Case Study Vermeidung von Nichtkonformitäten durch PSImetals Qualitätsindikatoren
Wichtig ist, was drin ist.
In einem wettbewerbsintensiven Markt ist es wichtig, dass Stahlprodukte höchste Qualitätsstandards erfüllen. PSImetals Quality Indicators (QI) bieten eine fortschrittliche Lösung zur Qualitätskontrolle, die auf einer umfassenden Aggregation und Auswertung von Prozessdaten basiert. Diese Fallstudie zeigt, wie PSImetals QI den Qualitätskontrollprozess in der Stahlproduktion verbessert hat.
Die Stahlherstellung erfordert strenge Qualitätsprüfungen, um sicherzustellen, dass die Produkte den Anforderungen der Kunden entsprechen. Eine sofortige und vollständige Messung aller Qualitätsmerkmale ist jedoch oft schwierig. PSImetals-Qualitätsindikatoren lösen dieses Problem, indem sie viele verschiedene Parameter in einen einzigen, handlungsorientierten Wert umwandeln.
Herausforderungen
Die Qualität eines Stahlprodukts hängt von verschiedenen Produkt- und Prozessparametern ab, die während der gesamten Produktion zusammenwirken. Paradoxerweise, garantiert die Kontrolle jedes einzelnen Parameters innerhalb industrieller Toleranzen nicht immer die hohe Qualität des Endproduktes. Auch ist die Überwachung der Qualität über alle Produktionsstufen hinweg kompliziert und erfordert sowohl tiefes Produktwissen als auch präzise Daten aus verschiedenen Quellen. Traditionelle Qualitätskontrollmethoden sind oft zeitaufwändig und arbeitsintensiv, besonders bei Halbfertigprodukten wie Stranggussbrammen oder Blöcke. Metallografische Methoden sind zwar genau, aber nicht für Echtzeit-Qualitätsprüfungen geeignet. Das kann zu Verzögerungen führen, die die Effizienz der Produktion beeinträchtigen und die Kosten erhöhen.
Ziele
- Die Komplexität des Einflusses der Prozessparameter auf die Qualität des Endprodukts widerspiegeln
- Reduzierung des Zeit- und Arbeitsaufwands für Qualitätskontrollen
- Nutzung vorhandener Prozessdaten für Echtzeit-Qualitätsbewertungen
- Nutzung des metallurgischen Wissens für eine automatisierte, linienübergreifende Qualitätskontrolle
- Qualitätsprobleme so schnell wie möglich erkennen und Downgrades und Lieferverzögerungen minimieren
Lösungen
Ein Qualitätsindikator (QI) von PSImetals kann vereinfacht als eine Formel beschrieben werden, die aus einer Vielzahl von Parametern einen einzelnen Wert generiert und so eine Qualitätsentscheidung ermöglicht. Die Eingangsparameter, mit denen ein QI „gefüttert“ wird, sind Material- und prozessbezogene Messwerte aus dem aktuellen und aus vorherigen Produktionsschritten. Zwar hat der so erzeugte Wert einen realen Hintergrund, kann aber zum gewünschten Zeitpunkt nicht direkt bestimmt werden.
Besonders beim Stranggießen, wo direkte Messungen oft schwierig sind, werden Parameter wie Gießtemperatur, Verteilerebene, Formschwingung und Gießgeschwindigkeit zur Bestimmung der Brammenqualität verwendet, ohne dass eine metallographische Analyse erforderlich ist. Diese Methode stützt sich auf bewährte Korrelationen zwischen diesen Prozessparametern und der Materialqualität und erfasst die wesentlichen Qualitätsindikatoren in Echtzeit.
Projektergebnisse
Die Implementierung von PSImetals QI hat die Effizienz und Zuverlässigkeit von Qualitätsbewertungen erheblich verbessert. Durch die Verwendung von Prozessparametern zur Ableitung von Qualitätsindikatoren können Stahl- und Aluminiumproduzenten jetzt unmittelbar nach jedem Produktionsschritt fundierte Qualitätsentscheidungen treffen. Dieser Fortschritt führt zu:
Wichtigste Ergebnisse
- Kürzere Durchlaufzeiten bei der Qualitätsbewertung
- Geringere Betriebskosten durch weniger manuelle Eingriffe
- Nutzung von spezifischem Produkt- und Prozess-Know-how für die präventive Qualitätskontrolle
- Verbesserte Produktivität und Produktqualität
- Höhere Kundenzufriedenheit durch konsistente Produktqualität
Fazit
Die Einführung der PSImetals-Qualitätsindikatoren hat den Prozess der Qualitätskontrolle in der Metallproduktion verbessert und stellt sicher, dass die Produkte die strengen Standards effizienter erfüllen. Für die Zukunft plant das PSI-Team, die Verwendung von Qualitätsindikatoren auf den Bereich der produktbezogenen Nachhaltigkeitsüberwachung auszuweiten. Darüber hinaus ist auch die Integration von Machine Learning Services für die QI-Berechnung geplant.
