Fehleranalyse mittels Kombination von Data Mining und Materialstammbaum - Wo entsteht der Fehler? Lösungsansatz für Null-Fehler-Strategien

p manager production 6 Lösung: Fehleranalyse mittels Kombination von Data Mining und Materialstammbaum Wo entsteht der Fehler? Lösungsansatz für Null-Fehler-Strategien Die Einhaltung bestimmter Qualitäts- der enthaltenen Eingangsmaterialien tung im Prozess verändert haben. Unter- vorgaben wird in der Metallproduktion abbildet. schieden wird hierbei zwischen Ände- entlang der gesamten Prozesskette kon- rungen der physikalischen Koordinaten: trolliert. Trotz Echtzeitüberwachung Genealogie: Materialverwandschaften • ohne physische Umformung, z.B. wird die erforderliche Qualität nicht im Blick durch Abschneiden von Material- immer erreicht. Hier helfen Data teilen (Schrott), Mining Technologien schon heute Im Stammbaum eines jeden Materials • mit Richtungsbezug, z.B. durch vielen Metallproduzenten, Ursache und werden die Eltern-Kind-Beziehungen Neuwickeln des Materials, Wirkung zwischen Prozess- und Quali- und detaillierte Prozessinformationen zur • mit physischer Umformung, z.B. tätsdaten zu untersuchen. Abgeleitete Entstehung des Materials abgespeichert. durch Walzen des Stücks mit ein- Erkenntnisse werden dann im Sinne Im zugrundeliegenden Modell wird ein hergehender Veränderung aller Ab- eines kontinuierlichen Verbesserungs- Stammbaum als Graph aus Knoten und messungen. prozesses in neue Qualitätsvorgaben gerichteten Kanten modelliert. An den Übergängen im Verfahrens- umgesetzt. Die operative Qualitätskon- Ein Knoten kennzeichnet die jeweiligen prozess (beispielsweise von Brammen zu trolle und anschließende Fehleranalyse Abmessungen eines Materials zu einem Coils während des Warmwalzprozesses) erfolgen jedoch systemseitig und orga- definierten Zeitpunkt innerhalb des definieren Regeln, wie die Stückkoordi- nisatorisch oft getrennt. BFI und PSI Prozesses inklusive der dazugehörigen naten umzuwandeln sind. Metals zeigen hier neue Wege für ein in- physikalischen Koordinaten. Über den tegriertes, Prozessstufen übergreifendes gesamten Produktionsprozess weist ein Die Herausforderung: Zusammen- Qualitätsmanagement auf. Gewonnene Material daher immer mehrere Knoten hänge prozessübergreifend erkennen Erkenntnisse gehen direkt in die opera- auf. Nach jedem Prozessschritt erfolgt tive Qualitätskontrolle ein und ermög- die Beschreibung des Materials mit den Qualitätsdaten werden während der lichen es, geeignete Gegenmaßnahmen lokalen geometrischen Maßeinheiten. Stahlproduktion häufig in verschiede- Prozess begleitend einzuleiten. Kanten beschreiben, wodurch sich die nen Systemen erfasst und anschließend Abmessungen des Materials bei Bearbei- lokal ausgewertet. Die operative Quali- In der Metallerzeugung werden Abwei- chungen in der Produktqualität nicht in jedem Fall in dem Prozessschritt verursacht, in dem sie erkannt werden. So können beispielsweise Oberflächen- fehler eines Kaltbandes ursprünglich während des Gieß- oder Warmwalz- prozesses verursacht werden. Durch die Integration von Data Mining Techniken in PSImetals ist es nun möglich, Zusam- menhänge zwischen getrennt erfassten Qualitäts- und Prozessdaten der einzel- nen Produktionsschritte zu erkennen. Einen wichtigen Grundstein hierfür bildet die vollständige Modellierung des Materialstammbaumes (Genealogie) in PSImetals, die jedes Segment eines Abbildung der im Fertigcoil festgestellten Fehler und Messwerte aus dem Kaltwalz- und Glühprozess Produkts auf die historischen Segmente auf die lokalen Koordinaten des Warmbandcoils als „generischem Elter“ des Fertigcoils 4/2011 ∙ production manager 7 p manager production tätskontrolle und Fehleranalyse erfolgen lang des Produktionsflusses (vorwärts) dadurch meist getrennt für die einzelnen als auch in Rückwärtsrichtung für die Produktionsstufen. nachgeschaltete Qualitätsanalyse mög- Viele typische, wiederkehrende Fehler lich. Dank der generischen Konzeption entstehen aber aus dem Zusammen- kann das Modell sämtliche Stufen des www.metalbulletin.com wirken von Prozesszuständen und Prozesses vom Gießen der Schmelze bis Ergebnissen entlang der Prozesskette. So hin zum Fertigprodukt abdecken. Für treten im Flachstahlbereich nach dem Produkttypen wie Brammen, Coils, Plat- Qualitätsverbesserung über alle Warmwalzen häufig Schalenfehler auf, ten, Röhren und Langprodukte ist die Prozessstufen deren Entstehung zumeist aus Wechsel- durchgängige Qualitätssicherung eines wirkungen der Prozesse im Stahlwerk jeden Materialstücks gewährleistet. Die gemeinsame Lösung von BFI und resultieren. Hier gilt es, das stufenüber- PSI Metals ermöglicht die prozessstufen- greifende Zusammenwirken der Ein- übergreifende Fehlerursachenanalyse flussgrößen frühzeitig zu erkennen, um Ursachenfindung durch durch eine Kombination von Data geeignete Gegenmaßnahmen einzulei- Data Mining Mining und integrierter Materialgenea- ten. Voraussetzung hierfür ist die ein- logie. Dazu bildet PSImetals innerhalb heitliche Abbildung und Projektion von Aufbauend auf der vollständigen Genea- des Materialstammbaumes eines Produk- längen- und zeitbezogenen Qualitäts- logie eines Materialstücks analysieren tes für alle Prozessstufen detailgenau die daten über den Gesamtprozess. Data-Mining-Funktionen die Korrela- ursächlich dazugehörigen Materialteile/ tionen zwischen den Prozessdaten ein- Segmente inklusive der dazugehören- Dynamische Projektion von Qualitäts- zelner Prozessstufen und den projizierten den Qualitäts- und Prozessdaten ab. daten entlang der Genealogie Qualitätsdaten. Eine Innovation stellen Zusammenhänge zwischen Qualitäts- die hierfür bereitgestellten Anwen- und Prozessdaten, die in verschiedenen Das Genealogiemodell ordnet erfasste dungsszenarien dar. Ohne spezifisches Fertigungsschritten erfasst wurden, blei- Qualitätsdaten und ihre lokalen Koor- Data Mining Wissen können Prozess- ben bestehen. Dieser innovative Ansatz dinaten (z.B. Daten von Oberflächen- und Qualitätsingenieure Ursache-Wir- ermöglicht schnelle und genaue Quali- inspektionssystemen) prozessbegleitend kungs-Prinzipien von Qualitätsfehlern tätsanalysen. Erkenntnisgewinne kön- dem jeweiligen Material zu. Jedes Seg- in der Stahlproduktion analysieren. nen direkt in die operative Prozesssteu- ment eines Materialstückes kann dabei Anwendungsszenarien sind für verschie- erung einfließen und bieten somit die auf beliebige Segmente vorheriger dene Fehlertypen erstellbar. Ein Szena- optimale Unterstützung in der Umset- Prozessschritte projiziert werden, sofern rium enthält dabei sowohl alle für das zung von 0-Fehler-Strategien. eine Verwandtschaftsbeziehung vorliegt. Data Mining erforderlichen Parameter Alle im Produktionsverlauf erfassten und Berechnungsverfahren als auch die Qualitätsdaten werden so in einem ein- relevanten Prozessschritte und -variab- Autoren: heitlichen Koordinatensystem zur Quali- len für das zu untersuchende Problem. Prof. Dr. Harald Peters | VDEh- tätskontrolle verwendet. Der Anwender wählt für eine bestimmte Betriebsforschungsinstitut (BFI) Im Gegensatz zu bisherigen Model- Fehlerklasse den zu betrachtenden Zeit- Jörg Hackmann | PSI Metals GmbH len der Qualitätsdatenvererbung mit raum aus und erhält als Ergebnis eine fest vordefinierten Segmenten (z.B. 10 Analyse hinsichtlich der Ursache-Wir- ► Information Meter-Coil-Abschnitte) erfolgt die Pro- kungs-Beziehungen. Die Ergebnisse wer- jektion in PSImetals mit dynamischen den dem Benutzer grafisch und in Text- Ansprechpartnerin: Annett Pöhl, Koordinaten. Fehlerbehaftete Segmen- form angezeigt. PSI Metals GmbH, Berlin te werden somit exakt betrachtet und Die intuitive, dialoggesteuerte Benut- Telefon: + 49 30 2801-1820 typische Probleme statischer Segmente, zerführung unterstützt darüber hinaus Fax: + 49 30 2801-1020 wie Informationsverluste durch zu grobe auch das Erstellen eigener Anwendungs- E-Mail: info@psimetals.de Datenaggregation, vermieden. Diese szenarien bzw. die Weiterentwicklung Internet: www.psimetals.