50+ Länder
Globale Nutzung, lokale Auswirkungen
47 Jahre im Geschäft
Entstanden im Jahr 1979
50+ Mitarbeiter
Europa, USA und Asien
2000+ Kunden
Mehr als 20.000 Benutzer
Die Zukunft der Software für statistische Prozesskontrolle
Einführung
Die Zukunft der SPC-Software sollte im Zusammenhang mit der Fertigungsumgebung diskutiert werden, in der SPC-Software eingesetzt wird, und dass die Fertigungsumgebung derzeit stark von den Entwicklungen im Zusammenhang mit Industrie 4.0 beeinflusst wird. In diesem Artikel werden wir erörtern, welche Funktionen die SPC-Software der Zukunft haben muss und was Datalyzer getan hat, um diese Anforderungen zu erfüllen.
Die Schlüsselkomponenten von Industrie 4.0 sind in der folgenden Abbildung dargestellt.
Additive Fertigung, Augmented Reality und Robotik stehen nicht in direktem Zusammenhang mit SPC-Software, aber alle anderen Komponenten haben in irgendeiner Form mit SPC-Software zu tun, und wir werden sie in diesem Artikel besprechen.
Cloud Computing
Cloud Computing ist ein Eckpfeiler von Industrie 4.0 und ermöglicht die nahtlose Integration von fortschrittlichen Technologien wie IoT, KI und Big Data Analytics in industrielle Abläufe. Es bietet die skalierbare Infrastruktur, die notwendig ist, um riesige Datenmengen, die von vernetzten Geräten und Sensoren erzeugt werden, in Echtzeit zu verwalten und zu analysieren. Dies erleichtert die vorausschauende Wartung, optimierte Produktionsprozesse und datengestützte Entscheidungsfindung, wodurch die betriebliche Effizienz gesteigert und Ausfallzeiten reduziert werden. Darüber hinaus unterstützen Cloud-Lösungen die globale Zusammenarbeit, indem sie zentrale Plattformen für den Zugriff, die gemeinsame Nutzung und die Analyse von Daten durch geografisch verstreute Teams bieten. Durch die Senkung der IT-Infrastrukturkosten und die beispiellose Flexibilität ermöglicht Cloud Computing den Unternehmen, schnell zu innovieren, sich an Marktveränderungen anzupassen und im Zeitalter der intelligenten Fertigung wettbewerbsfähig zu bleiben.
Immer mehr Systeme wie MES, ERP und Scada usw. werden als Cloud-Lösung angeboten. Wir sehen auch immer mehr Integration zwischen diesen Systemen über Web-APIs.
Die gesamte Cloud-basierte Architektur in einem Unternehmen kann recht komplex werden. Um die Verwaltung einer solch komplexen Architektur zu ermöglichen, sollten webbasierte Softwareprogramme in Containern entwickelt werden. Beim Cloud-basierten Computing ist ein Container ein leichtgewichtiger, eigenständiger und portabler Teil eines Softwarepakets, der alles enthält, was für die Ausführung dieses Teils der Anwendung benötigt wird, z. B. den Code, die Laufzeit, die Bibliotheken und die Systemtools. Container arbeiten in isolierten Umgebungen und sorgen für Konsistenz in verschiedenen Computerumgebungen, von der Entwicklung über Tests bis hin zur Produktion. Im Gegensatz zu herkömmlichen virtuellen Maschinen nutzen Container den Betriebssystemkern des Hostsystems gemeinsam, wodurch sie schneller gestartet werden können und ressourceneffizienter sind. Das macht sie ideal für die Bereitstellung in der Cloud, da sie es Entwicklern ermöglichen, Anwendungen nahtlos über verschiedene Cloud-Plattformen hinweg zu erstellen, bereitzustellen und zu skalieren und dabei die Zuverlässigkeit und Leistung aufrechtzuerhalten. Tools wie Docker und Kubernetes werden häufig für die Containerisierung und Orchestrierung im Cloud Computing verwendet.
Datalyzer Qualis 4.0 ist vollständig in Dot Net Core entwickelt und unterstützt die Containerisierung und kann in einem Docker zur Verfügung gestellt werden. Die Lösung unterstützt sowohl öffentliche als auch private Cloud-Lösungen.
Cybersecurity
Cybersicherheit im Zusammenhang mit Cloud Computing für Industrie 4.0 ist ein wichtiges Anliegen, da die Integration von Cloud-basierten Lösungen und vernetzten Systemen industrielle Umgebungen neuen Schwachstellen aussetzt. Industrie 4.0 setzt auf Datenaustausch in Echtzeit, Fernzugriff und IoT-Geräte, die allesamt potenzielle Einfallstore für Cyberangriffe darstellen.
In diesem Zusammenhang implementieren Cloud-Anbieter robuste Sicherheitsmaßnahmen wie Verschlüsselung, Multi-Faktor-Authentifizierung und kontinuierliche Überwachung, um Datenintegrität, Vertraulichkeit und Verfügbarkeit zu schützen. Unternehmen müssen jedoch ein Modell der geteilten Verantwortung übernehmen, das sichere Konfigurationen, regelmäßige Patches und Benutzerzugriffskontrollen auf ihrer Seite gewährleistet.
In der Praxis bedeutet dies, dass der Zugriff auf die SPC-Software auf den bestehenden Sicherheitsrichtlinien in einem Unternehmen wie SAML basieren sollte. In der Industrie 4.0, wo zahlreiche Anwendungen und Dienste in Cloud-Ökosystemen interagieren, sorgt SAML für eine sichere Benutzerauthentifizierung und einen sicheren Datenaustausch zwischen Plattformen. Zum Beispiel können Fabriksysteme, die mit einer Cloud-Plattform verbunden sind, SAML verwenden, um Benutzeranmeldeinformationen sicher zu verifizieren.
Andere Protokolle wie OAuth, OpenID Connect und Kerberos ergänzen SAML, indem sie verschiedene Mechanismen für die sichere Authentifizierung und Autorisierung bereitstellen und so die Cybersicherheit einer Organisation weiter stärken.
Datalyzer Qualis 4.0 unterstützt die gebräuchlichsten Protokolle wie SAML und OKTA und die Liste der unterstützten Protokolle wird ständig erweitert.
Industrielles Internet der Dinge (IIoT)
IoT (Industrielles Internet der Dinge) bezieht sich in Bezug auf die Verwendung von SPC-Software auf die Integration von intelligenten Geräten, Sensoren und vernetzten Systemen in industrielle Prozesse zur Verbesserung der Qualitätskontrolle und Entscheidungsfindung.
1. Datenerfassung in Echtzeit:
IIoT-Geräte wie Sensoren und Edge-Devices überwachen kontinuierlich Produktionslinien und Anlagen und erfassen Echtzeitdaten zu Produkt- und Prozesseigenschaften wie Gewicht, Temperatur und Druck usw. SPC-Software nutzt diese Daten, um Trends, Abweichungen und potenzielle Probleme zu erkennen, bevor sie zu Defekten führen.
2. Verbesserte Prozessüberwachung:
Die Kombination von IIoT und SPC gewährleistet eine umfassende Transparenz der Fertigungsprozesse. IIoT überträgt hochauflösende Daten an die SPC-Software, so dass die Bediener Anomalien schneller erkennen und die Prozessstabilität verbessern können
In der Praxis gibt es viele verschiedene IIoT-Plattformen und hochvolumige Echtzeitdaten wie z.B. Temperaturen sind nicht immer geeignet, um sie direkt in einer Regelkarte darzustellen. DataLyzer Qualis 4.0 bietet einen flexiblen Importdienst, mit dem Sie Daten aus praktisch jeder Quelle sammeln, die Daten in nützliche SPC-Informationen umwandeln, indem Sie die Daten aggregieren und dann in einer aussagekräftigen Regelkarte darstellen.
Neben den Sensoren gibt es noch einen großen Teil der Daten, die über spezielle Messgeräte wie Kameras, KMGs oder Datenbanken oder sogar über einfache Schnittstellenlösungen wie ASCII-Dateien oder csv-Dateien eingehen. Der flexible Importdienst von DataLyzer kann auch all diese Quellen lesen und sogar automatisch die SPC-Konfiguration erstellen.
Horizontale und vertikale Integration
Horizontale Integration
Immer mehr Branchen setzen den APQP-Prozess ein. Im APQP-Prozess gibt es einen logischen Informationsfluss vom Entwurf über die Zeichnung bis hin zu FMEA, Kontrollplan, Erstmusterprüfung und SPC und COAs. Datalyzer bietet eine Komplettlösung für den gesamten APQP-Fluss, von der automatischen Zeichnungserstellung über die Konfiguration der SPC auf der Grundlage einer Zeichnung, eine vollständige FMEA-Lösung und den automatischen Import von Messdaten für Erstmusterprüfberichte oder SPC. Alle Daten können auf viele Arten wieder exportiert werden, einschließlich COAs. Die SPC-Lösung ist also in eine horizontale integrierte Lösung eingebettet.
Vertikale Integration
Die vertikale Integration kann auf 2 verschiedene Arten betrachtet werden:
- Vertikale Integration in der IT-Struktur
- Vertikale Integration in der Organisation
Vertikale Integration in der IT-Struktur und im Kontext von Industrie 4.0 bezieht sich auf die nahtlose Integration von Prozessen, Systemen und Daten über verschiedene Ebenen eines Unternehmens hinweg – von der Fabrikhalle bis hin zur Entscheidungsfindung der Geschäftsführung. Sie ist entscheidend für die Schaffung intelligenter, vernetzter Produktionsumgebungen.
Software für die statistische Prozesskontrolle (SPC) spielt bei dieser Integration eine wichtige Rolle, denn sie ermöglicht die Erfassung und Analyse von Daten in Echtzeit sowie Rückkopplungsschleifen von Produktionsprozessen. In einem Industrie 4.0-Rahmen kann SPC-Software mit IoT-Geräten, Sensoren und Unternehmenssystemen (wie ERP und MES) integriert werden, um verwertbare Erkenntnisse und eine automatisierte Qualitätskontrolle zu ermöglichen.
Diese Ausrichtung stellt sicher, dass die Qualitätsmetriken nicht isoliert sind, sondern Teil eines umfassenderen, vernetzten Ökosystems sind, das vorausschauende Analysen, weniger Verschwendung und verbesserte Effizienz ermöglicht. Durch die Nutzung der vertikalen Integration wird SPC-Software zu einem Eckpfeiler für die Verwirklichung intelligenter Fertigungsziele, indem die betriebliche Leistung mit strategischen Zielen in Einklang gebracht wird.
Datalyzer Qualis 4.0 unterstützt diese vertikale Integration, indem es flexible Schnittstellenoptionen wie eine voll funktionsfähige DLL, Web Apis oder sogar die Möglichkeit bietet, Qualis-Container direkt in anderen webbasierten Systemen auszuführen. So können Sie beispielsweise einen Qualis-Inspektionsplan direkt aus einem webbasierten MES-System heraus starten, ohne dass der Endbenutzer überhaupt merkt, dass er in Qualis arbeitet.
Vertikale Integration in der Organisation bedeutet, dass dasselbe SPC-System sowohl den Bediener als auch den Teamleiter, den Ingenieur und den Manager direkt unterstützt. Das bedeutet, dass die SPC-Software über die Visualisierung einer Regelkarte hinausgehen muss. Automatische Warnmeldungen, Bildschirme für offene Maßnahmen, Dashboards, OCAP-Prozeduren mit Buy-Off und zusammenfassende Berichte sollten alle Teil der SPC-Softwarelösung sein. Alle Daten und Funktionen sollten nur dann zugänglich sein, wenn der betreffende Benutzer dazu berechtigt ist.
DataLyzer Qualis bietet viele Funktionen zur Unterstützung der vertikalen Integration. Alle oben beschriebenen Anforderungen stehen zur Verfügung und mit einer hochgradig granularen Berechtigungsstruktur können die richtigen Informationen und Funktionen den richtigen Personen zur Verfügung gestellt werden, sogar über mehrere Standorte und in mehreren Sprachen.
Big Data, Analytik und KI
Wie bereits erwähnt, können Big Data nicht wirklich direkt in einem SPC-System gespeichert werden, so dass wir in der Praxis 2 Ansätze sehen:
- Daten werden aggregiert und konvertiert, um aussagekräftige Informationen in Kontrollkarten zu liefern
- Die Originaldaten werden für erweiterte Analysen (Big Data oder KI) verwendet.
Die erste Option wurde bereits beschrieben, aber zur Unterstützung der zweiten Option bietet Datalyzer eine Möglichkeit, Daten aus jeder beliebigen Quelle bei der Analyse zu verwenden, ohne dass diese Daten in die SPC-Datenbank importiert werden müssen. Diese Zusatzfunktion namens Qualis Analytics kann Daten aus jeder beliebigen Quelle, einschließlich Datalyzer SPC-Daten, laden, die Daten über einen gemeinsamen Nenner wie Seriennummer, Chargennummer oder Datum und Uhrzeit in Beziehung setzen und alle Arten von verschiedenen Analyseoptionen einschließlich KI in Form von Entscheidungsbäumen und Textanalyse bereitstellen.
Dies bietet eine Fülle von Flexibilität und die Möglichkeit, Daten schnell zu analysieren, ohne dass Sie zunächst ein Importtool erstellen müssen.
Simulation und KI
Traditionell wird SPC häufig auf die Qualitätsmerkmale des Produkts angewendet. Industrien, die bei der Anwendung von SPC weiter fortgeschritten sind, wenden SPC auch auf Prozessmerkmale an. Mit dem Wachstum des IIoT sehen wir mehr Anwendungen von SPC in Prozessbereichen.
Unternehmen versuchen, die Beziehung zwischen Prozessinputs, Prozessmerkmalen und Produktmerkmalen zu ermitteln, da die Kontrolle von Prozessmerkmalen schneller und kostengünstiger ist als die Kontrolle von Produktmerkmalen. Eine bekannte Technik in diesem Bereich ist die Versuchsplanung. Mit dem Potenzial der KI ergeben sich nun neue Möglichkeiten. Anstatt DOE-Studien durchzuführen, können wir maschinelles Lernen einsetzen, um das Modell zu erstellen, und dies kann sogar vollständig in Echtzeit erfolgen.
Das maschinelle Lernen hat sich als leistungsfähiger erwiesen als DOE und kann außerdem in Echtzeit an veränderte Umstände, wie z.B. Werkzeugausstattung und Materialveränderungen, angepasst werden. Maschinelles Lernen kann nun auf 2 Arten eingesetzt werden:
- Wir können maschinelles Lernen einsetzen, um die Auswirkungen einer Prozessänderung im Falle einer außer Kontrolle geratenen oder nicht spezifizierten Situation zu simulieren.
- Mit maschinellem Lernen können wir das Ergebnis eines kritischen Prozessmerkmals vorhersagen, noch bevor es gemessen werden kann.
DataLyzer Qualis 4.0 bietet maschinelles Lernen bei der Dateneingabe in Echtzeit. Ergebnisse können mit Hilfe von maschinellem Lernen vorhergesagt werden und maschinelles Lernen kann auch bei Prozessänderungen eingesetzt werden, um die Auswirkungen der Änderung zu simulieren.
9%
Kostenreduzierung durch Kunden erreicht
Was Kunden sagen
„Datalyzer hat uns dabei geholfen, Qualitätsdaten aus allen Prozessen automatisch zu verknüpfen, um erweiterte Analysen durchzuführen
Dave Beeren
Yield engineer, Philips
Industrien, die wir bedienen
ISO-zertifiziert
ISO 27001 & SOC2
