Veco Precision: Van handmatig keuren naar een geautomatiseerd meetsysteem

Hulp bij data-analyse

Wil je net als Veco Precision snel stappen maken met je beschikbare data en je kunt daarbij wel wat hulp gebruiken? Neem dan contact met ons op. 

Betrouwbaardere uitspraken over de kwaliteit van onze delen

Ard Vlooswijk, Lead Engineer Metrology: “Dat was nog veelal mensenwerk – op onze keurafdeling worden inkjet nozzle plates onder een microscoop met het oog gecontroleerd. Daarnaast werkten we al wel met een geautomatiseerd meetsysteem, een inspectiesysteem voor oppervlakte-inspectie, maar dat werkte niet honderd procent. We haalden wel veel data uit het systeem, maar konden daar nog onvoldoende goede conclusies uit trekken. Daar moest verandering in komen, zodat onze machine betrouwbaardere uitspraken kon gaan leveren over de kwaliteit van onze delen. Om dat te bereiken hebben we Sjoerd de Vries ingeschakeld, Data Scientist en Senior Consultant Manufacturing Master Black Belt bij Symbol. Geautomatiseerd keuren levert ons namelijk veel voordelen op, waar we nu nog niet van profiteerden.”

De voordelen van geautomatiseerd keuren

“Om te beginnen moet een meetsysteem iedere keer dezelfde uitspraak doen”, vertelt Director Operations Joris Keizers. “Dat is niet het geval bij keuren met het menselijk oog, want sommige medewerkers zien bepaalde fouten wel en anderen niet. Wat is dan de waarheid? Een geautomatiseerd meetsysteem geeft iedere keer hetzelfde oordeel, wat de kwaliteit van onze geleverde producten veel consistenter maakt. Een ander doel was het verder automatiseren en daardoor goedkoper maken van het proces. En ons laatste doel was het makkelijker schaalbaar maken van het proces, iets wat met geautomatiseerd keuren mogelijk is. Via een collega kwamen we in aanraking met Sjoerd en zodoende met Symbol, waarna we de keuze hebben gemaakt om met hem een verbetertraject uit te rollen om deze resultaten te bereiken. En met succes.”

Percentage correct oordeel omhoog

Er is een volledig plan uitgestippeld om met het meetsysteem het percentage correct oordeel omhoog te krijgen. “Dat percentage wilden we in twee fasen omhoog brengen. Om dit te halen hebben we een team samengesteld bestaande uit Sjoerd, een Data Scientist en ik”, vertelt Vlooswijk. “Samen hebben we ervoor gezorgd dat het plan succesvol is doorlopen. Sjoerd was zes maanden lang, drie dagen per week bij ons on site en zo hebben we snel slagen kunnen maken. Sjoerd heeft data analyses gedaan en heeft beelden geanalyseerd en daar informatie uitgehaald en aan ons gerapporteerd. Ik hing er vervolgens het menselijk oordeel tegenaan.

Niet té complex, wel complex genoeg

Keizers voegt toe: “Sjoerd had de gave om dingen niet té complex te maken, maar wel complex genoeg. Het meetsysteem maakt per product dat we maken bijvoorbeeld driehonderd foto’s. Sjoerd heeft met slimme methodes de balans opgemaakt tussen wat statistisch relevant is en wat alleen ‘leuk is om te weten’. Wij zijn allemaal techneuten en duiken graag in al die beelden en pixels – in de details dus. Sjoerd heeft ons geleerd om niet te kijken naar wat er mogelijk is, maar wat er nodig is.” “Sommige problemen zag Sjoerd bijvoorbeeld drie keer, andere problemen honderd keer, weer andere problemen duizend keer”, voegt Vlooswijk toe. “Sjoerd heeft gekeken wat de meest voorkomende problemen in het meetsysteem onderscheidt van de andere gevallen, en die parameters hebben we in het systeem geïmplementeerd.”

Omschakelen naar nieuwe software

Tijdens het verbetertraject is ook de software aangepakt waar het meetsysteem op draait. “Sjoerd gebruikte andere beeldanalysesoftware dan ons systeem. Zijn software werkte met maar liefst twintig parameters, waar onze software ‘slechts’ drie tot vier parameters aankon. Door een upgrade van de software konden wij die extra parameters ook inzetten. In de eerste fase van het project hebben we een stap gezet in het verbeteren van het percentage correct oordeel, aan de hand van de software van Sjoerd. Dat bleek technisch goed haalbaar. De volgende stap was nogmaals een verhoging van dit percentage, maar ook het omschakelen naar nieuwe software op ons meetsysteem. Een flinke klus waar ik onze Data Scientist de meeste credits voor moet geven en waar Sjoerd en ik onze steentjes natuurlijk ook aan hebben bijgedragen. De klus is geklaard, en de software is up and running”, vertelt Vlooswijk.

Mee in de vaart der volkeren

De ambitie van Keizers en Vlooswijk? Het geautomatiseerd keuren verder uitrollen naar andere producten. Keizers vertelt: “We zijn samen met Sjoerd gestart met een product dat we veel verkopen, de inkjet nozzle plate. Daarvoor hebben we alle gewenste resultaten (bijna) behaald. Nu kunnen we verbetertrajecten voor andere, vergelijkbare producten zelf oppakken. Kortom, we zijn klaar voor de toekomst. Belangrijk, want als Veco Precision maken we producten met kenmerken en gaatjes die kleiner en kleiner worden. Keuren kan simpelweg niet meer alleen met het menselijk oog. Bovendien stellen klanten steeds hogere eisen aan de afmetingen van onze producten én aan hoe de producten er verder uit moeten zien. Door het keuren te automatiseren kunnen we meebewegen met die wensen. En daarmee beweegt onze organisatie mee in de vaart der volkeren.”

Heb je ook een complex probleem op het snijvlak van proces, product, data, software, hardware en/of applicatie?

Sjoerd de Vries denkt graag met je mee, hij is data scientist en helpt bedrijven bij het oplossen van complexe problemen. Deze problemen zijn zo complex, omdat ze op het snijvlak zitten van verschillende verantwoordelijkheden, disciplines & expertises waarbij iedereen elkaars “taal” moet begrijpen en interpreteren. Sjoerd is hierin de verbindende factor.

Enkele projecten die hij de afgelopen periode heeft uitgevoerd:

1. Het optimaliseren van meerdere Vision systemen om geautomatiseerde detectie volledig toe te passen.
2. Uitvoeren van online/inline MSA’s (meetsysteemanalyses) waarbij de betrouwbaarheid van de analyzers en de meting zelf is bepaald, vervolgens is de variatie van de meting en het proces gereduceerd.
3. Het realiseren van betrouwbare rapportages/data visualisaties waarin de belangrijkste parameters (CTQ’s en CTC’s) zijn opgenomen. Deze rapportages zijn goed te interpreteren door de werkvloer en leiden tot een stabieler proces. Data reductie d.m.v. descriptor based modelling heeft hiervoor als basis gediend om van zoveel mogelijk data naar right data te komen.
4. Machinebouwer zat in het einde van de R&D fase en moest opleveren aan de klant, echter kwam men niet verder dan 95% van de gewenste nauwkeurigheid. Met behulp van process mining, TRIZ, data analyse en reologie is de nauwkeurigheid op het gewenste niveau gebracht en kon de machine worden vrijgegeven voor industrialisatie.
5. Een klant had veel variatie in het proces door problemen met de grondstoffen, deze grondstof was door de klant én leverancier niet nauwkeurig genoeg te meten. Met behulp van chemometrie is zichtbaar gemaakt dat er vervuiling in de polyolen zat. Er is een continue monitoringsapplicatie gebouwd om deze te detecteren en de stabiliteit te waarborgen.