Superslim: in-line meten van product kwaliteit. Waarom? Omdat je het sneller in de gaten hebt als je productie-proces niet optimaal verloopt: zo kun je tijdig je proces bijsturen, afkeur voorkomen en een constante kwaliteit produceren. Een no-brainer dus: maar hoe pak je het aan?

Het begint met de business case: een doortimmerd verhaal waarmee je de directie kunt overtuigen van de winst die met deze in-line meting te behalen valt. Kijk naar de huidige rework/afkeurcijfers, en de waarde van een meer constante kwaliteit die je denkt te kunnen produceren met de verbeterde sturing. En kijk ook naar de factor tijd: tijdsbesparing voor de operator die geen monster meer hoeft te nemen, en tijdsbesparing doordat je direct gewaarschuwd wordt bij een afwijking, en niet pas bij de volgende handmatige steekproefmeting achter de feiten aan loopt. Als dit verhaal goed onderbouwd en financieel aantrekkelijk is, ben je ongetwijfeld door naar de volgende ronde.

Afhankelijk van de aard van je product en productieproces selecteer je de best passende in-line meetapparatuur en zorg je voor installatie en validatie.

Maar daarmee ben je er nog niet. Want hoe ga je zorgen dat de in-line meetresultaten optimaal ingezet worden voor een verbeterde sturing in de fabriek?

Stel: we meten in-line het vochtgehalte, een pH- of brix-waarde, of een viscositeit. Nu wordt het zaak om met de meetgegevens aan de slag te gaan om antwoord te krijgen op de volgende vragen:

– Hoe voorspellend zijn de in-line metingen voor de meting op mijn eindproduct?
– Welke factoren in mijn proces hangen samen met resultaten van de in-line meting?
– Welke factoren hiervan kan ik beinvloeden door mijn processturing?
– Hoe kan ik corrigeren in geval van afwijkende in-line metingen?
– Etc.

Om antwoord te vinden op dit soort vraagstukken heb je behoefte aan nog meer data uit je proces. Data die veelal wordt gelogd in de besturing van de productielijn, of data die ontstaat bij kwaliteitscontrole van grondstof en eindproduct. En de data uit je in-line vochtmeter niet te vergeten.

Afijn… om tot een goede data-analyse te komen moet je deze data bij elkaar brengen. Pas dan kun je trends zien, verbanden ontdekken tussen procesomstandigheden die van invloed zijn op het vochtgehalte, etc. Hiermee kun je fact-based modellen ontwikkelen waarmee je de sturing op de eindproduct meting kunt optimaliseren in het gehele traject vanaf grondstofontvangst door alle achtereenvolgende processtappen tot je eindproduct.

Zodoende kun je duidelijke instructies ontwikkelen voor kwaliteitscontroleurs en operators hoe het proces optimaal gestuurd dient te worden. Als je deze instructies onderdeel kunt maken van een real-time monitoring systeem, dan bied je een mooie ondersteuning voor de dagelijkse sturing in de fabriek.