25.11.2022, 13:00 Uhr
Besprechungsraum 4.34
Währinger Str. 29
1090 Wien

Titel: „Production Process Improvements by Utilizing Generic
Close-To-Production Measurement Method“

Kurzfassung:
Produktionsprozesse für einzelne Produkte bestehen oft aus ausführbaren BPMN-Prozessmodellen,
die Hunderte oder Tausende von Tasks enthalten. Je mehr Produktionsschritte
zur Herstellung eines Produkts durchgeführt werden müssen, je mehr Maschinen und
Menschen beteiligt sind, desto mehr Dinge können schief gehen. Dies führt zu einer
großen Anzahl von Parametern (physikalische Eigenschaften wie Temperatur, Maschineneigenschaften
wie der Abnutzungsgrad der Werkzeuge, ...), die die Qualität der gefertigten
Teile beeinflussen können. Dies wiederum macht es schwierig, deterministische Modelle
zu erstellen, wie diese Parameter die Qualität der Werkstücke beeinflussen. Mit ausreichendem
Aufwand und Datenerfassung (in der Realität ist die Komplexität oft zu hoch)
könnte es möglich sein, solche deterministischen Modelle für in Serie gefertigte Werkstücke
zu erstellen. Jedoch für Losgröße Eins (in anderen Worten: sehr kleine Losgrößen oder
hochgradig kundenindividuelle Produkte) ist dies niemals machbar (oder möglich). Die
Überprüfung der Toleranzen nach der Fertigung der Werkstücke ist sehr zeitaufwendig
und dauert oft mehr als dreimal so lange wie die Fertigung selbst. Außerdem haben
Messmaschinen eine Auflösung von manchmal mehr als 12000 Messungen pro Sekunde,
was selbst bei der Messung von sehr kleinen Teilen zu riesigen Datenmengen führt. Ziel
dieser Masterarbeit ist es, ein Konzept für die Entwicklung einer generischen produktionsnahen
Messmethode vorzuschlagen, mit der (1) der Qualitätszustand der produzierten
Teile am Ende der Fertigungslinie bestimmt werden kann und (2) eine Inline-Prävention
und -Korrektur von Fehlern möglich ist, während (3) die Datenmenge von Hunderten
von Gigabytes auf nahezu Null reduziert wird. Mit anderen Worten: produktionsnahe
Messergebnisse mit komprimierten Daten.
vii