N¨ar det sedan tidigare inte gjorts n˚agon djupg˚aende analys av hur inspektionssystem fungerade utgick analy-sen fr˚an den litteratur och ¨ovrig information som ˚aterfanns. Det visade sig snabbt att inspektionssystem som anv¨ands f¨or kvalitetskontroll inom industrin ofta kallas machine vision med den bakomliggande tanken att maskinen “sj¨alv” inspekterar produkterna. Teorin f¨or att m¨ojligg¨ora igenk¨anning bygger p˚a att systemet tar in information via kameran som processeras av en algoritm som i sin tur g¨or om informationen till signaler. Utifr˚an signalerna tar sedan systemet beslut om vilken ˚atg¨ard som ska genomf¨oras. Systemet kan allts˚a via kameran omvandla bild till signaler och det kr¨aver att ett stort tr¨aningsm¨onster tas fram d¨ar systemet l¨ar sig k¨anna igen m¨ojliga utfall i processen. Utifr˚an tr¨aningsm¨onstret avg¨or systemet om utfallet f¨oreh˚aller sig inom eller utom specifikationen. F¨or att ett s˚adant system ska bli p˚alitligt kr¨avs en stor m¨angd insamlad data enligt Davis (2012). F¨orfattaren menar att systemet redan b¨orjar bli mycket komplext vid igenk¨anning av exempelvis bokstaven A d¨ar storleken kan variera. F¨orfattaren diskuterar vidare att en stor anledning till att machine vision ¨ar sv˚art att b¨orja anv¨anda beror p˚a bristen i kunskap tillsammans med att varje fall ¨
ar individuellt. Varje produktionsprocess kr¨aver allts˚a individuell anpassning till r˚adande f¨orh˚allanden. Av denna anledning finns inget generellt tillv¨agag˚angss¨att. D¨aremot presenterade f¨orfattaren en lista best˚aende av 24 steg som b¨or tas i beaktande vid design av ett inspektionssystem, se Figur 63.
Figur 63: 24 steg f¨or implementering av inspektionssystem, h¨amtat fr˚an (Davis 2012).
Detta f¨orde analysen vidare till att unders¨oka hur f¨oretag i dagsl¨aget valt att g˚a tillv¨aga f¨or att b¨orja anv¨anda machine vision i deras tillverkning. Tv˚a artiklar fr˚an en hemsidan Vision Systems ˚aterfanns d¨ar liknande punktlistor som ovanst˚aende presenterades. Inneh˚allet i dessa var snarlikt d¨ar de gemensamma punkterna visade sig vara viktiga att ta i ˚atanke vid arbete med s˚adana system. Den f¨orsta listan presenterades i artikeln Hanks och Shroeder (1999) och bestod av f¨oljande punkter:
• Best¨am m˚alen med inspektionen • Estimera inspektionstiden • Identifiera ytor och defekter
• V¨alj ljus och materialhanteringssystem • V¨alj optik
• V¨alj h˚ardvara f¨or bildupptagning • Utveckla en strategi
• Integrera bildupptagning och r¨orelsekontroll • Kalibrera och testa
• Utveckla ett operat¨orsgr¨anssnitt
Det som togs i ˚atanke med ovanst˚aende punkter var att listan tagits fram f¨or 20 ˚ar sedan och var d¨arf¨or anpassad till d˚atidens teknologi. Av denna anledning presenteras ¨aven en lista framtagen ˚ar 2018 av (West 2018):
• L¨agg mycket tid p˚a att f˚a r¨att ljus • Skapa en v¨al utformad specifikation • Ta fram en genomf¨orbarhetsstudie • Ta upp gr¨anssnittet tidigt
• Designa f¨or underh˚all
• Samla tillr¨ackligt m˚anga observationer
• F¨ors¨akra om att specification creep inte uppst˚ar • Anv¨and inte on¨odiga megapixels
• Anv¨and inte billiga linser
• Ett vision system ¨ar mekanik likv¨al som elektronik, optik och vissa mjukvaror.
Informationen fr˚an de b˚ada listorna kompletterade varandra och st¨amde ¨overens med den informationen som togs upp i Davis (2012) vilket medf¨or att p˚alitligheten ¨okade. Det som m˚aste tas i ˚atanke ¨ar ˚aterigen att detta enbart ¨ar rekommendationer f¨or hur ett inspektionssytem kan appliceras och varje enskilt fall m˚aste utv¨arderas noggrant utifr˚an r˚adande f¨orh˚allanden.
Vidare gav analysen av tidigare examensarbeten en mer genomg˚aende beskrivning av hur inspektionssy-stem kan tas fram och anv¨andas. Dessa beskrev till stor del teorin bakom algoritmen som ska behandla den data som kameran samlar in. ¨Aven denna koppling verkar mycket komplex och kunskap om programmering ¨
ar att f¨oredra. Ut¨over detta visade ett specifikt examensarbete en applicering av Raspberry Pie vilket ¨ar en typ av programmerbar mikrodator. I denna applicering hade en s˚adan enhet anv¨ants tillsammans med en kameramodul f¨or att uppt¨acka brister i en ¨overlappningsprocedur vid kabeltillverkning. Det f¨orde ana-lysen vidare till att unders¨oka m¨ojligheterna med en s˚adan mikrodator vilket visade sig vara o¨andligt, d¨ar begr¨ansningen l˚ag i anv¨andarens kunskap g¨allande programmering. Priset f¨or en s˚adan mikrodator visade sig ocks˚a vara f¨orm˚anligt kontra m¨ojligheterna med den. Vid denna analys ˚aterfanns ¨aven en person som hade lyckats programmera en s˚adan mikrodator med tillh¨orande kameramodul att detektera storleken p˚a f¨orem˚al. Utifr˚an det f¨ors¨ok som tidigare genomf¨orts p˚a expansionsanl¨aggingen s¨oktes applikationer d¨ar expansio-nen av n˚agot material kontrollerades via ett inspektionssystem. I en f¨ors¨aljningsvideo fr˚an f¨oretaget Basler
illustrerades hur en bakningsprocess kontrollerades genom att inspektera expansionen p˚a br¨od. N¨ar den-na process var relativt lika den p˚a expansionsanl¨aggningen fortsatte analysen p˚a detta sp˚ar. En artikel p˚a hemsidan Vision Systems ˚aterfanns d¨ar h¨ojden p˚a muffins m¨attes via ett inspektionssystem (Design 2017). H¨ojden hade ett riktv¨arde p˚a 16mm med acceperad varians p˚a +- 2mm. Det tyder p˚a att h¨ojdm¨atning via ett inspektionssystem ¨ar m¨ojligt och detta exempel ¨ar h¨ogst aktuellt f¨or expansionsanl¨aggningen.
Med den ¨okade digitalisering som idag r˚ader inom tillverkande industrier har flertalet f¨oretag sett vikten i att erbjuda tj¨anster i form av inspektionssytem. Utifr˚an en benchmarking kunde snabbt ett stort antal f¨oretag ˚aterfinnas. Majoriteten av f¨oretagen var bel¨agna utomlands d¨ar vissa hade ˚aterf¨ors¨aljare i Sverige. De f¨ortag som ans˚ags mest relevanta f¨or Nouryon presenteras nedan:
• Cognex • Stemmer Imaging • Basler • Procemex • Baumer • Teledyne Dalsa • Elektroautomatik
Anledningen till att ovanst˚aende f¨oretags ans˚ags mest relevanta berodde p˚a att de erbj¨od ett brett utbud men ¨aven tj¨anster d¨ar hela inspektionssystem skr¨addarsyddes till r˚adande produktion.
7 Resultat och slutsats
Utifr˚an analysen kunde ett stort antal resultat sammanst¨allas och presenteras i detta kapitel. Resultaten presenteras i den ordning som de togs upp i kapitlet som avhandlade analysen. I samband med att resultaten presenteras tas ¨aven tillh¨orande slutsatser upp. ¨Aven generella punkter som ¨ar viktiga att ta i ˚atanke vid framtida arbete presenteras l¨opande.
7.1 Improve FTR Produkt X1
Till en b¨orjan kunde en tydlig variation ¨over ˚aret urskiljas f¨or tidsperioden 2016 till 2018. De misstankar om att variationen f¨or alla X-storlekar kunde till viss del verifieras genom att presentera standardavvikelsen f¨or kvartalen. Under ˚ar 2017 och 2018 var f¨oreh¨oll sig standardavvikelsen h¨ogst under kvartal 2 medan under ˚ar 2016 var den n¨ast h¨ogst under samma kvartal. Detta resultat avspeglades ¨aven i den analys som genomf¨ordes f¨or enbart produkten X1.
Kvartal 2 innefattar tidsperioden mellan april och juni vilket ocks˚a ¨ar den tid n¨ar isarna b¨orjar sm¨alta vilket medf¨or att inneh˚allet i ¨alvar och b¨ackars vatten f¨or¨andras. Den vidare analys som gjordes g¨allande processvattnets inneh˚all av f¨arg, pH, konduktivitet och aluminium utvisade ingen tydlig trend under ˚ar 2017 och 2018. Det enda som urskiljdes var en dipp i konduktivitet f¨or de b˚ada ˚aren. Det var dock om¨ojligt att konstatera om dessa parametrar hade n˚agon p˚averkan p˚a KP. D¨arf¨or fick resultatet fr˚an den multivariata analysen avg¨ora detta. Den modell som togs fram visade inte att n˚agon av de parameterar som m¨ats i pro-cessvattnet hade n˚agon signinfikant inverkan p˚a KP.
Eftersom modellen pekade p˚a att varken f¨argen, pH, konduktiviet eller aluminiumhalten hade n˚agon sig-nifikant inverkan p˚a KP skulle en m¨ojlig slutsats vara att processvattnet inte har n˚agon inverkan p˚a KP. Dock ¨ar det viktigt att ta i ˚atanke vid alla typer av MVDA att detta st¨ammer f¨or just den modellen och de in-parametrar som tas med. Det kan vara s˚a att de parametrar som egentligen har inverkan p˚a KP i dagsl¨aget inte analyseras i processvattnet. D¨arf¨or kan inte en definitiv slutsats dras d¨ar processvattnet inte har n˚agon inverkan. Eftersom att recepten till stor del best˚ar av vatten kan denna parameter inte uteslutas. Det har sedan tidigare utf¨orts stora analyser d¨ar processvattnet analyserats under april och maj m˚anad. Re-sultatet fr˚an denna pekade p˚a att vattnet som anv¨ands varierar och att reningsprocessen beh¨over optimeras. Vid analysen kunde en ¨okning av aluminiumhalten urskiljas men ¨aven f¨orh¨ojda halter av Cu, Ni och Zn. Studien utf¨ordes ˚ar 2014 och skulle antagligen vara aktuell att uppdateras med de f¨orh˚allanden som r˚ader i dagsl¨aget eftersom att produktionen ¨okat i och med ¨okat kundbehov. D¨arf¨or rekommenderas att p˚a l˚ang sikt analysera det vatten som anv¨ands i processen vidare d¨ar ¨aven annat inneh˚all tas med och ¨aven f¨olja upp om reningen i dagsl¨aget ¨ar b¨attre eller ej. Ut¨over detta b¨or ¨aven de m¨atmetoder och instrument som anv¨ands vid analysen av processvattnet kalibreras p˚a regelbunden basis. Detta eftersom att flertalet av v¨ardena som kunde ˚aterfinnas var antingen mycket st¨orre eller mindre ¨an den normala trenden. Det tenderar till att slu-tanv¨andaren tappar f¨ortroende f¨or den data som analyserats och det kr¨avs mer jobb f¨or att unders¨oka om v¨ardena verkligen st¨ammer eller ej.
Golden batch recepten baseras p˚a tidigare k¨orningar som har gett ett bra kvalitetsutfall. Detta ger en re-ferenspunkt till hur de aktuella inst¨allningarna ¨ar j¨amf¨ort med ett tidigare ¨onskat l¨age. P˚a s˚a s¨att minskar risken f¨or att n˚agon parameter driver iv¨ag och skapar st¨orre problem. Dock visade det sig vid analysen av b˚ade parameter B och C att dessa avvek fr˚an Golden Batch. Det f¨orklarades senare i att en ny baseline hade vidtagits efter det att Golden Batch receptet uppdaterats senast. I dagsl¨aget finns det ingen best¨ammelse f¨or hur stort tidsintervallet ¨ar f¨or att Golden Batch receptet ska ¨andras. Utifr˚an detta upplevdes det som att ingen tar h¨ansyn till Golden Batch utan ist¨allet enbart utg˚ar fr˚an f¨oreg˚aende batch. Enbart vid mycket stora f¨or¨andringar i KP gjordes en analys av den senast satta Golden Bathen vilket i vissa fall visade att stora avsteg fr˚an denna gjorts, d˚a prim¨art i parameter B.
Analysen av parameter B visade tydligt att alla v¨arden f¨or denna inte f¨oljdes ˚at n¨ar ¨andringar i gjordes f¨or att styra utfallet av KP. F¨or produktionslina B och D var detta inte tydligt eftersom att vissa f¨or¨andringar gjordes men inte identiskt mellan alla v¨arden f¨or parameter B. F¨or produktionslina A och C var det d¨aremot
mycket enkelt att urskilja skillnaden mellan dessa eftersom att det sista v¨ardet inte st¨amde ¨overens med de ¨ovriga. I samr˚ad med handledaren f¨or exjobbet kunde ett konstaterande att alla v¨arden fyra v¨arden f¨or parameter B b¨or f¨oljas ˚at n¨ar ¨andringar genomf¨ors. D¨arf¨or lyftes problemet till processingenj¨oren och kva-litetansvarig f¨or att p˚avisa att det standardiserade s¨attet f¨or att ¨andra denna parameter inte f¨oljdes. Inom loppet av en vecka f¨or¨andrades denna procedur och togs upp med operat¨orerna s˚a att ¨andring b¨orjade g¨oras p˚a f¨or alla fyra v¨ardena. Utifr˚an detta b¨or i framtiden en kontinuerlig uppf¨oljning av parameter B g¨oras f¨or att f¨ors¨akra att samtliga v¨arden ¨andras n¨ar ett s˚adant beslut fattas. F¨or att detta arbete ska vara effektivt b¨or en Excel-rapport byggas upp d¨ar r˚adata f¨or samtliga v¨arden h¨amtas ut och subtraheras med varandra f¨or att se om n˚agon differens ¨ar n¨arvarande. F¨or att f¨ortydliga det ¨an mer skulle ¨aven grafer ¨over v¨ardena ¨
over tiden kunna st¨allas upp likt dem som presenterades i analysdelen.
Den multivariata analysen p˚avisade ocks˚a att parameter B f¨orh¨oll sig till teorin och tidigare erfarenheter i processen, det vill s¨aga en h¨ojning medf¨orde minskning av KP och vice verca. Detta ¨ar ¨an mer bevis p˚a att parameter B har en stor p˚averkan p˚a KP och b¨or f¨oljas upp kontinuerlig f¨or att s¨akra att denna inte driver iv¨ag ˚at n˚agot h˚all. Denna analys visade ¨aven att den doserade m¨angden av parameter C f¨orh¨oll sig som teorin d¨ar en st¨orre m¨angd s¨ankte KP. Genom ˚aren har dessa tv˚a parametrars p˚averkan ifr˚agasatt men i och med utfallet av denna analys finns det nu en grund f¨or att dessa har en betydande p˚averkan p˚a KP och att dessa inte medf¨or st¨orre variationer om de ¨andras p˚a r¨att s¨att utifr˚an KP. Analysen visade ocks˚a p˚a att r˚avaruleveranserna av RV1, RV2 och RV3 var en bidragande faktor f¨or utfallet av KP. Ytterligare analyser av CoA f¨or RV1 och RV2 gjordes d¨ar det enbart ˚aterfanns variation i RV1, prim¨art i pH v¨ardet. D¨arf¨or togs inte RV2 med till den slutgiltiga modellen. Det visade sig ¨aven att RV3 b˚ade hade en positiv och negativ signifikans f¨or KP i modellen. Dock hanns det inte med att ta fram CoA v¨ardet f¨or dessa inom ramen av projektet. D¨arf¨or utesl¨ots vidare analys av denna. G¨allande omr¨orareffekten f¨or K2 kunde det ¨aven utl¨asas en stark positiv signifikansniv˚a vilket gjorde att ytterligare analyser av denna genomf¨ordes. F¨or att se huruvida denna f¨orh¨oll sig till ett nollhypotestest genomf¨ordes analysen som kan ses i Figur 64.
Figur 64: Envariabel analys av omr¨orareffekten f¨or K2.
Nollhypotesen kunde f¨orkastas eftersom att P-v¨ardet var mindre ¨an 0,05 men ¨aven R2 var ca 0,24 vilket ¨and˚a tyder p˚a en viss linj¨ar korrelation men att det forfarande ¨ar f¨or mycket brus eftersom att v¨ardet understiger 0,5.
Ur modellen kunde det ocks˚a urskiljas att temperaturen f¨or processvattnet och r˚avara nummer 4 hade sig-nifikant p˚averkan p˚a KP. Enligt teorin b¨or s˚a inte vara fallet eftersom att denna temperatur beskriver l¨aget innan det v¨arms upp i reaktorerna. Av denna anledning analyserades denna parameter vidare med ett noll-hypotestest f¨or enbart 32 punkter som innefattade provperioden men ¨aven 506 m¨atpunkter d¨ar dessa sedan j¨amf¨ordes. Resultatet av detta presenteras i Figur 65.
P-v¨ardet f¨or samtliga 506 m¨atpunkter var 0,4 vilket tyder p˚a att nollhypotesen ej kan f¨orkastas. F¨or de 32 m¨atpunkterna var P-v¨ardet d¨aremot 0,0003 vilket s¨ager att nollhypotesen kan f¨orkastas. Detta visar tyd-ligt risken med att enbart analysera ett f˚a antal punkter sett till hela datasetet. I deth¨ar fallet f¨orh¨oll sig m¨atpunkterna f¨or de 32 observationera s˚a att variationen gav ett visst m¨onster kopplat till KP. Utifr˚an detta kan slutsatsen dras att det inte finns n˚agon signifikant p˚averkan p˚a KP g¨allande processvattnets temperatur vilket ocks˚a st¨ammer ¨overens med verkligheten.
Detsamma g¨allde RV4. Enligt teorin b¨or inte denna ha n˚agon st¨orre inverkan p˚a KP eftersom att denna tills¨atts efter˚at n¨ar all reaktion ¨ar f¨ardig. I deth¨ar fallet gav den dock en signifikant p˚averkan p˚a KP som kom att visa sig ocks˚a bero p˚a slumpen, se Figur 66.