Der Einsatz unterschiedlicher Ansätze zur Erstellung von Kontrollkarten für komplexe In-Prozess-Messungen (wie Kurven und Verteilungen) sowie die Art und Weise, wie statistische Werkzeuge in Verbindung mit Automatisierung und Datenmanagement eingesetzt werden, sind entscheidend für effiziente und nachhaltige Fertigungsprozesse.
Während in der Forschung und Entwicklung der Schwerpunkt auf der Erfassung zahlreicher komplexer Messwerte zur Charakterisierung der Produkte liegt, basieren die Kriterien für Gut/Schlecht in der Fertigung tendenziell auf einer reduzierten Anzahl von Kennzahlen, oft auf Einzelwerten. Wir streben danach, die Kluft zwischen Forschung und Entwicklung und Fertigung zu überbrücken, indem wir analytische Werkzeuge erforschen, die wertvolle, prozessbegleitende, komplexe Messwerte zur Überwachung und Steuerung von Prozessen nutzen.
Hallo, mein Name ist Patricia Blanco García. Ich bin leitende Wissenschaftlerin im Formulierungsteam des Johnson Matthey Technologiezentrums in der Nähe von Reading in Südengland. Ich bin ausgebildete Chemikerin und arbeite seit etwa vier bis fünf Jahren mit JM. In diesem Beitrag geht es um die Rolle der Datenanalyse in neuen Prozessanalysetechnologien. Falls Ihnen Johnson Matthey noch nichts sagt: JM ist ein weltweit führender Anbieter nachhaltiger Technologielösungen und unterstützt führende Unternehmen der Energie-, Chemie- und Automobilindustrie bei der Dekarbonisierung, der Reduzierung schädlicher Emissionen und der Verbesserung ihrer Nachhaltigkeit.
Beispielsweise ist jedes dritte Auto mit einem Katalysator von Johnson Matthey ausgestattet. Im November 2023 ermöglichte JM den weltweit ersten kommerziellen Transatlantikflug, der ausschließlich mit nachhaltigem Flugkraftstoff betrieben wurde. Die meisten Produkte von Johnson Matthey sind speziell formuliert, wie dieses Bild veranschaulicht. Von links nach rechts sehen wir Katalysatoren, die in den Abgastrakt von Autos eingebaut werden und mit einer Suspension beschichtet sind, die den aktiven Katalysator enthält.
Das zweite Bild zeigt eine Brennstoffzellentinte. Diese Substanzen werden aufgetragen, um Beschichtungen für Brennstoffzellen und Elektrolyseure herzustellen. Daneben gibt es Pulver, die in Tinten verwendet werden, aber auch zur Herstellung von granulierten oder pelletierten Katalysatoren für die chemische Produktion.
Die Formulierungen enthalten eine Mischung aus dispergierten Partikeln sowie Polymeren und Additiven in einem Lösungsmittel. Wie bereits erwähnt, ist ein Beispiel der Autokatalysator, der in Abgasreinigungssystemen eingesetzt wird. In diesem Fall werden die aktiven Materialien für den Autokatalysator auf gemischten Metalloxidpulvern dispergiert und zu einer Suspension verarbeitet. Diese Suspension wird dann auf die Trägermaterialien aufgetragen, die in den Abgasauspuff des Fahrzeugs eingeführt werden.
Bei JM produzieren wir Chargen dieser Suspensionen in Mengen von mehreren hundert Kilogramm, die anschließend nach bestimmten Spezifikationen vermahlen werden. Die Optimierung dieses Verarbeitungsschritts ist für uns entscheidend für die Nachhaltigkeit, sowohl im Hinblick auf den Material- als auch auf den Energieverbrauch. Daher ist die Einführung von Online-Messungen unerlässlich, um dies zu erreichen.
Das Team, in dem ich arbeite, war Teil eines Horizon-2020-Projekts, das eine Echtzeit-Laserbeugungstechnologie zur Partikelgrößenanalyse bei der Verarbeitung anorganischer Katalysatordispersionen entwickelte. Die Partikelgrößenanalyse ist eine entscheidende Messgröße für viele Produkte von JM und Bestandteil eines Charakterisierungsverfahrens zur Definition der bisherigen Produktkriterien in verschiedenen Geschäftsbereichen.
Partikelgrößenmessungen erfolgen jedoch nicht online. Idealerweise wäre eine Messung vor Ort wünschenswert, doch in unserem Fall werden die Proben größtenteils manuell und nach festgelegten Zeiträumen entnommen und anschließend im Labor analysiert. Die Proben können altern und zudem von verschiedenen Mitarbeitern gemessen werden. Dies ist ineffizient und kann zu Fehlern bei der Wiederholbarkeit und Reproduzierbarkeit führen. Daher sind Echtzeitmessungen wichtig, da sie eine präzise Endpunktbewertung aufwändiger Mahlprozesse ermöglichen und das Risiko einer Überbearbeitung minimieren.
In diesem Poster möchte ich die Verwendung verschiedener Ansätze zur Erstellung von Kontrollkarten für komplexe Prozessmessungen wie Kurven und Verteilungen erörtern und darauf eingehen, wie der Einsatz statistischer Werkzeuge zusammen mit Automatisierung und Datenmanagement entscheidend für effiziente und nachhaltige Fertigungsprozesse ist.
In der Forschung und Entwicklung liegt der Fokus verstärkt auf der Erfassung zahlreicher komplexer Messwerte zur Charakterisierung von Produkten in der Fertigung. Bisherige Fehlerkriterien basierten tendenziell auf einer reduzierten Anzahl von Kennzahlen und oft auf Einzelwerten. Beispielsweise wurden Perzentile einer Größenverteilung verwendet, wie hier rechts dargestellt. Eine komplexe Partikelgrößenverteilung lässt sich jedoch besser durch die vollständige Kurve, wie links abgebildet, beschreiben.
Auf der linken Seite entsprechen die verschiedenen Farben den unterschiedlichen Zeitintervallen. In beiden Fällen vergleichen wir Online- und Offline-Daten. Die Trends sind vergleichbar, aber die Beurteilung ist subjektiv. Statistische Methoden können helfen, diese Subjektivität zu reduzieren. Als erstes möchte ich Ihnen eine Regelkarte vorstellen. Regelkarten dienen der Überwachung einer oder mehrerer Prozessvariablen, beispielsweise Temperatur oder Druck. Die X-Achse stellt die Zeit dar.
In diesem Beispiel betrachten wir Partikelgrößenmessungen einer Pulverprobe und überwachen den prozentualen Anteil separat. Wir haben die Werte D10, D50 und D90. Obwohl wir die Perzentile häufig verwenden, eignen sie sich nicht gut zur Darstellung einer multimodalen Verteilung. Daher ist das Ziel, die gesamte Kurve und nicht nur die Perzentile zu überwachen oder zu visualisieren.
Wir können Kurvenregelkarten erstellen, um eine gesamte Verteilung und nicht nur einen einzelnen Wert zu visualisieren. Diese Methodik haben wir von Nicola Brammer von Solvay übernommen, die sie auf dem letztjährigen Gipfeltreffen vorgestellt hat. Sie nutzt dieses Werkzeug zur Überwachung von Batch-Prozessen, wir haben es jedoch für die Überwachung von Partikelgrößenmessungen angepasst.
Für jede Größenklasse werden individuelle Regelkarten erstellt, um die Kurvenregelkarte aufbauen zu können. Die Kontrollgrenzen stellen die systembedingte Streuung des Prozesses dar. Wir verwenden historische Messwerte, um die Kontrollgrenzen auf Basis vorheriger Messungen zu berechnen. Visuell lässt sich erkennen, ob der Prozess außer Kontrolle geraten ist, wenn eine Kurve außerhalb der Kontrollgrenzen liegt. Die grüne Linie zeigt einen aktuellen Messwert im Vergleich zum Mittelwert der Messwerte (durchgezogene schwarze Linie) sowie zu den oberen und unteren Kontrollgrenzen (gestrichelte Linien). Zusätzlich zu den Kontrollgrenzen könnten optional auch Spezifikationsgrenzen hinzugefügt werden.
Dies ist wohl besser als die vorherige Kontrollkarte, da hier die gesamte Verteilung und nicht nur einzelne Werte betrachtet werden; allerdings handelt es sich weiterhin um eine visuelle Darstellung. Geht man noch einen Schritt weiter und verwendet Hauptkomponenten, lassen sich die Größenverteilungen, also die Hauptkomponenten jeder Kurve, überwachen. In diesem Fall ermöglicht die modellbasierte Kontrollkarte mithilfe der Hauptkomponentenanalyse die Überwachung der Verteilung anhand von Funktions- und Hauptkomponenten für jede Kurve. Es kann eine Kontrollkarte erstellt werden, die die gesamte Verteilung auf Basis der funktionalen Hauptkomponenten darstellt.
Ich hoffe, ich konnte Ihnen verdeutlichen, dass Echtzeitmessungen von Prozessparametern für die Prozesssteuerung unerlässlich sind und dass statistische Methoden helfen können, den größtmöglichen Nutzen aus den erzeugten Daten zu ziehen. Wir arbeiten daran, diesen Ansatz in realen Fallstudien sowohl in der Forschung und Entwicklung als auch in der Fertigung anzuwenden. Abschließend möchte ich George Platt und Chand Malde für die Bereitstellung einiger Fräsdaten in dieser Präsentation danken. Pilar Gomez hat mich außerdem dabei unterstützt, meine Ideen in anwendbare Werkzeuge umzusetzen. Vielen Dank für Ihre Aufmerksamkeit.
