Auteur: Karl D’haveloose

Fenomenaal toch, hoe we allemaal gefixeerd zijn op nieuwe productietechnieken en automatisering. Laat dat nu toevallig ook de missie zijn van Industrialfairs met 5 technologiebeurzen, zoals D2M en Machineering, en onze Industrialnews Monthly nieuwsbrief met 36.435 industriële abonnees. Maar de boodschap correct verkondigen, start met de juiste nuances. Je kan alleen maar performant produceren als je het begin (de designfase) en de eindfase (de kwaliteitscontrole) even innovatief onder handen neemt.

Het belang van productiekwaliteit kan moeilijk overschat worden. Betrouwbare kwaliteitscontroleprocessen zorgen ervoor dat de Europese regelgeving wordt nageleefd, voorkomen kostbare productiefouten en leiden tot beter presterende producten voor een grotere klanttevredenheid. Hoewel de meeste fabrikanten de noodzaak van grondige kwaliteitsborging erkennen, vertrouwen veel fabrikanten nog steeds op ontoereikende processen. Hier lees je hoe organisaties hun QC kunnen verbeteren voor betere prestaties op de lange termijn.

Het start vanaf je design for manufacturability

Betere kwaliteitsgarantie begint al voordat de productie start. Ingenieurs moeten het productontwerp vanuit een langetermijnperspectief benaderen en daarbij rekening houden met de maakbaarheid van hun ontwerpen. Hoe eenvoudiger het is om een product te maken, hoe kleiner de kans op productiefouten. Kunstmatige intelligentie (AI) is in dit opzicht een potentiële gamechanger. AI kan de complexe relaties in grote datasets analyseren om meerdere ontwerpoverwegingen tegen elkaar af te wegen, waaronder maakbaarheid en vervolgens mockups op basis daarvan genereren. Deze tools verminderen trial-and-error en leveren in minder tijd ontwerpen van hoge kwaliteit.

Het kan ook helpen om input te krijgen van meerdere partijen in het productieproces. Meer gezamenlijke ontwerpfases leiden tot productieworkflows, die rekening houden met verschillende behoeften en potentiële problemen. Dat maakt fouten en bottlenecks minder waarschijnlijk.

Digitale tweelingen in het designproces

Digital twins kunnen ook in de ontwerpfase een enorme hulp betekenen. Deze virtuele modellen maken snelle, maar betrouwbare simulaties mogelijk om problemen op te sporen/te verhelpen, voordat ze zich voordoen bij prototyping of productie op ware grootte.

In tegenstelling tot conventionele digitale modellen gebruiken digitale tweelingen gegevens uit de echte wereld om hun ontwerp en prestaties te onderbouwen. Dankzij deze verbinding met de echte wereld kunnen ingenieurs zien hoe verschillende materialen of complete ontwerpen zich straks gedragen onder verschillende omstandigheden. Vervolgens kunnen ze het ontwerp verfijnen om de prestaties voor de productie te maximaliseren.

Deze ontwerpbenadering biedt twee grote voordelen voor QC. Ten eerste leidt het vroegtijdig en nauwkeurig aanpakken van problemen tot meer betrouwbare producten. Hoe sneller je fouten kunt opsporen en verhelpen, hoe minder tijd en geld je daaraan kwijt bent. Ten tweede zijn deze simulaties sneller en gebruiken ze minder middelen dan echte tests, zodat een hogere kwaliteitsgarantie niet ten koste gaat van de kostenefficiëntie.

Test onderdelen en materialen ‘voor’ de assemblage

Zodra de productie begint, richten veel fabrikanten hun QC-inspanningen op inspecties aan het einde van de productielijn. Hoewel deze belangrijk zijn, zijn ze op zichzelf onvoldoende. De meest effectieve QC-systemen voorkomen defecten in een zo vroeg mogelijk stadium, wat betekent dat onderdelen en materialen vóór de assemblage moeten worden getest.

Testmethoden voorafgaand aan de assemblage moeten zowel snel als betrouwbaar zijn. Trillingstesten zijn een van de meest effectieve manieren om de duurzaamheid van veel onderdelen of materialen te meten. Machine vision is efficiënt en volstaat voor gebreken met visuele aanwijzingen. Materiaaldefecten zorgen later voor grotere problemen. Door deze in een vroeg stadium op te sporen, kan ervoor worden gezorgd dat materialen of onderdelen die niet aan de eisen voldoen niet in productie worden genomen, wat de verliezen tot een minimum beperkt.

Train werknemers grondig

Materiaaldefecten zijn niet de enige oorzaak van QC-problemen. Veel fouten komen voort uit menselijke fouten tijdens de productie, dus het is belangrijk om ook hier aandacht aan te besteden. Een van de belangrijkste stappen om deze fouten te voorkomen is het grondig opleiden van werknemers.

Ontwikkel duidelijke, specifieke normen over hoe werknemers elke taak moeten uitvoeren en hoe hun eindproducten eruit moeten zien. Hoe meer deze processen en doelen gestandaardiseerd zijn, hoe makkelijker het is om te zorgen dat de best practices worden nageleefd. Het kan helpen om gegevens over defecten uit het verleden te bekijken om de meest voorkomende fouten te vinden, die tips kunnen opleveren of nieuwe normen om te benadrukken in trainingen.

Zelfs ervaren medewerkers kunnen te zelfzeker worden en sommige normen vergeten of over het hoofd zien. Je kunt dit voorkomen door periodieke opfriscursussen en verrassingsinspecties.

Ontwerp werkstromen die bestand zijn tegen fouten

Zelfs met grondige training kunnen er nog steeds fouten worden gemaakt. Een vaak over het hoofd geziene manier om foutmarges aan te pakken is om het moeilijker te maken om fouten te maken. Productieworkflows moeten voldoende standaardisatie en veiligheidsstops bevatten, zodat er minder ruimte is voor fouten.

Door onderdelen in blokken te plaatsen die ze steeds op dezelfde manier oriënteren, kunnen fouten bij het uitlijnen voorkomen worden. Het kalibreren van apparatuur, zodat elektrisch gereedschap alleen de kracht levert die nodig is om een onderdeel in te schroeven en op dat punt stopt, voorkomt onnodige mechanische spanning.

Automatisering is een ander belangrijk middel om de kans op fouten te elimineren, omdat het de kans op menselijke fouten minimaliseert. De meest tijdrovende of foutgevoelige processen zijn meestal de beste toepassingen voor automatisering. Door werknemers vóór de robots te plaatsen om er zeker van te zijn dat de onderdelen waarmee ze werken correct georiënteerd zijn, worden fouten nog verder geminimaliseerd.

Automatiseer QC waar mogelijk

Productie is niet het enige proces dat kan profiteren van automatisering. Het automatiseren van QC-inspecties aan het einde van de lijn kan de betrouwbaarheid van het product en de algehele efficiëntie aanzienlijk verbeteren.

Menselijke werknemers, ongeacht hun talenten of ervaring, kunnen afgeleid of moe worden, waardoor ze sommige defecten over het hoofd zien. Handmatige inspecties zijn bovendien traag, waardoor knelpunten ontstaan aan het einde van de productielijn. Het automatiseren van deze controles door middel van machine vision of andere AI-ondersteunde niet-destructieve testen pakt beide kanten van het probleem aan.

Sommige algoritmes voor machine vision kunnen duizenden onderdelen per uur analyseren, waardoor QC op productiesnelheid mogelijk is. Omdat deze systemen elk product telkens vergelijken met dezelfde standaarden, leveren ze ook een consistente nauwkeurigheid.

Trends in QC-data analyseren met AI

Een meer technologisch gericht, AI-gebaseerd QC-proces zal meer digitale gegevens opleveren over defecttrends dan conventionele alternatieven. Fabrikanten moeten deze informatie in hun voordeel gebruiken en analyseren om grotere problemen aan het licht te brengen.

AI-analyses kunnen aan het licht brengen dat de meeste fouten voortkomen uit één taak in de workflow en suggereren dat het veranderen ervan toekomstige fouten kan voorkomen. Een andere mogelijkheid is om vast te stellen waar QC-inspecties te lang duren met minimale toegevoegde waarde. Deze voortdurende evaluatie en aanpassing zal de QC kostenefficiëntie na verloop van tijd verhogen.

Fabrikanten hebben al aanzienlijke besparingen gezien door AI-ondersteunde QC-optimalisaties. Sommige hebben materiaalverspilling met 90% teruggedrongen door AI-inspecties in te zetten in de hele productielijn om fouten te voorkomen voordat ze grotere problemen veroorzaken. Dat potentieel is moeilijk te negeren.

Bottom line: Betere kwaliteitscontrole leidt tot betere producten

Verbeterde workflows voor kwaliteitsborging voorkomen problemen met de regelgeving en zorgen ervoor dat u producten van hogere kwaliteit aflevert. Je maakorganisatie zal hierdoor een reputatie van betrouwbaarheid en prestaties ontwikkelen. Kosten en verspilling zullen ook afnemen. Bovenstaande inzichten zijn niet waterdicht voor alle kwaliteitscontrole, maar wel de meest cruciale, die je zelf naar maat en activiteit stapsgewijs doorvoert.