ifm prover gmbh:n automaattisessa tuotantolaitoksessa tuotetaan erilaisia paineantureissa käytettäviä komponentteja. Hyvät ja huonot osat erotetaan toisistaan tuotantoprosessin loppupäässä.
Lajittelussa käytetään käsivarsitarttujaa. Laadunvalvonnan kannalta olisi välttämätöntä määritellä tuotettujen osien määrällinen jakautuma, jotta tuotteiden laatua ja tuotantoprosesseja voitaisiin analysoida.
Tuotettujen osien määrää ei monitoroitu keskitetysti eikä hyvien ja huonojen osien määriä taltioitu. Tuotantohenkilöstöä ei informoitu huonoista osista eikä heillä siten ollut minkäänlaista yleiskuvaa hylkytuotannon olemassaolosta. Koko prosessista puuttui siis läpinäkyvyys. Suunnitteluskenaarioihin perustuva optimointi ei ollut mahdollista, koska historiatietoja ei ollut käytettävissä.
Tuotettujen hyvien ja huonojen osien laskentaan ja analysointiin perustuvan johdonmukaisen laadunvarmistusproseduurin käyttöönotto ja valmistus- ja korjausprosessien optimointi (esim. huonojen osien korjaaminen).
ifm prover gmbh:lla moneo RTM on asennettu yrityksen keskuspalvelimelle. Valmistetut osat lajitellaan ja erotellaan hyviin/huonoihin käyttämällä kahta kourua. Kumpaankin kouruun asennettiin optoelektroninen anturi laskemaan kuljettimella siirrettävien osien kappalemäärät.
IO-Link -monitoiminäyttö ilmaisee kummankin laskurin laskentatuloksen. Se lähettää tulokset IO-Link signaaleina IO-Link -masteriin. IO-Link -master välittää prosessidata moneo RTM:ssä tapahtuvaa visualisointia, laskentaa ja analyysia varten.
Käyttöön on näin saatu tehokas laadunvarmistusprosessi, joka parantaa prosessin ja tuotteiden laatua. Huonojen osien korjaukset on optimoitu. Muuttuviin prosessiarvoihin on nyt mahdollista reagoida välittömästi. Toimenpiteet ovat jo osoittautuneet kustannustehokkaiksi.
Muutosten ansiosta kaikki asetetut tavoitteet saavutettiin.
Katso yhteenveto moneo-kojelaudalta. Kojelauta antaa käyttäjälle yleiskuvan kaikista laitoksen relevanteista prosessiarvoista.
Toiminto mahdollistaa yksityiskohtaisen analyysin prosessin nykytilasta suhteessa historiatietoihin. Tämä mahdollistaa tuotanto- ja laatuprosessien identifioinnin, toimenpiteiden käynnistämisen ja niiden tehokkuuden seuraamisen.
Tuotantoprosessista riippuen ympäristöolosuhteiden muutokset, kuten lämpötilan tai ilmankosteuden muuttuminen, saattavat aiheuttaa laadun vaihtelua. Tällaiset korrelaatiot voidaan tunnistaa lisäämällä prosessiarvoja analyysiin.
Yksilöllisten raja-arvojen avulla voidaan määritellä erilaisia hälytys- ja eskalaatiotasoja ja informaatiokanavia.
Varoitus- ja hälytyssääntöjen määrittely sisäänrakennetun avustajan avulla
CTU BAD+CTU GOOD= CTU TOTAL
Hyvien ja huonojen osien suhde (%)
Huonojen osien suhde kokonaistuotantomäärään (laskettu arvo).
RATION GOOD BAD [%] = CTU BAD * 100 / CTU TOTAL