50+ landen
Wereldwijd gebruik, lokale impact
47 jaar in bedrijf
Afkomstig uit 1979
50+ werknemers
Europa, VS en Azië
2000+ klanten
Meer dan 20.000 gebruikers
De toekomst van software voor statistische procesbeheersing
Inleiding
De toekomst van SPC-software moet worden besproken in relatie tot de productieomgeving waarin SPC-software wordt gebruikt en dat de productieomgeving momenteel sterk wordt beïnvloed door de ontwikkelingen met betrekking tot industrie 4.0. In dit artikel bespreken we wat de vereiste functionaliteit van toekomstige SPC-software is en wat Datalyzer heeft gedaan om aan deze vereisten te voldoen.
De belangrijkste onderdelen van Industrie 4.0 worden in de onderstaande afbeelding weergegeven.
Additive manufacturing, augmented reality en robotica zijn niet direct gerelateerd aan SPC-software, maar alle andere onderdelen hebben wel een bepaalde relatie met SPC-software, en die zullen we in dit artikel bespreken.
Cloud computing
Cloud computing is een hoeksteen van Industrie 4.0 en maakt de naadloze integratie van geavanceerde technologieën zoals IoT, AI en Big Data Analytics in industriële activiteiten mogelijk. Het biedt de schaalbare infrastructuur die nodig is om enorme hoeveelheden gegevens die door onderling verbonden apparaten en sensoren worden gegenereerd, in realtime te beheren en te analyseren. Dit maakt voorspellend onderhoud, geoptimaliseerde productieprocessen en datagestuurde besluitvorming mogelijk, waardoor de operationele efficiëntie toeneemt en de stilstandtijd afneemt. Bovendien ondersteunen cloud-oplossingen wereldwijde samenwerking door gecentraliseerde platforms aan te bieden voor het openen, delen en analyseren van gegevens door geografisch verspreide teams. Door de kosten voor IT-infrastructuur te verlagen en ongeëvenaarde flexibiliteit te bieden, stelt cloud computing bedrijven in staat om snel te innoveren, zich aan te passen aan veranderingen op de markt en concurrerend te blijven in het tijdperk van slimme productie.
Steeds meer systemen zoals MES, ERP en Scada worden als cloudoplossing aangeboden. We zien ook steeds meer integratie tussen deze systemen met behulp van web-API’s.
De volledige cloud-gebaseerde architectuur in een bedrijf kan behoorlijk complex worden. Om een dergelijke complexe architectuur te kunnen beheren, moeten webgebaseerde softwareprogramma’s in containers worden ontwikkeld. Bij cloud-based computing is een container een lichtgewicht, standalone en draagbaar deel van een softwarepakket dat alles bevat wat nodig is om dat deel van de applicatie uit te voeren, zoals de code, runtime, bibliotheken en systeemtools. Containers werken in geïsoleerde omgevingen en zorgen voor consistentie in verschillende computeromgevingen, van ontwikkeling tot testen tot productie. In tegenstelling tot traditionele virtuele machines delen containers de kernel van het besturingssysteem van het hostsysteem, waardoor ze sneller opstarten en efficiënter met resources omgaan. Dit maakt ze ideaal voor cloudimplementaties omdat ze ontwikkelaars in staat stellen om applicaties naadloos te bouwen, te implementeren en te schalen op verschillende cloudplatforms met behoud van betrouwbaarheid en prestaties. Tools zoals Docker en Kubernetes worden vaak gebruikt voor containerisatie en orkestratie in cloud computing.
Datalyzer Qualis 4.0 is volledig ontwikkeld in Dot Net Core en ondersteunt containerisatie en kan beschikbaar worden gemaakt in een docker. De oplossing ondersteunt zowel publieke als private cloud-oplossingen.
Cyberbeveiliging
Cyberbeveiliging in relatie tot cloud computing voor Industrie 4.0 is een kritiek punt van zorg, aangezien de integratie van cloud-gebaseerde oplossingen en onderling verbonden systemen industriële omgevingen blootstelt aan nieuwe kwetsbaarheden. Industrie 4.0 is afhankelijk van real-time gegevensuitwisseling, externe toegang en IoT-apparaten, die allemaal potentiële toegangspunten voor cyberaanvallen vormen.
In deze context implementeren cloudproviders robuuste beveiligingsmaatregelen, zoals versleuteling, multifactorauthenticatie en voortdurende bewaking om de integriteit, vertrouwelijkheid en beschikbaarheid van gegevens te beschermen. Bedrijven moeten echter een gedeeld verantwoordelijkheidsmodel aannemen en zorgen voor veilige configuraties, regelmatige patches en toegangscontroles voor gebruikers aan hun kant.
In de praktijk zien we dat het betekent dat toegang tot de SPC-software gebaseerd moet zijn op het bestaande beveiligingsbeleid in een bedrijf zoals SAML. In Industrie 4.0, waar talrijke toepassingen en diensten samenwerken in cloud-ecosystemen, zorgt SAML voor veilige gebruikersverificatie en gegevensuitwisseling tussen platforms. Fabriekssystemen die verbonden zijn met een cloudplatform kunnen bijvoorbeeld SAML gebruiken om gebruikersgegevens veilig te verifiëren.
Andere protocollen zoals OAuth, OpenID Connect en Kerberos vullen SAML aan door verschillende mechanismen voor veilige verificatie en autorisatie te bieden, waardoor de cyberbeveiligingshouding van een organisatie verder wordt versterkt.
Datalyzer Qualis 4.0 ondersteunt de meest gebruikte protocollen zoals SAML en OKTA en de lijst met ondersteunde protocollen wordt voortdurend uitgebreid.
Industrieel internet van dingen (IIoT)
IoT (Industrial Internet of Things) in relatie tot het gebruik van SPC-software verwijst naar de integratie van slimme apparaten, sensoren en verbonden systemen in industriële processen om de kwaliteitscontrole en besluitvorming te verbeteren.
1. Real-time gegevensverzameling:
IIoT-apparaten zoals sensoren en randapparatuur bewaken voortdurend productielijnen en apparatuur en leggen real-time gegevens vast over product- en proceskenmerken zoals gewicht, temperatuur en druk, enz. SPC-software gebruikt deze gegevens om trends, variaties en potentiële problemen te identificeren voordat ze tot defecten leiden.
2. Verbeterde procesbewaking:
De combinatie van IIoT en SPC zorgt voor uitgebreid inzicht in productieprocessen. IIoT streamt gegevens met hoge resolutie naar SPC-software waardoor operators afwijkingen sneller kunnen detecteren en de processtabiliteit kunnen verbeteren
In de praktijk zijn er veel verschillende IIoT-platforms en zijn real-time gegevens met grote volumes, zoals temperaturen, niet altijd geschikt om direct in een controlediagram te plotten. DataLyzer Qualis 4.0 biedt een flexibele importeerservice om gegevens van vrijwel elke bron te verzamelen, de gegevens om te zetten in bruikbare SPC-informatie door de gegevens samen te voegen en vervolgens te presenteren in een zinvolle controlediagram.
Naast sensoren komt er nog een groot deel van de gegevens binnen via speciale meetapparatuur zoals camera’s, CMM’s of databases of zelfs eenvoudige interfaceoplossingen zoals ASCII-bestanden of csv-bestanden. De flexibele importservice van DataLyzer kan ook al deze bronnen inlezen en zelfs automatisch de SPC-configuratie aanmaken.
Horizontale en verticale integratie
Horizontale integratie
Steeds meer industrieën passen het APQP-proces toe. In het APQP-proces is er een logische informatiestroom van ontwerp via tekening naar FMEA, controleplan, inspectie van het eerste artikel en SPC en COA’s. Datalyzer biedt een complete oplossing voor de volledige APQP-stroom, van het automatisch balloneren van tekeningen, het creëren van de configuratie van de SPC op basis van een tekening, een volledige FMEA-oplossing en het automatisch importeren van meetgegevens voor Eerste Artikel Inspectierapporten of SPC. Alle gegevens kunnen weer op vele manieren geëxporteerd worden, inclusief COA’s. De SPC-oplossing is dus ingebed in een horizontale geïntegreerde oplossing.
Verticale integratie
Verticale integratie kan op 2 verschillende manieren worden bekeken:
- Verticale integratie in de IT-structuur
- Verticale integratie in de organisatie
Verticale integratie in de IT-structuur en in de context van Industrie 4.0 verwijst naar de naadloze integratie van processen, systemen en gegevens op verschillende niveaus van een organisatie – van de fabrieksvloer tot de uitvoerende besluitvorming. Verticale integratie is cruciaal voor slimme, onderling verbonden productieomgevingen.
SPC-software (Statistical Process Control) speelt een belangrijke rol in deze integratie door real-time gegevensverzameling, analyse en feedbacklussen van productieprocessen mogelijk te maken. In een Industry 4.0-kader kan SPC-software integreren met IoT-apparaten, sensoren en bedrijfssystemen (zoals ERP en MES) om bruikbare inzichten en geautomatiseerde kwaliteitscontrole te bieden.
Deze afstemming zorgt ervoor dat kwaliteitsgegevens niet in silo’s worden opgeslagen, maar deel uitmaken van een breder, verbonden ecosysteem dat voorspellende analyses, minder verspilling en verbeterde efficiëntie mogelijk maakt. Door gebruik te maken van verticale integratie wordt SPC-software een hoeksteen voor het bereiken van slimme productiedoelen, waarbij operationele prestaties worden afgestemd op strategische doelstellingen.
Datalyzer Qualis 4.0 ondersteunt deze verticale integratie door flexibele interface opties te bieden zoals een volledig functionele DLL, web Apis of zelfs de optie om Qualis containers direct in andere webgebaseerde systemen te draaien. U kunt bijvoorbeeld een Qualis inspectieplan direct vanuit een webgebaseerd MES systeem starten en de eindgebruiker is zich er niet eens van bewust dat hij of zij in Qualis werkt.
Verticale integratie in de organisatie betekent dat hetzelfde SPC-systeem zowel de operator als de teamleider, de ingenieur en de manager rechtstreeks ondersteunt. Dit betekent dat de SPC-software verder moet gaan dan het visualiseren van een controlediagram. Automatische waarschuwingen, schermen met open acties, dashboards, OCAP-procedures met afkoop en overzichtsrapporten moeten allemaal deel uitmaken van de SPC softwareoplossing. Alle gegevens en functionaliteit mogen alleen toegankelijk zijn als de specifieke gebruiker geautoriseerd is.
DataLyzer Qualis biedt veel functies om verticale integratie te ondersteunen. Alle hierboven beschreven vereisten zijn beschikbaar en met een zeer granulaire autorisatiestructuur kan het geschikt worden gemaakt om de juiste informatie en functionaliteit aan de juiste mensen te leveren, zelfs op meerdere locaties in meerdere talen.
Big Data, Analytics en AI
Zoals eerder vermeld kunnen big data niet echt gebruikt worden om direct in een SPC-systeem op te slaan, dus in de praktijk zien we 2 benaderingen:
- Gegevens worden samengevoegd en geconverteerd om zinvolle informatie in controlediagrammen te leveren
- De originele gegevens worden gebruikt in geavanceerde analyses (Big Data of AI).
De eerste optie is al eerder beschreven, maar om de tweede optie te ondersteunen biedt Datalyzer een manier om gegevens van een willekeurige bron te gebruiken tijdens analyse zonder dat het nodig is om die gegevens in de SPC database te importeren. Deze extra functie, Qualis Analytics genaamd, kan gegevens van elke bron laden, inclusief SPC-gegevens van Datalyzer, de gegevens relateren via een gemeenschappelijke noemer zoals serienummer, lotnummer of datum en tijd, en allerlei verschillende analyseopties bieden, inclusief AI in de vorm van random forest beslisbomen en tekstanalyse.
Dit biedt een schat aan flexibiliteit en de mogelijkheid om gegevens snel te analyseren zonder dat u eerst een importeertool hoeft te maken.
Simulatie en AI
Traditioneel wordt SPC vaak toegepast op de kwaliteitskenmerken van het product. Industrieën die verder gevorderd zijn met de toepassing van SPC passen SPC ook toe op proceskenmerken. Met de groei van IIoT zien we meer toepassingen van SPC in procesgebieden.
Wat bedrijven proberen te bereiken is het vaststellen van de relatie tussen procesingangen, proceseigenschappen en producteigenschappen, omdat het controleren van proceseigenschappen sneller en goedkoper is dan het controleren van producteigenschappen. Een bekende techniek op dit gebied is experimenteel ontwerp. Nu met het potentieel van AI verschijnen er nieuwe mogelijkheden. In plaats van DOE-onderzoeken uit te voeren, kunnen we machine learning gebruiken om het model op te stellen, en dit kan zelfs volledig in realtime gebeuren.
Machine learning heeft bewezen krachtiger te zijn dan DOE en kan ook in realtime worden aangepast op basis van veranderende omstandigheden, zoals gereedschapsslijtage en veranderingen in materiaal, enz. Machine learning kan nu op 2 manieren worden gebruikt:
- We kunnen machine learning gebruiken om het effect van een procesverandering te simuleren in het geval van een situatie die uit de hand loopt of buiten de specificaties valt.
- We kunnen machine learning gebruiken om het resultaat van een kritieke proceseigenschap te voorspellen, zelfs voordat deze gemeten kan worden.
DataLyzer Qualis 4.0 biedt machine learning tijdens real-time gegevensinvoer. Resultaten kunnen worden voorspeld met behulp van machine learning en machine learning kan ook worden gebruikt tijdens procesveranderingen om het effect van de verandering te simuleren.
9%
Kostenreductie bereikt door klanten
Wat klanten zeggen
“Datalyzer hielp ons kwaliteitsgegevens van alle processen automatisch te koppelen voor geavanceerde analyse”
Dave Beeren
Yield engineer, Philips
Branches die wij bedienen
ISO-gecertificeerd
ISO 27001 & SOC2
