Auf der 34. Control, die vom 3. bis 6. Mai 2022 in Stuttgart als Präsenzmesse stattfindet, wird die industrielle Qualitätssicherung im Mittelpunkt stehen.

Die 34. Control – Internationale Fachmesse für Qualitätssicherung – wird vom 03. bis 06. Mai 2022 in Stuttgart stattfinden.

16:9

Qualitätsplanung

Qualitätsmethoden

Verbände, Institutionen, Messen

Dienstleistungen

Messeveranstalter

Qualitätssicherung

Qualitätsmanagement

Messe Control

qz-online.de

 Boom-Thema Industrielle Qualitätssicherung auf der Control 2022

Dieser Leitfaden bietet einen systematischen Ansatz zur Fehlervermeidung und zur Fehlerbeseitigung und nimmt aktuellen Bezug auf Probleme der Pandemie.

Ein großer Teil der QM-Benühungen dreht sich um die Fehlerprävention.

Systematischer Ansatz zur Fehlervermeidung und Fehlerbeseitigung

Managementwerkzeuge

Methoden

Fehlermanagement

TQM / Null-Fehler-Strategie

Beratung und Consulting

Leitfaden für effektives Fehlermanagement

Die Metav 2022 – Internationale Messe für Technologien der Metallbearbeitung – wird von März auf Juni 2022 verschoben. Als neuer Termin wurde der 21. bis 24. Juni festgelegt.

Qualitätsnachweise

Metav 2022 erst im Juni

Private Standards könnten eine relevante Rolle bei der Umsetzung gesetzlicher Regularien bei Lieferketten spielen.

Private Standards, Zertifikate, Label oder Siegel könnten helfen, Regelungs- und Lücken in transnationalen Lieferketten zu schließen

Produktzertifizierung

Zertifizierung

Normen / Standards

Recht allgemein / sonst.

Forschungsinstitute (MPI, FHG)

Unternehmensberatung (Consulting)

Zertifikate, Label und Siegel bieten ungenutzte regulatorische Potenziale

Ein IASS Policy Brief beschreibt Pro und Kontra von internationalen Qualitätsstandards bei öffentlichen Solarauktionen.

In vielen Ländern, die neu in die Solarenergie einsteigen, fehlen solarspezifische Erfahrungen und Fähigkeiten.

Solar / PV

Energieerzeugung

Erneuerbare Energie

Kennzahlen, Q-Leitstand, Q-Monitor

Photovoltaik und Solarthermie

Regenerative Energien / Wärmepumpen

Qualitätssicherungsvereinbarung

Internationale Qualitätsstandards für Solarauktionen

Beim zweiten QM-Symposium der FH Münster diskutierten rund 115 Teilnehmer*innen intensiv über Akkreditierungskriterien für kooperative Studiengänge.

FH-Präsident Prof. Dr. Frank Dellmann, Prof. Dr. Annika Boentert, Leiterin des Wandelwerks – Zentrum für Qualitätsentwicklung, und Vanessa Müller vom Wandelwerk (v.l.) freuen sich darauf, die Impulse, die sich aus dem QM-Symposium ergeben haben, an der FH Münster in die Tat umzusetzen.

Weiterbildung, allgemeine

Seminare, Schulungen, Kongresse

Hochschulen

Universitäten, TU, FH, GH

Qualitätssicherung für kooperative Studiengänge

Am Anfang war das Chaos – diese Erfahrung mussten auch Luisa und Marius machen, als sie ihre Pizza-Kette PizzBlitz gründeten. Übersichtliche Strukturen und klare Regelungen? Fehlanzeige! Jeder Mitarbeiter machte einfach alles so, wie wie er es für richtig hielt.

Wie sich eine fiktive Pizzeria-Kette mit QM im Wettbewerb behauptet

Dokumentationsmanagement

PizzBlitz!

Die Fachmesse Control kann auch in diesem Jahr nicht als Präsenzveranstaltung stattfinden. Nach Rücksprache mit Ausstellern und Beirat sagt der Messeveranstalter P. E. Schall das Branchenhighlight ab, das für den 4. bis 7. Mai 2021 vorbereitet worden war.

Industrie 4.0 für die Qualitätssicherung

Industrie 4.0

Künstliche Intelligenz für die Qualitätssicherung

Qualität

Kunststoffverarbeitung: Verfahren

Software für Qualitätssicherung

Software

Control 2021 nicht als Präsenzmesse

Laut einer Studie ist das Risiko großer Rückrufaktionen durch Plattform- und Gleichteilestrategien sowie globale Produktionsnetzwerke erheblich gestiegen.

Eine Studie des Center of Automotive Management (CAM) zeigt, dass durch Plattform- und Gleichteilestrategien die Gefahr für Rückrufe in der Automobilindustrie erheblich gestiegen ist.

Internationale Wirtschaft

Wirtschaft

Automotive

Fahrzeugbau

Studie: Zunehmend Qualitätsprobleme im Automobilbau

Viele Pflegekräfte in der Altenpflege in Deutschland wollen einer neuen Studie zufolge den Beruf aufgeben.

Gesundheits- und Sozialwesen

Medizintechnik

Pflegekräfte fliehen massenhaft aus dem Job

Eine Studie im Rahmen der Initiative QI-FoKuS untersucht die Digitalisierung bei Konformitätsbewertungsstellen in Deutschland und weiteren Ländern.

Eine neue QI-FoKuS-Studie untersucht mithilfe einer Onlinebefragung von akkreditierten KBS aller Art in 2021 die „Digitalisierung in der Konformitätsbewertung“.

Akkreditierung

Digitale Transformation

Innovationen und neue Technologie

Konformitätserklärung

Qualitätstechniken allgemein

Digitalisierung

Umfrage zur Digitalisierung in der Konformitätsbewertung

Im vergangenen Jahr war jeder vierte Zug der Deutschen Bahn unpünktlich. Das soll sich ändern, auch über eine bestimmte Stellschraube.

Die Bahn strebt eine Verbesserung der Pünktlichkeit an.

Verkehrsplanung

Dienstleistungsqualität

Bahnbetrieb

Verkehrsstrukturen

Smart City

Höhere Pünktlichkeit zentrales Thema

Das WZL hat gemeinsam mit dem Fraunhofer IPT in Aachen einen neuen Industriearbeitskreis für „Predictive Quality“ ins Leben gerufen.

Predictive Quality Demonstrator am Lehrstuhl für Fertigungsmesstechnik und Qualitätsmanagement im WZL

Werkzeugmaschinen für die spanende Fertigung

CAQ-Systeme in der Rechnergestützten Qualitätssicherung

Neuer Arbeitskreis zu Predictive Quality

Ohne chemischen Pflanzenschutz, kurze Transportwege oder sogar mit kosmischen Kräften aufgeladen – das versprechen Bio-Siegel. Eine Übersicht für Verbraucher.

Die Grenzen zwischen der teuren Naturkost und den günstigen Discounter-Lebensmitteln verschwimmen, denn auch die Discounter werben immer öfter mit erstaunlich günstigen Bio-Produkten.

Was Bio-Siegel wirklich aussagen

Schuler Pressen bietet mit „Visual Die Protection“ eine kamerabasierte Lösung zur Vermeidung teurer Werkzeugschäden – nachrüstbar für Bestandsanlagen.

Die Visual Die Protection (VDP) von Schuler Pressen baut auf Kameras von IDS und passender Software auf.

Kamerabasierter Werkzeugschutz in der Stanz- und Umformtechnik

Werkzeug- und Formenbau

Werkzeug-, Formen- und Modellbau

Kameras, intelligente

Fertigungsautomation

Bildverarbeitung

Optische Mess- und Prüftechnik

Messtechnik

Kameras

Evolution im Presswerk

Qualitätsüberwachungssystem für die Lasermaterialbearbeitung

Produktkomplexität und Variantenvielfalt steigern den Aufwand für die Entwicklung von Produktionsprozessen bei KMU. Im Rahmen des IGF-Forschungsprojekts „Selbstlernende mehrstufige Qualitätsüberwachungsverfahren für die (Laser)-Materialbearbeitung“ (AiF-Nr.: 20419N) wurde daher ein Expertensystem für produzierende Unternehmen aus dem Bereich Lasermaterialbearbeitung entwickelt. Das Expertensystem unterstützt die Anwender bei der Prozessteuerung und Qualitätsvorhersage von neuen Produkten und Produktvarianten .

Im Rahmen eines IGF-Forschungsprojekts wurde ein Expertensystem für produzierende Unternehmen aus dem Bereich Lasermaterialbearbeitung entwickelt.

Alexander Poschke, Jonas Kreich, Benjamin Küster

Im Jahr 2015 lagen die Qualitätskosten von Maschinenbauunternehmen bezogen auf den Umsatz bei 5,8 %. Präventive Maßnahmen leisten einen großen Beitrag zur Reduktion nachträglicher Qualitätskosten. Insbesondere bei Laserprozessen, die gegenüber konventionellen Materialbearbeitungsprozessen, trotz stetig sinkender Investitionskosten, als kostenintensiv gelten, bietet sich großes Einsparpotenzial. Laserprozesse können flexibel eingesetzt werden, beispielsweise lassen sich verschiedenste Materialien, Stärken und Geometrien durch Anpassung der Prozessparameter bearbeiten. Zudem können Schneid-, Schweiß- und Beschriftungsoperationen in einer Anlage, wirtschaftlich ab Losgröße 1, durchgeführt werden.

Als präventive Maßnahme zur Reduktion der Qualitätskosten kann ein Qualitätsüberwachungssystem eingesetzt werden. Bei kleinen Losgrößen und neuen Varianten verringert dieses die Kosten, die innerhalb einer Machbarkeitsprüfung und Prozessentwicklung anfallen. Dabei sollen vorhandene Prozessdaten von vorherigen Prozessentwicklungen und der laufenden Produktion sowie den geforderten Produktspezifikationen aus der Unternehmensleitebene verarbeitet werden. Als Ergebnis soll eine Empfehlung für die Prozessparameter beziehungsweise den Prozessraum gegeben werden. Bereits in der Produktentstehung kann auf Basis von Messdaten eine Vorhersage der Qualität vollzogen werden. Zudem wird eine Früherkennung von Fehlern im Produktionsablauf und fehlerhafter Produktionsmittel sowie anderer Störgrößen erlaubt.

Zusammen mit dem Laser Zentrum Hannover e.V. wurde am IPH – Institut für Integrierte Produktion Hannover gGmbH ein Qualitätsüberwachungsverfahren entwickelt und in einem Softwaredemonstrator für Unternehmen umgesetzt.

Qualitätsüberwachung  beliebiger Laserprozesse

Das Qualitätsüberwachungssystem soll auf beliebige Laserprozesse anwendbar sein. Um dies gewährleisten zu können, muss das System die Produktionsdaten verschiedener Prozesse einlesen können. Der grundsätzliche Ablauf ist in Bild 1 dargestellt. Beim Entwurf der Benutzeroberfläche des Softwaredemonstrators (Bild 2) stand die Usability im Vordergrund, sodass auch Anwender mit wenig Vorwissen den Demonstrator bedienen können. Es wird zwischen einfachen und erweiterten Funktionen unterschieden. Die einfachen Funktionen editieren nichts an den zugrunde liegenden Daten und Modellen und können deshalb von jedem Anwender benutzt werden. Nur erfahrenen Anwendern wird über ein Passwort Zugriff auf die erweiterten Funktionen gewährt.

Die Produktionsdaten sind in Qualitätsmerkmale und Prozessparameter unterteilt. Sie können aufwandsarm aus Excel oder CSV-Dateien importiert werden. Qualitätsmerkmale mit Text werden automatisch als kategorische Variablen und Qualitätsmerkmale mit Ganzzahligen oder Dezimalzahlen als kontinuierliche Variablen erkannt. Nur für geordnete kategorische beziehungsweise ordinale Qualitätsmerkmale wie bei einer Bewertung von gut bis schlecht erfolgt eine Benutzerabfrage, ob es sich bei der Variablen um eine ordinale Variable handelt und wenn ja in welcher Reihenfolge die Ordinalskala angeordnet ist. Auf Grundlage der erkannten Typen der Ausgangsvariablen werden passende Vorhersagemethoden ausgewählt.

Für die kontinuierlichen und ordinalen Outputs können Bewertungen in Form von Zahlen beziehungsweise Noten festgelegt werden. Hierfür können benutzerdefinierte Intervalle oder verschiedene Labels vorgegeben und bewertet werden. Zusätzlich können die Bewertungen einzelner Outputs gewichtet werden, um eine abschließende Gesamtbewertung zu ermöglichen. Somit können auch unerfahrenere Benutzer die vorhergesagten Qualitätsmerkmale besser einschätzen.

Für jedes Qualitätsmerkmal wird ein eigenes, von der Art des Qualitätsmerkmals abhängiges, Modell zur Vorhersage automatisch ausgewählt und trainiert. Die Auswahl erfolgt aus einer vordefinierten Menge von Modellen und Zielkriterien anhand einer Rastersuche in Verbindung mit einer Kreuzvalidierung. Bei den hinterlegten Modellen handelt es sich vorrangig um verhältnismäßig einfache Machine Learning Modelle, wie die lineare Regression oder Support Vector Machines, da diese weniger Daten benötigen als beispielsweise Neuronale Netze. Für die Machine Learning Modelle wird die Python-Bibliothek scikit-learn verwendet. Sie enthält die meisten der bekannten Machine Learning Modelle inklusive einfacher Neuronaler Netze.

Die Kreuzvalidierung ist eine gängige Technik, um das sogenannte Overfitting zu vermeiden. Beim Overfitting passt sich ein Modell zu sehr an die Spezifitäten der Trainingsdaten an und generalisiert deshalb nicht zu gut auf dem Testdatensatz. Um dieses Phänomen zu vermeiden, werden die Trainingsdaten iterativ aufgeteilt. Anhand der Rastersuche können unterschiedliche Modelle mit unterschiedlichen Parametern verglichen werden. Im Qualitätsüberwachungssystem liegen abschließend die Modelle vor, um die Qualität eines Bauteils vorherzusagen und Parameterempfehlungen abzugeben.

Kategorische Outputs des Prozesses können als Ausschusskriterien festgelegt werden, sodass der Anwender gewarnt wird, falls ein oder mehrere dieser Kriterien bei der Vorhersage erfüllt sind. Falls mindestens ein Ausschusskriterium bei der Vorhersage getroffen wird, wird der Anwender gewarnt und die restlichen Qualitätsmerkmale werden nicht vorhergesagt. Nur falls keins der Ausschusskriterien getroffen wird, werden auch die restlichen Qualitätsmerkmale vorhergesagt.

Qualitätsvorhersage am Beispiel des Laserschweißens von Glas

Im Rahmen des Projekts SmQL wurde das Laserschweißen von Glas als Beispielprozess für das Qualitätsüberwachungssystem verwendet. Bei diesem Prozess werden Glasfasern mittels Laserenergie mit einem Glassubstrat verschmolzen. Zur Generierung des Datensatzes wurden Blindnähte mit verschiedenen Einstellparametern geschweißt und die resultierenden Qualitätsmerkmale aufgenommen. Für den Prozess wurden drei relevante Einstellparameter und acht Qualitätsmerkmale identifiziert. Die Einstellparameter Laserleistung (in W), Vorschubgeschwindigkeit (in mm/min) und Faserförderrate (in mm/min) liegen als kontinuierliche Werte vor. Sie können in der Versuchsanlage variiert werden. Bei den Qualitätsmerkmalen Kontaktwinkel (in Grad), Materialverlust (in %), Spannung (in MPa) und Temperatur (in °C) handelt es sich ebenfalls um kontinuierliche Werte. Die Transparenz wird in einer Ordinalskala von gut bis schlecht bewertet. Die Qualitätsmerkmale Riss, Wellen und Anbindung sind kategorisch (ja/nein). Bei diesen Merkmalen handelt es sich zudem um Ausschusskriterien, da das Bauteil bei Vorliegen eines Risses, einer Welle oder keiner vorhandenen Anbindung der Glasfaser Ausschuss ist.

Die Versuchsdurchführung erfolgte zweistufig. Zunächst wurden Blindnähte bei einem Verhältnis von 4:1 zwischen Faserförderrate und Vorschubgeschwindigkeit aufgeschweißt, da dieses Verhältnis von den Anlagenbedienern im Regelbetrieb häufig verwendet wird. Diese Versuchsreihe wurde in einen ersten Datensatz überführt. In der zweiten Stufe wurde dann zusätzlich das Verhältnis von Faserförderrate und Vorschubgeschwindigkeit im Bereich von 1:1 bis 5:1 variiert. Für das Qualitätsmerkmal Riss sind die Versuchsergebnisse in Bild 3 dargestellt.

Als Modell für die Vorhersage von Rissen, Wellen und die Anbindung wurde die Support Vector Classification automatisch ausgewählt. Zum Training wurden für die Anbindung alle Versuchsdaten sowie für Risse und Wellen alle Versuchsdaten, bei denen eine Anbindung vorlag, verwendet. Die Erkennungsgenauigkeit lag für Risse bei 82,23 %, für Wellen bei 92,71 % und für die Anbindung bei 91,88 % im Training. Auf einem Testdatensatz lag die Genauigkeit bei 91,66 % für Risse, bei 95,83 % für Wellen und 87,5 % bei der Anbindung.

Die Qualitätsmerkmale Kontaktwinkel und Spannung werden jeweils durch eine lineare Regression am besten abgebildet. Der Materialverlust wird über eine Ridge Regression vorhergesagt, für die Temperatur wird eine Lasso Regression verwendet. Trainiert werden diese Qualitätsmerkmale auf einem Datensatz, der nur Gutteile enthält, da die Ergebnisse sonst verfälscht werden könnten. Bspw. resultieren Risse in der Regel aus einer hohen Spannung. Da einige Qualitätsmerkmale wie die Spannung nicht Inline gemessen werden, ist diese bei Auftreten eines Risses jedoch niedrig.

Laserprozesse können vielfältige Einstellparameter und Qualitätsmerkmale aufweisen. Das entwickelte Qualitätsüberwachungssystem ermöglicht Unternehmen, ihre Prozesse aufwandsarm einzupflegen und zur Qualitätsvorhersage bzw. Parameteranpassung zu verwenden. Durch die hinterlegten Standardmodelle ist das System auch ohne Vorkenntnisse einfach zu bedienen. Fachpersonal kann aufgrund der Verwendung von Open-Source Software Anpassungen, wie beispielsweise eine Vernetzung mit Datenbanken und Anlagen, vornehmen.

Mertens,H. ; Huber, G.: Methode zahlt sich aus : Deutliche Abhängigkeiten zwischen Qualitätskosten und Qualitätsmethoden. In: <a href="https://www.qz-online.de/a/fachartikel/methode-zahlt-sich-aus-290912" target="_blank">QZ 1/2016, S. 30-33</a>

Kanyilmaz, A.: The problematic nature of steel hollow section joint fabrication, and a remedy using laser cutting technology: A review of research, applications, opportunities. In: Engineering Structures 183 (2019), S. 1027-1048

Dutta Majumdar, J. ; Manna, I.: Laser material processing. In: International Materials Reviews 56 (2011), 5-6, S. 341-388

Lösungsanbieter im Bereich Qualitätsmanagement

Deutsche Gesellschaft für Qualität e.V. 

https://www.dgq.de

<ul><li>Prozessorientierung und Agilität geben Audits neuen Schwung</li><li>Qualität 4.0 – ein Reifegradmodell für KMU</li><li>THEMENSPECIAL: Bildverarbeitung und Künstliche Intelligenz</li></ul>

Ausgabenartikel

Zeitschrift für Qualitätsmanagement und Qualitätssicherung | Karriere✓ Methoden✓ 
QM-Systeme✓ Standards✓ Software✓ Messen und Prüfen✓ Meinung✓ DGQ✓ 
➤ Jetzt aktuelle Fachartikel lesen!

QZ - Qualität und Zuverlässigkeit | Ausgabe 02/2022

Bild 1. Ablauf der Vorbereitung der Qualitätsüberwachung.

Bild 2. Benutzeroberfläche des Softwaredemonstrators.

Bild 3. Versuchsdaten für das Qualitätsmerkmal Riss, links: beide Versuchsreihen, rechts: nur erste Versuchsreihe.

Lasermaterialbearbeitung

Alexander Poschke, M. Sc. ist Projektingenieur in der Abteilung Produktionsautomatisierung des IPH – Institut für Integrierte Produktion Hannover gGmbH; <a href="mailto:poschke@iph-hannover.de">poschke@iph-hannover.de</a>

Jonas Kreich, M. Sc. ist technischer Mitarbeiter in der Abteilung Produktionsautomatisierung des IPH – Institut für Integrierte Produktion Hannover gGmbH.

Dr.-Ing. Benjamin Küster ist Leiter der Abteilung Produktionsautomatisierung des IPH – Institut für Integrierte Produktion Hannover gGmbH.

Im Projekt SmQL (Selbstlernende mehrstufige Qualitätsüberwachungsverfahren für die (Laser)-Materialbearbeitung) wurde ein Expertensystem für produzierende Unternehmen aus dem Bereich Lasermaterialbearbeitung entwickelt. Durch das Expertensystem werden die Anwender bei der Prozessteuerung und Prozessvorhersage von neuen Produkten und Produktvarianten unterstützt. <a href="http://www.smql.iph-hannover.de" target="_blank">www.smql.iph-hannover.de</a>

Das IGF-Vorhaben 20419 N der Forschungsgemeinschaft Qualität e.V. (FQS) wurde über die AiF im Rahmen des Programms zur Förderung der Industriellen Gemeinschaftsforschung (IGF) vom Bundesministerium für Wirtschaft und Energie (BMWi) aufgrund eines Beschlusses des Deutschen Bundestages gefördert

Laserbearbeitung

Spanende Verfahren

Laserbearbeitungen

Oberflächentechnik

Lasertechnik

Wir laden Sie herzlich ein zu einem Tag voller Qualität. Das Q.Event ist eine Branchen-Tagung für alle Qualitätsbegeisterte, bei dem wir uns spannenden Themen rund um das Qualitätsmanagement widmen.

Qualitätsmanagement-Seminare

Software Qualitätsmanagement

Q.Event

Das Praxis-Seminar des Fraunhofer-Geschäftsbereichs Vision bietet einen kompakten Einblick in die »Industrielle Röntgentechnik«, stellt praxisrelevante Einsatzmöglichkeiten für die Qualitätssicherung vor und bietet die Möglichkeit, Prüfaufgaben mit Experten zu besprechen.