication Critical patent/EP1390815A2/de
Withdrawn legal-status Critical Current

Links

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
    • G07C3/146—Quality control systems during manufacturing process
    • 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
    • G05B2219/32181—Monitor production, assembly apparatus with multiple sensors
    • 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
    • G05B2219/32187—Correlation between controlling parameters for influence on 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
    • G05B2219/32—Operator till task planning
    • G05B2219/32201—Build statistical model of past normal proces, compare with actual process
    • 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]

Definitions

  • the invention relates to a method for the automated calculation of quality capability parameters for the assessment of a production process on the basis of measured value data by using a digital processing system.
  • a process assessment is to gain in-depth knowledge of a process based on selected measured values. Based on this knowledge, the process can then be controlled efficiently and effectively in such a way that the products or services it realizes meet the specified quality requirements.
  • a process assessment is always the assessment according to predetermined criteria by one or several characteristics that were selected as significant for the process. However, it is often easier for a process assessment to be carried out in practice than to measure and record the correlating product features instead of process features that are difficult to grasp.
  • the characteristic values under consideration are typically determined from random samples which are regarded as representative of the process characteristic or the correlating product characteristic considered. For the characteristics used for the process assessment, meaningful quality capability parameters are then calculated using statistical methods from the randomly measured characteristic values.
  • the calculation of the individual parameters from randomly measured characteristic values is carried out using known statistical methods.
  • the distribution of the measured characteristic values is first approximated by a predetermined, known distribution function. Distributions such as the normal distribution, the logarithmic normal distribution or the Weibull distribution are usually taken into account, which due to their mathematical properties represent a large number of those in the Satisfactorily model existing measured value distributions.
  • the quality capability parameters can be calculated as a function of estimated values for parameters of the selected distribution time model determined using statistical methods.
  • a large number of statistical calculation methods for adapting model distributions to predetermined measured value distributions or for calculating statistical parameters are known and implemented in commercial or freely available computer programs.
  • the individual statistical methods and computer programs differ in terms of their range of functions, with regard to the possibilities of adapting predefined distribution models to the measured characteristic values, and with regard to the efficiency with which the necessary calculations can be carried out with a given memory size and computing power.
  • the object of the invention is therefore to enable a reproducible and efficient calculation of meaningful quality characteristics for the assessment of a production process on the basis of measured characteristic values. As few as possible
  • Distribution models should describe the characteristics of a production process that are relevant to decision-making as well as possible, so that comparable evaluation criteria and parameters can be determined for the assessment of a production process with the least possible use of computing capacity and computing power.
  • the process should be as automated as possible so that it can also be used for the continuous control of ongoing production processes.
  • This object is achieved according to the invention by a method for the automated calculation of quality parameters for the assessment of a production process on the basis of measured value data using the following method steps using a digital processing system: providing the measured value data; electronic selection of an appropriate distribution time model from a plurality of predefined distribution time models, at least one distribution time model changing over time
  • Deviations from the normal distribution can, for example, be due to material fluctuations in the starting products or are due to the
  • the predefined distribution time models determine what best describes the measured distribution of the characteristic values over the entire period of the measured value acquisition. It is conceivable that the trend compensation is carried out in sections measured characteristic values can be changed into transformed values, which can then be described using temporally constant distribution time models.
  • the calculation and display of the quality capability parameters takes place depending on the selected distribution time model.
  • Distribution time models and the electronic calculation of the quality capability models are carried out on the basis of specified criteria in accordance with a clearly defined evaluation strategy. Since the calculation and display of the Qualitatsfahtechnikskennnote fully automated by a known evaluation strategy runs', thereby ensuring the identical reproducibility of the results. The calculated quality capability parameters of different evaluation periods or production facilities can therefore be compared directly with one another.
  • the measured value data are automatically acquired continuously over a predetermined period of time and that the quality capability parameters are calculated and displayed at predetermined intervals. This can happen, for example, in that individual measuring devices are connected directly to the evaluation computer and the continuously measured values are transmitted via an interface in a data format suitable for the evaluation. At specified intervals then automates the calculation of the
  • Quality capability parameters are carried out and thus an automated, continuous control of the production process.
  • Plausibility limits may lie. It is advisable not to use such values to calculate the quality parameters, because otherwise a complex manufacturing system, for example, will be stopped and laboriously checked due to incorrectly calculated parameters, even though the products were manufactured perfectly.
  • a digital processing system for carrying out the method according to the invention can be implemented in terms of hardware or software or by means of a suitable combination of hardware and software components. An embodiment of such a digital processing system is described in more detail in one of the following figures.
  • Fig. 5 is a schematic sketch for the connection of a measuring device via an interface with an embodiment of the device according to the invention. •
  • FIG. 1 shows the essential method steps that have to be carried out in succession in order to calculate and display quality parameters based on measured characteristic values.
  • Production has measurement data at various points. On the one hand, these can be measured values of features and parts or process parameters.
  • the measurement data are provided by various measuring devices or measuring methods.
  • a first method step 1 the various measured values are recorded and in a for converting the appropriate data format for further processing.
  • the predefined evaluation strategy is used to select the distribution time model that best describes the measured values from the various predefined distribution time models.
  • the individual decisions within this selection strategy are based on statistical test procedures.
  • a test-specific test variable is determined from the respective data set of the measured values.
  • critical values for the underlying assumptions are calculated.
  • the assumed null hypothesis or an alternative hypothesis comes into play.
  • the behavior over time of essential parameters of the measured values is classified by several successive decisions. Subsequently, the one that describes the measured characteristic values as best as possible must be selected from several temporally constant distribution models.
  • the normal distribution, the logarithmic normal distribution, an amount distribution of the first or second type, the Weibull distribution or a mixed distribution composed by additively weighted normal distributions are taken into account.
  • Distributions applicable to the respective data set are determined based on a network regression.
  • R1 and R2 are calculated, whereby all measured values are taken into account for the calculation of R1, while only 25% of the values are used for the calculation of R2.
  • the two regression coefficients are calculated for all predefined distribution models.
  • the sum of the two regression coefficients Rl and R2 - is used as a decision criterion for the best-matched distribution model.
  • the quality capability parameters 4 are then displayed. If the quality capability parameters are calculated in order to serve as the basis for a decision to be made, it is advisable to output the processed measurement data, the individual decisions and the statistical calculations carried out as comprehensively as possible. In addition to the calculated quality capability parameters, there is a great deal of additional information available for deciding on a major investment or restructuring. If, on the other hand, the calculation of quality capability parameters is used to monitor ongoing production processes, the display can be limited to whether the Quality parameters are within a specified range or deviate from them in such a way that immediate intervention is required.
  • FIG. 2 schematically shows the selection strategy, according to which the appropriate distribution time model is selected.
  • FIG. 2 accordingly shows the selection of the
  • Outliers can be: values outside the entered plausibility limits, values outside the natural limits or values that were identified as outliers based on a test, for example the Hampel test.
  • the data record is then cleaned up for these outliers.
  • a next step 6 the temporal behavior of the scatter of the measured feature values is examined.
  • a test for example the Levene test, is used to determine whether the scatter can be regarded as constant. If the spread is not constant (branch
  • the distribution model of a mixed distribution 7 is used for the description. If the scatter is identified as constant (branch HO), the temporal behavior of the position of the measured distribution is then examined. For this decision, tests such as the F test or the Kruskal-Wallis test are used. If the null hypothesis (branch HO) is applicable based on the respective test procedure, only a unipolar distribution is used. On the basis of the measured distribution and / or the properties of the feature under consideration, the appropriate distribution model is then determined step by step, typically making a selection between the normal distribution, the logarithmic normal distribution, an amount function of the 1st or 2nd type or a Weibull distribution. If no characteristic type is stored for a characteristic, the distribution model can be selected based on specified limit values (one-sided or two-sided limited).
  • Distribution time model of an extended normal distribution describes the measured data (branch HO). Otherwise (branch Hl), additional tests 11, for example the extended Shapiro-Wilk test, are used to check whether there is a temporary
  • test 11 for the temporary presence of a normal distribution is the alternative hypothesis (Hl)
  • the tests for normal distribution are used to check whether the entire data set can be described with the distribution model of a normal distribution. If the result of the test is the alternative hypothesis (branch Hl), the best-suited distribution model is sought, taking into account the temporal behavior of the measured distribution of the characteristic values.
  • 3 and 4 show two-dimensional representations of a measured data set of feature values.
  • the various feature values are arranged on the abscissa, the assigned frequency with which the respective feature value was measured is shown on the ordinate.
  • the measured distribution of the feature values is shown in both figures as a histogram with a gray background.
  • the measured distribution of the feature values 12 shown in FIG. 3 has a complicated distribution form.
  • the measured distribution of the feature values 12 is clearly described by an adapted normal distribution 13, represented as a dashed line.
  • a mixed distribution is selected in the present case, which describes the measured distribution much better after the adjustment has been made.
  • the adjusted mixed distribution 14 is identified in the diagram in FIG. 3 by a solid line.
  • FIG. 4 shows the measured frequency distribution of a feature value 12 'as a histogram with a gray background, in which the measured feature value cannot sign a natural limit 15.
  • the dimensions of a workpiece produced are an example of one-sided, in this case zero-limited features.
  • a normal distribution 13 ' shown as a dashed line, can only be poorly adapted to the measured frequency distribution 12' due to its symmetry.
  • the measured feature values are described much better by an amount function 14 ', represented by a solid line.
  • FIG. 5 schematically shows an exemplary embodiment of a device according to the invention for the automated calculation of quality parameters for the assessment of a production process on the basis of measurement data.
  • the device comprises a computing device 16, which a program for the automated selection of the applicable
  • An input device 17 is connected to the computing device 16, by means of which the measured values to be evaluated can be recorded. After calculating the
  • Quality capability parameters can be displayed together with further information by means of a display device 18.
  • Storage medium 19 for example a hard disk, can contain the recorded measured values, the calculated quality capability parameters as well as any intermediate results and further information of the individual calculations and decision-making processes
  • the device has an interface 21, via which an external measuring device 22 can be connected to the device.
  • a connected measuring device 22 can then transmit measurement data to the computing unit via the interface 21.
  • both the acquisition of the available measurement data and the calculation of the quality capability parameters can be carried out automatically. In this way, an automatic continuous control of a production process by the device is possible with the aid of the measuring device 22 connected to it.

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Engineering & Computer Science (AREA)
  • General Factory Administration (AREA)

Abstract

Ein Verfahren zur automatisierten Berechnung von Qualitätsfähigkeitskenngrössen für die Beurteilung eines Produktionsprozesses anhand von Messwertdaten erfolgt mittels Verwendung eines digitalen Verarbeitungssystems unter Anwendung der folgenden Verfahrensschritte: Bereitstellen der Messwertdaten; elektronische Auswahl eines zutreffenden Verteilungszeitmodells aus mehreren vorgegebenen Verteilungszeitmodellen, wobei zumindest ein Verteilungszeitmodell einen zeitlich sich ändernden Mittelwert der Messwerte oder eine zeitlich sich ändernde Streuung der Messwerte beschreibt; elektronische Berechnung der Qualitätsfähigkeitskenngrössen als Funktion von mit statistischen Methoden ermittelten Schätzwerten.für Kenngrössen des ausgewählten Verteilungszeitmodells; Anzeigen der Qualitätsfähigkeitskenngrössen.

Description

Verfahren und Vorrichtung zur Berechnung von Qualitatsfahigkeitskenngroßen
Die Erfindung betrifft ein Verfahren zur automatisierten Berechnung von Qualitatsfahigkeitskenngroßen für die Beurteilung eines Produktionsprozesses anhand von Messwertdaten mittels Verwendung eines digitalen Verarbeitungssystems .
In allen Industrie- und Wirtschaftssektoren entstehen durch ganz unterschiedliche Prozesse ständig die verschiedensten Produkte sowohl für das tägliche Leben als auch für anspruchsvolle Bedürfnisse. Jede Abweichung von einem optimalen Prozessverlauf kann für das den Prozess ausführende Unternehmen zu einem zumindest indirekt sich als finanziellen Verlust auswirkenden Nachteil führen. Es ist deshalb von großer Wichtigkeit, diese Prozesse so zu lenken und zu überwachen, dass sie ohne Störungen arbeiten und die gewünschten Produkte mit der geforderten Qualität liefern.
Zweck einer Prozessbeurteilung ist es, anhand von ausgewählten Messwerten fundierte Kenntnisse über einen Prozess zu gewinnen. Ausgehend von diesen Kenntnissen kann dann der Prozess effizient und effektiv so gelenkt werden, dass die von ihm realisierten Produkte oder Dienstleistungen die vorgegebenen Qualitätsforderungen erfüllen. Eine Prozessbeurteilung ist dabei stets die Beurteilung nach vorgegebenen Kriterien von einem oder mehreren Merkmalen, die als bedeutsam für den Prozess ausgewählt wurden. Es ist allerdings für die praktische Durchführung einer Prozessbeurteilung oft einfacher, statt schwer erfassbarer Prozessmerkmale die damit korrelierenden Produktmerkmale zu messen und zu erfassen.
Die betrachteten Merkmalswerte werden dabei typischerweise aus Stichproben ermittelt, die als repräsentativ für das betrachtete Prozessmerkmal bzw. das korrelierende Produktmerkmal angesehen werden. Für die zur Prozessbeurteilung herangezogenen Merkmale werden dann aussagekräftige Qualitatsfahigkeitskenngroßen mittels statistischer Methoden aus den stichprobenartig gemessenen Merkmalswerten berechnet.
In den verschiedenen Industrie- und Wirtschaftssektoren können die einzelnen Prozessmerkmale außerordentlich unterschiedlich und vielfältig sein. Darüber hinaus können einzelne Prozess- oder Produktmerkmale sehr unterschiedliche Verteilungen von Merkmals erten sowie völlig unterschiedliche zeitliche Entwicklungen dieser Verteilungen aufweisen. Obwohl für die Beurteilung der Qualitätsfähigkeit von Prozessen sowohl durch internationale, regionale und nationale Normungsgremien als auch durch die Industrie zahlreiche Normen erstellt wurden, konnte bisher keine eindeutige, international gültige Terminologie etabliert werden. Eine übereinstimmend verwendete Terminologie ist für die Diskussion und Dokumentation von Zielen, Aufgaben und Ergebnissen eines Prozessmanagements von grundlegender
Wichtigkeit . Auch wenn durch Benennung und Einhaltung einer bestimmten Norm berechnete Qualitatsfahigkeitskenngroßen eindeutig einem zu beurteilenden Prozessmerkmal zugeordnet werden können, so kann der berechnete Wert der Qualitatsfähigkeitskenngröße in Abhängigkeit von der Auswertestrategie und der einzelnen statistischen Berechnungsschritte erheblich schwanken. Ausgehend von den selben MerkmalsInformationen kann deshalb die auf Qualitatsfahigkeitskenngroßen gestützte Entscheidung, ob ein Prozess erwartungsgemäß und zufriedenstellend verläuft oder verändert und optimiert werden muss, völlig unterschiedlich ausfallen.
Solche Prozessbeurteilungen und Entscheidungen sind insbesondere dann mit hohen finanziellen und organisatorischen Folgen verbunden, wenn umfangreiche und komplexe Fertigungsanlagen für die Produktherstellung notwendig sind. So können beispielsweise die Kosten einzelner Fertigungsmaschinen der AutomobilIndustrie leicht mehrstellige Millionenbeträge ausmachen. Die Entscheidung, ob eine bestimmte Fertigungsanlage die vom Automobilhersteller vorgegebenen Qualitätsforderungen erfüllt, muss. anhand der Ergebnisse weniger Testproduktionsläufe- ermittelt werden. Stellt sich später heraus, dass die gekaufte Fertigungsanlage die Qualitätsforderungen nicht erfüllt und beispielsweise die Produkte mangelhaft sind oder die Anlage hohe
Ausfallzeiten aufweist, so muss nicht nur die betroffene Fertigungsanlage verbessert oder ersetzt werden. Durch die verzögerte oder mangelhafte Herstellung einzelner Bauteile können beispielsweise verbindliche Lieferzusagen nicht eingehalten werden, die Produktionslinien ganzer
Automobilwerke ins Stocken geraten oder aufwendige Rückholaktionen von fehlerhaften Teilen mit einem damit verbundenen Imageverlust notwendig werden.
Durch Normen wie beispielsweise DIN 55350-11 "Begriffe zu Qualitätsmanagement und Statistik; Begriffe des Qualitätsmanagements" kann eine eindeutige und einheitliche Terminologie vorgegeben und verwendet werden. Es existieren ebenfalls verschiedene internationale und nationale Normen, beispielsweise DIN 55319 "Qualitatsfahigkeitskenngroßen", mit denen eine bessere Vergleichbarkeit der berechneten Kenngrößen erreicht werden soll . Derartige Normierungen müssen jedoch zwangsläufig auf eine Vielzahl verschiedenster Prozesse anwendbar sein und sind deshalb derart allgemein und abstrakt formuliert, so dass für die praktische Durchführung ein großer Ermessenspielraum bleibt .
Viele größere, insbesondere international tätige Konzerne wie beispielsweise alle namhaften Automobilhersteller entwickeln deshalb eigene Standards und Richtlinien für ihr Prozessmanagement.
Die Berechnung der einzelnen Kenngrößen aus stichprobenartig gemessenen Merkmalswerten erfolgt mit Hilfe von bekannten statistischen Methoden. Die Verteilung der gemessenen Merkmalswerte wird dazu zunächst durch eine vorgegebene, bekannte Verteilungsfunktion angenähert . Dabei werden üblicherweise Verteilungen wie die Normalverteilung, die logarithmische Normalverteilung oder die Weibull- Verteilung berücksichtigt, die auf Grund ihrer mathematischen Eigenschaften eine große Anzahl der in der Praxis vorkommenden Messwertverteilungen zufriedenstellend modellieren. Nachdem der gemessenen Merkmalsverteilung das bestmöglich annähernde Verteilungsmodell zugeordnet wurde, können die Qualitatsfahigkeitskenngroßen als Funktion von mit statistischen Methoden ermittelten Schätzwerten für Kenngrößen des ausgewählten Verteilungszeitmodells berechnet werden.
Es sind eine Vielzahl statistischer Berechnungsverfahren zur Anpassung von Modellverteilungen an vorgegebene Messwertverteilungen oder zur Berechnung statistischer Kenngrößen bekannt und in kommerziellen oder frei erhältlichen Computerprogrammen umgesetzt. Die einzelnen statistischen Verfahren und Computerprogramme unterscheiden sich dabei hinsichtlich ihres Funktionsumfangs, hinsichtlich der Möglichkeiten der Anpassung vorgegebener Verteilungsmodelle an die gemessenen Merkmalswerte sowie hinsichtlich der Effizienz, mit welcher die notwendigen Berechnungen bei vorgegebener Speichergröße und Rechenleistung durchgeführt werden können.
Für die Berechnung einer Qualitätsfähigkeitskenngrδße muss. zunächst mit Hilfe eines der möglichen statistischen Verfahren unter den vorgegebenen Verteilungsmodellen dasjenige ermittelt werden, das die gemessene Merkmalswertverteilung bestmöglich beschreibt, um dann von diesem Verteilungsmodell ausgehend statistische Schätzwerte und Kenngrößen und als Funktion dieser Werte die Qualitatsfahigkeitskenngroßen zu berechnen. Aufgabe der Erfindung ist es daher, anhand von gemessenen Merkmalswerten eine reproduzierbare und effiziente Berechnung äussagefähiger Qualitatsfahigkeitskenngroßen für die Beurteilung eines Produktionsprozesses zu ermöglichen. Möglichst wenige vorgegebene
Verteilungsmodelle sollen dabei entscheidungsrelevante Merkmale eines Produktionsprozesses möglichst gut beschreiben, so dass mit möglichst geringem Einsatz von Rechnerkapazität und Rechenleistung vergleichbare Bewertungskriterien und Kenngrößen für die Beurteilung eines Produktionsprozesses ermittelt werden können. Das Verfahren sollte möglichst automatisiert ablaufen können, um auch bei der kontinuierlichen Kontrolle laufender Produktionsprozesse eingesetzt werden zu können.
Diese Aufgabe wird erfindungsgemäß gelöst durch ein Verfahren zur automatisierten Berechnung von Qualit ts ahigkeitskenngroßen für die Beurteilung eines Produktionsprozesses anhand von Messwertdaten unter Anwendung der folgenden Verfahrensschritte mittels Verwendung eines digitalen Verarbeitungssystems : Bereitstellen der Messwertdaten; elektronische Auswahl eines zutreffenden Verteilungszeitmodells aus mehreren vorgegebenen Verteilungszeitmodellen, wobei zumindest ein Verteilungszeitmodell einen zeitlich sich ändernden
Mittelwert der Messwerte oder eine zeitlich sich ändernde Streuung der Messwerte beschreibt; elektronische Berechnung der Qualitatsfahigkeitskenngroßen als Funktion von mit statistischen Methoden ermittelten Schätzwerten für Kenngrößen des ausgewählten Verteilungszeitmodells;
Anzeigen der Qualitatsf higkeitskenngroßen. Die wenigsten Messwerte von Prozessmerkmalen können mit Hilfe einer Normalverteilung beschrieben werden. Abweichungen von der Normalverteilung können beispielsweise durch MaterialSchwankungen der Ausgangsprodukte begründet sein oder sind durch die
Eigenschaften der betrachteten Merkmale vorgegeben, die beispielsweise wie sämtliche Form- und Lagemaße eine natürliche Grenze bei Null haben.
Auf Grund von Verschleißerscheinungen des Werkzeugs bzw. einer Fertigungsanlage oder auf Grund von Schwankungen des Ausgangsmaterials treten nicht selten sich kontinuierlich verändernde Mittelwerte oder Streuungen der gemessenen Merkmalswerte auf. Derartige Prozessmerkmale bzw. damit korrelierende Produktmerkmale können sinnvollerweise nur dann zu einer aussagef higen Beurteilung des Produktionsprozesses herangezogen werden, wenn die zeitliche Veränderung der jeweiligen Kenngrößen durch geeignete Verteilungszeitmodelle beschrieben und entsprechende Test bei der Auswertung berücksichtigt wird.
Bei dem erfindungsgemäßen Verfahren wird deshalb zunächst mit vorgegebenen statistischen Testverfahren und - kriterien geprüft, ob der Mittelwert und die Streuung der gemessenen Merkmalswerte über einen vorgegebenen Zeitraum konstant ist . In Abhängigkeit davon wird aus den vorgegebenen Verteilungszeitmodellen dasjenige bestimmt, was über den gesamten Zeitraum der Messwerterfassung die gemessene Verteilung der Merkmalswerte bestmöglich beschreibt. Es ist dabei denkbar, dass mittels einer abschnittsweise durchgeführten Trendkompensation die gemessenen Merkmalswerte in transformierte Werte abgeändert werden, die dann mit zeitlich konstanten Verteilungszeitmodellen beschrieben werden können.
Nach der automatisierten Ermittelung des zutreffenden Verteilungszeitmodells erfolgt die Berechnung und die Anzeige der Qualitatsfahigkeitskenngroßen in Abhängigkeit von dem ausgewählten Verteilungszeitmodell .
Die Entscheidung zwischen einzelnen
Verteilungszeitmodellen sowie die elektronische Berechnung der Qualitätsfähigkeitsmodellen erfolgt dabei anhand vorgegebener Kriterien gemäß einer eindeutig vorgegebenen Auswertestrategie . Da die Berechnung und Anzeige der Qualitatsfahigkeitskenngroßen vollständig automatisiert nach einer bekannten Auswertestrategie 'abläuft, ist dadurch die identische Reproduzierbarkeit der Ergebnisse gewährleistet. Die berechneten Qualitatsfahigkeitskenngroßen verschiedener Äuswertezeiträume oder Produktionsstätten können deshalb direkt miteinander verglichen werden.
Einer Ausführung des Erfindungsgedankens zufolge ist vorgesehen, dass die Messwertdaten automatisiert kontinuierlich über einen vorgegebenen Zeitraum erfasst werden und in vorgegebenen Intervallen eine Berechnung und Anzeige der Qualitatsfahigkeitskenngroßen erfolgt. Dies kann beispielsweise dadurch geschehen, dass einzelne Messgeräte direkt mit dem Auswertecomputer verbunden werden und über eine Schnittstelle die kontinuierlich gemessenen Werte in einem für die Auswertung geeigneten Datenformat übertragen. In vorgegebenen Intervallen kann dann automatisiert die Berechnung der
Qualitatsfahigkeitskenngroßen durchgeführt werden und somit eine automatisiert ablaufende kontinuierliche Kontrolle des Produktionsprozesses erfolgen.
Vorteilhafterweise ist vorgesehen, dass extreme Messwerte innerhalb eines Datensatzes von Messwerten automatisiert ermittelt und gelöscht werden. Kurzzeitige Störungen der Messgeräte oder Fehler bei der Übertragung der Messergebnisse können zu Messwerten führen, die beispielsweise außerhalb vorgegebener
Plausibilitätsgrenzen liegen können. Es ist zweckmäßig, solche Werte nicht zur Berechnung der Qualit tsfahigkeitskenngroßen zu verwenden, da ansonsten auf Grund fehlerhaft berechneter Kenngrößen beispielsweise eine komplexe Fertigungsanlage angehalten und aufwendig überprüft wird, obwohl die Produkte einwandfrei hergestellt wurden.
Ein digitales Verarbeitungssystem zur Durchführung des erfindungsgemäßen Verfahrens kann hardwaremäßig oder softwaremäßig oder mittels einer geeigneten Kombination von Hardware- und Softwarekomponenten realisiert werden. Ein Ausführungsbeispiel eines derartigen digitalen Verarbeitungssystems wird in einer der folgenden Figuren näher beschrieben.
Weitere vorteilhafte Ausführungen des Erfindungsgedankens sind Gegenstand weiterer Unteransprüche.
Die Erfindung wird nachstehend anhand von Zeichnungen noch näher erläutert. Es zeigt: Fig. 1 ein schematisches Flussdiagramm, welches einen allgemeinen Überblick über die erfindungsgemäß auszuführenden Verfahrensschritte gibt,
Fig. 2 ein schematisches Flussdiagramm einer bevorzugten Ausführungsform des erfindungsgemäßen Verfahrens,
Fig. 3 eine Darstellung einer gemessenen Verteilung von Messwerten mit zwei daran angepassten Verteilungszeitfunktionen,
Fig. 4 eine weitere Darstellung einer anderen gemessenen Verteilung von Messwerten mit zwei daran angepassten Verteilungszeitfunktionen und
Fig. 5 eine schematische Skizze für die Verbindung eines Messgerätes über eine Schnittstelle mit einem Ausführungsbeispiel der erfindungsgemäßen Vorrichtung. •
Das in der Fig. 1 schematisch dargestellte Flussdiagramm zeigt die wesentlichen Verfahrensschritte, die nacheinander durchgeführt werden müssen, um ausgehend von gemessenen Merkmalswerten Qualitatsf higkeitskenngroßen zu berechnen und anzuzeigen. In der Fertigung bzw.
Produktion fallen an verschiedensten Stellen Messdaten an. Dies können einerseits Messwerte von Merkmalen und Teilen oder Prozessparameter sein. Die Messdaten werden von verschiedenen Messgeräten bzw. Messverfahren zur Verfügung gestellt. In einem ersten Verfahrensschritt 1 werden die verschiedenen Messwerte erfasst und in ein für die Weiterverarbeitung geeignetes Datenformat konvertiert .
In einem zweiten Verfahrensschritt 2 wird mittels einer vorgegebenen Auswertestrategie das die Messwerte am besten beschreibende Verteilungszeitmodell aus den verschiedenen vorgegebenen Verteilungszeitmodellen ausgewählt. Die einzelnen Entscheidungen innerhalb dieser AuswahlStrategie basieren auf statistischen Testverfahren. Aus dem jeweiligen Datensatz der Messwerte wird eine testspezifische Prüfgröße bestimmt. In Abhängigkeit von einem vorgegebenen Vertrauensniveau, beispielsweise 95 %, 99 % oder 99,9 %, werden kritische Werte für die zugrunde liegenden Annahmen berechnet. Je nachdem wie der Vergleich zwischen der aus den Messwerten berechneten Prüfgroße und dem jeweiligen kritischen Wert ausfällt, kommt die angenommene Nullhypothese oder eine Alternativhyppthese zum Tragen.
Durch mehrere nacheinander ausgeführte Entscheidungen erfolgt eine Klassifikation des zeitlichen Verhaltens wesentlicher Kenngrößen der Messwerte. Im Anschluss daran muss aus mehreren zeitlich konstanten Verteilungsmodellen dasjenige ausgesucht werden, welches die gemessenen Merkmalswerte bestmöglich beschreibt. Üblicherweise werden dabei die Normalverteilung, die logärith ische Normal erteilung, eine Betragsverteilung erster oder zweiter Art, die Weibull-Verteilung oder eine durch additiv gewichtete Normalverteilungen zusammengesetzte Mischverteilung berücksichtigt. Welche der genannten
Verteilungen für den jeweiligen Datensatz zutreffend ist, wird basierend auf einer Netzregression bestimmt. Dazu werden zwei Regressionskoeffizienten Rl und R2 berechnet, wobei für die Berechnung von Rl alle Messwerte berücksichtigt werden, während für die Berechnung von R2 nur 25% der Werte herangezogen werden. Die beiden Regressionskoeffizienten werden für alle vorgegebenen Verteilungsmodelle berechnet . Als Entscheidungskriterium für das bestangepasste Verteilungsmodell wird die Summe der beiden Regressionskoe fizienten Rl und R2 - herangezogen.
Mit der Auswahl des zutreffenden Verteilungszeitmodells wird eine zugehörige Berechnungsmethode der Qualitatsfahigkeitskenngroßen eindeutig festgelegt. Diese Berechnung der Qualitatsf higkeitskenngroßen als Funktion von mit statistischen Methoden ermittelten Schätzwerten für Kenngrößen des ausgewählten Verteilungszeitmodells erfolgt in einem dritten Verfahrensschritt 3.
Daran anschließend erfolgt die Anzeige der Qualit tsfahigkeitskenngroßen 4. Wird die Berechnung der Qualitatsfahigkeitskenngroßen durchgeführt, um als Grundlage für eine zu treffende Entscheidung zu dienen, so ist eine möglichst umfassende Ausgabe der aufbereiteten Messwertdaten, der einzelnen Entscheidungen sowie der durchgeführten statistischen Rechnungen zweckmäßig. Für die Entscheidung über eine größere Investition oder Umstrukturierung stehen damit neben den berechneten Qualitatsfahigkeitskenngroßen eine Vielzahl weiterer Informationen zur Verfügung. Wird die Berechnung von Qualitatsfahigkeitskenngroßen dagegen zur Überwachung laufender Produktionsprozesse eingesetzt, so kann die Anzeige darauf beschränkt werden, ob die Qualitatsf higkeitskenngroßen innerhalb eines vorgegebenen Bereichs liegen oder aber derart davon abweichen, dass ein sofortiges Eingreifen erforderlich wird.
Das in Fig. 2 dargestellte Flussdiagramm zeigt schematisch die Auswahlstrategie, nach welcher eine Auswahl des zutreffenden Verteilungszeitmodells erfolgt. Mit Fig. 2 wird demnach die in Fig. 1 als zweiter Verfahrensschritt bezeichnete Auswahl des
Verteilungszeitmodells detailliert beschrieben. Dabei sind zu treffende Entscheidungen als Rauten dargestellt. Eine getroffene Entscheidung wird entweder mit "ja" oder "nein" gekennzeichnet oder als bestätigte Nullhypothese "HO" bzw. Alternativhypothese "Hl" bezeichnet.
Zunächst erfolgt eine optionale Aufbereitung der erfassten Messwerte 5. Dabei werden die Messwerte eines Datensatzes auf Ausreißer untersucht. Ausreißer können dabei sein: Werte außerhalb von eingegebenen Plausibili- tätsgrenzen, Werte außerhalb der natürlichen Grenzen oder Werte, die basierend auf einem Test, beispielsweise dem Test nach Hampel, als Ausreißer identifiziert wurden. Der Datensatz wird anschließend um diese Ausreißer bereinigt.
In einem nächsten Schritt 6 wird das zeitliche Verhalten der Streuung der gemessenen Merkmalswerte untersucht. Anhand eines Tests, beispielsweise des Tests nach Levene, wird festgestellt, ob die Streuung als konstant angesehen werden kann. Falls die Streuung nicht konstant ist (Zweig
Hl) , wird zur Beschreibung das Verteilungsmodell einer Mischverteilung 7 herangezogen. Falls die Streuung als konstant identifiziert wird (Zweig HO) , wird daraufhin das zeitliche Verhalten der Lage der gemessenen Verteilung untersucht 8. Für diese Entscheidung werden beispielsweise Tests wie der F-Test oder der Kruskal-Wallis-Test herangezogen. Ist basierend auf den jeweiligen Testverfahren die Nullhypothese zutreffend (Zweig HO) , kommt nur eine eingipflige Verteilung zum Tragen. Auf Grundlage der gemessenen Verteilung und/oder der Eigenschaften des betrachteten Merkmals wird dann schrittweise das zutreffende Verteilungsmodell ermittelt, wobei typischerweise eine Auswahl zwischen der Normalverteilung, der logarithmischen Normalverteilung, einer Betragsfunktion 1. oder 2. Art oder einer Weibull-Verteilung getroffen wird. Ist bei einem Merkmal keine Merkmalsart hinterlegt, kann die Auswahl des Verteilungsmodells basierend auf vorgegebenen Grenzwerten (einseitig bzw. zweiseitig begrenzt) erfolgen.
Falls bei Untersuchung der Lage 8 diese als nicht konstant erkannt wird (Zweig Hl) , wird mit weiteren Tests 9 festgestellt, ob ein Trend vorhanden ist. Werden dabei ein oder mehrere Trends festgestellt (Zweig HO) , wird in einem nächsten Schritt 10 untersucht, ob das
Verteilungszeitmodell einer erweiterten Normalverteilung die gemessenen Messdaten beschreibt (Zweig HO) . Anderenfalls (Zweig Hl) wird zusätzlich mit Hilfe weiterer Tests 11, beispielsweise des erweiterten Shapiro-Wilk-Tests, überprüft, ob temporär eine
Normalverteilung vorliegt. Ist dies zutreffend (Zweig HO) , wird als grundlegendes Verteilungsmodell die Mischverteilung herangezogen.
Ist das Ergebnis des Tests 11 auf das temporäre Vorliegen einer Nörmalverteilung die Alternativhypothese (Hl) , wird anhand der Tests auf Normalverteilung überprüft, ob der gesamte Datensatz mit dem Verteilungsmodell einer Normalverteilung beschrieben werden kann. Ist das Ergebnis des Tests die Alternativhypothese (Zweig Hl) , wird unter Berücksichtigung des zeitlichen Verhaltens der gemessenen Verteilung der Merkmalswerte das best- angepasste Verteilungsmodell gesucht.
Mit Kenntnis- des zeitlichen Verhaltens der Streuung und der Lage der gemessenen Verteilung der Merkmalswerte sowie des die Messwerte am besten beschreibende Verteilungsmodells kann die Berechnungsmethode der Qualitatsfahigkeitskenngroßen eindeutig festgelegt werden. Die einzelnen Berechnungen im darauf folgenden Schritt (Verfahrensschritt 3 in der Fig. 1) können dann ohne weitere Entscheidung und unabhängig von der Form der gemessenen Verteilung durchgeführt werden.
Die Fig. 3 und 4 zeigen zweidimensionale Darstellungen eines gemessen Datensatzes von Merkmalswerten. Die verschiedenen Merkmalswerte sind dabei auf der Abszisse angeordnet, die zugeordnete Häufigkeit, mit der der jeweilige Merkmalswert gemessen wurde, ist auf der Ordinate dargestellt. Die gemessene Verteilung der Merkmalswerte ist dabei in beiden Figuren als grau hinterlegtes Histogramm dargestellt . Die in Fig. 3 gezeigte gemessene Verteilung der Merkmalswerte 12 weist eine komplizierte Verteilungsform auf. Deutlich ersichtlich wird die gemessene Verteilung der Merkmalswerte 12 nur schlecht durch eine angepasste Normalverteilung 13 beschrieben, dargestellt als gestrichelte Linie. Bei der Anwendung des erfindungsgemäßen Verfahrens wird dagegen im vorliegenden Fall eine Mischverteilung ausgewählt, die nach erfolgter Anpassung die gemessene Verteilung wesentlich besser beschreibt. Die angepasste Mischverteilung 14 ist in dem Diagramm in Fig. 3 durch eine durchgezogene Linie gekennzeichnet .
In Fig. 4 wird die gemessene Häufigkeitsverteilung eines Merkmalswertes 12 ' als grau hinterlegtes Histogramm dargestellt, bei dem der gemessene Merkmalswert eine natürliche Grenze 15 nicht unterschreiben kann. Die Abmessungen eines hergestellten Werkstücks sind ein Beispiel für einseitig begrenzte, in diesem Fall nullbegrenzte Merkmale. Eine Normalverteilung 13', dargestellt als gestrichelte Linie, kann auf Grund ihrer Symmetrie nur schlecht an die gemessene Häufigkeitsverteilung 12' angepasst werden. Die gemessenen Merkmalswerte werden wesentlich besser durch eine Betragsfunktion erster Art 14' beschreiben, dargestellt mit einer durchgezogenen Linie.
Die einzelnen Entscheidungen, welches Verteilungsmodell mit welchem Zeitverhalten am besten an die gemessenen Merkmalswerte angepasst werden kann und ausgehend davon die Berechung der Qualitatsf higkeitskenngroßen erfolgt . bei dem in den Fig. 1 und 2 dargestellten erfindungsgemäßen Verfahren vollständig automatisiert und reproduzierbar.
In Fig. 5 ist ein Ausführungsbeispiel einer erfindungsgemäßen Vorrichtung zur automatisierten Berechnung von Qualitatsf higkeitskenngroßen für die Beurteilung eines Produktionsprozesses anhand von Messdaten schematisch dargestellt. Die Vorrichtung umfasst eine Recheneinrichtung 16, die ein Programm zur automatisierten Auswahl des zutreffenden
Verteilungszeitmodells und der Berechnung von Qualitatsf higkeitskenngroßen ausführen kann. Mit der Recheneinrichtung 16 ist eine Eingabeeinrichtung 17 verbunden, mittels derer die auszuwertenden Messwerte erfasst werden können. Nach Berechnung der
Qualitatsfahigkeitskenngroßen können diese zusammen mit weiteren Informationen mittels einer Anzeigeeinrichtung 18 dargestellt werden.
Auf einem mit der Recheneinrichtung 16 verbundenen
Speichermedium 19, beispielsweise eine Festplatte, können die erfassten Messwerte, die berechneten Qualitatsfahigkeitskenngroßen sowie beliebige Zwischenergebnisse und weitere Informationen der einzelnen Berechnungen und Entscheidungsvorgänge
• abgespeichert werden. In einer separaten Konfigurationsdatei 20 werden alle Vorgaben gespeichert, die für die Berechnung der Qualitatsfahigkeitskenngroßen herangezogen werden. Dies kann auch vorgebbare Entscheidungsparameter beinhalten, mittels derer die
Auswahl des zutreffenden Verteilungszeitmodells aus mehreren vorgegebenen Verteilungszeitmodellen steuerbar ist. Es ist denkbar, dass auf diese Weise das Verfahren und die dafür verwendete Vorrichtung an nutzerspezifische Vorgaben angepasst werden können.
Die Vorrichtung weist eine Schnittstelle 21 auf, über die ein externes Messgerät 22 mit der Vorrichtung verbunden werden kann. Ein angeschlossenes Messgerät 22 kann dann über die Schnittstelle 21 Messdaten an die Recheneinheit übermitteln. In regelmäßigen Intervallen kann automatisiert sowohl eine Erfassung der bereitstehenden Messdaten als auch eine Berechnung der Qualitatsfahigkeitskenngroßen durchgeführt werden. Auf diese Weise ist eine automatisch ablaufende kontinuierliche Kontrolle eines Produktionsprozesses durch die Vorrichtung mit Hilfe des daran angeschlossenen Messgeräts 22 möglich.

Claims

Verfahren und Vorrichtung zur Berechnung von Qualit tsfahigkeitskenngroßenP a t e n t a n s p r ü c h e
1. Verfahren zur automatisierten Berechnung von
Qualitatsfahigkeitskenngroßen für die Beurteilung eines Produktionsprozesses anhand von Messwertdaten unter Anwendung der folgenden Verfahrensschritte mittels Verwendung eines digitalen Verarbeitungssystems : Bereitstellen der Messwertdaten; elektronische Auswahl eines zutreffenden Verteilungszeitmodells aus mehreren vorgegebenen Verteilungszeitmodellen, wobei zumindest ein Verteilungszeitmodell einen zeitlich sich ändernden Mittelwert der Messwerte oder eine zeitlich sich ändernde Streuung der Messwerte beschreibt; elektronische Berechnung der
Qualitatsfahigkeitskenngroßen als Funktion von mit statistischen Methoden ermittelten Schätzwerten für Kenngrößen des ausgewählten Verteilungszeitmodells; Anzeigen der Qualitatsfahigkeitskenngroßen.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die Messwertdaten elektronisch erfassbar sind.
3. Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass die Messwertdaten automatisiert kontinuierlich über einen vorgegebenen Zeitraum erfasst werden und in vorgegebenen Intervallen eine Berechnung und Anzeige der Qualitatsfahigkeitskenngroßen erfolgt .
4. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass automatisiert Kenngrößen berechnet werden, welche das zeitliche Verhalten der Streuung der Messwerte beschreiben und dass die derart berechneten Kenngrößen für die- elektronische Auswahl des zugeordneten Verteilungszeitmodells verwendet werden.
5. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass automatisiert Kenngrößen berechnet werden, welche das zeitliche Verhalten des Mittelwerts der Messwerte beschreiben und dass die derart berechneten Kenngrößen für die elektronische Auswahl des zugeordneten Verteilungszeitmodells verwendet werden.
6. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass extreme Messwerte innerhalb eines Datensatzes von Messwerten automatisiert ermittelt und gelöscht werden.
7. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die Messwerte, die Ergebnisse der einzelnen Berechnungen sowie die berechneten
Qualit tsf higkeitskenngroßen auf einem geeigneten Speichermedium gespeichert werden.
8. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die Auswahl des zutreffenden Verteilungszeitmodells aus mehreren vorgegebenen Verteilungszeitmodellen durch vorgebbare Entscheidungsparameter steuerbar ist .
9. Verfahren nach Anspruch 8, dadurch gekennzeichnet, dass die Entscheidungsparameter in einer separaten
Konfigurationsdatei gespeichert werden.
10. Programmdatenträger mit gespeicherten Programmbefehlen für die Ausführung eines Programms zur automatisierten Berechnung von
Qualitatsfahigkeitskenngroßen für die Beurteilung eines Produktionsprozesses anhand von Messdaten unter Anwendung der folgenden Verf hrensschritte : Bereitstellen der Messwertdaten; elektronische Auswahl des zutreffenden
Verteilungszeitmodells aus mehreren vorgegebenen Verteilungszeitmodellen, wobei zumindest ein Verteilungszeitmodell einen zeitlich sich ändernden Mittelwert der Messwerte oder eine zeitlich sich ändernde Streuung der Messwerte beschreibt; elektronische Berechnung der
Qualitatsfahigkeitskenngroßen als Funktion von mit statistischen Methoden ermittelten Schätzwerten für Kenngrößen des ausgewählten Verteilungszeitmodells; Anzeigen der Qualitatsfahigkeitskenngroßen.
11. Programmdatenträger mit gespeicherten Programmbefehlen nach Anspruch 10, dadurch gekennzeichnet, dass die Programmbefehle eine elektronische Erfassung der Messwertdaten ermöglichen.
12. Programmdatenträger mit gespeicherten Programmbefehlen nach Anspruch 11, dadurch gekennzeichnet, dass gemäß dem Programm die Messwertdaten automatisiert kontinuierlich über einen vorgegebenen Zeitraum erfasst werden und in vorgegebenen Intervallen eine Berechnung und Anzeige der Qualitatsfahigkeitskenngroßen erfolgt .
13. Programmdatenträger mit gespeicherten Programmbefehlen nach Anspruch 10, dadurch gekennzeichnet, dass gemäß dem Programm automatisiert Kenngrößen berechnet werden, welche das zeitliche Verhalten der Streuung der Messwerte beschreiben. und dass die derart berechneten Kenngrößen für die elektronische Auswahl des zugeordneten Verteilungszeitmodells verwendet werden.
14. Programmdatenträger mit gespeicherten Programmbefehlen nach Anspruch 10, dadurch gekennzeichnet, dass gemäß dem Programm automatisiert Kenngrößen berechnet werden, welche das zeitliche Verhalten des Mittelwerts der Messwerte beschreiben und dass die derart berechneten Kenngrößen für die elektronische Auswahl des zugeordneten Verteilungszeitmodells verwendet werden.
15. Programmdatenträger mit gespeicherten Programmbefehlen nach Anspruch 10, dadurch gekennzeichnet, dass gemäß dem Programm extreme Messwerte innerhalb eines Datensatzes von Messwerten automatisiert ermittelt und gelöscht werden.
16. Programmdatenträger mit gespeicherten Programmbefehlen nach Anspruch 10, dadurch gekennzeichnet, dass gemäß dem Programm die Messwerte, die Ergebnisse der einzelnen Berechnungen sowie die berechneten Qualitatsfahigkeitskenngroßen auf einem geeigneten Speichermedium gespeichert werden.
17. Programmdatenträger mit gespeicherten Programmbefehlen nach Anspruch 10, dadurch gekennzeichnet, dass gemäß dem Programm die Auswahl des zutreffenden Verteilungszeitmodells aus mehreren vorgegebenen Verteilungszeitmodellen durch vorgebbare Entscheidungsparameter steuerbar ist.
18. Programmdatenträger mit gespeicherten Programmbefehlen nach Anspruch 17, dadurch gekennzeichnet, dass gemäß dem Programm die Entscheidungsparameter in einer separaten Konfigurationsdatei gespeichert werden.
19. Vorrichtung zur automatisierten Berechnung von Qualitatsfahigkeitskenngroßen für die Beurteilung eines Produktionsprozesses anhand von Messdaten mit einer Eingabeeinrichtung zur Erfassung von Messwertdaten, mit einer Einrichtung zur elektronischen Auswahl eines zutreffenden Verteilungszeitmodells aus mehreren vorgegebenen Verteilungszeitmodellen, wobei zumindest ein Verteilungszeitmodell einen zeitlich sich ändernden Mittelwert der Messwerte oder eine zeitlich sich ändernde Streuung der Messwerte beschreibt, mit einer Einrichtung zur Berechnung der Qualitatsfahigkeitskenngroßen als Funktion von mit statistischen Methoden ermittelten Schätzwerten für Kenngrößen des ausgewählten Verteilungszeitmodells und mit einer Ausgabeeinrichtung zum Anzeigen der Qualitatsfahigkeitskenngroßen.
20. Vorrichtung nach Anspruch 19, dadurch gekennzeichnet, dass die Vorrichtung eine Speichereinrichtung zum Speichern der Messwertdaten aufweist.
21. Vorrichtung nach Anspruch 19, dadurch gekennzeichnet, dass die Vorrichtung eine Schnittstelle für die automatisierte Datenübertragung aus einem Messgerät aufweist.
22. Vorrichtung nach Anspruch 19, dadurch gekennzeichnet, dass die Vorrichtung eine Einrichtung zur kontinuierlichen Erfassung von Messwertdaten während eines vorgegebenen Zeitraums aufweist .
23. Vorrichtung nach Anspruch 19', dadurch gekennzeichnet, dass die Vorrichtung eine Einrichtung zur automatisierten Berechnung von Kenngrößen aufweist, welche das zeitliche Verhalten der Streuung der Messwerte beschreiben und dass die derart berechneten Kenngrößen für die elektronische Auswahl des zugeordneten Verteilungszeitmodells verwendbar sind.
24. Vorrichtung nach Anspruch 19, dadurch gekennzeichnet, dass die Vorrichtung eine Einrichtung zur automatisierten Berechnung von Kenngrößen aufweist, welche das zeitliche Verhalten des Mittelwerts der Messwerte beschreiben und dass die derart berechneten Kenngrößen für die elektronische Auswahl des zugeordneten Verteilungszeitmodells verwendbar sind.
25. Vorrichtung nach Anspruch 19, dadurch gekennzeichnet, dass die Vorrichtung eine Einrichtung zum automatisierten Ermitteln und Löschen extremer Messwerte innerhalb eines Datensatzes von Messwerten aufweist.
26. Vorrichtung nach Anspruch 19, dadurch gekennzeichnet, dass die Vorrichtung ein Speichermedium zur Speicherung der Messwerte, der Ergebnisse der einzelnen Berechnungen sowie der berechneten Qualitatsfahigkeitskenngroßen aufweist .
27. Vorrichtung nach Anspruch 19, dadurch gekennzeichnet, dass die Einrichtung zur Auswahl des zutreffenden Verteilungszeitmodells aus mehreren vorgegebenen Verteilungszeitmodellen durch vorgebbare Entscheidungsparameter steuerbar ist.
28. Vorrichtung nach Anspruch 27, dadurch gekennzeichnet, dass die Vorrichtung eine Speichermedium aufweist, auf welchem die vorgegebenen Entscheidungsparameter in einer separaten Konfigurationsdatei gespeichert werden.
EP02747301A 2001-05-08 2002-05-04 Verfahren und vorrichtung zur berechnung von qualitätsfähigkeitskenngrössen Withdrawn EP1390815A2 (de)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE10122318 2001-05-08
DE10122318A DE10122318B4 (de) 2001-05-08 2001-05-08 Verfahren und Vorrichtung zur Berechnung von Qualitätsfähigkeitskenngrößen
PCT/EP2002/004916 WO2002091087A2 (de) 2001-05-08 2002-05-04 Verfahren und vorrichtung zur berechnung von qualitätsfähigkeitskenngrössen

Publications (1)

Publication Number Publication Date
EP1390815A2 true EP1390815A2 (de) 2004-02-25

Family

ID=7684023

Family Applications (1)

Application Number Title Priority Date Filing Date
EP02747301A Withdrawn EP1390815A2 (de) 2001-05-08 2002-05-04 Verfahren und vorrichtung zur berechnung von qualitätsfähigkeitskenngrössen

Country Status (4)

Country Link
EP (1) EP1390815A2 (de)
AU (1) AU2002317742A1 (de)
DE (1) DE10122318B4 (de)
WO (1) WO2002091087A2 (de)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10336111A1 (de) * 2003-08-06 2005-03-03 List, Reinhard Dr. Dr. H.C. Verfahren und Anordnung zur Herstellung eines mehrteiligen Produktes mit optimiertem Erscheinungsbild
DE10342769A1 (de) * 2003-09-16 2005-04-21 Voith Paper Patent Gmbh System zur computergestützten Messung von Qualitäts- und/oder Prozessdaten
DE102005014911B4 (de) 2005-04-01 2018-01-25 Zf Friedrichshafen Ag Fertigungszelle zur Schleifbearbeitung und Radsatzprüfung und Verfahren zum Betreiben der Fertigungszelle
EP3848767B1 (de) 2020-01-13 2023-11-01 Hexagon Technology Center GmbH Verfahren zur qualitätskontrolle von werkstücken sowie koordinatenmessgerät und computerprogramm

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5257206A (en) * 1991-04-08 1993-10-26 Praxair Technology, Inc. Statistical process control for air separation process
US5627760A (en) * 1995-04-17 1997-05-06 Slutsker; Ilya Method and apparatus for real time recursive parameter energy management system
EP1052586A2 (de) * 1999-05-10 2000-11-15 General Electric Company Verfahren und Apparat zum Erzielen eines Qualitätsstandards

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See references of WO02091087A2 *

Also Published As

Publication number Publication date
AU2002317742A1 (en) 2002-11-18
WO2002091087A3 (de) 2003-01-09
DE10122318B4 (de) 2006-01-05
DE10122318A1 (de) 2002-11-21
WO2002091087A2 (de) 2002-11-14

Similar Documents

Publication Publication Date Title
EP1607192A2 (de) Verfahren und System zur Verschleissabschätzung von Achsen eines Roboterarmes
DE102006001257A1 (de) Automatisiertes Zustandabschätzungssystem für Cluster-Anlagen und Verfahren zum Betreiben des Systems
EP1599842A2 (de) Risikominimierung und wartungsoptimierung durch ermittlung von schädigungsanteilen aus betriebsdaten
DE112006000421T5 (de) System und Verfahren zum Simulieren einer Gruppe vernetzter speicherprogrammierbarer Steuerungen
WO2004102291A1 (de) Auslegung von werkzeugen und prozessen für die umformtechnik
DE102012224362A1 (de) Anpassung einer Testhäufigkeit für die Ressourcenauslastung
DE10238831A1 (de) Verfahren und Vorrichtung zur Prozessoptimierung
EP1405147B1 (de) Überwachung eines messsignals, insbesondere in der automatisierungstechnik
DE1902318A1 (de) Verfahren zur Herstellung von Erzeugnissen in groesseren Mengen unter Zuhilfenahme eines Rechners
WO2002091087A2 (de) Verfahren und vorrichtung zur berechnung von qualitätsfähigkeitskenngrössen
WO2024052219A1 (de) Verfahren zur überwachung eines bearbeitungsprozesses in einer werkzeugmaschine, sowie eine überwachungsvorrichtung und ein computerprogramm dafür
DE4217007A1 (de) Verfahren und Vorrichtung zur Überwachung und Sicherung der Produktqualität
DE102009056477A1 (de) Verfahren zum Fertigen von Fahrzeugen
WO2023011897A1 (de) Verfahren zum prognostizieren des beim ausschneiden eines blechteils entstehenden verschnitts
DE10123302B4 (de) Verfahren zum automatisierten Auswählen von Blechen, insbesondere Stahlblechen, für das Umformen zu Bauelementen
WO2004040483A2 (de) Vorhersage des termintreuegrads in der serienfertigung
EP1593007A2 (de) Verfahren zur ermittlung der verarbeitungsreihenfolge von funktionsbausteinen eines automatisierungssystems und automatisierungssystem
DE102015206192A1 (de) Verfahren zur Kontrolle von Prüflingen sowie Vorrichtung hierfür
EP3848767B1 (de) Verfahren zur qualitätskontrolle von werkstücken sowie koordinatenmessgerät und computerprogramm
WO2018219723A1 (de) Verfahren zur übertragung analyserelevanter daten, sender und system
DE102020215542A1 (de) Verfahren zum Betreiben eines UQ-Systems sowie UQ-System
EP1577726A1 (de) System und Verfahren zur Überwachung und Bewertung von Kennwerten in einem technischen Prozess
DE112021003389T5 (de) Vorrichtung zur Lebensdauervorhersage, industrielle Maschine, Programm-Erstellungssystem, und Programm
DE102021200310A1 (de) Verfahren und Vorrichtung zur Steuerung einer Werkzeugmaschine, insbesondere einer Stanzmaschine mit mindestens einem Werkzeugmagazin
EP4231800A1 (de) Computer-implementiertes verfahren zur bestimmung einer teil-menge von baugruppentypen einer vorgegebenen menge von bau-gruppentypen und einer zugehörigen modifizierten festrüstung

Legal Events

Date Code Title Description
PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

17P Request for examination filed

Effective date: 20031125

AK Designated contracting states

Kind code of ref document: A2

Designated state(s): AT BE CH CY DE DK ES FI FR GB GR IE IT LI LU MC NL PT SE TR

AX Request for extension of the european patent

Extension state: AL LT LV MK RO SI

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE APPLICATION IS DEEMED TO BE WITHDRAWN

18D Application deemed to be withdrawn

Effective date: 20041201