As production processes become more complex it is necessary to gain knowledge about the causalities between input and output parameters. Additionally an in-time problem solving is essential for a quality oriented production. These accounts require the implementation of a process integrated quality control system. The goals are the recognition of the causalities, inspection of the process’ parameters and taking action in case of irregularities within the process. In addition the quality control system has to be able to act predictively in arranging the following process steps. SPC is a standard tool for statistical process control but requires a stable process. Anyhow tools for quality control are needed which base on non stable processes. The following dissertation describes an approach for a quality control system in a non stable process environment. The example is a casting process in a light metal foundry. The developed quality control system is made up of two contrarily directed quality control loops. A reactive quality control loop is used for determination of the causalities and for taking action for optimizing the production process. In addition a predictive quality control loop is implemented which initiates the following activities in the process chain. The necessary inspection efforts for the parts’ delivery are included in the predictive loop. The essential part of both quality control loops are the analytical methods for model building. As appropriate tools Data Mining methods have been established. The methodical analytic approach has been approved on several analyses in the BMW light metal foundry and fully been integrated into the problem solving process. The following approach is applied: Learning from the past for designing the present to improve the future.
Für die umfassende qualitätsorientierte Serienfertigung sind bei den immer komplexer werdenden Fertigungsprozessen die Kenntnis über die Kausalzusammenhänge zwischen Eingangs- und Zielgrößen sowie die rechtzeitige gezielte Fehlerbeseitigung notwendig. Aus diesem Grund wird ein prozessintegriertes Qualitätsregelungssystem benötigt, innerhalb dessen die Kausalzusammenhänge transparent aufgezeigt, die einzelnen Prozessparameter überwacht und bei Verlassen der vorgegebenen Grenzen auch Maßnahmen abgeleitet werden. Zusätzlich dazu soll das Qualitätsregelungssystem aber auch in der Lage sein, die Prozessschritte dynamisch gestalten zu können, um präventiv in den Prozess einzugreifen. Für die Regelung statistisch beherrschter Prozesse sind Verfahren wie zum Beispiel die SPC (Statistical Process Control) Standard, setzten aber immer einen fähigen und beherrschten Prozess voraus. Trotzdem werden auch für nicht fähige und nicht beherrschte Prozesse, die so genannten nicht stabilen Prozesse, Verfahren zur Prozessregelung benötigt. Die vorliegende Arbeit beschreibt einen Ansatz für ein Qualitätsregelungssystem am Beispiel eines nicht stabilen Fertigungsprozesses in einer Leichtmetallgießerei. Für den Aufbau des Qualitätsregelungssystems wird eine Verkettung zweier unterschiedlich gerichteter Qualitätsregelkreise eingesetzt. Ein reaktiver Qualitätsregelkreis dient der Bestimmung der Kausalzusammenhänge innerhalb des Produktionsvorganges und der Ableitung von Maßnahmen zur Produktionsoptimierung. Zusätzlich dazu wird ein präventiver Qualitätsregelkreis implementiert, in dem Anpassungsmaßnahmen für die weitere Steuerung des Prozesses inklusive der zur Auslieferungsfreigabe notwendigen Bauteilprüfungen initiiert werden. Kernbestandteil beider Qualitätsregelkreise sind analytische Verfahren zur Modellbildung aus dem Bereich des Data Minings. Für den Einsatz sind unterschiedliche Verfahren diskutiert und ausgewählt worden. Am Beispiel mehrerer Untersuchungen in der Leichtmetallgießerei von BMW ist der methodische datengetriebene Ansatz bestätigt und mittlerweile fest in den Problemlösungsprozess integriert worden. Es gilt folgender Ansatz: Von der Vergangenheit lernen, die Gegenwart zu gestalten, um die Zukunft zu verbessern.