DE60309002T2

DE60309002T2 - Herstellungsentwurfs- und prozessanalysesystem

Info

Publication number: DE60309002T2
Application number: DE60309002T
Authority: DE
Inventors: Steve W. Los Angeles Tuszynski
Original assignee: Individual
Current assignee: Individual
Priority date: 2002-02-04
Filing date: 2003-02-04
Publication date: 2007-05-24
Anticipated expiration: 2023-02-05
Also published as: AU2003208974A1; US20030176938A1; ES2274211T3; MXPA04007419A; EP1481294A4; BR0307426A; US7187992B2; CN1628271A; KR20040088491A; US20040167648A1; JP2010049693A; US20030149501A1; RU2321886C2; US7072808B2; JP2005518007A; US8768500B2; US20070219657A1; PL371861A1; US7321848B2; EP1481294A1

Description

GEBIET DER ERFINDUNG
Die vorliegende Erfindung betrifft die Fertigung, den Entwurf, die Einrichtung bzw. die Bestückung und die Fertigungsplanung, und in einem Ausführungsbeispiel betrifft die Verfahren, Vorrichtungen und Systeme, welche die Aufgaben des Entwurfs, der Einrichtung bzw. Bestückung, der Fertigung und/oder der Messung erleichtern, die der Fertigung und anderen Prozessen zugeordnet sind. In einem Ausführungsbeispiel betrifft die vorliegende Erfindung die Entscheidungsfindung und logische Strukturen, die in einer Computersoftwareanwendung implementiert werden, welche alle Phasen des Entwurfs-, Entwicklungs-, Einrichtungs-, Vorfertigungs-, Qualifizierungs-, Zertifizierungs- und Fertigungsprozesses jedes Bauteils oder anderen Artikels bzw. Gegenstands erleichtert, der gemäß Spezifikation hergestellt wird.
STAND DER TECHNIK
Die Welt der Fertigung bzw. der Herstellung, einschließlich der Fertigungsplanung, steht unter dauerhaftem und stärker werdendem Druck, die Qualität zu verbessern und Kosten zu senken. Diese Tendenz scheint sich weiter zu beschleunigen anstatt zu verlangsamen. Aus Sicht der Fertigung bezieht sich die Qualität auf die Fertigung von Bauteilen, die 1.) den Zielwerten des Fertigungsentwurfs nahezu oder vollständig entsprechen und 2.) minimale Schwankungen aufweisen. Der Bereich der Konstruktion bzw. der Entwicklung steht ebenfalls unter dauerhaftem Druck zur Verbesserung der Qualität und der Kostensenkung. Im Bereich der Konstruktion müssen nominale Entwurfs- bzw. Konstruktionsziele ebenso festgelegt werden wie Toleranzgrenzen, wenn es möglich ist Bauteile herzustellen, die 1.) den Zielvorgaben entsprechen und 2.) den Konstruktionstoleranzgrenzen entsprechen. Anders ausgedrückt zählen zu den Aufgaben von Entwicklern bzw. Konstrukteuren nicht nur die Konstruktion bzw. der Entwurf von Artikeln bzw. Gegenständen, die Form, Passgenauigkeit und Funktion erfüllen müssen, sondern auch die Konstruktion hinsichtlich der Herstellbarkeit.
In jedem Fertigungs- oder anderen Prozess, der von den Gesetzen der Konstruktion bzw. Entwicklung und der Physik für die Erzeugung eines brauchbaren Ergebnisses abhängig ist, gibt es fünf fundamentale Elemente (siehe 1): 1) der Prozess, durch den das Produkt (A) hergestellt wird; 2) Eingaben in den Prozess (B); 3) Ausgaben des Prozesses (C); 4) Prozesssteuerungsparameter, die so angepasst sind, dass sie die Prozessausgabe bzw. die Prozessleistung beeinflussen (D); und 5) nicht gesteuerte Prozessparameter, die den Prozess beeinflussen (E) (z.B. entweder nicht steuerbare Variablen oder Variablen, die aufgrund von zeitlichen, kostenbezogenen oder anderen Aspekten, die gemeinsam als „Störungen" bezeichnet werden, nicht gesteuert werden.).
Der traditionelle Ansatz für die Herstellung bzw. Fertigung von Artikeln bzw. Gegenständen, wie etwa von Bauteilen oder anderen Komponenten, die Konstruktionsspezifikationen entsprechen, ist ein logischer Ansatz, der auf einer Suche nach Kausalität basiert. Dieser Ansatz basiert auf dem Prinzip, dass eine Kontrolle bzw. Steuerung der Variablen, welche einen Prozess beeinflussen, zu einer Kontrolle bzw. Steuerbarkeit der Leistung bzw. des Ergebnisses dieses Prozesses führt. Wenn es anders ausgedrückt möglich ist, die Ursache zu steuern, so kann auch die Wirkung gesteuert werden. Die Abbildung aus 2 veranschaulicht dieses dem Stand der Technik entsprechende Prinzip, wobei ein Versuch unternommen wird, um die Beziehungen, Verknüpfungen oder Korrelationen zwischen Regel- bzw. Steuergrößen zu bestimmten sowie die Eigenschaften der Ausgabe bzw. der Leistung (z.B. die gefertigten Bauteile).
Leider verhalten sich zahlreiche Fertigungsprozesse wie eine Black-Box. In bestimmten Fällen kann es schwierig sein, die Beziehung zwischen den Prozesssteuerungsvariablen und den resultierenden Eigenschaftswerten des Artikels bzw. Gegenstands zu bestimmen. Ferner können zeitliche und wirtschaftliche Einschränkungen diese Bestimmung praktisch unmöglich bzw. unpraktisch gestalten, selbst wenn sie technisch vielleicht möglich wäre.
Der Kunststoffspritzguss ist ein Beispiel für diesen Fall. Bei mindestens 22 Steuervariablen bzw. Regelgrößen, selbst wenn diese Steuerumgebungen jeweils nur zwei Ebenen bzw. Stufen aufweisen (eine hohe und eine niedrige Temperatur, einen hohen und einen niedrigen Druck, etc.), gibt es trotzdem über vier Millionen mögliche Kombinationen. In der Tat gibt es Milliarden von möglichen Kombinationen, wenn drei Ebenen (hohe, mittlere und niedrige Einstellungen) möglich sind. Ferner können Veränderungen bzw. Anpassungen der Prozessvariablen unterschiedliche Effekte bzw. Wirkungen auf die resultierenden Artikeleigenschaften aufweisen; wobei zum Beispiel ein ansteigender Druckwert eine erste Artikeleigenschaft erhöhen, eine zweite verringern und eine dritte gar nicht beeinflussen kann.
Einfache Interaktionen, komplexe Interaktionen und Nicht-Linearitäten machen die Situation noch komplizierter. Ferner gibt es für gewöhnlich in einer einzigen Form mehrere Formenhohlräume. Schließlich gibt es zahlreiche Artikeleigenschaften (die Abmessung, die Leistung oder andere Anforderungen betreffend), die erfüllt werden müssen. In Anbetracht der vorstehenden Ausführungen ist es häufig außerordentlich schwierig, die Kombination aus Faktoren der großen Anzahl von Zielvorgaben für die Bauteilkonstruktion, der Toleranzgrenzen für Bauteile, der Eigenschaften für die Formkonstruktion und der Einstellungen für eine Spritzgusspresse umzusetzen, so dass akzeptable Artikel hergestellt werden können.
Diesbezüglich wurden gewisse Fortschritte gemacht. Die Methodologie der Versuchsplanung (englisch: DOE als Abkürzung von Design of Experiments) reduziert deutlich die Anzahl der Versuche, die unternommen werden müssen, um die Auswirkungen einer ausgewählten Teilmenge von Steuervariablen bzw. Regelgrößen auf die resultierende Leistung eines Prozesses zu verstehen. Selbst nach der Ausführung eines geplanten Versuchs existiert leider weiterhin eine große Anzahl von Steuervariablen, welche die resultierenden Artikel bzw. Gegenstände beeinflussen können. In jedem Fall wird weitem eine umfassende Messung produzierter Bauteile sowohl seitens des Lieferanten als auch des OEM-Kunden durchgeführt, um sicherzustellen, dass zulässige Bauteile hergestellt werden.
Darüber hinaus gibt es zwei Hauptpfade, um eine verbesserte Fertigungsqualität zu erreichen. Bei dem ersten handelt es sich um das Messen bzw. Vermessen der Bauteile nach deren Herstellung und den folgenden Vergleich der Bauteile mit den Spezifikationsanforderungen (Zielvorgaben und Toleranzen für den Entwurf bzw. die Konstruktion). Dabei handelt es sich um einen prozessgekoppelten Prozess, der Feedback nutzt. Die Bauteile werden für gewöhnlich in bestimmtem Ausmaß sowohl durch den Hersteller als auch den Kunden gemessen (OEM, First Tier-Hersteller, Second Tier-Hersteller, etc.). Das Messen bzw. Vermessen der Bauteile, die Aufzeichnung und Analyse der Daten sowie das Anzeigen der Ergebnisse stellt jedoch einen sehr aufwändigen und Ressourcen verbrauchenden Prozess dar.
Bei ihren Anstrengungen, die Qualität zu verbessern, haben viele Hersteller damit begonnen, die Techniken der statistischen Prozesssteuerung (SPC als englische Abkürzung von Statistical Process Conrol) und der erreichbaren Fertigungsgenauigkeit einzusetzen, Viele Kunden fordern von ihren Zulieferern in der Tat, dass SPC- oder äquivalente Maßnahmen bzw. Messverfahren, Aufzeichnungs-, Analyse- und Anzeigeverfahren vorgenommen werden. Gemäß dieser Technik werden der Fertigungsstraße Proben entnommen, die gemessen und danach analysiert werden, um etwaig auftretende anormale (nicht normal verteilte) Muster oder Datenpunkte zu ermitteln. Wenn derartige anormale Datenpunkte detektiert werden, gilt der Prozess als „ungesteuert" (d.h. er liefert keine konstant vorhersehbaren Ergebnisse bzw. Leistungen), und die Produktion wird in diesem Fall unverzüglich angehalten, um den Prozess von dem Fehler zu befreien. Die Messdaten der gefertigten Bauteile werden analysiert unter Verwendung hoch entwickelter SPC-Statistikmethoden und Vermessungs-Tools, die in speziellen Computerprogrammen integriert sind. Da die meisten Bauteile unterschiedliche Abmessungen aufweisen, werden die Mess- und SPC-Analyse für gewöhnlich in Bezug auf eine große Anzahl von Bauteilabmessungen für jedes Bauteil angewandt, was die Zeit und die Kosten erhöht, die mit der Fertigung verbunden sind. SPC ist jedoch langfristig deutlich kostengünstiger als die Auslieferung unzulässiger Bauteile und/oder die Erfordernis der Aussortierung zulässiger Bauteile von unzulässigen Bauteilen.
Ferner ist es für Hersteller (und deren Kunden) schwierig, folgendes zu bestimmen: 1.) welcher Anteil der Abmessungen unter Verwendung von SPC überwacht werden sollte und 2.) welche Abmessungen gemessen bzw. vermessen werden sollen, wenn nicht alle Abmessungen überwacht werden. Für gewöhnlich, wenn nicht immer, werden die von dem Konstrukteur genannten „kritischen" Abmessungen unter Verwendung von SPC-Techniken nachgemessen und analysiert. Wirtschaftliche Zwänge können jedoch dazu führen, dass weniger Abmessungen als gewünscht vermessen und analysiert werden. Dabei wird nicht unkoordiniert vorgegangen bei der Auswahl der Abmessungen für SPC oder eine andere Analyse.
Ein zweiter Pfad bzw. Weg zur Verbesserung der Fertigungsqualität umfasst das Verringern der natürlichen Schwankungen der gefertigten Artikel. Die Präzision bzw. Genauigkeit der Einhaltung bzw. der Beibehaltung der Prozesssteuerungsfaktoren kann verbessert werden und/oder die „Störfaktoren" können eliminiert oder so gering wie möglich gehalten werden. Dabei handelt es sich um eine unabhängige Prozessverbesserung unter Steuerung. Die Reduzierung von natürlichen Schwankungen ist auch ein aufwändiges bzw. teueres Vorhaben, da für Schwankungen zahlreiche verhältnismäßig geringfügig gemeinsame Ursachen existieren. Das Ausmaß, in dem die natürlichen Schwankungen in den hergestellten Bauteilen reduziert werden muss, wird für gewöhnlich durch aufwändige Studien zur erreichbaren Fertigungsgenauigkeit bestimmt, die für gewöhnlich in Bezug auf jede „kritische" Abmessung ausgeführt werden.
Das U.S. Patent US-A-5.850.339 beschreibt ein Verfahren für die Analyse einer Datengruppe sowie zur Bestimmung unabhängiger Eingangs- bzw. Eingabevariablen und der Werte dieser Variablen, die einem bestimmten Ergebnis am meisten zugeordnet sind. Ein Einsatzgebiet für dieses Verfahren ist die Bestimmung von Fertigungsvariablen sowie deren Werten, die dazu neigen, zu einem unzulässigen Produkt zu führen. In „Statistische Datenanalyse" von Werner Stahel, Braunschweig/Wiesbaden: Vieweg Verlag 2000, wird der Einsatz einer Regressionsanalyse offenbart.
In Anbetracht der vorstehenden Ausführungen wird deutlich, dass im Fach Verfahren, Vorrichtungen und Systeme benötigt werden, Entwurfs- und Fertigungsprozesse erleichtern und im Besonderen die vorstehend genannten Probleme adressieren. Zum Beispiel werden im Fach Verfahren und Systeme benötigt, die eine Reduzierung bzw. Senkung der Zeit und der Kosten ermöglichen, die den Mess-, Aufzeichnungs-, Analyse- und Anzeigeprozessen bzw. -verfahren zugeordnet sind, die vorstehend zum Beispiel in Bezug auf SPC-Studien, Studien zur erreichbaren Fertigungsgenauigkeit, Versandprüfung und Empfangsprüfung beschrieben worden sind. Im Fach werden Verfahren benötigt, um zu bestimmen, wie die Eingaben bzw. Eingänge in einen Prozess angepasst werden können, um die gewünschten Ergebnisse zu erreichen. Im Fach werden ferner Verfahren und Systeme benötigt, die eine Bestimmung erleichtern, wie viele Artikeleigenschaften (z.B. Abmessungen, Leistungswerte, etc.) für einen bestimmten Prozess gemessen werden sollen. Schließlich werden im Fach Verfahren und Systeme benötigt, die eine Bewertung ermöglichen, welche Artikeleigenschaften für einen bestimmten Prozess gemessen werden sollten. Wie dies nachstehend im Text näher beschrieben ist, erfüllen Ausführungsbeispiele gemäß der vorliegenden Erfindung diese Anforderungen.
ZUSAMMENFASSUNG DER ERFINDUNG
Vorgesehen sind gemäß der vorliegenden Erfindung Verfahren, Vorrichtungen und Systeme, die Entwurfs-, Fertigungs- und/oder Mess- bzw. Vermessungsaufgaben erleichtern, die mit der Fertigung und anderen Prozessen verbunden sind. In einem Ausführungsbeispiel betrifft die vorliegende Erfindung Entscheidungsfindungs- und logische Strukturen, die in einer Computersoftwareanwendung implementiert sind, welche alle Phasen des Entwurfs- bzw. Planungs-, Entwicklungs-, Bestückungs- bzw. Einrichtungs-, Vorfertigungs-, Qualifizierungs-Zertifizierungs- und Fertigungsprozesses jedes Bauteils oder sonstigen Artikels erleichtern, der gemäß Spezifikation hergestellt wird. In einem Ausführungsbeispiel stellt die vorliegende Erfindung Informationen bereit in Bezug darauf, wie die mehreren Eigenschaften einer bestimmten Prozessleistung im Verhältnis zueinander, zu Spezifikationsgrenzen und Eingaben vor der Verarbeitung stehen.
Diese Informationen ermöglichen eine Senkung des Mess-, Analyse- und Anzeigeaufwands sowohl vor als auch während der Fertigung. Ferner werden dadurch die erforderlichen Anpassungen der Eingaben vor dem Verfahren bzw. der Verarbeitung bestimmt, um eine Produktion gemäß den Konstruktionszielvorgaben erreichen zu können. Die Informationen stellen eine priorisierte Rangordnung für eine Lockerung der Entwurfstoleranzen bereit. Sie bewerten die Durchführbarkeit der Fertigung von Bauteilen, welche die Spezifikationsgrenzen erfüllen. Sie bewerten den Kompromiss zwischen Leistung und Herstellbarkeit und stellen Entwurfszielvorgaben bereit, welche die Herstellbarkeit verbessern. Sie stellen eine Bestimmung bereit, wann eine Reduzierung der Variabilität des Prozesses erforderlich ist. Sie erleichtern den Materialvergleich und die Materialauswahl. Sie stellen Konstrukteuren und Bedienungspersonal verbesserte Betriebsrichtlinien bereit.
Die vorliegende Erfindung verwendet analytische Techniken zur Realisierung der vorstehend genannten Aufgaben und Vorteile. Wie dies nachstehend im Text beschrieben ist, können in einem Ausführungsbeispiel grafische Techniken optional an Stelle von analytischen Techniken eingesetzt werden. Zu grafischen Techniken zählen unter anderem, ohne darauf beschränkt zu sein, Diagramme, Graphen und Skizzen, die auch zum Anzeigen der Analyseergebnisse eingesetzt werden können. Bei der vorliegenden Erfindung kommen leistungsstarke statistische Methodiken zum Einsatz, die es in einem Ausführungsbeispiel ermöglichen, zu bestimmen, welche und wie viele Artikeleigenschaften gemessen werden sollen, wobei die Kosten und der Ressourcenaufwand potenziell reduziert werden können, die dem Messen, Aufzeichnen, Analysieren und Anzeigen zugeordnet sind. Ausführungsbeispiele der vorliegenden Erfindung unterstützen Konstrukteure ferner bei der Konstruktion von Artikeln in Bezug auf Herstellbarkeit. Ausführungsbeispiele der vorliegenden Erfindung können auch so konfiguriert werden, dass sie kritische Informationen bereitstellen, die für Konstrukteure und Bestückungstechniker erforderlich sind, um Entwurfs- bzw.
Konstruktionsanforderungen für Prozesseingaben zu modifizieren, um es zu ermöglichen, dass die Fertigung die Konstruktionszielvorgaben erfüllt und innerhalb der spezifizierten Toleranzgrenzen bleibt. Ausführungsbeispiele der vorliegenden Erfindung können auch eingesetzt werden, um unter Verwendung eines Systemtechnikansatzes zu identifizieren, welche Artikeleigenschaften die restriktivsten Zielvorgaben und Spezifikationstoleranzgrenzen aufweisen. Die vorliegende Erfindung kann auch eingesetzt werden, um die Kosten für die Ausführung von Studien zu der erreichbaren Fertigungsgenauigkeit zu senken, indem die Anzahl der Studien zu der erreichbaren Fertigungsgenauigkeit, die ausgeführt werden müssen, reduziert wird, teilweise sogar ganz erheblich. Diese und andere Aspekte der vorliegenden Erfindung werden aus der folgenden Beschreibung bevorzugter Ausführungsbeispiele der vorliegenden Erfindung deutlich.
In einem Ausführungsbeispiel stellt die vorliegende Erfindung Verfahren, Vorrichtungen und Systeme bereit, die das Verständnis und die Analyse erleichtern, wie das Verhältnis zwischen prädizierten Artikeleigenschaften und einer oder mehreren Prädiktorartikeleigenschaften die Fähigkeit reflektiert, wie ein Prozess ein gewünschtes Ziel erreichen kann (z.B. die Produktion von Bauteilen mit einer Zielspezifikation und/oder innerhalb von spezifizierten Toleranzgrenzen). In einem Ausführungsbeispiel stellt die vorliegende Erfindung ein Prozessanalysesystem bereit, das eine Reihe von Graphen und/oder Tabellen erzeugt (wie etwa Abhängigkeitstabellen, Versatztabellen und Relaxationstabellen), die es dem Benutzer ermöglichen, die Beziehung zwischen Artikeleigenschaften zu verstehen und zu analysieren, um leistungsfähige und informierte Entscheidungen in Bezug auf eine mögliche Konstruktion oder Einrichtung bzw. Bestückung oder Änderungen in Bezug auf die Abmessungen oder den Prozess vor dem Prozess zu treffen. Wie dies nachstehend im Text näher beschrieben ist, kann die Beziehung zwischen der Prädiktoreigenschaft und einer oder mehreren gegebenen prädizierten Artikeleigenschaften allgemein in eine von drei möglichen Situationen kategorisiert werden: 1) wobei es möglich ist, einen Artikel außerhalb der Spezifikationsgrenzen in Bezug auf die prädizierte Artikeleigenschaft herzustellen; 2) wobei die prädizierte Artikeleigenschaft solide ist und stets innerhalb der Spezifikationsgrenzen liegt; und 3) wobei die prädizierte Artikeleigenschaft die Prädiktorartikeleigenschaft erzwingt. In einem Ausführungsbeispiel stellt die vorliegende Erfindung eine Methodologie für die Analyse möglicher Beziehungen zwischen der Prädiktoreigenschaft und den verbleibenden Artikeleigenschaften bereit, um zum Beispiel zu bestimmen, welche prädizierten Artikeleigenschaften sicher ignoriert werden können, welche prädizierten Artikeleigenschaften den Betriebsbereich oder das Fenster im Verhältnis zu der Prädiktoreigenschaft einschränken, und welche prädizierten Artikeleigenschaften zu der Herstellung von Artikeln außerhalb der Grenzen der Konstruktionsspezifikation führen könnten. Bei einer derartigen Kategorisierung der prädizierten Artikeleigenschaften befinden sich Benutzer (wie etwa Konstrukteure, Bestückungstechniker, Verfahrensingenieure, Prüfer bzw. Inspektoren und dergleichen) in der Position, Entscheidungen dahingehend treffen zu können, wie jede prädizierte Artikeleigenschaft behandelt werden kann bzw. zu behandeln ist. Zum Beispiel für den Fall, wenn es möglich ist, Fehler zu erzeugen, kann der Benutzer sich dafür entscheiden, die Spezifikationsgrenzen zu lockern und/oder die Eingaben vor dem Prozess zu modifizieren und/oder Prozessvariablen einzuschränken. Wenn darüber hinaus eine bestimmte prädizierte Artikeleigenschaft für alle möglichen Werte (mindestens innerhalb der Spezifikationsgrenzen für die Konstruktion) der Prädiktorartikeleigenschaft(en) robust (innerhalb der Spezifikation) ist, kann die prädizierte Artikeleigenschaft zum Beispiel während den Aufgaben nach der Verarbeitung ignoriert werden, wie zum Beispiel der Bauteilevermessung und Analyse in Verbindung mit der Vorqualifizierung, der Qualifizierung, der Zertifizierung und Produktionsaktivitäten. Die vorliegende Erfindung erleichtert ferner die Analyse der Auswirkung prädizierter Artikeleigenschaften, welche den zulässigen Bereich für die Prädiktorartikeleigenschaft(en) einschränken. Wie dies nachstehend im Text näher beschrieben wird, ermöglicht es die vorliegende Erfindung einem Benutzer, die Auswirkungen einer einschränkenden Prädiktorartikeleigenschaft und das Ausmaß der Einschränkung bei der Herstellbarkeit des Artikels zu berücksichtigen, wie dies in einer bestimmten Konstruktionsspezifikation ausgeführt ist, und wobei dies eine Bewertung der Eignung eines bestimmten Prozesses ermöglicht, um eine Ausgabe bzw. Leistung zu erzeugen, die den Spezifikationen/Anforderungen des Entwurfs bzw. der Konstruktion entspricht. Wie dies nachstehend im Text näher beschrieben ist, können Ausführungsbeispiele der vorliegenden Erfindung Graphen, Tabellen und Diagramme erzeugen, wie etwa Streuungsdiagramme, Constraint-Tabellen, Versatztabellen und Relaxationstabellen, welche die analytischen und Entscheidungsfindungsaufgaben unterstützen, die der Fertigung und anderen Prozessen zugeordnet sind.
BESCHREIBUNG DER ZEICHNUNGEN
In den Zeichnungen zeigen:
1 ein Fertigungsflussdiagramm, das allgemein für Fertigungs- und andere Prozesse angewandt werden kann;
2 ein Fertigungsflussdiagramm, das ein Konzept veranschaulicht, das der Anwendung dem Stand der Technik entsprechender Prozesssteuerungstechniken auf Fertigungsprozesse zugeordnet ist;
3 ein Fertigungsflussdiagramm eines Konzepts, das der vorliegenden Erfindung bei einer Anwendung in Bezug auf Fertigungsprozesse zugeordnet ist;
4 ein Streuungsdiagramm, das ein Regressionsmodell zwischen zwei Artikeleigenschaften ausführt;
5 ein Streungsdiagramm, das den Effekt zeigt, den eine Veränderung der Prozesssteuerungseinstellungen auf die Prozessleistung aufweist;
6 ein Streuungsdiagramm des Effekts der Veränderung von Prozesseingaben;
7 ein Streuungsdiagramm des kombinierten Effekts der Veränderung der Prozesssteuerungseinstellungen und Prozesseingaben;
8 ein Streuungsdiagramm, das die Prädiktionsintervalle aufweist, die einem Regressionsmodell zugeordnet sind;
9 eine grafische Benutzeroberfläche, die die Eingabe von Artikeleigenschaftsdaten erleichtert, die in Verbindung mit einem Ausführungsbeispiel gemäß der vorliegenden Erfindung verwendet werden;
10 ein Streuungsdiagramm eines einfachen linearen Regressionsmodells für zwei Artikeleigenschaften;
11 ein funktionales Blockdiagramm eines Ausführungsbeispiels eines Computerhardwaresystems, das sich zur Verwendung in Verbindung mit der vorliegenden Erfindung eignet;
12 ein Streuungsdiagramm, das die Konzepte veranschaulicht, die einem Ausführungsbeispiel der vorliegenden Erfindung zugeordnet sind;
13 ein Streuungsdiagramm, das ein lineares Regressionsmodell, Prädiktionsintervalle, einen Zielschnittpunkt und obere und untere Spezifikationsgrenzen aufweist,
14 ein Streuungsdiagramm, das die Bestimmung des zulässigen Betriebsbereichs und des Betriebszielwertes für eine Prädiktoreigenschaft veranschaulicht;
15 eine Systemarchitektur gemäß einem Ausführungsbeispiel der vorliegenden Erfindung;
16 ein Flussdiagramm eines Verfahrens gemäß einem Ausführungsbeispiel der vorliegenden Erfindung;
17 ein Flussdiagramm eines Verfahrens, das dem Anzeigen eines Regressionsmodells und zugeordneter Analyseelemente an einen Benutzer zugeordnet ist;
18 ein Flussdiagramm eines Verfahrens, dass die Auswahl einer Prädiktoreigenschaft ermöglicht;
19 ein Tabelle einer Tabellenkalkulation, die eine Reihe von Artikeleigenschaftswerten in Bezug auf eine Mehrzahl von Artikeleigenschaften, Korrelationskoeffizienten und einen Wert aufweist, der die prädiktive Fähigkeit jeder Artikeleigenschaft anzeigt;
20 ein Flussdiagramm, das ein Verfahren bereitstellt, das die Population einer Korrelationskoeffiziententabelle ermöglicht;
21 ein Flussdiagramm eines Verfahrens, das dem Einsatz der vorliegenden Erfindung gemäß einem Ausführungsbeispiel zugeordnet ist;
22 eine Einschränkungstabelle gemäß einem Ausführungsbeispiel der vorliegenden Erfindung;
23 ein Flussdiagramm gemäß einem Ausführungsbeispiel der vorliegenden Erfindung, wobei ein Verfahren ausgeführt ist, das sich auf die Erzeugung einer Einschränkungs- bzw. Constraint-Tabelle bezieht;
24 ein Diagramm des Regressionsmodells für eine Prädiktoreigenschaft und eine prädizierte Eigenschaft, mit Grenzwerten, die dem Regressionsmodell zugeordnet sind;
die 25A bis 25G Diagramme, welche die Regressionsmodelle zwischen einer Prädiktoreigenschaft und einer prädizierten Eigenschaften veranschaulichen sowie die verschiedenen Bedingungen, unter denen ein Fehlerzustand existieren kann;
die 26A und 26B Diagramme, welche die Regressionsmodelle zwischen einer Prädiktoreigenschaft und einer prädizierten Eigenschaft veranschaulichen sowie verschiedene Bedingungen bzw. Umständen, wenn die Eigenschaft robust bzw. fest innerhalb der oberen und unteren Spezifikationsgrenzen der prädizierten Eigenschaft liegt;
die 27A bis 27F Diagramme, welche die Regressionsmodelle für verschiedene Umstände veranschaulichen, wenn entweder die obere, die untere oder beide Prädiktionsgrenzen den minimal und/oder maximal zulässigen Prädiktoreigenschaftswert einschränken, um Bauteile herzustellen, die innerhalb der Spezifikationsgrenzen liegen;
28A ein Flussdiagramm eines Verfahrens, das sich auf die Erzeugung einer Versatztabelle gemäß einem Ausführungsbeispiel der vorliegenden Erfindung bezieht;
28B eine Versatztabelle gemäß einem Ausführungsbeispiel der vorliegenden Erfindung;
29 ein Flussdiagramm des Gesamtprozesses, der der Erzeugung einer Relaxationstabelle gemäß einem Ausführungsbeispiel der vorliegenden Erfindung zugeordnet ist;
30 eine durch ein Ausführungsbeispiel der vorliegenden Erfindung erzeugte Relaxationstabelle;
31 ein Flussdiagramm eines Verfahrens, das sich auf die Bestimmung neuer Spezifikationsgrenzen bezieht, die aus der Lockerung einer oder beider der unteren und oberen Spezifikationsgrenzen einer prädizierten Eigenschaft resultieren und folglich den zugeordneten minimalen und/oder maximalen Prädiktoreigenschaftswerten, die erforderlich sind, um Bauteile gemäß den Spezifikationsgrenzen herzustellen;
die 32A, 32B, 32C und 32D Diagramme, die grafisch den Anstieg von Pmax und den Rückgang von Pmin veranschaulichen, als Folge der Lockerung der oberen und unteren Spezifikationsgrenzen für eine prädizierte Eigenschaft; und
die 33A, 33B, 33C und 33D Diagramme, die grafisch den Ausgleichsbereich, den Regressionsbereich, den begrenzten Regressionsbereich und einen Vergleich des Ausgleichsbereichs mit dem begrenzten Regressionsbereich veranschaulichen.
BESCHREIBUNG DER BEVORZUGTEN AUSFÜHRUNGSBEISPIELE
I. Hintergrund und Grundsätze für den Betrieb
A. Grundsätze und Konzepte
Die vorliegende Erfindung nutzt verschiedene grafische, statistische und mathematische Techniken, die sich auf die Analyse der Beziehung zwischen Artikeleigenschaften beziehen, um ein neuartiges Entwurfs- und Fertigungsprozessanalysesystem zu realisieren. Dazu zählen Streuungsdiagramme, Korrelationskoeffizienten, Bestimmungskoeffizienten, lineare, nichtlineare und mehrdimensionale Regression, Prädiktionsintervalle, angepasste Prädiktionsintervalle, Prädiktion unter Einsatz von Regression, Prädiktion unter Verwendung von Prädiktionsintervallen, DOE, Mittelwerte und gewichtete Mittelwerte. Die Abbildung aus
3 zeigt ein Prozessablaufdiagramm, das veranschaulicht, wie sich ein Aspekt der vorliegenden Erfindung von dem Stand der Technik entsprechenden Techniken unterscheidet. In einer umfassenden Vielzahl von Fertigungsprozessen und im Besonderen beim Spritzguss, existiert häufig eine starke Beziehung zwischen den Artikeleigenschaften, die eine Folge eines bestimmten Prozesses sind. Die vorliegende Erfindung bewertet die statistische Stärke dieser Beziehungen, und wenn diese ausreichend stark sind, nutzt sie deren Existenz, um eine Vielzahl von Entwurfs-, Fertigungs- und Messaufgaben zu erleichtern, die Fertigungsprozessen zugeordnet sind.
Für das Verständnis des Unterschieds zwischen dem in der Abbildung aus 2 beispielhaft dargestellten Stand der Technik und der in der Abbildung aus 3 beispielhaft dargestellten vorliegenden Erfindung wird hiermit festgestellt, dass die primäre Ausrichtung aus 3 die bestehende Beziehung zwischen den Bauteileigenschaften betrifft. Auf dem Gebiet des Spritzgusses würden die unterschiedlichen Leistungen bzw. Ergebnisse (#1, #2, etc.) aus 3 für gewöhnlich verschiedene Bauteilabmessungen betreffen. Gemäß der vorliegenden Erfindung sind die unterschiedlichen Bauteileigenschaften nicht auf Abmessungen beschränkt, vielmehr kann es sich dabei um jedes Attribut eines Bauteils handeln. Darüber hinaus können die unterschiedlichen Bauteileigenschaften auch die gleiche Abmessung bei verschiedenen Bauteilen aufweisen, die in einem Zyklus einer Form mit mehreren Formhohlräumen produziert werden.
Die Abbildung aus 4 veranschaulicht grafisch die Beziehung zwischen zwei Artikeleigenschaften, die in einem Streuungsdiagramm ausgeführt sind. In einer Form veranschaulicht die Abbildung aus 4 die Beziehung bzw. das Verhältnis zwischen einer Prädiktoreigenschaft und einer vorhergesehenen bzw. prädizierten Eigenschaft. Wie dies nachstehend im Text näher beschrieben ist, werden die für die Erzeugung des Regressionsmodells verwendeten Datenpunkte für gewöhnlich unter Verwendung von mindestens zwei unterschiedlichen möglichen Methoden erzeugt.
Die erste Methode umfasst das Erzeugen von Bauteilen ohne Veränderungen der Prozesseinstellungen. Dies entspricht allgemein einem normalen Produktionslauf. Alle Prozesse unterliegen Schwankungen der Steuerungsvariablen bzw. der Regelgrößen, der Umgebungsbedingungen, Verschleiß und Abnutzung sowie zahlreichen anderen Faktoren. Diese Einflüsse auf den Prozess verursachen natürliche Schwankungen der Prozessleistung.
Die Prozessleistung dieser Methode wird danach gemessen. Ein mit dieser Methode verbundenes Problem ist es, dass das Messverfahren wie jedes andere Messverfahren eine eigene Quelle für Schwankungen aufweist, die zu Messfehlern führen. Wenn die Größe der natürlichen Schwankung in Bezug auf die Teileeigenschaften im Verhältnis zu dem Messfehler gering ist, so überlagert bzw. übertrifft der Messfehler die natürliche Schwankung. In diesem Fall ist es unwahrscheinlich, dass etwaige statistisch signifikante Korrelationen zwischen den Teileeigenschaften begründet werden können.
Spritzgussverfahren weisen für gewöhnlich verhältnismäßig kleine natürliche Schwankungen auf im Vergleich zu typischen Messfehlern. Folglich kann die erste Methode bzw. Vorgehensweise für die Erzeugung von mittels Spritzguss hergestellten Bauteilen für die Evaluierung von Beziehungen unproduktiv sein. Folglich ist die zweite Methode für die Erzeugung von Bauteilen eher anwendbar auf mittels Spritzguss hergestellte Bauteile. Andere Verfahren bzw. Prozesse hingegen können eine ausreichende natürliche Schwankung aufweisen, um die vorstehend beschriebene Methode einzusetzen.
Gemäß einer zweiten Methode wird eine Schwankung der Bauteileigenschaften induziert. Für den Fall der Spritzgussherstellung wird die Schwankung bzw. Variation induziert, indem die Prozesssteuerungseinstellungen vorsätzlich verändert werden. Auf diese Weise wird die Schwankung der Werte der Bauteileigenschaften groß im Verhältnis zu dem Messfehler. Dabei werden Korrelationen in dem Ausmaß, in dem sie gegeben sind, ersichtlich.
Wie dies bereits vorstehend im Text beschrieben worden ist, handelt es sich bei DOE um ein Verfahren, das die Verringerung einer nicht zu bewältigenden großen Anzahl von Versuchbedingungen auf eine zu bewältigende geringe Anzahl von Versuchsbedingungen unterstützt. Da auf dem Gebiet des Spritzgusses Schwankungen induziert werden müssen, eignet sich der Einsatz von DOE-Techniken für den Entwurf eines effizienten Versuchs. Der Einsatz dieser Methode hat den weiteren Vorteil, dass im Handel erhältliche Computeranwendungen existieren, die Daten effizient analysieren und die Ergebnisse der Analyse aufzeichnen bzw. melden. Ein vorteilhaftes Nebenprodukt des Einsatzes von DOE ist es somit, dass nützliche Informationen aus dem Versuchslauf entnommen werden können. Im Besonderen ist es für gewöhnlich möglich, mindestens eine Prozesssteuerungseinstellung zu identifizieren, die verwendet werden kann, um die Teileeigenschaften der resultierenden Leistung bzw. Ausgabe signifikant zu beeinflussen. Die durch DOE erhaltenen Informationen können dazu verwendet werden, eine Prozesssteuerungseinstellung so anzupassen, dass eine gewünschte Veränderung der gemeinsamen Betriebsposition der Teileeigenschaftswerte in dem Regressionsmodell erreicht werden kann, wie dies nachstehend im Text näher beschrieben ist.
Mit dem Induzieren von Schwankungen in einen Versuchsablauf ist ein zweiter Vorteil verbunden, der nicht in Verbindung mit jeglicher Effizienzmessung steht, die dem Einsatz von DOE zugeordnet ist. Der zweite Vorteil liegt in der Tatsache begründet, dass die vorliegende Erfindung in einem Ausführungsbeispiel die Prozesssteuerungseinstellungen identifiziert, welche die größte Auswirkung oder den größten Einfluss auf die Teileeigenschaften haben. Die vorliegende Erfindung kann teilweise auch auf der Erfahrung der Bedienungspersonen der Spritzgusspresse und zugeordnetem Fertigungs- und am Prozess beteiligten Personal basieren, um die Steuerungseigenschaften bzw. Regelgrößen mit „hoher Auswirkung" auszuwählen. Hiermit wird festgestellt, dass es sich beim Spritzguss bei dem üblichen Paradigma um die Minimierung der Veränderungen der Einstellungen der Presse handelt. Im Gegensatz dazu versucht die vorliegende Erfindung deren Einfluss zu maximieren, um Bauteilschwankungen für eine weitere Analyse zu induzieren. Anders ausgedrückt ist die vorliegende Erfindung für den Zweck des Induzierens von Schwankungen bestrebt, die „ungünstigsten" Steuerungseinstellungen zu ermitteln. Die „ungünstigsten" Steuerungseinstellungen aus Sicht der Produktion werden zu den „besten" Steuerungseinstellungen aus Sicht des Induzierens von Schwankungen.
Wie dies bereits vorstehend im Text beschrieben worden ist, gibt es auf dem Gebiet des Spritzgusses für gewöhnlich eine große Anzahl von Prozesssteuerungseinstellungen bzw. Regelgrößen, wie für gewöhnlich 22 oder mehr. In einem Ausführungsbeispiel umfasst die vorliegende Erfindung „wissenschaftliche" oder „entkoppelte Form"-Grundsätze, um die Pressesteuerungen mit hoher Auswirkung zu identifizieren. Ebenso wie bei DOE ist es nicht erforderlich, „wissenschaftliche"/"entkoppelte Form"-Grundsätze einzusetzen, wobei dies jedoch potenziell zusätzliche Identifikationsvorteile bereitstellt. Wenn somit für gewöhnlich 3 bis 5 der Steuerungseinstellungen mit der größten Auswirkung in dem Versuchslauf verändert werden, wird das größte Ausmaß der Schwankung den Bauteileeigenschaften zugeführt. Diese Schwankung umfasst zwei Arten. Bei der ersten handelt es sich um die Umsetzung der gemeinsamen Betriebsposition um die Regressionslinie. Die zweite kann die Streuung von Datenpunkten um die Regressionslinie induzieren. Es ist wichtig, eine robuste Datengruppe zu erzeugen, um wiederum zu einem soliden Regressionsmodell für die Prädiktion zu führen.
Schließlich stellt der Einsatz von DOE-Techniken zusätzliche Informationen bereit. Im Besonderen ermöglicht der Einsatz von DOE-Techniken zum Induzieren von Bauteilschwankungen ferner ein Verständnis dessen, wie die Prozesssteuerungsvariablen, die verändert worden sind, die Teileeigenschaften beeinflussen, und potenziell, wie diese Steuervariablen miteinander interagieren.
Wie dies bereits vorstehend im Text beschrieben worden ist, ist es aus verschiedenen Gründen schwierig, die Beziehung zwischen den Spritzguss-Steuereinstellungen und den Teileeigenschaften zu erzeugen, wie zum Beispiel aufgrund der hohen Anzahl von Steuervariablen, der potenziell großen Anzahl von Bauteileigenschaften, der einfachen Interaktionen, komplexer Interaktionen, Nichtlinearitäten und anderer Effekte. Einer der großen Nutzen der vorliegenden Erfindung ist es, dass obgleich es viele Prozesssteuerungsvariablen geben kann, die eine Bauteileigenschaft beeinflussen, und wobei diese Veränderungen jede Bauteileigenschaft ziemlich komplex beeinflussen können, die Veränderungen dieser Variablen einen vorhersehbaren Effekt auf die Beziehung zwischen der Prädiktoreigenschaft und mindestens einer verbleibenden Artikeleigenschaft haben. Wie dies nachstehend im Text näher beschrieben ist, ermöglichen es somit die Systeme und Verfahren gemäß der vorliegenden Erfindung Konstrukteuren und Prozessbedienungspersonen sich auf die Werte einer Prädiktoreigenschaft zu verlassen, um zu bestimmen, ob eine oder mehrere Prädiktoreigenschaften Konstruktionsspezifikationen erfüllen. Darüber hinaus ermöglichen es die Systeme und Verfahren der vorliegenden Erfindung Konstrukteuren und Prozessbedienungspersonen, sich bei Bemühungen zur Anpassung der Prozessausgabe, um Entwurfsspezifikationen auf die prädizierte Eigenschaft zu verlassen. Diese und weitere Vorteile werden aus der folgenden nachstehend bereitgestellten Beschreibung deutlich.
Bei dem Regressionsmodell aus 4 wird von einer geradlinigen Beziehung zwischen den zwei Variablen ausgegangen, wobei sich alle Datenpunkte auf einer geraden Linie befinden; wobei ein absolut lineares Modell nur selten erreicht wird, da eine perfekte Korrelation in der realen Welt selten vorkommt. Die Abbildung aus 10 veranschaulicht die Streuung von Datenpunkten auf einem Streuungsdiagramm. Die Datenpunkte weisen zwar Streuung auf, wobei sie jedoch auch eine starke Tendenz oder Beziehung anzeigen. Wenn anders ausgedrückt der Wert von einer der beiden Variablen bekannt ist, ist es möglich, die andere Variable mit einem relativen hohen Genauigkeitsgrad vorherzusagen. Bei einer Anwendung auf die vorliegende Erfindung kann ein bekannter Wert der Prädiktoreigenschaft einen ausreichend präzise bekannten Wert der prädizierten Artikeleigenschaft ergeben. In der Praxis wird die Streuung der Datenpunkte durch eine Reihe von Faktoren bewirkt. Dazu zählen Variationen bzw. Schwankungen, die durch gemeinsame Störungen, gemeinsame Schwankungen der Steuervariablen, gemeinsame Schwankungen der Prozesseingaben und gemeinsame Schwankungen des Messsystems bewirkt werden, die zum Messen der Bauteileigenschaften verwendet werden. Die Abbildung aus 10 veranschaulicht ferner zwei Parameter, die für gewöhnlich eingesetzt werden, um das Regressionsmodell zu definieren. Dabei handelt es sich um die Steigung der Regressionslinie und den Y-Schnittpunkt; wobei aber auch andere Parameter verwendet werden können. Das in der Abbildung aus 10 dargestellte Ausführungsbeispiel veranschaulicht ein lineares Regressionsmodell. Die vorliegende Erfindung ist jedoch nicht auf den Einsatz eines linearen Modells beschränkt. Ein nichtlineares Regressionsmodell, wie etwa ein mehrdimensionales Modell, kann ebenfalls in Verbindung mit der vorliegenden Erfindung verwendet werden.
Die Abbildung aus 8 veranschaulicht den Zusatz oberer und unterer Prädiktionsintervalle zu dem Regressionsmodell. Der durch die Prädiktionsintervalle begrenzte Bereich stellt den angemessenen Ausgabebereich des Prozesses dar in Bezug auf die X-Achsen- und Y-Achsen-Eigenschaft, wenn natürliche Schwankungen und Messfehler enthalten sind. Anders ausgedrückt wird die vollständige Komplexität des Prozesses „eliminiert", da sie als der begrenzte Bereich der angemessenen Ausgabe darstellen. Zu den „eliminierten" Komplexitäten zählen die einfachen Interaktionen, die komplexen Interaktionen, Nichtlinearitäten, etc. der Prozesssteuerungsvariable.
Eine derartige Analyse der Prozessleistung sieht eine Vielzahl nützlicher Informationen bereit, welche die Entwurfs- und Fertigungsprozesse erleichtern. Die Abbildung aus 4 sowie andere weisen zum Beispiel eine Darstellung der Schnittstelle zwischen der Entwurfszielvorgabe für die Prädiktoreigenschaft und die prädizierte Eigenschaft auf. Die Position der Zielschnitstelle stellt eine große Menge nützlicher Informationen für Konstrukteure und Prozessbedienungspersonen bereit, wobei in Bezug auf die Situation aus der Abbildung aus 4 veranschaulicht wird, dass es unmöglich ist, die Zielschnittstelle zu schneiden, unabhängig davon, wie die Prozesssteuerungseinstellungen verändert werden.
Zu didaktischen Zwecken führt die Beschreibung der bevorzugten Ausführungsbeispiele primär die Anwendung eines Ausführungsbeispiels der vorliegenden Erfindung auf Spritzgussprozesse aus. Die vorliegende Erfindung eignet sich jedoch auch für eine Anwendung in Bezug auf eine Vielzahl von Fertigungsprozessen, wie etwa die Plattierung, die Halbleiterfertigung, die Bearbeitung und jeden anderen Prozess, bei dem Material hinzugefügt, entfernt oder eine anderweitige Veränderung der Form oder Struktur vorgenommen wird. Darüber hinaus kann die vorliegende Erfindung angewandt werden, um den Entwurf bzw. die Konstruktion eines hergestellten Artikels zu unterstützen sowie die Entwicklung eines Prozesses für die Herstellung des Artikels und/oder für die Reduzierung der Mess- bzw. Vermessungskosten. Darüber hinaus ist die vorliegende Anmeldung anwendbar auf eine Vielzahl von Artikeln, darunter Einzelartikel bzw. unabhängige Artikel oder Elemente sowie Artikel, die als Komponenten, Elemente oder Bauteile einer Kombination vorgesehen sind. Somit werden die Begriffe „Artikel" und „Bauteile" in der Beschreibung der hierin ausgeführten bevorzugten Ausführungsbeispiele austauschbar verwendet.
Die vorliegende Erfindung kann auch für die Beurteilung der Auswirkungen von anderen Schwankungsquellen als der durch Veränderungen der Steuereinstellungen einer Presse bewirkten Veränderungen angewandt werden. Beurteilt bzw. bewertet kann praktisch jede Schwankungsquelle, wenn sie eine ausreichende Schwankung bzw. Veränderung des Bauteileigenschaftswertes verursacht. Zu ausgesuchten Beispielen zählen die Bestimmung des Effekts der Schwankung von Einrichtung zu Einrichtung, die Bestimmung des Effekts der Schwankung von Presse zu Presse in Bezug auf den Spritzguss, die Bestimmung temporaler Effekte, wie etwa der Auswirkung von saisonalen Effekten sowie die Beurteilung der Auswirkung verschiedenartiger Rohstoffe oder die Auswirkungen durch den Kauf entweder von Roh- bzw. Ausgangsstoffen oder Komponenten von verschiedenen Anbietern bzw. Zulieferern.
Ferner können Ausführungsbeispiele der vorliegenden Erfindung ausgeführt werden ohne Unterstützung durch eine Computervorrichtung, wie etwa einen Personalcomputer, um verschiedene darin ausgeführte mathematische oder statistische Berechnungen vorzunehmen. Für eine geringe Anzahl von Artikeleigenschaften ist es absolut möglich, die vollständige Analyse und/oder grafische Darstellung per Hand und/oder mittels einer Tabellenkalkulation vorzunehmen. In einem bevorzugten Ausführungsbeispiel werden jedoch in Anbetracht der großen Datenmengen und hohen Rechenanforderungen verschiedene der vorliegenden Erfindung zugeordnete Operationen mit einer Computer- bzw. Rechenvorrichtung ausgeführt, die so konfiguriert ist, dass sie die hierin beschriebenen Operationen ausführt und die resultierenden Daten auf einer Benutzeroberflächenanzeige anzeigt.
B. Beispiel für eine Systemarchitektur
Die Abbildung aus 15 zeigt ein vereinfachtes Blockdiagramm einer Systemarchitektur gemäß einem Ausführungsbeispiel der vorliegenden Erfindung. Gemäß der Abbildung aus 2 umfasst eine Systemarchitektur eine Prozessanalyseanwendung 100 und ein Betriebssystem 130. Das Prozessanalysesystem 100 weist ein Dateneingangsmodul 102, ein Regressionsmodul 104, ein Korrelationsmodul 106, ein Anzeigemodul 108 und ein Schnittstellenanwendungsmodul 110 auf. Das Dateneingangsmodul 102 ist derart funktionsfähig, dass es Artikeleigenschaftsdaten empfängt und die Daten in einem geeigneten Format für den Einsatz durch andre dem Prozessanalysesystem 100 zugeordneten Modulen formatiert und speichert. Das Regressionsmodul 104 ist so funktionsfähig, dass es ein Regressionsmodul bei einer gegebenen Reihe von Eingaben berechnet. Das Korrelationsmodul 106 ist derart funktionsfähig, dass es Operationen in Bezug auf die Korrelationen zwischen Artikeleigenschaften ausführt, wie dies nachstehend im Text näher beschrieben wird. Das Anzeigemodul 108 ist in einem Ausführungsbeispiel derart funktionsfähig, dass es grafische Anzeigen der Regressions- und/oder Korrelationsbeziehungen für einen bestimmten Datensatz erzeugt sowie sonstige Datenelemente, wie dies nachstehend im Text näher beschrieben ist. Das Schnittstellenanwendungsmodul 110 ist so funktionsfähig, dass es den Betrieb der anderen dem Prozessanalysesystem 100 zugeordneten Module auf der Basis der von einem Benutzer empfangenen Befehle koordiniert.
In einem Ausführungsbeispiel arbeitet die vorstehend beschriebene Systemarchitektur in Verbindung mit dem Computerhardwaresystem 800 aus 11. Das Betriebssystem 130 verwaltet und steuert den Betrieb des Systems 800, einschließlich der Eingabe und Ausgabe von Daten in die und aus der Prozessanalyseanwendung 100 sowie andere Softwareanwendungen (nicht abgebildet). Das Betriebssystem 130 stellt eine Schnittstelle wie etwa eine grafische Benutzeroberfläche (GUI als englische Abkürzung von Graphical User Interface) zwischen dem Benutzer und den auf dem System ausgeführten Softwareanwendungen bereit. Gemäß einem Ausführungsbeispiel der vorliegenden Erfindung handelt es sich bei dem Betriebssystem 130 um das Betriebssystem Windows^® 95/98/NT/XP, erhältlich von der Microsoft Corporation, Redmond, Washington, USA. Die vorliegende Erfindung kann aber auch mit anderen herkömmlichen Betriebssystemen eingesetzt werden, wie etwa das Apple Macintosh Betriebssystem, erhältlich von Apple Computer Inc., Cupertino, Kalifornien, USA, UNIX-Betriebssysteme, LINUX-Betriebssysteme und dergleichen.
Die Abbildung aus 11 veranschaulicht ein Ausführungsbeispiel eines Computerhardwaresystems, das sich zur Verwendung in Verbindung mit der vorliegenden Erfindung eignet. In dem veranschaulichten Ausführungsbeispiel weist das Hardwaresystem 800 einen Prozessor 802 und einen Cache-Speicher 804 auf, die gemäß der Abbildung miteinander gekoppelt sind. Darüber hinaus weist das Hardwaresystem 800 einen Hochleistungs-Ein-Ausgangsbus 806 (E/A-Bus) und einen Standard-E/A-Bus 808 auf. Die Host-Brücke 810 koppelt den Prozessor 802 mit dem Hochleistungs-E/A-Bus 806, während die E/A-Busbrücke 812 die beiden Busse 806 und 808 miteinander koppelt. Mit dem Bus 806 gekoppelt sind eine Netzwerk-/Kommunikationsschnittstelle 824, ein Systemspeicher 814 und ein Videospeicher 816. Die Anzeigevorrichtung 818 ist wiederum mit dem Videospeicher 816 gekoppelt. Mit dem Bus 808 gekoppelt sind ein Massenspeicher 820, eine Tastatur- und Zeigevorrichtung 822 und E/A-Ports 826. Gemeinsam sollen diese Elemente eine umfassende Kategorie von Computerhardwaresystemen darstellen, welche unter anderem und ohne einzuschränken Universalcomputersysteme aufweist, die auf dem Pentium^®-Prozessor basieren, der von der Intel Corporation, Santa Clara, Kalifornien, USA, hergestellt wird, sowie alle anderen geeigneten Prozessoren.
Die Elemente des Computerhardwaresystems 800 führen ihre herkömmlichen im Fach bekannten Funktionen aus. Im Besonderen wird die Netzwerk-/Kommunikationsschnittstelle 824 eingesetzt, um eine Kommunikation zwischen dem System 800 und jedem Netzwerk eines umfassenden Bereichs von herkömmlichen Netzwerken bereitzustellen, wie etwa dem Ethernet, einem Token Ring-Netzwerk, dem Internet, etc. Der Massenspeicher 820 wird dazu eingesetzt, eine dauerhafte Speicherung für die Daten und Programmierbefehle bereitzustellen, um die vorstehend beschriebenen Funktionen auszuführen, die in der Systemsteuereinheit implementiert werden, wobei der Systemspeicher 814 eingesetzt wird, um eine temporäre Speicherung für die Daten und die Programmierbefehle bereitzustellen, wenn diese durch den Prozessor 802 ausgeführt werden. Die E/A-Ports bzw. E/A-Anschlüsse 826 stellen einen oder mehrere serielle und/oder parallele Kommunikationsanschlüsse dar, die eingesetzt werden, um eine Kommunikation zwischen zusätzlichen Peripheriegeräten bereitzustellen, die mit dem Hardwaresystem 800 gekoppelt werden können.
Das Hardwaresystem 800 kann eine Vielzahl von Systemarchitekturen aufweisen, und verschiedene Komponenten des Hardwaresystems 800 können neu angeordnet werden. Zum Beispiel kann sich der Cache 804 auf einem Chip mit dem Prozessor 802 befinden. Alternativ können der Cache 804 und der Prozessor 802 gemeinsam in einer Einheit als ein „Prozessormodul" untergebracht werden, wobei der Prozessor 802 als der „Prozessorkern" bezeichnet wird. Ferner ist es möglich, dass bestimmte Implementierungen der vorliegenden Erfindung nicht alle der vorstehend genannten Komponenten erfordern oder aufweisen. Zum Beispiel können die als mit dem Standard-E/A-Bus 808 gekoppelt dargestellten Peripheriegeräte mit dem Hochleistungs-E/A-Bus 806 gekoppelt sein; wobei in bestimmten Implementierungen auch nur ein einziger Bus existieren kann, wobei die Komponenten des Hardwaresystems 800 mit dem einzelnen Bus gekoppelt sind. Ferner kann das System 800 zusätzliche Komponenten aufweisen, wie etwa zusätzliche Prozessoren, Speicherbausteine oder Speicher.
In einem Ausführungsbeispiel werden die Elemente der vorliegenden Erfindung als eine Reihe von Softwareroutinen implementiert, die durch das Hardwaresystem 800 aus 11 ausgeführt werden. Diese Softwareroutinen umfassen eine Mehrzahl oder eine Reihe von Befehlen, die von einem Prozessor in einem Hardwaresystem ausgeführt werden, wie etwa dem Prozessor 802. Anfangs ist die Reihe von Befehlen in einem Speicherbaustein gespeichert, wie zum Beispiel dem Massenspeicher 820. Die Befehlsreihe kann aber auch auf jedem anderen herkömmlichen Speichermedium gespeichert werden, wie zum Beispiel einer Diskette, einer CD-ROM, in einem ROM-Speicher, etc. Ferner muss die Gruppe bzw. Reihe von Befehlen nicht lokal gespeichert werden und kann von einer entfernten Speichervorrichtung empfangen werden, wie etwa von einem Server in einem Netzwerk, über die Netzwerk-/Kommunikationsschnittstelle 824. Die Befehle werden aus der Speichervorrichtung wie etwa dem Massenspeicher 820 in den Speicher 814 kopiert, und wobei danach ein Zugriff und eine Ausführung durch den Prozessor 802 folgt. Bei einer Implementierung sind diese Softwareroutinen in der Programmiersprache C++ geschrieben und in kompilierter Form in einem Massenspeicherbaustein 820 gespeichert. Diese Routinen können aber auch in jeder anderen Programmiersprache einer umfassenden Vielzahl von Programmiersprachen implementiert werden, wie zum Beispiel in Visual Basic, Java, etc. In alternativen Ausführungsbeispielen wird die vorliegende Erfindung in diskreter Hardware oder Firmware implementiert. Zum Beispiel kann eine anwendungsspezifische integrierte Schaltung (ASIC) mit den vorstehend beschriebenen Funktionen der vorliegenden Erfindung programmier werden.
II. Funktionsweise der exemplarischen Ausführungsbeispiele
A. Erzeugung einer Gruppe von Artikeln mit einem Schwankungsbereich in Bezug auf eine Mehrzahl von Artikeleigenschaften
Wie dies vorstehend im Text beschrieben worden ist, beureilt die vorliegende Erfindung die Beziehung zwischen Artikeleigenschaften, die einer Reihe von Artikeln zugeordnet sind, mit einem Schwankungsbereich in Bezug auf die Artikeleigenschaften. Gemäß einem Ausführungsbeispiel der vorliegenden Erfindung erzeugt ein Benutzer eine Gruppe bzw. Reihe von Bauteilen mit einem Schwankungsbereich in Bezug auf eine Mehrzahl von Artikeleigenschaften gemäß einem bestimmten Prozess. Zum Beispiel kann ein Benutzer ein Spritzgusswerkzeug in einer Spritzgussmaschine installieren und eine Reihe von Artikeln herstellen. Diese Reihe von Artikel oder ein Muster dieser werden bzw. wird danach vermessen oder anderweitig untersucht oder beurteilt in Bezug auf die relevanten Artikeleigenschaften. Die resultierende Datengruppe wird danach aufgezeichnet (z.B. in einer Excel-Tabelle) und für die weitere Analyse verwendet.
Gemessen und analysiert werden kann eine Vielzahl von Artikeleigenschaften. Zum Beispiel können zu den gemessenen oder anderweitig bestimmten Artikeleigenschaften die Abmessungen des Artikels (z.B. Länge, Höhe, Breite, Umfang, Gesamtdurchmesser, etc. des Artikels oder einer Eigenschaft des Artikels), die Härte, die Porosität, die Biegung, die Glätte, die Lückengradeigenschaften (ob Lücken existieren und in welcher Anzahl), die Farbe, die Festigkeit, das Gewicht und zahlreiche andere Artikeleigenschaften zählen, darunter Leistungseigenschaften, wie etwa das Sprühmuster einer Düse oder die Strömungsrate durch eine hydraulische Beschränkungseinrichtung.
Wie dies vorstehend im Text beschrieben worden ist, kann die vorliegende Erfindung auf eine Gruppe von Artikeln angewandt werden, wobei die Schwankung der Artikeleigenschaften natürlich auftritt oder induziert wird durch Veränderung von Prozesssteuerungsvariablen bzw. Regelgrößen, die dem Prozess zugeordnet sind, durch den der Artikel hergestellt wird. Wenn Artikel mit unveränderten Prozesssteuerungsvariablen hergestellt wird, so weisen die resultierenden Artikeleigenschaften für gewöhnlich nur geringfügige natürliche Schwankungen auf. Dies gilt besonders für durch Spritzguss hergestellte Kunststoffbauteile. Messfehler können die bei einer bestimmten Reihe von Artikeln beobachtete natürliche Schwankung verschleiern oder anderweitig unzuverlässig gestalten. Wenn es nicht kostenwirksam ist, präzisere Messinstrumente zu verwenden, so sollten Schwankungen in den Bauteilen induziert werden durch schwankende Prozesseinstellungen. In einem bevorzugten Ausführungsbeispiel wird die Artikelabweichung bzw. -schwankung induziert, wenn der Messfehler im Vergleich zu der natürlichen Schwankung des Bauteils groß ist.
A.1. Induzieren von Abweichungen
Die Artikelvariation bzw. -abweichung oder Artikelschwankung kann induziert werden durch die Auswahl und Variation der Einstellungen der Presse auf der Basis der Erfahrung der Bedienungsperson. Das heißt, die Bedienungsperson kann die eigenen Erfahrungen für die Bestimmung einsetzen, welche Prozesseinstellungen verändert werden sollen, um Schwankungen in den Bauteilen zu induzieren. Zum Induzieren von Schwankungen in einer bevorzugen Form verändert die Bedienungsperson die Prozesseinstellungen während dem Fertigungsprozess und ermöglicht es, dass der Prozess ein Gleichgewicht zwischen den Einstellungsveränderungen erreicht, bevor die Bauteile für die Messung ausgewählt werden. Darüber hinaus wählt die Bedienungsperson in einem bevorzugten Ausführungsbeispiel des Verfahrens die Gruppe oder Untergruppe der Prozesseinstellungen aus, welche die größte Variabilität der entsprechend relevanten Artikeleigenschaft induzieren. In einem bevorzugten Ausführungsbeispiel werden die Ober- und Untergrenzen für die Prozesseinstellungen so ausgewählt, dass das Prozess bzw. Verfahren Bauteile erzeugt, ohne die Prozessausrüstung oder Werkzeugbestückung zu beeinträchtigen. In einer bevorzugten Form wird das Ausmaß der Veränderungen der Prozesseinstellungen so ausgewählt, dass Schwankungen über den vollständigen Bereich zwischen den oberen und unteren Spezifikationsgrenzen der Artikeleigenschaft für jede der relevanten Artikeleigenschaften induziert werden.
In Bezug auf Spritzgussprozesse können Bauteilschwankungen in einem Ausführungsbeispiel auch induziert werden, indem Prozesssteuerungseinstellungen unter Verwendung von wissentschaftlichen/entkoppelten Formtechniken ausgewählt und variiert werden. Wissenschaftliche/entkoppelte Formtechniken stellen eine Methode zur Reduzierung der großen Anzahl von Presseneinstellungen auf drei oder vier Schlüsselvariablen bereit. Ferner können wissenschaftliche/entkoppelte Formtechniken in Verwindung mit der Erfahrung der Bedienungsperson der Formpresse eingesetzt werden, um zu bestimmen, welche Einstellungen der Presse angepasst werden sollen. In einem bevorzugten Ausführungsbeispiel umfasst die Gruppe bzw. Reihe von Artikeln Artikel einer entsprechend geeigneten Anzahl von Wiederholungen bei jeder Reihe von Prozesssteuerungsvariablen.
In einem bevorzugten Ausführungsbeispiel wird die Methodologie der Versuchsplanung (englisch: DOE als Abkürzung von Design of Experiments) eingesetzt, um eine Gruppe von Artikeln mit einem Schwankungsbereich zu erzeugen. DOE kann unabhängig davon eingesetzt werden, ob die Bestimmung, welche Prozesseinstellungen verändert werden sollen, anhand der Erfahrungen der Bedienungsperson, gemäß entkoppelten/wissenschaftlichen Formgrundsätzen oder mittels bestimmter Kombinationen dieser verwendet werden. DOE definiert effiziente Versuchseinrichtungen, die es ermöglichen, die maximale Informationsmenge bei verhältnismäßig geringem Versuchsaufwand zu extrahieren. Nachdem bestimmt worden ist, welche Prozesseinstellungen verändert werden sollen, definiert DOE effiziente Versuchseinrichtungen, die maximale Informationsmenge bei verhältnismäßig geringem Versuchsaufwand zu extrahieren. Die gilt sowohl für die Versuchsplanung (z.B. Kombinationen aus Prozesseinstellungen und der Anzahl der Gleichversuche für jede Kombination, etc.) als auch für die Datenanalyse. Eine umfassende Vielzahl bekannter DOE-Techniken und verfügbarer Software-Tools können eingesetzt werden, um den Versuchslauf zu planen, der Bauteilschwankungen induziert.
Wie dies nachstehend im Text näher beschrieben wird, stellt der Einsatz von DOE zur Erzeugung einer Reihe von Artikeln zu Analysezwecken „zusätzliche" bzw. „Bonus"-Informationen bereit, die nach der Analyse gemäß der vorliegenden Erfindung eingesetzt werden können, um eine bestimmte Artikelausgabe bzw. Artikelleistung näher an die Zielvorgaben zu bringen und um Schwankungen der Artikel zu reduzieren. Zum Beispiel ermöglichen es diese Informationen der Bedienungsperson die Einstellungen der Presse anzupassen, um während der Produktion folgendes zu erreichen: 1) ein Produktergebnis gemäß den Zielvorgaben zu erreichen; und/oder 2) die Produktschwankungen zu minimieren; und/oder 3) die Kosten so gering wie möglich zu halten; und/oder die Zykluszeit der Presse zu minimieren.
A.2. Empfangen der Artikeleigenschaftswerte
In einem Ausführungsbeispiel wird die vorliegende Erfindung durch eine Computervorrichtung (wie etwa einen Computer für einen speziellen Zweck oder einen Universalrechner) implementiert, der so konfiguriert ist, dass er die hierin beschriebenen Funktionen ausführt. Nachdem eine bestimmte Reihe bzw. Gruppe von Artikeln erzeugt und Artikeleigenschaften gemessen worden sind, empfängt in einer bevorzugten Ausführung eine entsprechend konfigurierte Computervorrichtung, die das Dateneingangsmodul 102 ausführt, die der Gruppe von Artikeln zugeordneten Artikeleigenschaftswerte und speichert diese in dem Speicher.
Die Abbildung aus 9 zeigt eine grafische Benutzeroberfläche, die durch ein Ausführungsbeispiel der vorliegenden Erfindung bereitgestellt wird, die es einem Benutzer ermöglicht, eine Gruppe bzw. Reihe von Artikeleigenschaftswerten einzugeben. Wie dies in der Abbildung aus 9 veranschaulicht ist, ermöglicht es ein Ausführungsbeispiel der vorliegenden Erfindung, eine Dateneingabe-Datenbank zu öffnen und manuell die Reihe von Artikeleigenschaften in einer Tabelle bereitzustellen. Ein Ausführungsbeispiel der vorliegenden Erfindung ermöglicht es dem Benutzer jedoch, Artikeleigenschaftswerte zu importieren, die in verschiedenen Dateiformaten gespeichert werden, wie etwa in einer Excel^® Tabelle oder in jedem anderen geeigneten Dateiformat. In einer Ausführung kann das Dateneingangsmodul 102 ferner so eingesetzt werden, dass es die Datengruppe validiert, wie zum Beispiel in Bezug auf leere Zellen prüft, wobei aber auch andere Validierungsverfahren eingesetzt werden können.
Darüber hinaus kann das Dateneingangsmodul 102 so betrieben bzw. eingesetzt werden, dass es auch andere Daten empfängt, die der Funktionsweise der Ausführungsbeispiele der Erfindung zugeordnet sind, wie dies nachstehend im Text näher beschrieben wird. Zum Beispiel kann das Dateneingangsmodul 102 Zielwerte sowie obere und untere Spezifikationsgrenzen für alle oder einen Teil der Artikeleigenschaften empfangen. In einem Ausführungsbeispiel werden diese Daten eingesetzt, um Benutzern die Möglichkeit zu geben, die Beziehung zwischen Prozessleistung und Entwurfsspezifikationen für eine bestimmte Reihe von Prozesseingaben zu bewerten.
B. Bewertung der Beziehung zwischen Artikeleigenschaften
Um die Bewertung bzw. Beurteilung der Beziehung zwischen Artikeleigenschaften zu ermöglichen, die einer Reihe von Artikeln zugeordnet sind, erzeugt die Prozessanalyseanwendung 100 in einer Implementierung eine Reihe von Streuungsdiagrammen, die jeweils auf einem Paar von Artikeleigenschaften basieren. Siehe dazu 10. Die Reihe von Streuungsdiagrammen kann alle möglichen Kombinationen von Artikeleigenschaften darstellen oder aus einer Teilmenge aller möglichen Kombinationen bestehen.
In einem Ausführungsbeispiel erzeugt das Anzeigemodul 108 grafische Anzeigen, die Streuungsdiagramme aufweisen, die auf einer Anzeigevorrichtung 818 präsentiert werden sollen, um dem Benutzer die visuelle Beurteilung des Grads der Korrelation zwischen Artikeleigenschaften zu ermöglichen. Siehe dazu 10. In einer Ausführung ermöglicht die auf der Anzeigevorrichtung 818 präsentierte grafische Benutzeroberfläche es dem Benutzer, unter Verwendung einer Tastatur- und Zeigevorrichtung 822 eine erste Artikeleigenschaft für die X-Achse auszuwählen und in der Folge die Streuungsdiagramme auf der Basis der ersten Artikeleigenschaft anzuzeigen, und wobei die verbleibenden Artikeleigenschaften auf der Y-Achse vorgesehen sind. Der Benutzer kann die durch die visuelle Prüfung gewonnenen Informationen für die Beurteilung der Fähigkeit der ersten Eigenschaft einsetzen, ob diese ein geeigneter Prädiktor für die verbleibenden Artikeleigenschaften ist (siehe unten).
B.1. Bestimmen von Regressionsmodellen zwischen Artikeleigenschaften
Das Prozessanalysesystem 100 weist ferner ein Regressionsmodul 104 auf, das so eingesetzt werden kann, dass es das Regressionsmodell zwischen ausgesuchten Artikeleigenschaften bestimmt. Wie dies bereits vorstehend im Text beschrieben worden ist, kann das Anzeigemodul 108 eine grafische Anzeige von Regressionsmodellen erzeugen und diese auf der Anzeigevorrichtung 818 anzeigen. Siehe dazu 10. Wie dies in der Abbildung aus 10 dargestellt ist, kann das Regressionsmodell abgebildet und mit (oder optional ohne) die darunter liegenden Datenpunkte angezeigt werden. In einem bevorzugten Ausführungsbeispiel berechnet das Regressionsmodul 104 Regressionsmodelle unter Verwendung von stochastischen Kurvenermittlungsmethoden der kleinsten Quadrate. Es können aber auch andere Methoden eingesetzt werden. Die verschiedenen Abbildungen zeigen zwar ein lineares Regressionsmodell, jedoch kann es sich beim Regressionsmodell auch um ein lineares, ein nichtlineares (Polynom höherer Ordnung) Modell oder ein mehrdimensionales Modell handeln.
Die Anzeige der Beziehung zwischen zwei Artikeleigenschaften auf diese Weise stellt nützliche Informationen bereit für Prozessbedienungspersonen, Konstrukteure und andere Personen, die mit dem Entwurf und der Fertigung des Artikels befasst sind. Die Steigung (Steilheit) der Regressionslinie kann eingesetzt werden, um die relative Empfindlichkeit der Artikeleigenschaften in Bezug auf Veränderungen der Prozesseinstellungen zu bestimmen. Darüber hinaus kann die Steigung (Steilheit) der Regressionslinie verwendet werden, um Artikeleigenschaften zu identifizieren, die restriktiver (empfindlicher) sind in Bezug auf den zulässigen Bereich der Prozesseinstellungen, wenn Spezifikationsgrenzen berücksichtigt werden (siehe unten).
B.1.a. Lokalisieren des Zielschnittpunkts
Wie dies bereits vorstehend im Text beschrieben worden ist, führt die Konstruktion eines Artikels allgemein zu einem Zielwert sowie zu oberen und unteren Spezifikationsgrenzen für jede Artikeleigenschaft (oder zumindest die kritischen Artikeleigenschaften). In einer Ausführung kann das Prozessanalysesystem 100 den Schnittpunkt bzw. die Schnittmenge der Zielwerte für ein Paar von Artikeleigenschaften im Verhältnis zu dem entsprechenden Regressionsmodell bestimmen. Die Abbildung aus 4 veranschaulicht eine beispielhafte Regressionsmodellanzeige, wobei der Zielschnittpunkt im Verhältnis zu dem Regressionsmodell angeordnet ist, einer ersten (Prädiktor, siehe unten) Eigenschaft und einer zweiten Artikeleigenschaft zugeordnet.
Wie dies in der Abbildung aus 4 veranschaulicht ist, ermöglicht die Position des Zielschnittpunkts eine visuelle und/oder analytische Bestimmung der Richtung und des Ausmaßes, in dem die Regressionslinie von dem Zielschnittpunkt für jede Artikeleigenschaft versetzt ist. Da das Regressionsmodell im Wesentlichen alle möglichen Kombinationen von Prozesseinstellungen darstellt (das heißt ohne Veränderung der Prozesseingabe, wie etwa der Veränderung der Abmessungen eines Formenhohlraums), ermöglicht es das resultierende Diagramm, zu bestimmen, ob die Fertigung eines Bauteils mit einem bestimmten Paar von Artikeleigenschaften mit dem Zielwert erreicht werden kann oder nicht.
Wie dies in den Abbildungen der 5 und 6 veranschaulicht ist, erleichtern die durch 4 bereitgestellten Informationen den Prozess der Veränderung eines Aspekts des Prozesses (z.B. Prozesseingaben oder Steuereinstellungen), um die Ausgabe bzw. Leistung näher an die Entwurfszielvorgaben zu rücken. Wie dies in der Abbildung aus 5 dargestellt ist, kann die Bedienungsperson zum Beispiel die Kombination der Prozesssteuerungseinstellungen so anpassen, dass die gemeinsame Betriebs- bzw. Arbeitsposition näher an einen gewünschten Punkt entlang des Regressionsmodells verschoben wird. In einem Ausführungsbeispiel der vorliegenden Erfindung können die Prozesssteuerungseinstellungen so angepasst werden, dass die gemeinsamen Betriebspositionen von mehr als zwei Bauteileigenschaften optimiert werden. Durch Veränderung der Prozesseingaben kann die Regressionslinie ferner an eine Position verschoben werden, die näher an dem Zielschnittpunkt liegt, oder sie kann an eine Position verschoben werden, so dass die Regressionslinie durch die Zielschnittstelle tritt. Siehe dazu 6. In einem Ausführungsbeispiel der vorliegenden Erfindung können die Prozesseingaben so verändert werden, dass die Position von mehr als einer Regressionslinie optimiert wird. Wie dies in der Abbildung aus 7 dargestellt ist, können ferner Veränderungen sowohl der Prozesssteuerungseinstellungen als auch der Prozesseingaben eingesetzt werden, um die Bauteileigenschaftswerte näher an den Zielschnittpunkt zu bewegen. In einem Ausführungsbeispiel der vorliegenden Erfindung können Veränderungen der Prozesssteuerungseinstellungen wie auch der Prozesseingaben vorgenommen werden, um mehr als zwei Bauteileigenschaftswerte zu optimieren.
In einem Ausführungsbeispiel wird eine Versatztabelle auf der Basis erzeugt, wie weit entfernt von (oder versetzt von) dem Zielschnittpunkt die Regressionslinie für jede Artikeleigenschaft angeordnet ist. Der Versatz wird in drei Formaten dargestellt: in die X-Richtung, in die Y-Richtung und in die senkrecht zu der Regressionslinie verlaufende Richtung.
B.1.b. Spezifikationsgrenzen
Das Prozessanalysesystem 100 ist ferner so konfiguriert, dass es die oberen und unteren Spezifikationsgrenzen für die Y-Achsen-Artikeleigenschaft im Verhältnis zu dem Regressionsmodell zwischen der Y-Achsen-Artikeleigenschaft und einer X-Achsen-Eigenschaft lokalisiert. Siehe dazu 12. Diese grafische Darstellung ermöglicht die Fähigkeit zur Bestimmung, ob eine der Y-Achsen-Artikeleigenschaften robust ist in Bezug auf Veränderungen der Prozessvariablen. In diesen Fällen weist die Regressionslinie allgemein eine kleine Steigung auf und/oder schneidet nicht entweder die oberen oder unteren Y-Achsen-Spezifikationsgrenzen.
Darüber hinaus ist das Prozessanalysesystem 100 auch in der Lage, die oberen und unteren Spezifikationsgrenzen für die X-Achsen-Artikeleigenschaft im Verhältnis zu dem Regressionsmodell zu lokalisieren. Diese Darstellung ermöglicht die Bestimmung, ob die Regressionslinie durch den zulässigen Bereich verläuft, der durch die vier Spezifikationsgrenzen beschränkt ist. Anders ausgedrückt ermöglicht diese Darstellung eine Bestimmung, ob es in Anbetracht des gegebenen Prozesses und der Prozesseingaben überhaupt möglich ist, die Bauteile innerhalb der Spezifikationsgrenzen herzustellen. Darüber hinaus ermöglicht die Lokalisierung der Spezifikationsgrenzen im Verhältnis zu dem Regressionsmodell eine Bestimmung der maximalen und minimalen Werte (und somit des Bereichs) für die X-Achsen-Eigenschaft, die Artikel ergeben, wobei denen sich die Y-Achsen-Eigenschaft innerhalb der Spezifikationsgrenzen befindet. Diese Bereichsbestimmung ermöglicht es einem Hersteller zum Beispiel zu bestimmen, ob das Bauteil den Spezifikationsgrenzen sowohl für die X- als auch die Y-Achsen-Eigenschaften entspricht, indem lediglich die X-Achsen-Eigenschaft gemessen wird. Für die Berechnung der minimalen X-Achsen-Artikeleigenschaft berechnet das Prozessanalysesystem 100 den Wert der X-Achsen-Artikeleigenschaft, bei dem das Regressionsmodell die untere Spezifikationsgrenze für die Y-Achsen-Eigenschaft schneidet. Für die Berechnung der maximalen X-Achsen-Artikeleigenschaft berechnet das Prozessanalysesystem 100 zum Beispiel den Wert der X-Achsen-Artikeleigenschaft, bei der das Regressionsmodell die obere Spezifikationsgrenze für die Y-Achsen-Eigenschaft schneidet. In jedem Fall kann die X-Achsen-Eigenschaft nicht größer sein als die obere Spezifikationsgrenze für X, und sie kann nicht kleiner sein als die untere Spezifikationsgrenze für X.
B.1.c. Prädiktionsintervalle
Wie dies in der Abbildung aus 8 dargestellt ist, kann das Prozessanalysesystem 100 dem Regressionsmodelldiagramm auch obere und untere Prädiktionsintervalle hinzufügen, um eine Bestimmung des Ausmaßes der Variabilität um das Regressionsmodell zu bestimmen. In einem Ausführungsbeispiel kann das Regressionsmodul 104 ferner obere und untere Prädiktionsintervalle auf der Basis einer Reihe von Artikeleigenschaftswerten unter Verwendung bekannter statistischer Verfahren berechnen. Wie dies in der Abbildung aus 8 dargestellt ist, ermöglicht die Lokalisierung der Prädiktionsintervalle ferner eine Evaluierung der Variabilität im Verhältnis zu dem Zielschnittpunkt. Zum Beispiel kann der Zielschnittpunkt außerhalb der Prädiktionsintervalle auf der hohen oder der niedrigen Seite liegen. In diesem Fall ist es praktisch unmöglich, bei den gegebenen gleichen Prozesseingaben jemals den Zielschnittpunkt zu treffen. Wenn zum Beispiel angenommen wird, dass die Abbildung aus 8 die Beziehung zwischen zwei Artikeleigenschaften modelliert, die eine Folge eines Spritzgussverfahrens sind, wobei die Lokalisierung des Zielschnittpunkts offenbart, dass ein Einsatz der Form in dem aktuellen Zustand nicht zu einem Bauteil gemäß den Zielvorgaben in Bezug auf die beiden Artikeleigenschaften führt. Wenn der Zielschnittpunkt ferner innerhalb der Prädiktionsintervalle liegt, kann der prozentuale Anteil der Bauteile, bei denen die Artikeleigenschaft größer ist als der Zielwert und kleiner als der Zielwert, unter Verwendung bekannter statistischer Techniken bestimmt werden.
Darüber hinaus können Prädiktionsintervalle auch für die Bestimmung der minimalen und maximalen Werte für die X-Achsen-Eigenschaft verwendet werden (siehe Abschnitt II.B.1.b. oben). Wie dies in der Abbildung aus 13 dargestellt ist, berechnet das Prozessanalysesystem 100 für die Berechnung der minimalen X-Achsen-Artikeleigenschaft den Wert der X-Achsen-Artikeleigenschaft, bei dem das untere Prädiktionsintervall die Spezifikationsgrenze für die Y-Achsen-Eigenschaft schneidet. Für die Berechnung der maximalen X-Achsen-Artikeleigenschaft berechnet das Prozessanalysesystem 100 in ähnlicher Weise den Wert der X-Achsen-Eigenschaft, bei dem das obere Prädiktionsintervall die obere Spezifikationsgrenze für die Y-Achsen-Eigenschaft schneidet. In jedem Fall kann die X-Achen-Eigenschaft nicht kleiner sein als ihre untere Spezifikationsgrenze und nicht größer als ihre obere Spezifikationsgrenze.
Ein Ausführungsbeispiel der vorliegenden Erfindung ermöglicht es dem Benutzer, die Größe der Prädiktionsintervalle zu bestimmen, indem der prozentuale Anteil des Bereichs in die Verteilung eingegeben wird, die der Benutzer zwischen den Prädiktionsintervallen wünscht.
B.2. Prädiktoreigenschaft
Ein Ausführungsbeispiel der vorliegenden Erfindung betrifft die Korrelations- und Regressionsanalyse, um die Prädiktoreigenschaften in Fertigungsprozessen zu bestimmen. In einem Ausführungsbeispiel wird eine Prädiktoreigenschaft aus der Mehrzahl von Artikeleigenschaften ausgewählt, die einem Bauteil zugeordnet sind, und sie wird als einzige X-Achsen-Eigenschaft verwendet. Wie dies nachstehend im Text näher beschrieben ist, wird die Prädiktoreigenschaft auf der Basis einer Beurteilung der Fähigkeit einer bestimmten Artikeleigenschaft ausgewählt, einen Prädiktor anderer Artikeleigenschaften darstellen zu können. Die Auswahl einer Prädiktoreigenschaft reduziert somit die Anzahl der Artikeleigenschaftskombinationen, die analysiert werden müssen, auf eine verhältnismäßig kleine Teilmenge. Für ein Bauteil mit 31 Artikeleigenschaften wäre zum Beispiel die Analyse von über 900 Beziehungen zwischen Artikeleigenschaften erforderlich. Die Auswahl einer Prädiktoreigenschaft reduziert dies auf 30 Kombinationen. Darüber hinaus kann die Auswahl einer Prädiktoreigenschaft auf vielseitige Art und Weise eingesetzt werden, um die Aufgaben des Entwurfs, der Fertigung und der Messung zu erleichtern, die der Fertigung zugeordnet sind. Zum Beispiel kann eine Prädiktoreigenschaft eingesetzt werden, um die Zeit und die Kosten stark zu reduzieren, die mit dem Vermessen von Bauteilen verbunden sind, da nur die Prädiktoreigenschaft während der Produktion gemessen werden muss, um zu bestimmen, ob alle Artikeleigenschaften innerhalb der Spezifikationsvorgaben liegen.
Die Abbildung aus 16 veranschaulicht ein Verfahren, das die Auswahl einer Prädiktoreigenschaft gemäß einem Ausführungsbeispiel der vorliegenden Erfindung umfasst. Wie dies bereits vorstehend im Text beschrieben worden ist, kann das Dateneingangsmodul 102 Artikeleigenschaftsdaten empfangen und speichern, die einer Reihe von Artikeln zugeordnet sind (z.B. Artikeleigenschaftswerte und Konstruktionszielvorgaben/Spezifikationsgrenzen) (Schritt 202). In einem Ausführungsbeispiel kann das Korrelationsmodul 106, wie dies nachstehend im Text näher beschrieben ist, Berechnungen ausführen (z.B. die Bestimmung von Korrelationskoeffizienten zwischen allen Kombinationen von Artikeleigenschaften, Berechnungen der prädiktiven Fähigkeit jeder Artikeleigenschaft insgesamt, etc.), um die Artikeleigenschaften gemäß ihren relativen prädiktiven Fähigkeiten in Rangordnung zu bringen. In einem Ausführungsbeispiel zeigt das Anzeigemodul 108 die geordnete Liste von Artikeleigenschaften an und ermöglicht die Auswahl einer Artikeleigenschaft als Prädiktoreigenschaft (siehe Schritt 204). Wie dies nachstehend im Text beschrieben wird, kann ein Benutzer eine Prädiktoreigenschaft auswählen auf der Basis einer Mehrzahl von Aspekten, darunter die relative Prädiktionsfähigkeit, die Durchführbarkeit/Kosten für das Messen der Artikeleigenschaft, etc. Ferner kann die Auswahl einer Prädiktoreigenschaft auf anderen Verfahren basieren (siehe unten).
In Bezug auf eine ausgewählte Prädiktoreigenschaft weist das Schnittstellenanwendungsmodul 110 das Regressionsmodul 104 an, das Regressionsmodell zwischen der Prädiktoreigenschaft (in einem Ausführungsbeispiel als die X-Achsen-Eigenschaft) und allen oder einem Teil der verbliebenen Artikeleigenschaften zu bestimmen (siehe Schritte 206, 208, 210 und 211). Wenn dies abgeschlossen ist, wird der Benutzer aufgefordert, eine prädizierte Artikeleigenschaft auszuwählen (Schritt 212). Das Anzeigemodul 108 erzeugt in einem Ausführungsbeispiel auf der Basis der Gleichung, welche das Regressionsmodell definiert, eine grafische Anzeige des Regressionsmodells zwischen der Prädiktoreigenschaft und der ausgewählten prädizierten Eigenschaft (Schritt 214).
Zusätzlich zu dem Regressionsmodell kann das Anzeigemodul 108 ferner so eingesetzt werden, dass zusätzliche Merkmale der grafischen Darstellung hinzugefügt werden, die Benutzern präsentiert wird. Die Abbildung 17 veranschaulicht ein Verfahren zur Erzeugung einer grafischen Darstellung, die das Verhältnis zwischen einer Prädiktoreigenschaft und einer prädizierten Eigenschaft veranschaulicht, mit vorstehend im Text beschriebenen Merkmalen. Das Anzeigemodul 108 ruft das Regressionsmodell zwischen der ausgewählten prädizierten Eigenschaft und der Prädiktoreigenschaft ab (Schritt 302). Wie dies in der Abbildung aus 17 dargestellt ist, kann das Anzeigemodul 108 auch den Schnittpunkt der dem Prädiktor und den prädizierten Eigenschaften zugeordneten Zielwerte lokalisieren im Verhältnis zu dem Regressionsmodell (Schritt 304) (siehe Abschnitt II.B.1.a., oben). Das Anzeigemodul 108 kann auch die Prädiktionsintervalle lokalisieren, die dem Regressionsmodell auf der Anzeige zugeordnet sind (Schritt 306) (siehe Abschnitt II.B.1.c., oben). Ferner kann das Anzeigemodul 108 die oberen und unteren Spezifikationsgrenzen lokalisieren, die der prädizierten Eigenschaft zugeordnet sind (Schritt 308), sowie die oberen und unteren Spezifikationsgrenzen, die der Prädiktoreigenschaft zugeordnet sind (Schritt 310). Siehe Abschnitt II.B.1.b., oben. Das Anzeigemodul 108 kann ferner grafisch die minimalen und maximalen Werte für die prädizierte Eigenschaft auf der Basis der Spezifikationsgrenzen und optional die Prädiktionsintervalle veranschaulichen (Schritt 312). Siehe Abschnitt II.B.1.b. & II.B.1.c., oben.
Ferner möglich ist eine Vielzahl von Schnittstellenanzeigen. Zum Beispiel kann die Gleichung, die das Regressionsmodell definiert, dem Benutzer angezeigt werden. Ferner können die maximalen und minimalen Prädiktoreigenschaftswerte dem Benutzer angezeigt werden, ebenso wie alle anderen Daten, die den Artikeleigenschaften zugeordnet sind und/oder deren Beziehungen untereinander. In einem Ausführungsbeispiel ermöglicht es die auf der Anzeigevorrichtung 818 präsentierte grafische Benutzeroberfläche dem Benutzer, auszuwählen, welche der vorstehenden grafischen Elemente angezeigt werden sollen.
B.2.a. Auswahl einer Prädiktoreigenschaft
Die Prädiktoreigenschaft kann unter Verwendung eines heuristischen oder statistischen Ansatzes ausgewählt werden. Ferner kann die Auswahl einer Prädiktoreigenschaft auf einer visuellen Beurteilung der Korrelationen zwischen Artikeleigenschaften oder einer Beurteilung auf analytischer Basis erfolgen.
B.2.a.1. Grafische Auswahl
In einem Ausführungsbeispiel kann ein Benutzer Streuungsdiagramme verwenden, um den Grad der Korrelation visuell zu beurteilen, was zu einer visuellen Schätzung des Korrelationskoeffizienten für jedes Streuungsdiagramm führt. Je näher die Begrenzung oder der Perimeter um die Datenpunkte sich einer geraden Linie nähert, desto höher ist der Korrelationskoeffizient. Eine Ausnahme dieser Regel betrifft Situationen, in denen die Regressionslinie horizontal oder nahezu horizontal ist. Siehe dazu Abschnitt II.B., oben. Der Benutzer kann die Streuungsdiagramme aller möglichen Kombinationen der Artikeleigenschaften bewerten bzw. beurteilen. In einem anderen Ausführungsbeispiel kann die Anzahl der verwendeten Streuungsdiagramme stark reduziert werden, um eine Artikeleigenschaft auszuwählen, die als fundamentale Variable fungiert. Der Einsatz der fundamentalen Variable als X-Achsen-Variable würde ein Streuungsdiagramm für jede verbleibende Artikeleigenschaft erzeugt werden, die auf der Y-Achse abgebildet werden würde. Die Auswahl der „fundamentalen" bzw. Basis-Artikeleigenschaft (äquivalent zu dem Prädiktor) kann auf einer Betrachtung der „Streuung" der Daten basieren oder willkürlich ausgewählt werden. Eine visuelle Beurteilung kann zwar praktisch sein, wenn eine geringe Anzahl von Artikeleigenschaften behandelt wird, eine größere Anzahl von Artikeleigenschaften, die zu Tausenden von Kombinationen führt, erfordert (zumindest aus praktischen Gründen) der Einsatz einer Computervorrichtung die analytische Auswahl der Prädiktoreigenschaft.
B.2.a.2. Analytische Auswahl der Prädiktoreigenschaft
Zur Erleichterung der Auswahl einer Prädiktoreigenschaft berechnet das Korrelationsmodul 108 in einem Ausführungsbeispiel die Korrelationskoeffizienten zwischen allen oder einer Teilmenge der Artikeleigenschaften; bestimmt auf der Basis der berechneten Korrelationskoeffizienten einen Wert, der die prädiktive Fähigkeit einer ersten Artikeleigenschaft im Verhältnis zu allein anderen Artikeleigenschaften anzeigt; und wiederholt diesen Prozess für alle oder eine Teilmenge der Artikeleigenschaften. Die Abbildung aus 18 zeigt ein Verfahren, das einen Prozessfluss veranschaulicht, der der Auswahl einer Prädiktoreigenschaft zugeordnet ist. Wie dies in 18 dargestellt ist, berechnet das nachstehend im Text näher beschriebene Korrelationsmodul 106 die Korrelationskoeffizienten zwischen allen oder einer ausgesuchten Teilmenge der Artikeleigenschaften (auf der Basis einer Reihe von Artikeleigenschaftswerten, siehe 19, Abschnitt A) und populiert eine Korrelationskoeffiziententabelle (19, Abschnitt B) (Schritt 402). Das Korrelationsmodul 106 berechnet danach einen Wert, der eine relative prädiktive Fähigkeit jeder Artikeleigenschaft anzeigt (Schritt 404). In einem Ausführungsbeispiel ist dieser Wert der Durchschnitt der Absolutwerte der Korrelationskoeffizienten für eine bestimmte Artikeleigenschaft (siehe 19, Abschnitt C). Natürlich können auch andere Methoden zur Berechnung dieses Wertes eingesetzt werden, wie etwa die Berechnung des Mittelwertes bzw. Durchschnitts ohne Absolutwerte, das Berechnen eines gewichteten Durchschnitts, etc.
Das Korrelationsmodul 106 bringt die Artikeleigenschaften danach gemäß den in Schritt 404 berechneten Werten in eine Reihenfolge (Schritt 406). Das Anzeigemodul 108 zeigt danach die geordnete Liste auf der Anzeigevorrichtung 818 an, um es dem Benutzer zu ermöglichen, eine Prädiktoreigenschaft zumindest teilweise auf der Basis der prädiktiven Fähigkeiten der Artikeleigenschaften auszuwählen (Schritt 408). Gemäß einem Ausführungsbeispiel tritt der Benutzer seine Auswahl (Schritt 410), wobei bewirkt wird, dass das Schnittstellenanwendungsmodul 110 das Regressionsmodul 104 anweist, die Regressionsmodelle zwischen der ausgewählten Prädiktoreigenschaft und den verbleibenden (prädizierten) Artikeleigenschaften zu berechnen (siehe oben).
Die Korrelationskoeffiziententabelle kann unter Verwendung jedes geeigneten Prozesses oder jeder geeigneten Technik populiert bzw. gefüllt werden. In einem bevorzugten Ausführungsbeispiel führt das Korrelationsmodul 106 jedoch die nachstehend beschriebene Methode aus.
B.2.a.3. Population der Korrelationskoeffiziententabelle
Gemäß der normalen Vorgehensweise in der Branche werden die Daten für eine einzige Artikeleigenschaft (z.B. eine Dimension) vertikal in einer Spalte angeordnet. Somit speichert jede Spalte die Daten für eine und nur eine Artikeleigenschaft. Die resultierende Messdatenanordnung weist somit so viele Spalten wie vorhandene Artikeleigenschaften auf. Häufig bzw. überwiegend werden die Daten in einer Excel-Tabelle oder einem anderen geeigneten Dateiformat gespeichert.
Bei dieser Vorgehensweise stellt jede Spalte eine andere Artikeleigenschaft dar. Jede Zeile stellt die Artikeleigenschaftsdaten (mehrere Artikeleigenschaften) für ein einzelnes Bauteil dar. Beim Spritzguss speichert jede Zeile die Daten, die einem einzelnen Betriebszyklus einer Presse zugeordnet sind. Wenn die Form eine Form mit einem Hohlraum darstellt, weist jede Zeile Messdaten für ein einziges Bauteil auf. Wenn es sich bei der Form hingegen um eine Form mit vier Hohlräumen handelt, speichert jede Zeile die Messdaten für alle vier Bauteile, die während einem Maschinenzyklus gefertigt werden. Für gewöhnlich werden für jedes Bauteil in einer Form mit mehreren Hohlräumen die gleichen Artikeleigenschaften gemessen; wobei dies jedoch gemäß keiner Einschränkung bzw. Vorgabe zwingend erforderlich ist.
In einem Ausführungsbeispiel weist das Korrelationsmodul 106 die Funktionalität der Bestimmung der Korrelationskoeffizienten (gemäß standardmäßiger statistischer Verfahren) zwischen allen Artikeleigenschaften auf, die Berechnung eines Wertes, der die prädiktive Fähigkeit jeder Artikeleigenschaft anzeigt und die Rangordnung der Artikeleigenschaften gemäß ihren relativen prädiktiven Fähigkeiten.
Die Abbildung aus 20 veranschaulicht ein Verfahren für die Population der Korrelationskoeffiziententabelle gemäß der vorstehenden Beschreibung. Wie dies in der Abbildung aus 20 dargestellt ist, initialisiert ein Korrelationsmodul 106 eine Korrelationskoeffiziententabelle (Schritt 502) und den Zellenparametern der Tabelle (A, B) zuegordnete Variablen (Schritt 504) sowie die Artikeleigenschaften (siehe Schritte 506 und 508). Für didaktische Zwecke wird angenommen, dass das Korrelationsmodul 106 die Artikeleigenschaftswerte aus 19 behandelt, Abschnitt A. In einem Ausführungsbeispiel berechnet das Korrelationsmodul 106 den Korrelationskoeffizienten zwischen der ersten Artikeleigenschaft (X = 1) und der zweiten Artikeleigenschaft (Y = 2) auf der Basis der Artikeleigenschaftswerte in den entsprechenden Spalten (Schritt 510). Das Korrelationsmodul 106 speichert danach den berechneten Korrelationskoeffizienten (in dem Beispiel 0,999232) in der oberen linken Ecke der Tabelle (A = 1, B = 1) (Schritt 512). Das Korrelationsmodul 106 berechnet danach die Korrelationskoeffizienten zwischen dem ersten Artikelkoeffizienten (X = 1) und den verbleibenden Koeffizienten (Y), wobei die Zeilenposition (B) mit jeder folgenden Berechnung und Speicherung erhöht wird (siehe Schritte 514, 516 und 518).
Nachdem das Korrelationsmodul 106 die letzte verbliebene Artikeleigenschaft erreicht hat (Schritt 514), erfasst es die berechneten Korrelationskoeffizienten in der ersten Spalte (A = 1), transponiert die Spalte in eine Zeile, verschiebt die Zeile um eins im Verhältnis zu der Korrelationskoeffiziententabelle und speichert die Daten in den entsprechenden Zellen der Tabelle (Schritt 518). Das Korrelationsmodul 106 setzt die Zellenspaltenposition (A = 2) und die Artikeleigenschaftsbezeichner (X = 2) danach herauf (Schritt 522), (Y = 3) (Schritt 508) und setzt die Zellenzeilenposition gleich der Spaltenposition (B = 2) (Schritt 524). Das Korrelationsmodul 106 berechnet danach den Korrelationskoeffizienten zwischen der zweiten Artikeleigenschaft (X = 2) und der dritten Artikeleigenschaft (Y = 3; Schritt 508) (Schritt 510) und speichert diesen in der entsprechenden Zelle (A = 2, B = 2) (Schritt 512). Das Korrelationsmodul 106 wiederholt diesen Prozess, bis der Korrelationskoeffizient zwischen dem vorletzten Artikeleigenschaftswert und dem letzten Artikeleigenschaftswert berechnet und gespeichert worden ist (Schritt 520). Wie dies in der Abbildung aus 19 veranschaulicht ist, ermöglichen die resultierenden Spalten der Korrelationskoeffizienten, wobei jede Spalte einer Artikeleigenschaft entspricht, verhältnismäßig einfache Berechnungen eines Wertes (z.B. eines Durchschnitts), der die prädiktiven Fähigkeiten der Artikeleigenschaften anzeigt (siehe 19, Abschnitt C).
Wie dies aus der vorstehend bereitgestellten Beschreibung ersichtlich ist, erreicht der Prozess der Population der Korrelationskoeffiziententabelle eine Reduzierung um 50% der Anzahl der Korrelationskoeffizienten, die berechnet werden müssen, da für jede XY-Korrelation eine entsprechende YX-Korrelation gegeben ist. Ferner ist es ersichtlich, dass die kompakte Darstellung der Korrelationskoeffiziententabelle die Programmierung der Unterroutine erheblich erleichtert, welche die Tabelle füllt. Wenn die Berechnungen mit nur zwei Korrelationen in jeder Zeile (XY und YX) vorgenommen werden, gäbe es über 600 Zeilen für 50 Bauteileigenschaften.
Das vorstehende Verfahren für die Population der Korrelationskoeffiziententabelle ist ein Ausführungsbeispiel für den Tabellenpopulations-/Komprimierungsalgorithmus. Wie dies bereits vorstehend im Text beschrieben worden ist, werden die Daten für eine einzige Artikeleigenschaft vertikal in einer Spalte angeordnet, um die übliche und gebräuchliche Vorgehensweise im Einklang mit Industrienormen zu halten. Die hierin beschriebenen Verfahren würden ebenso funktionsfähig sein, wenn die Daten für eine einzelne Artikeleigenschaft horizontal in einer Zeile angeordnet wären und der Algorithmus für diese Datenstruktur angepasst wäre. In diesem Fall würde der durchschnittliche Korrelationskoeffizient berechnet werden durch Anwendung des Mittelwertes einer Zeile von Korrelationskoeffizienten an Stelle einer Spalte.
B.2.a.4. Alternatives Ausführungsbeispiel
In einem Ausführungsbeispiel kann ein Benutzer die vorstehend beschriebene Funktionalität einsetzen, um die Auswahl einer Prädiktoreigenschaft abzuschließen und um die Streuungsdiagramme mit der Prädiktoreigenschaft als die X-Achsen-Variable anzuzeigen sowie unter Einbeziehung von Spezifikationsgrenzen und optionalen Prädiktionsintervallen. Auf der Basis derartiger Streuungsdiagramme kann der Benutzer die robusten prädizierten Eigenschaften auswählen (die in Bezug auf Veränderungen der Prozesseinstellungen unempfindlich sind) und diese Artikeleigenschaften aus der Datengruppe entfernen, um „Störungen" zu eliminieren. Diese Auswahl kann auch analytisch auf der Basis der Steigung und der Y-Kreuzung des Regressionsmodells, der Position und der Steigung der Prädiktionsintervalle und dem Wert der oberen und unteren Spezifikationsgrenzen für die X-Achsen- und die Y-Achsen-Variablen erreicht werden. In einer Ausführung weisen diese Artikeleigenschaften Prädiktionsintervalle auf, welche die prädizierten Artikeleigenschafts-Spezifikationsgrenzen nicht schneiden. In diesem Zusammenhang bilden sie „Störungen" bei der Auswahl einer Prädiktoreigenschaft. Der Benutzer führt die Auswahl des besten Prädiktors auf der Basis der überarbeiteten (reduzierten) Datenanordnung danach erneut aus.
B.2.b. Minimale und maximale Werte für Prädiktoreigenschaften
Zum besseren Verständnis eines Ausführungsbeispiels der vorliegenden Erfindung ist es nützlich, eine einfache Situation zu betrachten, wobei nur zwei relevante Artikeleigenschaften gegeben sind. Eine der Artikeleigenschaften wird unter Verwendung der vorstehend beschriebenen Methoden als die Prädiktoreigenschaft ausgewählt. Das Regressionsmodell erzeugt die Beziehung zwischen der Prädiktoreigenschaft und der verbleibenden Artikel- oder prädizierten Eigenschaft. Diese Situation ist in der Abbildung aus 12 dargestellt. Der Schnittpunkt des Regressionsmodells mit den oberen und unteren Spezifikationsgrenzen der prädizierten Eigenschaft (Y) bestimmt die Werte der Prädiktoreigenschaft (X), oberhalb welcher die prädizierte Eigenschaft nicht die Spezifikation erfüllt. Siehe Abschnitt II.B.1.b., oben. Der Schnittpunkt zwischen dem Regressionsmodell und der oberen Spezifikationsgrenze für Y ist als P-max definiert. Siehe 12. Der Schnittpunkt zwischen dem Regressionsmodell und der unteren Spezifikationsgrenze für Y ist als P-min definiert. Es ist leicht ersichtlich, dass so lange die Prädiktoreigenschaft (X) zwischen den Werten von P-min und P-max liegt, die prädizierte Eigenschaft innerhalb der Spezifikationsgrenzen liegen muss. Wenn in Bezug auf dieses Regressionsmodell eine perfekte Korrelation zwischen der Prädiktoreigenschaft und der prädizierten Eigenschaft gegeben ist, so kann definitiv gesagt werden, dass für den Fall, dass die Prädiktoreigenschaft größer ist als P-max oder kleiner als P-min, so liegt die prädizierte Eigenschaft außerhalb ihrer Spezifikationsgrenzen. Eine weitere Möglichkeit, dies auszudrücken, ist die Definition des Abstands zwischen P-min und P-max als Bereich. Dabei kann gesagt werden, dass sofern die Prädiktoreigenschaft innerhalb des P-Bereichs liegt, die prädizierte Eigenschaft innerhalb der Spezifikation liegt.
Da das Regressionsmodell nur selten einen perfekten Grad der Korrelation aufweist, besteht Unsicherheit bei dem Einsatz einer Bauteileigenschaft zum Prädizieren der anderen. Die dem Regressionsmodell zugeordneten Prädiktionsintervalle begrenzen die der Prädiktion einer Bauteileigenschaft zugeordneten Unsicherheit, wobei ein Wert für die andere Bauteileigenschaft gegeben ist. Die Abbildung aus 13 veranschaulicht den Einsatz der dem Regressionsmodell zugeordneten Prädiktionsintervalle zur Entfernung des Effekts dieser Unsicherheiten. Wie dies in der Abbildung aus 13 dargestellt ist, sind zwei Linien in der Nähe und ungefähr parallel zu der Regressionslinie angeordnet. Diese Linien sind die oberen und unteren Prädiktionsintervalle, die mehr oder weniger die Datenpunkte um die Regressionslinie begrenzen. Zu didaktischen Zwecken sind die oberen und unteren Prädiktionsintervalle als gerade Linien dargestellt, wobei sie allgemein jedoch krummlinig sind. Wie dies aus der Abbildung aus 13 ersichtlich ist, ist aufgrund der Streuung der Datenpunkte der maximale zulässige Bereich für die Prädiktoreigenschaft stärker eingeschränkt. Im Besonderen kann die Prädiktoreigenschaft nicht größer sein als der Wert, der dem Schnittpunkt zwischen dem oberen Prädiktionsintervall und der oberen Spezifikationsgrenze für die prädizierte Eigenschaft zugeordnet ist, oder der oberen Spezifikationsgrenze für die Prädiktoreigenschaft (je nachdem, welcher Wert kleiner ist). Auf ähnliche Weise kann die Prädiktoreigenschaft nicht kleiner sei als der Wert, der dem Schnittpunkt des unteren Prädiktionsintervalls und der unteren Spezifikationsgrenze für die prädizierte Eigenschaft zugeordnet ist oder der unteren Spezifikationsgrenze für die Prädiktoreigenschaft (je nachdem, welcher Wert größer ist). Anders ausgedrückt ist P-max mehr einschränkend (kleiner) in Bezug auf die obere Spezifikationsgrenze für die Prädiktoreigenschaft und der Schnittpunkt des oberen Prädiktionsintervalls mit der oberen Spezifikationsgrenze für die prädizierte Eigenschaft. In ähnlicher Weise ist P-min mehr einschränkend (größer) in Bezug auf die untere Spezifikationsgrenze für die Prädiktoreigenschaft oder der Schnittpunkt des unteren Prädiktionsintervalls mit der unteren Spezifikationsgrenze für die prädizierte Eigenschaft. Sofern die Prädiktoreigenschaft zwischen P-min und P-max liegt, befindet sich die prädizierte Eigenschaft innerhalb ihrer Spezifikationsgrenzen. In einem Ausführungsbeispiel kann es beurteilt bzw. eingeschätzt werden, wie „breit" die Prädiktionsintervalle sein sollten. In einem Ausführungsbeispiel verwendet die Prozessanalyseanwendung 100 typische „Breiten"-Parameter als Standardeinstellung. Der Benutzer weist ferner die Option auf, diese Standardeinstellungen zu ändern.
B.2.c. Einschränkungstabelle für Prädiktoreigenschaft
Wie dies vorstehend beschrieben worden ist, umfasst die vorstehende Beschreibung in Abschnitt II.B.2.b., oben, eine vereinfachte Situation, die nur zwei Artikeleigenschaften umfasst. In der Praxis weist ein bestimmtes Bauteil häufig eine größere Anzahl von relevanten Artikeleigenschaften auf. In einem Ausführungsbeispiel kann das Prozessanalysesystem 100 ferner eine Einschränkungstabelle bzw. Constraint-Tabelle erzeugen. Die Constraint-Tabelle weist für jede prädiktierte Eigenschaft die minimalen (P-min) und maximalen (P-max) Werte für die Prädiktoreigenschaft gemäß der vorstehenden Bestimmung auf (siehe Abschnitte II.B.1.b. & c., II.B.2.b., oben).
Aus der Constraint-Tabelle (siehe 22) können die am meisten einschränkenden minimalen (P-min*) und maximalen (P-max*) Werte für die Prädiktoreigenschaft bestimmt werden. Siehe 14. Das heißt, der am meisten einschränkende minimale Wert (P-min*) ist der größte minimale Wert (P-min) in der Constraint-Tabelle, während der am meisten einschränkende maximale Wert (P-max*) der kleinste maximale Wert (P-max) in der Einschränkungstabelle ist. Die Abbildung aus 22 veranschaulicht eine Constraint-Tabelle gemäß einem Ausführungsbeispiel der vorliegenden Erfindung, wobei „–" bedeutet, dass die oberste und unterste Spezifikationsgrenze für die Prädiktoreigenschaft den am meisten einschränkenden Wert in Bezug auf die entsprechende Artikeleigenschaft darstellt. Wenn somit diese am meisten einschränkenden minimalen (P-min*) und maximalen Werte (P-max*) identifiziert worden sind, kann sich ein Hersteller sicher sein, so lange die Prädiktoreigenschaft dazwischen liegt, dass die verbleibenden prädizierten Eigenschaften innerhalb der Spezifikationsgrenzen liegen.
Wie dies nachstehend im Text näher beschrieben ist, ist das Prozessanalysesystem 100 in einem Ausführungsbeispiel für jede prädizierte Artikeleigenschaft in der Lage: 1) zu bestimmen, ob das Potenzial für Fehler gegeben ist; 2) zu bestimmen, ob die prädizierte Artikeleigenschaft robust ist; und 3) wenn weder die Beziehung 1) noch 2) gegeben ist, die maximal und minimal zulässigen Werte (Pmax bzw. Pmin) für die prädiktierte Eigenschaft zu bestimmen. Auf grafische Weise und durch verschiedene Berechnungen lokalisiert das Prozessanalysesystem 100 im Verhältnis zu dem Regressionsmodell (und dem dadurch definierten Bereich) zwischen der Prädiktoreigenschaft und der prädizierten Artikeleigenschaft einen Ausgleichs- bzw. Compliance-Bereich, der den Bereich umfasst, der durch die oberen und unteren Spezifikationsgrenzen für die prädizierte Artikeleigenschaft und für die Prädiktoreigenschaft begrenzt ist (siehe 33A). Das Prozessanalysesystem 100 identifiziert danach einen begrenzten Regressionsbereich, bei dem es sich um den Bereich handelt, der begrenzt ist durch die oberen und unteren Prädiktionsbegrenzungen für die Prädiktoreigenschaft. Wie dies in der Abbildung aus 33B dargestellt ist, handelt es sich bei dem Regressionsbereich um den durch das Regressionsmodell begrenzten Bereich, einschließlich der Prädiktionsintervalle 252 und 254, zwischen der Prädiktoreigenschaft und einer prädizierten Eigenschaft. Die Abbildung aus 33C veranschaulicht einen begrenzten Regressionsbereich gemäß der vorstehenden Definition, begrenzt durch die unteren (LSL(X)) und oberen (USL(X)) Spezifikationsgrenzen der Prädiktoreigenschaft.
Das Prozessanalysesystem 100 vergleicht danach den begrenzten Regressionsbereich mit dem Compliance- bzw. Ausgleichsbereich, um die Beziehung zwischen den beiden Bereichen zu bewerten. Wenn der begrenzte Regressionsbereich vollständig innerhalb des Compliance-Bereichs liegt, so ist die prädizierte Artikeleigenschaft robust. In Bezug auf diese Beziehung legt das Prozessanalysesystem 100 die minimalen und maximalen Prädiktoreigenschaftswerte, die der ersten verbleibenden Artikeleigenschaft zugeordnet sind, auf die entsprechenden unteren und oberen Spezifikationsgrenzen der Prädiktoreigenschaft fest. Wenn sich ein Abschnitt des begrenzten Regressionsbereichs oberhalb und/oder unterhalb des Compliance-Bereichs über den Spezifikationsgrenzenbereich der Prädiktoreigenschaft erstreckt, ist ein Fehlerpotenzial gegeben, was in einem Ausführungsbeispiel bewirkt, dass das Prozessanalysesystem 100 einen Fehlerzustand meldet. Die Abbildung aus 33D veranschaulicht einen Umstand, in dem ein Fehlerpotenzial existiert. Wenn sich ferner ein horizontales Segment des begrenzten Regressionsbereichs vollständig innerhalb des Compliance-Bereichs erstreckt, und sich ein zweites horizontales Segment teilweise oder vollständig außerhalb des Compliance-Bereichs erstreckt, so weisen die prädizierte und die Prädiktoreigenschaft eine einschränkende Beziehung auf. Bei der einschränkenden Beziehung berechnet das Prozessanalysesystem 100 die minimalen und maximalen Prädiktoreigenschaftswerte für die prädizierte Eigenschaft.
Ferner erkennt der Fachmann auf dem Gebiet, dass: 1) eine der drei vorstehend beschriebenen möglichen Beziehungen bestehen (robust, mit Fehler behaftet und einschränkend) muss; 2) die drei vorstehend beschriebenen möglichen Beziehungen sich gegenseitig ausschließen; und 3) wenn bekannt ist, dass zwei Zustände nicht gegeben sind, der dritte Zustand existieren muss. Wenn folglich identifiziert worden ist, dass einer der möglichen Zustände existiert, so muss das Prozessanalysesystem 100 die Existenz der anderen Beziehungen nicht prüfen. Darüber hinaus kann das Prozessanalysesystem 100 diese Beziehungen in jeder beliebigen Reihenfolge prüfen.
Der Fachmann auf dem Gebiet erkennt, dass es zahlreiche Möglichkeiten gibt, die vorstehend beschriebenen Beziehungen zu prüfen. Zum Beispiel meldet das Prozessanalysesystem 100 ein Fehlerpotenzial in Bezug auf die prädizierte Artikeleigenschaft, wenn alle Querschnitte des begrenzten Regressionsbereichs vollständig oder teilweise außerhalb des Compliance-Bereichs liegen. Eine prädizierte Artikeleigenschaft kann auch als robust bestimmt werden, wenn alle vertikalen Querschnitte des begrenzten Regressionsbereichs vollständig innerhalb des Compliance-Bereichs liegen. Schließlich schränkt die prädizierte Eigenschaft die Prädiktoreigenschaft ein, wenn mindestens ein vertikaler Querschnitt des begrenzten Regressionsbereichs vollständig innerhalb des Compliance-Bereichs liegt, und wenn mindestens ein vertikaler Querschnitt des begrenzten Regressionsbereichs vollständig oder teilweise außerhalb des Compliance-Bereichs liegt.
Das Prozessanalysesystem 100 kann ferner unter Verwendung bekannter Berechnungsmethoden bestimmen, ob die oberen und unteren Prädiktionsgrenzen den Compliance-Bereich schneiden. Wenn die oberen und unteren Begrenzungen des begrenzten Regressionsbereichs zum Beispiel innerhalb des Compliance-Bereichs liegen, so ist die prädizierte Artikeleigenschaft in Bezug auf die Prädiktoreigenschaft robust. Wenn eine oder beide der oberen und unteren Begrenzungen des begrenzten Regressionsbereichs den Compliance-Bereich nicht schneiden, so ist ein Fehlerpotenzial gegeben. Wenn die obere Begrenzung des begrenzten Regressionsbereichs die obere Begrenzung des Compliance-Bereichs schneidet und die untere Begrenzung des begrenzten Regressionsbereichs innerhalb des Compliance-Bereichs liegt, so existiert eine einschränkende Beziehung. Wenn schließlich die untere Begrenzung des begrenzten Regressionsbereichs die untere Begrenzung des Compliance-Bereichs schneidet und die obere Begrenzung des begrenzten Regressionsbereichs innerhalb des Compliance-Bereichs liegt, so existiert eine einschränkende Beziehung.
In einem weiteren Ausführungsbeispiel kann das Prozessanalysesystem 100 eine Prüfung vornehmen, um die Werte der oberen und unteren Prädiktionsbegrenzungswerte an den oberen und unteren Spezifikationsgrenzen der Prädiktoreigenschaft ebenso zu bestimmen, wie die Tatsache, ob diese Werte (Koordinaten) innerhalb des Compliance-Bereichs liegen. In der Folge sind veranschaulichende Beispiele für didaktische Zwecke ausgeführt. Die Abbildung aus 23 zeigt ein Flussdiagramm eines Verfahrens zur Erzeugung einer Constraint-Tabelle gemäß einem Ausführungsbeispiel der vorliegenden Erfindung. In einem Ausführungsbeispiel werden viele Variablen und andere Eingaben, die bei der Berechnung der Constraint-Tabelle verwendet werden, der Ausgabe anderer analytischer Prozesse entnommen. Eine Korrelationseinheit und andere Prozeduren berechnen zum Beispiel das Regressionsmodell und geben die Steigung, den Schnittpunkt und Begrenzungsintervallversatz des Regressionsmodells in einem Ausführungsbeispiel in eine Anordnung ein, wie zum Beispiel eine Datei eines Tabellenkalkulationsprogramms. Die Steigung, der Schnittpunkt und der Begrenzungsintervallversatz sowie andere vorher berechnete Werte werden von dem Prozessanalysesystem 100 zur Berechnung von Pmin und Pmax und die Population der Constraint-Tabelle verwendet. Wie dies in der Abbildung aus 23 veranschaulicht ist, berechnet das Prozessanalysesystem 100 beginnend mit der ersten prädizierten Eigenschaft (siehe Schritt 702) die oberen und unteren Prädiktionsintervallwerte (Begrenzungswerte) für die prädizierte Eigenschaft an den oberen (USL) und unteren (LSL) Spezifikationsgrenzen der Prädiktoreigenschaft (Schritt 704). Zu didaktischen Zwecken veranschaulicht die Abbildung aus 24 den linken oberen Begrenzungswert 241, den rechten oberen Begrenzungswert 242, den linken unteren Begrenzungswert 243 und den rechten unteren Begrenzungswert 244. In einem Ausführungsbeispiel berechnet ein Verfahren die Begrenzungswerte an den oberen und unteren Spezifikationsgrenzen der Prädiktoreigenschaft auf der Basis des Regressionsmodells, einschließlich der oberen und unteren Prädiktionsintervalle, zwischen der Prädiktoreigenschaft und der prädizierten Eigenschaft. Das Prozessanalysesystem 100 bestimmt danach, ob diese Begrenzungswerte (siehe 24) innerhalb der vier Ecken des Compliance-Bereichs 250 liegen, definiert durch die oberen und unteren Spezifikationsgrenzen der Prädiktor- und prädizierten Eigenschaften. In einem Ausführungsbeispiel wird ein Verfahren oder eine Funktion eingesetzt, um zu bestimmen, ob die vorstehend berechneten Begrenzungswerte die vier Ecken des Compliance-Bereichs 250 überschreiten. In einem Ausführungsbeispiel gibt das Verfahrne vier Boolesche Werte zurück, die den entsprechenden Ecken des Compliance-Bereichs 250 entsprechen und anzeigen, ob sich die Begrenzungswerte innerhalb der entsprechenden Ecken befinden. In einem Ausführungsbeispiel verwendet das Prozessanalysesystem 100 diese Booleschen Werte, um zu bestimmen, ob das Potenzial für Fehler existiert (Schritt 706). Die Abbildungen der 25A-G veranschaulichen grafisch potenzielle Fehlerzustände zwischen der Prädiktoreigenschaft und einer prädizierten Eigenschaft (d.h. das Potenzial, dass die prädizierte Eigenschaft eine Spezifikationsgrenze innerhalb der Spezifikationsgrenzen der Prädiktoreigenschaft überschreitet). Die Abbildungen der 25A-G weisen alle einen Compliance-Bereich 250 auf, der durch die oberen (USL) und unteren (LSL) Spezifikationsgrenzen der Prädiktor- und der prädizierten Eigenschaft definiert sind. Wie dies in den Abbildungen der 25A-C veranschaulicht ist, kann ein Fehler daraus resultieren, dass das obere Prädiktionsintervall 252 nicht in den Bereich fällt, der durch den Compliance-Bereich 250 begrenzt ist. Die Abbildungen der 25D-F stellen Beispiele dafür bereit, wenn das untere Prädiktionsintervall 254, das dem Regressionsmodell zwischen der Prädiktoreigenschaft und der prädizierten Eigenschaft zugeordnet ist, nicht in den Compliance-Bereich 250 fällt. Schließlich veranschaulicht die Abbildung aus 25G die Situation, wenn weder das obere Prädiktionsintervall 252 noch das untere Prädiktionsintervall den Compliance-Bereich 250 schneidet. In einem Ausführungsbeispiel bewertet das Prozessanalysesystem die vorstehend beschriebenen Booleschen Werte, um zu bestimmen, ob ein Fehlerzustand existiert. Wenn in einem Ausführungsbeispiel die beiden oberen Ecken, die beiden unteren Ecken oder alle vier Ecken überschritten werden, ist ein Potenzial für Fehler gegeben. Wenn jedoch nur eine der Ecken jedes Paars überschritten wird, so ist eine einschränkende Beziehung gegeben (siehe unten).
Wenn ein Fehlerpotenzial gegeben ist, meldet das Prozessanalysesystem 100 in einem Ausführungsbeispiel das Fehlerpotenzial, indem es Pmin und Pmax auf „FEHLER" setzt in Bezug auf die gerade prädizierte Eigenschaft (Schritt 708). Wenn kein Fehlerzustand detektiert wird, bestimmt das Prozessanalysesystem 100 danach in einem Ausführungsbeispiel, ob die prädizierte Eigenschaft zumindest innerhalb des Spezifikationsgrenzkästchens 250 robust ist (Schritt 710). In einem Ausführungsbeispiel wird diese Robustheit durch ein separates Verfahren oder eine separate Funktion geprüft, indem bestimmt wird, ob die vorstehend im Text beschriebenen Begrenzungswerte innerhalb der Spezifikationsgrenzen der prädizierten Eigenschaft liegen. Darüber hinaus veranschaulichen die Abbildungen der 26A und 26B grafisch Umstände, unter denen die prädizierte Eigenschaft im Verhältnis zu der Prädiktoreigenschaft robust ist. Wenn die prädizierte Eigenschaft robust ist, setzt das Prozessanalysesystem 100 Pmin auf die untere Spezifikationsgrenze der Prädiktoreigenschaft und Pmax auf die obere Spezifikationsgrenze der Prädiktoreigenschaft (Schritt 712).
Wenn im anderen Fall kein Fehlerzustand detektiert wird und die prädizierte Eigenschaft nicht robust ist, berechnet das Prozessanalysesystem 100 in einem Ausführungsbeispiel Pmin und Pmax (Schritt 714). Siehe Abschnitt II.B.2.b., oben. Wie dies in 23 veranschaulicht wird, wiederholt das Prozessanalysesystem 100 danach den vorstehend beschriebenen Prozess für alle verbliebenen prädizierten Eigenschaften (siehe Schritte 716 und 718). Die Abbildungen der 27A bis 27F veranschaulichen grafisch verschiedene Bedingungen, unter denen die oberen und/oder unteren Prädiktionsintervalle Pmin und/oder Pmax auf Werte zwischen den unteren und oberen Spezifikationsgrenzen der Prädiktoreigenschaft einschränken. Wie dies in den Abbildungen der 27A und 27B dargestellt ist, können die oberen und unteren Prädiktionsintervalle, die dem Regressionsmodell zugeordnet sind, Pmin und Pmax einschränken. Wie dies ferner in den Abbildungen der 27A und 27B dargestellt ist, kann die Steigung des Regressionsmodells beeinflussen, ob das obere oder untere Prädiktionsintervall Pmin oder Pmax festlegt oder bestimmt. Ferner veranschaulichen die Abbildungen der 27C und 27D grafisch Umstände, unter denen das obere Prädiktionsintervall Pmin oder Pmax einschränkt. In ähnlicher Weise veranschaulichen die Abbildungen der 27E und 27F grafisch Bedingungen, unter denen das untere Prädiktionsintervall Pmin oder Pmax einschränkt. In einem Ausführungsbeispiel bestimmt das Prozessanalysesystem 100 zuerst das Vorzeichen der Steigung der Prädiktionsintervalle des Regressionsmodells. In einem Ausführungsbeispiel bestimmt das Prozessanalysesystem 100 danach den Wert der Prädiktoreigenschaft an dem Schnittpunkt des obersten Prädiktionsintervalls und der oberen Spezifikationsgrenze für die prädizierte Eigenschaft. In ähnlicher Weise berechnet das Prozessanalysesystem 100 in einem Ausführungsbeispiel den Wert der Prädiktoreigenschaft an dem Schnittpunkt des unteren Prädiktionsintervalls und der unteren Spezifikationsgrenze für die prädizierte Eigenschaft. Danach bestimmt das Prozessanalysesystem 100, ob das obere und/oder untere Prädiktionsintervall Pmin und/oder Pmax einschränkt, und wenn dies der Fall ist, wird der Wert von Pmin und Pmax berechnet. Wenn die Steigung des Prädiktionsintervalls in einem Ausführungsbeispiel positiv ist, legt das Prozessanalysesystem 100 den maximalen Prädiktoreigenschaftswert, der der ersten verbleibenden Artikeleigenschaft zugeordnet ist, auf den niedrigeren Wert der oberen Spezifikationsgrenze der Prädiktoreigenschaft oder den Wert der Prädiktoreigenschaft fest, bei dem das obere Prädiktionsintervall, das dem Regressionsmodell entspricht, die obere Spezifikationsgrenze für die erste verbliebene Artikeleigenschaft schneidet, und wobei der minimale Prädiktoreigenschaftswert, der ersten verbliebenen Artikeleigenschaft zugeordnet ist, auf den größeren Wert der unteren Spezifikationsgrenze der Prädiktoreigenschaft oder den Wert der Prädiktoreigenschaft gesetzt wird, bei dem das untere Prädiktionsintervall, dass dem Regressionsmodell entspricht, die untere Spezifikationsgrenze für die erste verbliebene Artikeleigenschaft schneidet. Wenn die Steigung des Prädiktionsintervalls im anderen Fall negativ ist, so setzt das Prozessanalysesystem 100 den maximalen Prädiktoreigenschaftswert, der der ersten verbliebenen Artikeleigenschaft zugeordnet ist, auf den niedrigeren Wert der oberen Spezifikationsgrenze der Prädiktoreigenschaft oder den Wert der Prädiktoreigenschaft, bei dem das untere Prädiktionsintervall, das dem Regressionsmodell entspricht, die untere Spezifikationsgrenze für die erste verbliebene Artikeleigenschaft schneidet, und wobei der minimale Prädiktoreigenschaftswert, der der ersten verbliebenen Artikeleigenschaft zugeordnet ist, auf den größeren Wert der unteren Spezifikationsgrenze der Prädiktoreigenschaft oder den Wert der Prädiktoreigenschaft gesetzt wird, bei dem das obere Prädiktionsintervall, das dem Regressionsmodell entspricht, die obere Spezifikationsgrenze für die erste verbliebene Artikeleigenschaft schneidet.
B.2.d. Bestimmung der Herstellbarkeitsziele und -bereiche
Weitere Parameter können von P-min* und P-max* abgeleitet werden, die dazu nützlich sind, den Entwurf von Artikeln und Prozesseingaben zu erleichtern sowie Prozesssteuerungsvariablen festzulegen. Der maximale zulässige Bereich (P-range*) kann berechnet werden, indem der am meisten einschränkende minimale Wert (P-min*) von dem am meisten einschränkenden maximalen Wert (P-max*) subtrahiert wird. Die Abbildung aus 14 veranschaulicht grafisch die Bestimmung der am meisten einschränkenden minimalen und maximalen Werte und des Bereichs für den vereinfachten Fall von zwei prädizierten Eigenschaften.
Darüber hinaus kann ein Prädiktorproduktionsziel (P-target*) bestimmt werden. P-target* ist der Punkt, den man als Zielvorgabe für die durchschnittliche Ausgabe des Prozesses auswählen würde. In einem Ausführungsbeispiel handelt es sich um den Punkt der besten „Herstellbarkeit", der die Wahrscheinlichkeit für die Herstellung von Bauteilen, welche innerhalb der Spezifikationsgrenzen liegen, maximiert. Bei richtiger Auswahl minimiert P- target* den prozentualen Anteil der Datenpunkte, die sich während der Produktion außerhalb von P-range* befinden.
Um Verwirrungen zwischen Entwurfszielvorgaben und einem Ziel für die Prädiktorabmessung (P-target*) zu verhindern, wird auf einen terminologischen Unterschied hingewiesen. Die Prädiktoreigenschaft (P) weist fast immer eine Konstruktionszielvorgabe (P-target) auf. Die Konstruktionszielvorgabe (oder Sollwert) ist ein von dem Konstrukteur verlangter Wert (z.B. eine Zahl auf einer Zeichnung oder in einer Spezifikation). Im Gegensatz dazu ist P-target* ein Zielbetriebspunkt für den Prozess, der die Produktionsleistung optimiert, wie dies vorstehend im Text beschrieben worden ist.
In einem Ausführungsbeispiel wird das Prädiktorproduktionsziel (P-target*) als Mittelpunkt von P-range* ausgewählt. Siehe dazu 14. Dies wäre für Situationen zweckmäßig, in denen die Leistung des Produktionsprozesses um den Mittelwert symmetrisch ist. Typische Prozesse weisen eine symmetrische Verteilung auf, die ungefähr normal ist. Wenn die Verteilung der Artikeleigenschaft unsymmetrisch ist, kann der Ziel-Prädiktoreigenschaftswert auf den durchschnittlichen Artikeleigenschaftswert festgelegt werden.
B.2.e. Versatztabelle
Wie dies nachstehend im Text näher beschrieben wird, ist das Prozessanalysesystem 100 in einem Ausführungsbeispiel ferner in der Lage, eine Vesatztabelle zu erzeugen, die das Ausmaß anzeigt, in dem ein vorprozessliche Abmessung angepasst werden müsste, um eine bestimmte Konstruktionszielvorgabe zu erreichen. Anders ausgedrückt stellt die Versatztabelle einen Wert bereit, der der Strecke entspricht, welche um welche die Regressionslinie bewegt werden muss, um durch den Zielschnittpunkt zu verlaufen. Bei Spritzgussprozessen entspricht ein Versatzwert zum Beispiel dem Ausmaß, in dem eine bestimmte Formabmessung verändert werden muss (zum Beispiel durch Hinzufügen von Stahl durch Schweißen oder durch Wegnahme von Stahl durch Bearbeitung), damit der Zielschnittpunkt zwischen der Prädiktorabmessung und einer bestimmten prädizierten Abmessung erreicht wird. Dabei handelt es sich um kritische Informationen für Bauteile, die zum Beispiel für die Medizinbranche hergestellt werden, wo Formen teilweise modifiziert werden, um eine Bauteilabmessung um nur 0,001 Zoll zu optimieren. Diese Informationen können von dem Formentwickler und dem Formhersteller verwendet werden. Für andere Verfahren, wie etwa die Plattierung, kann die Versatztabelle Entwicklern die erforderlichen Veränderungen hinsichtlich der Abmessungen des Bauteils vor der Plattierung angeben.
In einem Ausführungsbeispiel der vorliegenden Erfindung werden das Ausmaß und die Richtung der Versatze in der Versatztabelle berechnet, in dem der vertikale Abstand zwischen dem Zielschnittpunkt und dem Regressionsmodell bestimmt wird. In einem zweiten Ausführungsbeispiel der vorliegenden Erfindung werden die Größe und die Richtung der Versatze in der Versatztabelle berechnet, in dem der horizontale Abstand zwischen dem Zielschnittpunkt und dem Regressionsmodell bestimmt wird. In einem dritten Ausführungsbeispiel der vorliegenden Erfindung werden die Größe und die Richtung der Versatze in der Versatztabelle berechnet, in dem der Abstand zwischen dem Zielschnittpunkt und dem Regressionsmodell in eine Richtung bestimmt wird, die senkrecht zu dem Regressionsmodell ist.
Die in der Versatztabelle enthaltenen Informationen sind auch aus einer anderen Perspektive von Nutzen. Ob der prädizierte Eigenschaftswert oberhalb, auf oder unter dem Konstruktionszielwert für die prädizierte Eigenschaft liegt, ist von den spezifischen Werten abhängig, die für jede der Prozesseinstellungen ausgewählt werden. Anders ausgedrückt ist der Versatz des erreichten prädizierten Wertes von dem Konstruktionszielwert abhängig von den für die Prozesseinstellungen ausgewählten Werten. Für eine Reihe von Prozesseinstellungen kann die Entscheidung getroffen werden, eine Formabmessung zu vergrößern, in dem Stahl weggenommen wird. Für eine andere Reihe von Prozesseinstellungen kann es sich bei der Entscheidung um eine Verringerung der gleichen Formabmessung durch das Hinzufügen von Stahl handeln. Es ist ersichtlich, dass dies ein nicht wünschenswerter Zustand ist. Unter Verwendung der hierin beschriebenen neuen Technologie können Versatze berechnet werden, in dem der Abstand und die Richtung des Regressionsmodells von dem Zielschnittpunkt bestimmt werden. Unter Verwendung der hierin verwendeten Methodologie können Versatze bestimmt werden, die von den für die Prozesseinstellungen ausgewählten Werten unabhängig sind.
Die Abbildung aus 28A zeigt ein Verfahren, das sich auf die Erzeugung einer Versatztabelle gemäß einem Ausführungsbeispiel der vorliegenden Erfindung bezieht. Die Abbildung aus 28B stellt eine resultierende Versatztabelle gemäß einem Ausführungsbeispiel der vorliegenden Erfindung bereit. Wie dies in der Abbildung aus Figur 28A veranschaulicht wird, initialisiert das Prozessanalysesystem 100 in einem Ausführungsbeispiel zuerst eine Versatztabellenanordnung (Schritt 802). In einem Ausführungsbeispiel handelt es sich bei der Versatztabelle um eine zweispaltige Anordnung mit Artikeleigenschaftsbezeichnern in einer Spalte und entsprechenden Versatzwerten in einer zweiten Spalte. Die Eingaben der Versatztabellenmethode oder -funktion umfassen die Zielwerte der Artikeleigenschaften und der entsprechenden Regressionsmodelle zwischen der Prädiktoreigenschaft und den verbleibenden prädizierten Eigenschaften. Wie dies in 28A vorgesehen ist, berechnet das Prozessanalysesystem 100 für alle prädizierten Eigenschaften (siehe Schritt 804) den Wert der prädizierten Eigenschaft aus dem Regressionsmodell auf dem Zielwert der Prädiktoreigenschaft (Schritt 806). Das Prozessanalysesystem 100 bestimmt danach den Versatzwert für die prädizierte Eigenschaft durch Berechnen der Differenz zwischen dem berechneten Wert der prädizierten Eigenschaft und dem Zielwert (Konstruktionsspezifikation) der prädizierten Eigenschaft (Schritt 808). Das Prozessanalysesystem 100 speichert danach den resultierenden Versatzwert in einer Anordnung oder einer anderen geeigneten Datenstruktur (Schritt 810) und wiederholt den Vorgang für die nächste prädizierte Eigenschaft.
B.2.f. Konstruktionstoleranz-Relaxationstabelle
In vielen Fällen ist es schneller und kostengünstiger, die Konstruktionstoleranzen für ein bestimmtes Bauteil zu lockern, anstatt die Elemente vor dem Prozess zu verändern, wie etwa die Abmessungen einer Form. Der Konstrukteur muss natürlich eine Entscheidung dahingehend treffen, ob dies machbar ist oder nicht in Anbetracht der potenziellen Auswirkung der Toleranzlockerung für jede bestimmte Artikeleigenschaft in Bezug auf Form, Passform oder Funktion. In bestimmten Fällen kann der Betriebsbereich (Prange*, oben) ferner derartig klein sein, dass es schwierig, unwahrscheinlich oder auch unmöglich ist, Bauteile oder Einheiten zu produzieren, die alle Artikeleigenschaften innerhalb der Spezifikationsgrenzen aufweisen. Wenn entschieden wird, die Herstellbarkeit zu erhöhen, indem der Betriebsbereich durch eine Lockerung der Toleranzen vergrößert wird, so erleichtert ein Ausführungsbeispiel der Konstruktionstoleranz-Relaxationstabelle eine Beurteilung dessen, welche Toleranzen gelockert werden, indem eine priorisierte Liste der optimalen Rangordnung bereitgestellt wird, wie die Toleranzen gelockert werden sollten, sowie eine Analyse der Vergrößerung des Betriebsbereichs, der für jede inkrementale Toleranzlockerung erreicht wird.
In einem Ausführungsbeispiel kann das Prozessanalysesystem 100 eine Konstruktionstoleranz-Relaxationstabelle erzeugen, welche die Analyse der erreichbaren Verstärkungen des Betriebsbereichs ermöglicht, die der Lockerung der Konstruktionstoleranzen jeder prädizierten Artikeleigenschaft zugeordnet sind. Die am meisten einschränkende prädizierte Eigenschaft (d.h. mit dem höchsten Pmin oder dem niedrigsten Pmax) sollte zuerst gelockert werden. Anders ausgedrückt handelt es sich bei der zuerst zu lockernden Toleranz um die Toleranz der Artikeleigenschaft, welche die Prädiktoreigenschaft am meisten einschränkt. Die Konstruktionstoleranz-Relaxationstabelle informiert den Entwickler bzw. Konstrukteur danach darüber, wie groß der Anstieg des Betriebsbereichs sein würde (die Differenz zwischen P-min* und P-max*) als Folge der Lockerung der Toleranz. Die Konstruktionstoleranz-Relaxationstabelle teilt dem Konstrukteur ferner die erreichte kumulative Verstärkung durch Lockerung jeder Variable mit.
Die Abbildung aus 30 zeigt eine Konstruktionstoleranz-Relaxationstabelle gemäß einem Ausführungsbeispiel der vorliegenden Erfindung. Wie dies in der Abbildung aus 30 dargestellt ist, ist die Relaxationstabelle in einem Ausführungsbeispiel in zwei Hauptteile aufgeteilt, nämlich die geordnete Liste der Artikeleigenschaften nach dem am meisten einschränkenden Wert Pmin und eine geordnete Liste der gleichen Artikeleigenschaften nach dem am meisten einschränkenden Wert Pmax. In dem vorliegenden Beispiel ist Var12 die Prädiktoreigenschaft, die an der letzten Stelle in beiden Listen platziert wird. Für jede Artikeleigenschaft in der Spalte Pmin oder Pmax weist die Relaxationstabelle die folgenden Felder auf 1) einen Artikeleigenschaftsbezeichner; 2) den berechneten Wert Pmin/Pmax; 3) die individuelle Verstärkung des Betriebsbereichs, die durch Lockerung der Toleranz der entsprechenden Artikeleigenschaft erreicht wird; und 4) die kumulative Verstärkung, die der Lockerung der Toleranz der entsprechenden Artikeleigenschaft zugeordnet ist. Der Fachmann auf dem Gebiet würde aus der hierin bereitgestellten Beschreibung erkennen, dass die jeder Artikeleigenschaft zugeordnete individuelle Verstärkung annimmt, dass Pmin/Pmax auf die Werte Pmin/Pmax gelockert worden ist, die der folgenden Artikeleigenschaft zugeordnet sind. Die kumulative Verstärkung, die einer bestimmten Artikeleigenschaft entspricht, zeigt die erreichte aggregierte Verstärkung des Betriebsbereichs durch Lockerung von Pmin/Pmax auf den Wert an, der der folgenden Artikeleigenschaft zugeordnet ist. Um zum Beispiel eine kumulative Verstärkung von 0,0030 Zoll in dem Betriebsbereich zu erreichen, sollten die Spezifikationsgrenzen, die den Artikeleigenschaften Var16, Var13, Var13, Var9 und Var10 entsprechen, bis auf den Punkt gelockert werden, wenn Pmin gleich 6,3741 Zoll ist. Um alternativ eine kumulative Verstärkung on 0,0043 Zoll in dem Betriebsbereich zu erreichen, sollten die den Artikeleigenschaften Var2 und Var4 entsprechenden Spezifikationsgrenzen bis auf den Punkt gelockert werden, wenn Pmax gleich 6,3819 Zoll ist. Alternativ kann eine Verstärkung von 0,0053 Zoll in dem Betriebsbereich erreicht werden, in dem die entsprechenden Toleranzen von Var16, Var2 und Var4 gelockert werden. Eine Verstärkung des Betriebsbereichs um 0,005 Zoll kann unter bestimmten Bedingungen sehr signifikant und hilfreich sein. Wenn der Betriebsbereich zum Beispiel vor der Toleranzlockerung bei 0,005 Zoll lag, so entspricht eine Vergrößerung um 0,005 Zoll einer Verdoppelung des Betriebsbereichs bzw. macht es doppelt so leicht, die Prozesseinstellungen zu erreichen, welche Produktartikeleigenschaften erzeugen, die innerhalb der Spezifikationsgrenzen liegen.
Die Abbildung aus 29 veranschaulicht ein beispielhaftes Verfahren, das die Erzeugung einer Konstruktionstoleranz-Relaxationstabelle gemäß einem Ausführungsbeispiel der vorliegenden Erfindung betrifft. Wie dies in der Abbildung aus 29 veranschaulicht wird, formatiert oder initialisiert das Prozessanalysesystem 100 in einem Ausführungsbeispiel eine Konstruktionstoleranz-Relaxationstabelle (Schritt 830) und überträgt danach die vorstehend berechneten Werte für Pmin und Pmax (siehe Abschnitte II.B.2., c., oben) in die Relaxationstabelle (Schritt 832). Das Prozessanalysesystem 100 berechnet danach die einzelnen Verstärkungen, die durch die Lockerung von Pmin für die Artikeleigenschaften erreicht werden (Schritt 834). In einem Ausführungsbeispiel sortiert das Prozessanalysesystem 100 die Artikeleigenschaften von dem am meisten zu dem am wenigsten einschränkenden (höchsten) Wert Pmin und fügt danach den Prädiktoreigenschaftsbezeichner und die zugeordnete Spezifikationsgrenze dem Ende der sortierten bzw. geordneten Liste hinzu. Das Prozessanalysesystem 100 berechnet danach die individuelle Verstärkung, die erreicht wird durch Lockerung der Spezifikationsgrenze für jede Artikeleigenschaft auf den Wert, der Pmin der nächsten Artikeleigenschaft in der geordneten Liste entspricht. Zum Beispiel entspricht die individuelle Verstärkung, die erreicht wird durch Lockerung der Spezifikationsgrenze von Var16 auf den Wert von Pmin, der Var13 entspricht, der Differenz zwischen Pmin von Var16 und Pmin von Var13. In diesem Fall entspricht die Differenz 0,0005 Zoll; wobei die Tabelle aus 30 0,0004 Zoll zeigt, und zwar aufgrund der Abrundung der Werte von P-min durch die Computer-Tabellenkalkulation. Die folgenden individuellen Verstärkungen für die verbliebenen Artikeleigenschaften werden auf ähnliche Weise berechnet, bis die letzte (Prädiktor) Eigenschaft erreicht worden ist.
Das Prozessanalysesystem 100 berechnet danach die erreichten individuellen Verstärkungen durch Lockerung von Pmax und somit der Spezifikationsgrenzen für die prädizierten Artikeleigenschaften (Schritt 836). In einem Ausführungsbeispiel sortiert das Prozessanalysesystem 100 die Artikeleigenschaften nach dem am meisten einschränkenden (niedrigsten) Wert Pmax und fügt danach den Prädiktoreigenschaftsbezeichner sowie die zugeordnete obere Spezifikationsgrenze dem Ende der geordneten Liste hinzu. Das Prozessanalysesystem 100 berechnet danach die erreichte individuelle Verstärkung durch Lockerung der Spezifikationsgrenze einer bestimmten Artikeleigenschaft auf den Wert, der Pmax der nächsten Artikeleigenschaft in der geordneten Liste entspricht. Zum Beispiel entspricht die erreichte individuelle Verstärkung durch Lockerung der Spezifikationsgrenze von Var2 auf den Wert von Pmax, der Var4 entspricht, der Differenz zwischen Pmax von Var2 und Pmax von Var4. Diese Differenz entspricht 0,00006 Zoll; hiermit wird festgestellt, dass in diesem Fall der Computer die Werte von Pmax nicht abrundet. Die folgenden individuellen Verstärkungen für die verbliebenen Artikeleigenschaften werden auf ähnliche Weise berechnet, bis die letzte (Prädiktor) Eigenschaft erreicht worden ist. Das Prozessanalysesystem 100 berechnet danach die kumulativen Verstärkungen, die jeder folgenden Toleranzlockerung sowohl für die Lockerungen von Pmin und Pmax zugeordnet sind (Schritt 838).
Der Fachmann auf dem Gebiet erkennt, dass die Konstruktionstoleranz-Relaxationstabelle nicht die unteren/oberen Spezifikationsgrenzen für die prädizierten Eigenschaften anzeigt, die aus der Lockerung dieser Grenzen auf einen bestimmten Wert Pmin oder Pmax anzeigt; vielmehr erleichtert die in 30 dargestellte Konstruktionstoleranz-Relaxationstabelle die Bestimmung, welche und wie viele Artikeleigenschafts-Konstruktionstoleranzen gelockert werden können, um eine gewünschte Verstärkung oder Vergrößerung des Betriebsbereichs zu erreichen.
In einem Ausführungsbeispiel kann das Prozessanalysesystem 100 die resultierenden unteren und/oder oberen Spezifikationsgrenzen berechnen, nachdem der Benutzer ausgewählt hat, welche Artikeleigenschafts-Spezifikationsgrenzen gelockert werden sollen. Zum Beispiel kann sich der Benutzer dafür entscheiden, nur die unteren Spezifikationsgrenzen, nur die oberen Spezifikationsgrenzen oder eine Kombination aus oberen und unteren Spezifikationsgrenzen zu lockern, um den zulässigen Betriebsbereich (P-range*) zu vergrößern. In einem Ausführungsbeispiel fordert das Prozessanalysesystem 100 den Benutzer zur Auswahl einer Artikeleigenschaft aus der Spalte Pmin und/oder einer Artikeleigenschat aus der Spalte Pmax der Konstruktionstoleranz-Relaxationstabelle auf und berechnet danach die neuen unteren oder oberen Spezifikationsgrenzen für jede Artikeleigenschaft in der bzw. den geordneten Liste(n), bis zu der bzw. den ausgewählten Artikeleigenschaft(en). Im Besonderen berechnet das Prozessanalysesystem 100 für jede Artikeleigenschaft in der geordneten bzw. sortierten Liste bis zu der ausgewählten Artikeleigenschaft unter Verwendung des Regressionsmodells die Artikeleigenschaftswerte, bei denen die Begrenzungen (obere und untere Prädiktionsintervalle) des Regressionsmodells Pmin oder Pmx entsprechend schneiden. Zu didaktischen Zwecken veranschaulichen die Abbildungen der 32A, 32B, 32C und 32D grafisch die Berechnung der neuen oberen und unteren Spezifikationsgrenzen aus der Lockerung von Pmin und Pmax. Wie dies in diesen Abbildungen veranschaulicht wird, bestimmt die Steigung des Regressionsmodells, ob die Lockerung von Pmin/Pmax zu einre Lockerung der oberen oder unteren Spezifikationsgrenze führt, die einer bestimmten Artikeleigenschaft zugeordnet ist. Wie dies in der Abbildung aus 32A für ein Regressionsmodell mit positiver Steigung veranschaulicht wird, führt die Lockerung von USL(Y) in USL'(Y) zu einer Lockerung von Pmax zu Pmax'. Der Betriebsbereich vergrößert sich in einem Ausmaß, das Pmax'-Pmax entspricht. In ähnlicher Weise veranschaulicht die Abbildung aus 32B für ein Regressionsmodell mit positiver Steigung, dass die Lockerung von LSL(Y) in LSL'(Y) zu einer Lockerung von Pmin auf Pmin' führt. Der Betriebsbereich vergrößert sich in dem Ausmaß von Pmin-Pmin'. Für Regressionsmodelle mit einer negativen Steigung führt die Lockerung von USL(Y) zu USL'(Y) zu der Lockerung von Pmin zu Pmin' (siehe 32C), und die Lockerung von LSL(Y) zu LSL'(Y) führt zu der Lockerung von Pmax zu Pmax' (siehe 32D).
Wie dies in der Abbildung aus 31 veranschaulicht wird, empfängt das Prozessanalysesystem 100 in einem Ausführungsbeispiel eine prädizierte Eigenschaft aus der Lockerungsspalte Pmin und/oder Pmax (Schritt 850). Wenn der Benutzer eine prädizierte Artikeleigenschaft für die Lockerung von Pmin auswählt (Schritt 852), setzt das Prozessanalysesystem 100 Pmin auf den Wert von Pmin, der der nächsten Artikeleigenschaft in der geordneten Liste entspricht (Schritt 854). Zum Beispiel und in Bezug auf die Abbildung aus 30 würde Pmin auf 6,3761 Zoll gesetzt (entsprechend Var11), wenn Var 13 die ausgewählte Prädiktoreigenschaft dargestellt hat. Danach berechnet das Prozessanalysesystem 100 für jede Artikeleigenschaft bis zu und einschließlich der ausgewählten Artikeleigenschaft (siehe Schritt 856) die resultierenden neuen Spezifikationsgrenzen. Im Besonderen bestimmt das Prozessanalysesystem 100 die Steigung des Regressionsmodells für die entsprechende Auswahl des unteren oder oberen Prädiktionsintervalls (siehe oben) (Schritt 857) und berechnet den Wert von Pmin des entsprechenden (z.B. unteren oder oberen) Prädiktionsintervalls (Begrenzung) des Regressionsmodells zwischen der Prädiktoreigenschaft und der prädizierten Eigenschaft (Schritt 858) und speichert die neue Spezifikationsgrenze in einer Tabelle in Zuordnung mit der entsprechenden prädizierten Artikeleigenschaft (Schritt 860) für die letztliche Anzeige an den Benutzer.
Wenn der Benutzer eine prädizierte Artikeleigenschaft für die Lockerung von Pmax auswählt (Schritt 862), so setzt das Prozessanalysesystem 100 Pmax auf den Wert von Pmax, der der nächsten Artikeleigenschaft in der geordneten Liste entspricht (Schritt 864). Danach berechnet das Prozessanalysesystem 100 für jede Artikeleigenschaft bis zu und einschließlich der ausgewählten Artikeleigenschaft (siehe Schritt 866) die resultierenden neuen Spezifikationsgrenzen. Im Besonderen bestimmt das Prozessanalysesystem 100 die Steigung des Regressionsmodells für die Auswahl des geeigneten unteren oder oberen Prädiktionsintervalls (siehe oben) (Schritt 867) und berechnet den Wert bei Pmax des entsprechenden Prädiktionsintervalls (Begrenzung) des Regressionsmodells (Schritt 868) und speichert die neue Spezifikationsgrenze in einer Tabelle oder einer anderen Datenstruktur (Schritt 870) für die letztendliche Anzeige für einen Benutzer. Der Fachmann auf dem Gebiet erkennt, dass ein Einsatz der Konstruktionstoleranz-Relaxationstabelle auf diese Weise zu neuen Werten von Pmin* und/oder Pmax* führt.
c. Einsatz des maximal zulässigen Bereichs (P-range*) und des Prädiktorproduktionsziels (P-target*)
Zu didaktischen Zwecken ist die folgende Verdeutlichung und Definition bestimmter Parameter nützlich:

1. P-range* ist der maximal zulässige Bereich für die Prädiktoreigenschaft. Es ist der Bereich, in dem sich die Prädiktoreigenschaft befinden muss, um sicherzustellen, dass die verbleibenden Bauteileigenschaften weiterhin die Spezifikationsgrenzen erfüllen.
2. P-target* ist der Wert des Prädiktoreigenschafts-Produktionszielwertes. P-target* kann auf verschiedene Werte innerhalb des Bereichs P-range* gesetzt werden. P-target* wird für gewöhnlich auf dem mittleren Wert von P-range* gesetzt.
3. VAR ist der Bereich der Variabilität der Prädiktoreigenschaft, welcher der tatsächlichen Prozessleistung unter Produktionsbedingungen zugeordnet ist. Er wird durch Beurteilung der Produktionsleistung bestimmt.
4. X-BAR ist der durchschnittliche Wert der Prädiktoreigenschaft unter Produktionsbedingungen. Er wird durch Beurteilung der Produktionsleistung bestimmt.
5. P-target ist der Konstruktionszielwert für die Prädiktoreigenschaft. Er wird durch den Konstrukteur zur Optimierung von Form, Passgenauigkeit und Funktion bestimmt.
6. USL und LSL sind die oberen und unteren Spezifikationsgrenzen für die Prädiktoreigenschaft auf der Basis der Konstruktionstoleranzen. Sie werden bestimmt durch den Konstrukteur und berücksichtigen für gewöhnlich eine Reihe von Faktoren, einschließlich historischer Toleranzen, die von dem Unternehmen eingesetzt werden, der Bedeutung des Bauteils, der Fähigkeit der Fertigungseinrichtung und anderer Faktoren.

Ein bekannter maximal zulässiger Bereich (P-range*) für die Prädiktoreigenschaft ist außerordentlich nützlich. Die tatsächliche Prozessleistung weist ein gewisses Maß der Variabilität (VAR) auf, und es gibt einen Wert, der die durchschnittliche Prozessleistung der Prädiktoreigenschaft (X-BAR) darstellt. Diese bekannten Informationen erleichtern die Veränderung mindestens einer Prozesssteuerungseinstellung auf eine Art und Weise, welche die Wahrscheinlichkeit maximiert, dass der Prozess Bauteile erzeugt, die der Spezifikation entsprechen.
Wenn entschieden worden ist, dass P-range* zu weit „eingeschränkt" ist, so kann eine zweite Bauteileigenschaft gemessen werden, um die „Einschränkungen" von P-range* zu „öffnen".
Ebenfalls von großem Nutzen ist der Vergleich der Größe der tatsächlichen Prozessvariabilität (VAR) für die Prädiktoreigenschaft mit dem maximal zulässigen Bereich (P-range*). Die folgenden Situationen sind möglich:

1. Wenn die tatsächliche Prozessvariabiltität (VAR) größer ist als der maximal zulässige Bereich (P-range*), so liegt ein Teil der durch den Prozess erzeugten Bauteile immer außerhalb des Compliance-Bereichs.
2. Wenn die tatsächliche Prozessvariabilität (VAR) gleich dem maximal zulässigen Bereich (P-range*) ist und die durchschnittliche Prozessleistung (X-BAR) innerhalb des maximal zulässigen Bereichs zentriert ist, so befinden sich nahezu alle durch den Prozess erzeugten Bauteile innerhalb des Compliance-Bereichs, wobei jedoch kein Platz für Fehler oder für Verschiebungen der Prozessleistung gegeben ist.
3. Wenn die tatsächliche Prozessvariabiltät (VAR) kleiner ist als der maximal zulässige Bereich (P-range*) und innerhalb diesem liegt, so befinden sich nahezu alle Bauteile innerhalb des Compliance-Bereichs, und es existiert ein größerer Sicherheitsspielraum in Bezug auf Fehler oder Verschiebungen der Prozessleistung.

Die vorliegende Erfindung erzeugt in Bezug auf die 3. Situation eine ausgezeichnete Gelegenheit für den Konstrukteur, die Verschiebung der durchschnittlichen Prozessleistung (X-BAR) näher an dem Konstruktionsziel (P-target) für die Prädiktorbauteileigenschaft zu untersuchen.
Von großem Nutzen ist auch der Vergleich der durchschnittlichen Prozessleistung (X-BAR) für die Prädiktoreigenschaft mit dem Produktionsziel (P-target*). Die folgenden Situationen sind möglich, wobei angenommen wird, dass die Verteilung der Prozessleistung symmetrisch ist, und dass der Prädiktoreigenschafts-Zielwert (P-target') auf die Mitte des maximal zulässigen Bereichs festgelegt ist:

1. Je näher die durchschnittliche Prozessleistung (X-BAR) für die Prädiktoreigenschaft dem Prädiktorproduktionsziel (P-target*) ist, desto größer ist die Wahrscheinlichkeit, dass der Prozess Bauteile erzeugt, die innerhalb des Compliance-Bereichs liegen.
2. Wenn die durchschnittliche Prozessleistung (X-BAR) gleich dem Prädiktorproduktionsziel (P-target*) ist, ist die Wahrscheinlichkeit maximal, dass der Prozess Bauteile innerhalb des Compliance-Bereichs erzeugt.

Ähnliche Schlussfolgerungen können auch dann getroffen werden, wenn die Verteilung der Prozessleistung nicht symmetrisch ist. In diesem Fall sollte P-target* auf einen Wert gesetzt werden, bei dem die Enden der Verteilung übereinstimmende Bereiche außerhalb von P-range* aufweisen.
Die vorliegende Erfindung erleichtert somit die Bestimmung der Differenz zwischen der durchschnittlichen Prozessleistung (X-BAR) und dem Prädiktorproduktionsziel (P-target*). Diese Differenz sieht sowohl die Größe als auch die Richtung vor, um die bzw. in die die durchschnittliche Prozessleistung (X-BAR) verschoben werden sollte. Wenn diese Werte bekannt sind, ist es möglich, eine oder mehrere Prozesssteuerungseinstellungen anzupassen, so dass die durchschnittliche Prozessleistung entlang der Regressionslinie an oder näher an das Prädiktorproduktionsziel (P-target*) verschoben wird.
Die vorliegende Erfindung weist weiteren Nutzen auf. Es ist jetzt möglich zu bestimmen, ob die tatsächliche Prozessvariabilität (VAR) im Verhältnis zu dem maximal zulässigen Bereich (P-range*) zu groß ist. Wenn dies der Fall ist, so ist es eine erste Option, die Prozessvariation zu verringern. Eine zweite Option ist die Vergrößerung der Konstruktionstoleranzen. Eine dritte Option ist die Umsetzung einer bestimmten Kombination der beiden vorstehenden Alternativen. Die vorliegende Erfindung kann die Effizienz deutlich verbessern und deutliche Kosteneinsparungen ermöglichen, indem es erforderlich ist, dass die verschiedenen Prozessfähigkeitsanalysen, die in diesem Abschnitt beschrieben werden, nur einmal für lediglich die Prädiktoreigenschaft ausgeführt werden, anstatt der 30, 40 oder anderen Gesamtanzahl von Bauteileigenschaften.
Ferner stellen die Werte der Constraint-Tabelle weitere nützliche Informationen für den Konstrukteur bereit. Wenn zum Beispiel die Entscheidung getroffen wird, die Größe der Konstruktionstoleranzen zu erhöhen, so erleichtert die Constraint-Tabelle eine priorisierte Bestimmung in Bezug auf 1.) welche Spezifikationsgrenze (obere oder untere) für 2.) welche Artikeleigenschaft die größte Einschränkung aufweist und zuerst gelockert werden sollte. Dieser Schritt kann so oft wie gewünscht wiederholt werden, wobei man sich von der am meisten einschränkenden Bauteileigenschaft nach „außen" zu der am wenigsten einschränkenden Bauteileigenschaft bewegt. Der Konstrukteur kann auch die Auswirkung der Lockerung jeder Toleranz auf die Produktleistung beurteilen und diese Information in den Entscheidungsprozess einbeziehen.
Die vorliegende Erfindung erzeugt weiteren Nutzen. Dem Konstrukteur stehen jetzt Informationen zur Verfügung, die die Ausführung einer Studie ermöglichen, welche den Kompromiss zwischen Produktleistung und Herstellbarkeit ermöglichen. Darüber hinaus kann der Konstrukteur ferner, sofern dies die Umstände zulassen, das Konstruktionsziel auf das bestimmte Prädiktoreigenschaftsziel (P-target*) anpassen und an anderer Stelle in dem System Änderungen vornehmen (wenn eine Kompensation überhaupt erforderlich ist, um das Konstruktionsziel zu verändern).
Für eine Verdichtung der nächsten Anmerkungen werden P-range*, VAR und TOL (die Differenz zwischen den oberen und unteren Spezifikationsgrenzen) durch A, B und C dargestellt. In ähnlicher Weise werden P-target*, X-BAR und P-target durch X, Y und Z dargestellt. Die vorliegende Erfindung erleichtert die folgenden Vergleiche:

1. A mit B;
2. A mit C;
3. B mit C;
4. X mit Y;
5. X mit Z; und
6. Y mit Z.

Wie dies bereits vorstehend im Text beschrieben worden ist, können aus diesen Vergleichen außerordentlich wertvolle Informationen gewonnen werden.
D. Anwendungsübersicht und Zusammenfassung
Die Abbildung aus 21 fasst die vorstehend erörterten Konzepte zusammen und veranschaulicht ein Verfahren gemäß einem Ausführungsbeispiel der vorliegenden Erfindung. Zu didaktischen Zwecken wird ein Spritzgussverfahren beschrieben. Wie dies in der Abbildung aus 21 dargestellt ist, ergibt die Konstruktion eines Bauteils zum Beispiel verschiedene Konstruktionsziele und Spezifikationsgrenzen für die Artikeleigenschaft (602), was zu der Konstruktion und der Fertigung einer Form führt, die mindestens einen Hohlraum aufweist, der ein Bauteil definiert (604). Zu anderen Eingaben in den Prozess zählen Störungsvariablen (606) und Prozesssteuerungseinstellungen (607). Der Prozess (208) führt entweder zu Versuchsleistung (610) oder Produktionsleistung (630), wie dies nachstehend im Text beschrieben wird.
Wie dies in der Abbildung aus 21 dargestellt ist, können Ausführungsbeispiele der vorliegenden Erfindung verwendet werden, um die Entwurfs- und Entwicklungsprozesse zu erleichtern, die der Konstruktion eines Bauteils und/oder der Entwicklung eines Prozesses zugeordnet sind, der letztendlich zulässige Bauteile für die Produktionsleistung ergibt. Wie dies vorstehend im Text beschrieben worden ist, erzeugt in einem Ausführungsbeispiel eine Prozessbedienungsperson eine Reihe von Bauteilen mit einem Schwankungsbereich in Bezug auf eine Mehrzahl von Artikeleigenschaften (Versuchsleistung 610). Die der Versuchsleistung 610 oder einer Probe dieser zugeordneten Artikeleigenschaften werden unter Verwendung der vorstehend beschriebenen Korrelations- und Regressionsanalyseverfahren beurteilt und analysiert (612). Anhang der aus diesen Analyseverfahren gewonnenen Informationen kann der Benutzer unterstützt durch die Constraint- und/oder Relaxationstabellen entscheiden, die Toleranzgrenzen zu verändern (618) und/oder die Konstruktionsziele (620). Unterstützt durch die vorstehend im Text beschriebenen Informationen in der Versatztabelle kann der Benutzer sich für eine Veränderung der Prozesseingaben entscheiden (616) und/oder eine Veränderung der Steuervariablen (614).
Wie dies vorstehend im Text beschrieben worden ist, wird eine Variation in einem Ausführungsbeispiel während einem Versuchsproduktionslauf in den Bauteileigenschaften induziert. Eines der Nebenprodukte des Versuchsproduktionslaufs ist es, dass der Benutzer erfährt, welche Prozesseinstellungen eine große Auswirkung auf die Bauteileigenschaften besitzen. Dieses Wissen ermöglicht es dem Benutzer, eine kleine Anzahl von Prozesseinstellungen anzupassen, um die Produktleistung bzw. Produktausgabe an jedem beliebigen vorbestimmten Punkt an dem Regressionsmodell zu positionieren. Für den Fall des Spritzgusses kann der Benutzer zum Beispiel feststellen, dass eine Veränderung nur einer Druckeinstellung oder einer Temperatureinstellung oder einer Geschwindigkeitseinstellung ausreicht, um die gemeinsame Ausgabe der Artikeleigenschaften entlang der Regressionslinie zu verschieben.
Auf der Basis der Korrelations- und Regressionsanalyse (612) kann der Benutzer ferner eine Prädiktoreigenschaft (636) auswählen, um die Messung der Produktionsleistung zu erleichtern (630). Zum Beispiel durch Analysieren der verbliebenen Artikeleigenschaften im Verhältnis zu der Prädiktoreigenschaft kann der Benutzer robuste prädizierte Eigenschaften identifizieren (d.h. Artikeleigenschaften, die immer innerhalb der Toleranzgrenzen liegen) und diese aus der Messung ausschließen (Schritt 634). Alternativ oder in Verbindung damit kann der Benutzer den maximal zulässigen Bereich für die Prädiktoreigenschaft bestimmen sowie bestimmen, ob die Produktionsleistung 630 den Spezifikationsgrenzen entspricht, indem eine einzelne Artikeleigenschaft (die Prädiktoreigenschaft) gemessen wird (632).
Um wie dies vorstehend im Text beschrieben worden ist, die Leistung entlang der Regressionslinie zu verschieben, kann eine Bedienungsperson einer Spritzgussform eine oder mehrere Prozesssteuerungsvariablen verändern, wie etwa Druck, Temperatur, Geschwindigkeit, etc. Zu Veranschaulichungszwecken handelt es sich bei einem Beispiel für eine Veränderung der Prozesseingaben in der Spritzgussindustrie um die Veränderung einer inneren Abmessung eines Formenhohlraums. Die Regressionslinie kann vertikal verschoben werden. In 6 würde dies erreicht werden durch eine Veränderung der Größe der verbliebenen Artikeleigenschaft. Eine Verringerung der Größe würde erreicht werden durch das Hinzufügen von Material zu der Innenseite der Form an einer Position dieser Artikeleigenschaft. Dies würde die Größe des produzierten Artikels verringern und die Regressionslinie vertikal nach unten verschieben. Die Höhe der erforderlichen Verschiebung würde berechnet werden durch die Bestimmung der Strecke, um die die Regressionslinie von dem Zielschnittpunkt versetzt worden ist. Die Position der Regressionslinie im Verhältnis zu dem Zielschnittpunkt stellt Informationen bereit, die verwendet werden können, um zu bestimmen, in welche Richtung die Regressionslinie verschoben werden muss sowie die Stärke der Verschiebung.
Eine alternative Methode der Verschiebung der Regressionslinie in 6 wäre deren horizontale Verschiebung. Damit die Regressionslinie durch den Zielschnittpunkt aus 6 verläuft, muss sie nach rechts verschoben werden. Diese Verschiebung würde erreicht durch eine Veränderung der Formabmessung für die Prädiktoreigenschaft. Eine Verschiebung nach rechts bedeutet, dass die Größe der Prädiktoreigenschaft erhöht wird. Eine Vergrößerung setzt eine Vergrößerung des Formenhohlraums für die Prädiktoreigenschaft voraus (hier eine Abmessung). Dies kann durch Wegnahme von Material von dem Inneren der Form erreicht werden. Die Größe der erforderlichen Verschiebung wird bestimmt durch eine Berechnung des horizontalen Abstands zwischen der Regressionslinie und dem Zielschnittpunkt.
Bei einer weiteren Methode zur Verschiebung der Regressionslinie handelt es sich um die Erzeugung einer Verschiebung durch Veränderung einer bestimmten Kombination der Formabmessungen sowohl für den Prädiktor als auch für mindestens eine der verbliebenen Artikeleigenschaften. In dem speziellen Beispiel aus der Abbildung aus 6 wird die Regressionslinie in eine Richtung verschoben, die senkrecht zu ihr ist. Dies ist effektiv die kürzest mögliche Verschiebung, die in Bezug auf die Position der Regressionslinie durch den Zielschnittpunkt vorgenommen werden kann. In diesem Fall würde die Verschiebung durch eine Verringerung der Größe der prädizierten Eigenschaft und einen Anstieg der Größe der Prädiktoreigenschaft erreicht werden. In Bezug auf ein plattiertes Bauteil kann es sich bei einem Beispiel der beiden Artikeleigenschaften um die Länge nach der Plattierung und die Breitenabmessungen des Bauteils handeln. In diesem Fall würden die Länge vor der Plattierung und die Breitenabmessungen des Bauteils als Prozesseingaben berücksichtigt werden.
Die Abbildung aus 7 veranschaulicht ein eingesetztes Verfahren für die Herstellung von Artikeln, die Eigenschaften aufweisen, welche den Zielschnittpunkt überlagernd oder mit diesem zusammenfallend platziert werden. Das Ausführungsbeispiel aus der Abbildung aus 7 besteht aus einem Prozess mit zwei Schritten. In dem ersten Schritt wird die Regressionslinie verschoben, so dass sie den Zielschnittpunkt schneidet. In diesem Beispiel wird die Regressionslinie nach unten und nach rechts verschoben. Wie dies bereits vorstehend im Text beschrieben worden ist, kann die Regressionslinie horizontal, vertikal oder sowie als auch verschoben worden. In dem zweiten Schritt wird die Position der Eigenschaft verschoben, und zwar in dem speziellen Beispiel entlang der Regressionslinie in Richtung der kleineren Abmessungen, bis die Position mit dem Zielschnittpunkt kongruent ist. In der Praxis ist die Richtung, in welche die Position der Eigenschaft verschoben werden muss, abhängig von der Position der ursprünglichen Eigenschaft im Verhältnis zu dem Zielschnittpunkt und der Steigung der Regressionslinie.
Zu didaktischen Zwecken bezieht sich die in der vorliegenden Anmeldung verwendete Sprache auf den Einsatz von Techniken, um zu „lokalisieren" oder zu „positionieren" oder „den Schnittpunkt zu bestimmen" oder „den Bereich zu bestimmen" oder andere Terminologie, die aus grafischer Sicht verwendet werden kann. Praktisch alle hierin beschriebenen analytischen Techniken können entweder grafisch oder analytisch realisiert werden. Hiermit wird festgestellt, dass analytische Techniken eingesetzt werden können, wenn grafische Techniken beschrieben werden, und wobei grafische Techniken eingesetzt werden können, wenn analytische Techniken beschrieben werden. Ein bevorzugtes Ausführungsbeispiel der vorliegenden Erfindung führt in der Tat alle Berechnungen, Rechnungen, Lokalisierungen und Bestimmungen unter Verwendung von analytischen Techniken aus. Grafische Anzeigen werden aus praktischen Gründen und für das Verständnis seitens des Benutzers erzeugt.
Ebenfalls zu didaktischen Zwecken bezieht sich die Sprache in der vorliegenden Anmeldung auf eine Regressionslinie. Vorstehend im Text ist ausgeführt, dass es sich bei der Regressionslinie nicht um eine gerade Linie handeln muss, wobei sie auch eine krumme Linie darstellen kann. Hiermit wird ferner festgestellt, dass das Regressionsmodell aus didaktischen Gründen häufig als eine einzelne Linie dargestellt ist. Hiermit wird festgestellt, dass das Regressionsmodell in einem bevorzugten Ausführungsbeispiel der vorliegenden Erfindung den Einsatz von Prädiktionsintervallen umfasst.
Hiermit wird festgestellt, dass der Effekt von Veränderungen der Prozesssteuerungseinstellungen aus didaktischen Gründen in Bezug auf deren Effekt auf eine einzelne verbliebene (prädizierte) Artikeleigenschaft veranschaulicht worden ist. Hiermit wird festgestellt, dass der Effekt von Veränderungen der Prozesssteuerungseinstellungen für mehr als zwei Artikeleigenschaften bestimmt werden kann. Ebenso wird hiermit festgestellt, dass der Effekt von Veränderungen der Prozesseingaben in Bezug auf deren Auswirkung auf ein einzelnes Regressionsmodell veranschaulicht worden ist. Hiermit wird ferner festgestellt, dass die Auswirkung von Veränderungen der Prozesssteuerungseinstellungen für mehr als ein Regressionsmodell bestimmt werden kann.
Zu didaktischen Zwecken ist angenommen worden, dass es sich bei dem Ziel der Einführung von Veränderungen entweder der Prozesssteuerungseinstellungen und/oder der Prozesseingaben darum handelt, die gemeinsame(n) Betriebsposition(en) und/oder Regressionsmodell(e) näher an einen oder mehrere Zielschnittpunkte zu bewegen. Hiermit wird ferner festgestellt, dass diese Änderungen vorgenommen werden können, um die gemeinsame(n) Betriebsposition(en) und/oder Regressionsmodell(e) an jede gewünschte Position verschoben werden können.
Zu didaktischen Zwecken wurden die den Artikeleigenschaften zugeordneten oberen und unteren Spezifikationsgrenzen als konstante Werte beschrieben, was zu einem rechteckigen Compliance-Bereich führt. Die vorliegende Erfindung kann jedoch auch auf Bedingungen angewandt werden, bei denen eine oder mehrere der Spezifikationsgrenzen variieren auf der Basis von einem oder mehreren Faktoren, was zu einem Compliance-Bereich mit einer Trapezform (Beispiel) oder einer anderen Form führt.
Schließlich wurde zu didaktischen Zwecken, wie dies gerade vorstehend beschrieben worden ist, angenommen, dass Änderungen eingeführt worden sind, um Artikeleigenschaften im Verhältnis zu einem oder mehreren Kriterien zu verändern. Hiermit wird festgestellt, dass die Algorithmen, Modelle und Konzepte, die hierin ausgeführt sind, eingesetzt werden können, um den entgegengesetzten Effekt zu erzeugen. Zum Beispiel ist es möglich die erforderliche Veränderung eines gemeinsamen Betriebspunkts und/oder einer Regressionsmodellposition zu bestimmen, die erforderlich ist, um eine gewünschte Veränderung einer Prozesseinstellung und/oder einer Prozesseingabe zu erreichen. Ein Ziel dieser Vorgehensweise kann es sein, eine Prozesssteuerungseinstellung von einer gefährlichen oder schädigenden Einstellung weg zu bewegen. Ein weiteres Ziel dieser Vorgehensweise kann es sein, den Produktionsprozess und/oder die Konstruktionsparameter auf bestimmte Prozesseingaben abzustimmen, wie zum Beispiel auf vorkonfigurierte Formen von Rohstoffen bzw. Ausgangswerkstoffen.
Abschließend wird festgestellt, dass die vorliegende Erfindung wurde zwar für eine Funktionsweise in Verbindung mit Spritzgussverfahren beschrieben worden ist, jedoch kann die vorliegende Erfindung auch für eine Vielzahl anderer Prozesse eingesetzt werden, wie dies bereits vorstehend im Text beschrieben worden ist. Zum Beispiel findet die vorliegende Erfindung Anwendung bei der Plattierung und Halbleiterfertigung sowie bei allen anderen Prozessen, bei denen Material hinzugefügt, weggenommen oder in Bezug auf Form oder Struktur verändert wird. Die vorliegende Erfindung ist anwendbar in Bezug auf andere, nicht fertigungsbezogene Prozesse, bei denen die Eigenschaften der Leistung im Verhältnis zueinander stehen. Folglich wurde die vorliegende Erfindung in Bezug auf bestimmte Ausführungsbeispiele beschrieben. Weitere Ausführungsbeispiele der vorliegenden Erfindung sind für den Durchschnittsfachmann auf dem Gebiet ersichtlich. Die nachstehend ausgeführten Ansprüche sind somit nicht auf die vorstehend beschriebenen Ausführungsbeispiele beschränkt.

Claims

Verfahren zum Erleichtern von Entwurfs- und Fertigungsprozessen, dadurch gekennzeichnet, dass das Verfahren folgendes umfasst: das Verwenden eines Dateneingangsmoduls (102) für den Empfang einer Mehrzahl von Eigenschaftswerten von Artikeln, die einer Gruppe von Artikeln zugeordnet sind, mit einem Variationsbereich in Bezug auf eine Mehrzahl von Artikeleigenschaften, die aus einem Prozess resultieren; das Verwenden eines Korrelationsmoduls (106) zur Auswahl einer Prädiktoreigenschaft aus der Mehrzahl von Artikeleigenschaften; und das Verwenden eines Regressionsmoduls (104) zum Bestimmen des Regressionsmodells bzw. der Regressionsmodelle zwischen der Prädiktoreigenschaft und mindestens einer der verbliebenen Artikeleigenschaften in der Mehrzahl von Artikeleigenschaften.
Verfahren nach Anspruch 1, wobei dieses ferner folgendes umfasst: das Verwenden des Dateneingangsmoduls (102) zum Empfangen eines Zielwertes für die Prädiktoreigenschaft und eines Zielwertes für mindestens eine verbliebene Artikeleigenschaft; und das Verwenden des Regressionsmoduls (104) zum Bestimmen des Schnittpunkts des Zielwertes für die Prädiktoreigenschaft und des Zielwertes einer ersten verbliebenen Artikeleigenschaft im Verhältnis zu einem Regressionsmodul zwischen der Prädiktoreigenschaft und der ersten verbliebenen Artikeleigenschaft.
Verfahren nach Anspruch 2, wobei dieses ferner folgendes umfasst: das Bestimmen der entsprechenden oberen und unteren Prädiktionsintervalle, die dem bzw. den Regressionsmodell(en) zwischen der Prädiktoreigenschaft und mindestens einer der verbliebenen Artikeleigenschaften zugeordnet sind, und wobei untere und obere Spezifikationsgrenzen für die Prädiktoreigenschaft und mindestens eine der verbliebenen Artikeleigenschaften empfangen werden; das Lokalisieren der unteren und oberen Spezifikationsgrenzen, die der genannten mindestens einen verbliebenen Artikeleigenschaft zugeordnet sind; und das Lokalisieren der oberen und unteren Spezifikationsgrenzen, die der Prädiktoreigenschaft zugeordnet sind.
Verfahren nach Anspruch 1, wobei das Verfahren ferner folgendes umfasst: das Empfangen unterer und oberer Spezifikationsgrenzen für mindestens eine der verbliebenen Arikeleigenschaften; und das Lokalisieren der unteren und oberen Spezifikationsgrenzen, die der mindestens einen verbliebenen Artikeleigenschaft zugeordnet sind, im Verhältnis zu dem Regressionsmodell zwischen der Prädiktoreigenschaft und der genannten mindestens einen verbliebenen Artikeleigenschaft.
Verfahren nach Anspruch 4, wobei das Verfahren ferner das Bestimmen des Wertes der Prädiktoreigenschaft umfasst, bei dem das entsprechende Regressionsmodell die obere Spezifikationsgrenze für mindestens eine verbliebene Artikeleigenschaft schneidet.
Verfahren nach Anspruch 4 oder 5, wobei das Verfahren ferner das Bestimmen des Wertes der Prädiktoreigenschaft umfasst, bei dem das entsprechende Regressionsmodell die untere Spezifikationsgrenze für mindestens eine verbliebene Artikeleigenschaft schneidet.
Verfahren nach Anspruch 1, wobei das Verfahren ferner folgendes umfasst: das Bestimmen der entsprechenden oberen und unteren Prädiktionsintervalle, die dem bzw. den Regressionsmodell(en) zwischen der Prädiktoreigenschaft und mindestens einer der verbliebenen Artikeleigenschaften zugeordnet ist; das Empfangen unterer und oberer Spezifikationsgrenzen für mindestens eine der verbliebenen Arikeleigenschaften; und das Lokalisieren der Spezifikationsgrenzen, die der genannten mindestens einen verbliebenen Artikeleigenschaft zugeordnet sind, im Verhältnis zu dem Regressionsmodell zwischen der Prädiktoreigenschaft und der genannten mindestens einen verbliebenen Artikeleigenschaft.
Verfahren nach Anspruch 4 oder 6, wobei dieses ferner folgendes umfasst: das Empfangen der unteren und oberen Spezifikationsgrenzen für die Prädiktoreigenschaft; und das Lokalisieren der oberen und unteren Spezifikationsgrenzen, die der Prädiktoreigenschaft zugeordnet sind.
Verfahren nach Anspruch 1, wobei dieses ferner folgendes umfasst: das Bestimmen der entsprechenden oberen und unteren Prädiktionsintervalle, die dem bzw. den Regressionsmodell(en) zwischen der Prädiktoreigenschaft und mindestens einer der verbliebenen Artikeleigenschaften zugeordnet ist; das Empfangen unterer und oberer Spezifikationsgrenzen für die genannte mindestens eine der verbliebenen Artikeleigenschaften; das Lokalisieren der unteren und oberen Spezifikationsgrenzen, die der genannten mindestens einen verbliebenen Artikeleigenschaft zugeordnet sind; das Empfangen unterer und oberer Spezifikationsgrenzen für die Prädiktoreigenschaft; das Lokalisieren der oberen Spezifikationsgrenze, welche der Prädiktoreigenschaft zugeordnet ist; und das Bestimmen eines maximalen Artikeleigenschaftswertes für die Prädiktoreigenschaft durch Auswahl des kleineren Wertes aus 1) der oberen Spezifikationsgrenze für die Prädiktoreigenschaft; und 2) dem Wert der Prädiktoreigenschaft, bei dem das obere Prädiktionsintervall die obere Spezifikationsgrenze für die genannte mindestens eine verbliebene Artikeleigenschaft schneidet.
Verfahren nach Anspruch 9, wobei dieses ferner folgendes umfasst: das Empfangen unterer und oberer Spezifikationsgrenzen für mindestens eine der verbliebenen Artikeleigenschaften; das Lokalisieren der unteren Spezifikationsgrenze, die der Prädiktoreigenschaft zugeordnet ist; und das Bestimmen eines minimalen Artikeleigenschaftswertes für die Prädiktoreigenschaft durch Auswahl des größeren Wertes aus 1) der unteren Spezifikationsgrenze für die Prädiktoreigenschaft; und 2) dem Wert der Prädiktoreigenschaft, bei dem das untere Prädiktionsintervall die untere Spezifikationsgrenze für die genannte mindestens eine verbliebene Artikeleigenschaft schneidet.
Verfahren nach Anspruch 10, wobei dieses ferner folgendes umfasst: das Wiederholen des Schrittes des Bestimmens eines minimalen Artikeleigenschaftswertes für eine gewünschte Anzahl verbliebener Artikeleigenschaften in der Mehrzahl von Artikeleigenschaften; und das Bestimmen des am meisten einschränkenden, minimalen Artikeleigenschaftswertes für die Prädiktoreigenschaft, indem der größte minimale Artikeleigenschaftswert ausgewählt wird.
Verfahren nach Anspruch 11, wobei dieses ferner das Bestimmen des maximal zulässigen Bereichs für die Prädiktoreigenschaft umfasst, indem der am meisten einschränkende, minimale Artikeleigenschaftswert von dem am meisten einschränkenden, maximalen Eigenschaftswert subtrahiert wird, und wobei der Zielfertigungswert für die Prädiktoreigenschaft bestimmt wird durch Auswahl eines Wertes zwischen den am meisten einschränkenden minimalen und maximalen Artikeleigenschaftswerten für die Prädiktoreigenschaft.
Verfahren nach Anspruch 11, wobei dieses ferner folgendes umfasst: das Bestimmen des maximal zulässigen Bereichs für die Prädiktoreigenschaft, indem der am meisten einschränkende, minimale Artikeleigenschaftswert von dem am meisten einschränkenden, maximalen Eigenschaftswert subtrahiert wird; das Bestimmen des Zielfertigungswertes für die Prädiktoreigenschaft, indem der Mittelpunktwert zwischen den am meisten einschränkenden minimalen und maximalen Werten für die Prädiktoreigenschaft ausgewählt wird; das Empfangen eines Zielwertes für die Prädiktoreigenschaft und eines Zielwertes für mindestens eine verbliebene Artikeleigenschaft; und das Bestimmen des Schnittpunktes des Zielwertes für die Prädiktoreigenschaft und des Zielwertes einer ersten verbliebenen Artikeleigenschaft im Verhältnis zu dem Regressionsmodell zwischen der Prädiktoreigenschaft und der ersten verbliebenen Artikeleigenschaft.
Verfahren nach Anspruch 1, wobei das Auswählen der Prädiktoreigenschaft das Schätzen der Fähigkeit jeder Artikeleigenschaft umfasst, ob diese prädiktiv ist für alle oder eine Teilmenge der Artikeleigenschaften der Mehrzahl von Artikeleigenschaften.
Verfahren nach Anspruch 14, wobei die Auswahl der Prädiktoreigenschaft folgendes umfasst: das Berechnen der Korrelationskoeffizienten zwischen allen oder einer Teilmenge der Artikeleigenschaften; auf der Basis der berechneten Korrelationskoeffizienten das Bestimmen eines Wertes, der die prädiktive Fähigkeit einer ersten Artikeleigenschaft im Verhältnis zu allen anderen Arikeleigenschaften anzeigt; das Wiederholen der Bestimmung eines Wertes, der eine prädiktive Fähigkeit der genannten allen oder einer Teilmenge der Artikeleigenschaften anzeigt; und das Auswählen einer Prädiktoreigenschaft zumindest teilweise auf der Basis der Werte, welche die prädiktiven Fähigkeiten der Artikeleigenschaften anzeigen.
Verfahren nach Anspruch 15, wobei das Bestimmen eines Wertes, der eine prädiktive Eigenschaft anzeigt, das Berechnen des Durchschnitts der Absolutwerte der Korrelationskoeffizienten für jede Artikeleigenschaft umfasst und gefolgt durch die Rangordnung der Artikeleigenschaften auf der Basis der berechneten Werte, welche eine prädiktive Fähigkeit anzeigen, wobei die Auswahl der Prädiktoreigenschaft ferner auf wirtschaftlichen oder technischen Faktoren basiert, die der Schätzung jeder Artikeleigenschaft zugeordnet sind.
Verfahren nach einem der Ansprüche 1 bis 16, wobei dieses ferner das Anzeigen des Regressionsmoduls bzw. der Regressionsmodule auf einer Benutzeroberflächenanzeige umfasst.
Verfahren nach Anspruch 1, wobei dieses ferner folgendes umfasst: das Erzeugen einer Gruppe von Artikeln mit einem Variationsbereich in Bezug auf die Mehrzahl von Artikeleigenschaften; und das Schätzen der Gruppe von Artikeln in Bezug auf alle oder eine Teilmenge der Mehrzahl von Artikeleigenschaften, wobei mindestens zwei der Artikeleigenschaften einen Zielwert und obere und untere Spezifikationsgrenzen aufweisen.
Verfahren nach Anspruch 18, wobei dieses ferner das Bestimmen des Schnittpunktes des Zielwertes für die Prädiktoreigenschaft und des Zielwertes mindestens einer verbliebenen Artikeleigenschaft umfasst, im Verhältnis zu dem Regressionsmodell zwischen der Prädiktoreigenschaft und der genannten mindestens einen verbliebenen Artikeleigenschaft.
Verfahren nach Anspruch 1, 2, 18 oder 19, wobei dieses ferner das Bestimmen der entsprechenden oberen und unteren Prädiktionsintervalle umfasst, die dem bzw. den Regressionsmodell(en) zwischen der Prädiktoreigenschaft und der genannten mindestens einen der verbliebenen Artikeleigenschaften zugeordnet sind.
Verfahren nach Anspruch 20, wobei dieses ferner das Lokalisieren der unteren und oberen Spezifikationsgrenzen umfasst, die der genannten mindestens einen verbliebenen Artikeleigenschaft zugeordnet sind; das Lokalisieren der oberen und unteren Spezifikationsgrenzen, die der Prädiktoreigenschaft zugeordnet sind.
Verfahren nach Anspruch 18, wobei dieses ferner das Lokalisieren der Spezifikationsgrenzen umfasst, die der genannten mindestens einen verbliebenen Artikeleigenschaft zugeordnet sind.
Verfahren nach Anspruch 22, wobei dieses ferner das Bestimmen des Wertes der Prädiktoreigenschaft umfasst, bei dem das Regressionsmodell die obere Spezifikationsgrenze für die genannte mindestens eine verbliebene Artikeleigenschaft schneidet.
Verfahren nach Anspruch 22 oder 23, wobei dieses ferner das Bestimmen des Wertes der Prädiktoreigenschaft umfasst, bei dem das Regressionsmodell die untere Spezifikationsgrenze für die genannte mindestens eine verbliebene Artikeleigenschaft schneidet.
Verfahren nach Anspruch 20, wobei dieses ferner das Lokalisieren der Spezifikationsgrenzen umfasst, die der genannten mindestens einen verbliebenen Artikeleigenschaft zugeordnet sind.
Verfahren nach Anspruch 7 oder 25, wobei dieses ferner das Bestimmen des Wertes der Prädiktoreigenschaft umfasst, an dem das dem Regressionsmodell zwischen der Prädiktoreigenschaft und der genannten mindestens einen verbliebenen Artikeleigenschaft zugeordnete obere Prädiktionsintervall die obere Spezifikationsgrenze für die genannte mindestens eine verbliebene Artikeleigenschaft schneidet.
Verfahren nach Anspruch 7, 25 oder 26, wobei dieses ferner das Bestimmen des Wertes der Prädiktoreigenschaft umfasst, an dem das dem Regressionsmodell zwischen der Prädiktoreigenschaft und der genannten mindestens einen verbliebenen Artikeleigenschaft zugeordnete untere Prädiktionsintervall die obere Spezifikationsgrenze für die genannte mindestens eine verbliebene Artikeleigenschaft schneidet.
Verfahren nach Anspruch 22 oder 24, wobei dieses ferner das Lokalisieren der oberen und unteren Spezifikationsgrenzen umfasst, die der Prädiktoreigenschaft zugeordnet sind.
Verfahren nach Anspruch 20, wobei dieses ferner folgendes umfasst: das Lokalisieren der unteren und oberen Spezifikationsgrenzen, die der genannten mindestens einen verbliebenen Artikeleigenschaft zugeordnet sind; das Lokalisieren der oberen Spezifikationsgrenze, die der Prädiktoreigenschaft zugeordnet ist; und das Bestimmen eines maximalen Artikeleigenschaftswertes für die Prädiktoreigenschaft durch Auswahl des kleineren Wertes aus 1) der oberen Spezifikationsgrenze für die Prädiktoreigenschaft; und 2) dem Wert der Prädiktoreigenschaft, bei dem das obere Prädiktionsintervall die obere Spezifikationsgrenze für die genannte mindestens eine verbliebene Artikeleigenschaft schneidet.
Verfahren nach Anspruch 9 oder 29, wobei dieses ferner folgendes umfasst: das Wiederholen des Schrittes des Bestimmens eines minimalen Artikeleigenschaftswertes für eine gewünschte Anzahl verbliebener Artikeleigenschaften in der Mehrzahl von Artikeleigenschaften; und das Bestimmen des am meisten einschränkenden, maximalen Artikeleigenschaftswertes für die Prädiktoreigenschaft, indem der niedrigste maximale Artikeleigenschaftswert ausgewählt wird.
Verfahren nach Anspruch 29, wobei das Verfahren ferner folgendes umfasst: das Lokalisieren der unteren Spezifikationsgrenze, die der Prädiktoreigenschaft zugeordnet ist; und das Bestimmen eines minimalen Artikeleigenschaftswertes für die Prädiktoreigenschaft durch Auswahl des größeren Wertes aus 1) der unteren Spezifikationsgrenze für die Prädiktoreigenschaft; und 2) dem Wert der Prädiktoreigenschaft, bei dem das untere Prädiktionsintervall die untere Spezifikationsgrenze für die genannte mindestens eine verbliebene Artikeleigenschaft schneidet.
Verfahren nach Anspruch 10 oder 31, wobei dieses ferner das Bestimmen eines zulässigen Bereichs für die Prädiktoreigenschaft umfasst, indem der minimale Artikeleigenschaftswert von dem maximalen Eigenschaftswert subtrahiert wird.
Verfahren nach Anspruch 31, wobei dieses ferner folgendes umfasst: das Wiederholen des Schritts des Bestimmens einer minimalen Artikeleigenschaft für eine gewünschte Anzahl von verbliebenen Artikeleigenschaften; und das Bestimmen des am meisten einschränkenden, minimalen Artikeleigenschaftswertes für die Prädiktoreigenschaft, indem der größte, minimale Artikeleigenschaftswert ausgewählt wird.
Verfahren nach Anspruch 11 oder 33, wobei dieses ferner das Bestimmen des maximal zulässigen Bereichs für die Prädiktoreigenschaft umfasst, indem der am meisten einschränkende, minimale Artikeleigenschaftswert von dem am meisten einschränkenden, maximalen Eigenschaftswert subtrahiert wird.
Verfahren nach Anspruch 33, wobei dieses ferner das Bestimmen des Zielfertigungswertes für die Prädiktoreigenschaft umfasst, indem ein Wert zwischen den am meisten einschränkenden minimalen und maximalen Werten für die Prädiktoreigenschaft ausgewählt wird.
Verfahren nach Anspruch 20 oder 33, wobei dieses ferner das Bestimmen des Zielfertigungswertes für die Prädiktoreigenschaft durch Auswahl des Mittelpunktwertes zwischen den am meisten einschränkenden minimalen und maximalen Werten für die Prädiktoreigenschaft umfasst.
Verfahren nach Anspruch 36, wobei der Schnittpunkt des Zielwertes für die Prädiktoreigenschaft und des Zielwertes mindestens eines verbliebenen Eigenschaftswertes bestimmt wird, im Verhältnis zu dem Regressionsmodell zwischen der Prädiktoreigenschaft und der genannten mindestens einen verbliebenen Artikeleigenschaft.
Verfahren nach Anspruch 28, wobei das Auswählen der Prädiktoreigenschaft zumindest teilweise auf einer Schätzung der Fähigkeiten jeder Artikeleigenschaft als prädiktiv für die anderen Artikeleigenschaften in der Mehrzahl von Artikeleigenschaften basiert.
Verfahren nach Anspruch 38, wobei das Auswählen der Prädiktoreigenschaft das Berechnen von Korrelationskoeffzienten zwischen allen oder einer Teilmenge der Artikeleigenschaften umfasst; wobei auf der Basis der berechneten Korrelationskoeffizienten ein Wert bestimmt wird, der die prädiktive Fähigkeit einer ersten Artikeleigenschaft im Verhältnis zu allen anderen Artikeleigenschaften anzeigt; wobei das Bestimmen eines Wertes, der die prädiktive Fähigkeit für alle Artikeleigenschaften anzeigt, wiederholt wird; und wobei eine Prädiktoreigenschaft zumindest teilweise auf der Basis der Werte ausgewählt wird, welche die prädiktiven Fähigkeiten der Artikeleigenschaften anzeigen.
Verfahren nach Anspruch 15 oder 39, wobei die Prädiktoreigenschaft als die Artikeleigenschaft ausgewählt wird, die dem Wert zugeordnet ist, der die höchste prädiktive Fähigkeit anzeigt.
Verfahren nach Anspruch 15 oder 39, wobei dieses ferner die Rangordnung der Artikeleigenschaften auf der Basis von Werten umfasst, die bei dem Bestimmen eines Wertes erzeugt werden, welcher die prädiktive Fähigkeit anzeigt.
Verfahren nach Anspruch 15 oder 39, wobei das Bestimmen eines Wertes, der die prädiktive Fähigkeit anzeigt, das Berechnen des mittleren Korrelationskoeffizienten für jede Artikeleigenschaft umfasst.
Verfahren nach Anspruch 15 oder 39, wobei das Bestimmen eines Wertes, der die prädiktive Fähigkeit anzeigt, das Berechnen des Mittelwertes der Absolutwerte der Korrelationskoeffizienten für jede Artikeleigenschaft umfasst.
Verfahren nach Anspruch 14 oder 38, wobei das Auswählen der Prädiktoreigenschaft das grafische Bestimmen der Artikeleigenschaft mit den größten prädiktiven Fähigkeiten umfasst.
Verfahren nach Anspruch 14 oder 38, wobei die Auswahl der Prädiktoreigenschaft ferner auf Faktoren basiert, die der Schätzung jeder Artikeleigenschaft zugeordnet sind.
Verfahren nach Anspruch 45, wobei die Faktoren die wirtschaftlichen Faktoren umfassen, die der Schätzung jeder Artikeleigenschaft zugeordnet sind.
Verfahren nach Anspruch 45, wobei die Faktoren die technischen Faktoren umfassen, die der Schätzung jeder Artikeleigenschaft zugeordnet sind.
Verfahren nach Anspruch 1, wobei dieses ferner das Schätzen des Grads der Korrelation zwischen den Artikeleigenschaften umfasst; sowie das Auswählen der Prädiktoreigenschaft aus der Mehrzahl von Artikeleigenschaften auf der Basis des Schätzschrittes.
Verfahren nach Anspruch 48, wobei dieses ferner das Bestimmen eines maximal zulässigen Bereichs für die Prädiktoreigenschaft umfasst; und nach dem Bestimmen des Regressionsmodells das Verifizieren, das in der Folge erzeugte Artikel mindestens einer Entwurfsspezifikation entsprechen, welche den genannten Artikeln zugeordnet sind, auf der Basis der Schätzung der Prädiktoreigenschaft.
Verfahren nach Anspruch 1, wobei das Regressionsmodell untere und obere Prädiktionsgrenzen aufweist, die untere und obere Spezifikationsgrenzen für die Prädiktoreigenschaft und die erste verbliebene Artikeleigenschaft empfängt; wobei das Verfahren ferner folgendes umfasst: das Lokalisieren im Verhältnis zu dem Regressionsmodell zwischen der Prädiktoreigenschaft und der ersten verbliebenen Artikeleigenschaft des Konformitätsbereichs, der durch die oberen und unteren Spezifikationsgrenzen begrenzt ist, welche der ersten verbliebenen Artikeleigenschaft und der Prädiktoreigenschaft zugeordnet sind; das Lokalisieren des begrenzten Regressionsbereichs für die erste verbliebene Eigenschaft, definiert durch die oberen und unteren Prädiktionsgrenzen des Regressionsmodells und die oberen und unteren Spezifikationsgrenzen für die Prädiktoreigenschaft; und das Identifizieren des Verhältnisses zwischen dem begrenzten Regressionsbereich und dem Konformitätsbereich.
Verfahren nach Anspruch 50, wobei das identifizierte Verhältnis die Struktur der geometrischen Beziehung zwischen dem begrenzten Regressionsbereich und dem Konformitätsbereich kennzeichnet.
Verfahren nach Anspruch 50, wobei das identifizierte Verhältnis die Beziehung zwischen den Begrenzungselementen kennzeichnet, welche den begrenzten Regressionsbereich und die Begrenzungselemente definieren, welche den Konformitätsbereich definieren.
Verfahren nach Anspruch 50, wobei das identifizierte Verhältnis ein Verhältnis aus der Gruppe darstellt, die ein Fehlerpotenzialverhältnis, ein robustes Verhältnis und ein einschränkendes Verhältnis umfasst.
Verfahren nach Anspruch 50, wobei der Schritt des Identifizierens das Bestimmen umfasst, ob der begrenzte Regressionsbereich vollständig innerhalb des Konformitätsbereichs liegt.
Verfahren nach Anspruch 54, wobei dieses ferner, wenn der begrenzte Regressionsbereich vollständig innerhalb des Konformitätsbereichs liegt, das Festlegen der minimalen und maximalen Prädiktoreigenschaftswerte umfasst, die der ersten verbliebenen Artikeleigenschaft zugeordnet sind, auf die entsprechenden unteren und oberen Spezifikationsgrenzen der Prädiktoreigenschaft.
Verfahren nach Anspruch 43 oder 55, wobei der Schritt des Identifizierens ferner das Bestimmen umfasst, ob sich der begrenzte Regressionsbereich oberhalb, unterhalb oder sowohl oberhalb als auch unterhalb des Konformitätsbereichs über den Spezifikationsgrenzenbereich der Prädiktoreigenschaft erstreckt; und wenn dies der Fall ist, das Melden eines Fehlerzustands in Bezug auf die erste verbliebene Artikeleigenschaft.
Verfahren nach Anspruch 50 oder 56, wobei der Schritt des Identifizierens ferner das Bestimmen umfasst, ob ein beliebiges horizontales Segment des begrenzten Regressionsbereichs vollständig in dem Konformitätsbereich enthalten ist, und ob sich ein zweites horizontales Segment teilweise oder vollständig außerhalb des Konformitätsbereichs erstreckt; und wenn dies der Fall ist, das Berechnen der minimalen und maximalen Prädiktoreigenschaftswerte für die erste verbliebene Artikeleigenschaft.
Verfahren nach Anspruch 57, wobei dieses ferner das Speichern der resultierenden minimalen und maximalen Prädiktoreigenschaftswerte zugeordnet zu der entsprechenden verbliebenen Artikeleigenschaft in einer Datenstruktur umfasst.
Verfahren nach Anspruch 58, wobei es sich bei der Datenstruktur um eine Anordnung handelt.
Verfahren nach Anspruch 58, wobei der Schrift des Meldens eines Fehlerzustands das Speichern eines Fehlerbezeichners umfasst, in Zuordnung zu der entsprechenden verbliebenen Artikeleigenschaft.
Verfahren nach Anspruch 59, wobei dieses ferner das Anzeigen der resultierenden minimalen und maximalen Prädiktoreigenschaftswerte oder von Fehlerbezeichnern in Zuordnung zu der entsprechenden verbliebenen Artikeleigenschaft umfasst.
Verfahren nach Anspruch 50, wobei der Schritt des Identifizierens das Bestimmen umfasst, ob alle vertikalen Querschnitte des begrenzten Regressionsbereichs innerhalb des Konformitätsbereichs liegen.
Verfahren nach Anspruch 62, wobei dieses ferner, wenn alle vertikalen Querschnitte des begrenzten Regressionsbereichs innerhalb des Konformitätsbereichs liegen, das Festlegen der minimalen und maximalen Prädiktoreigenschaftswerte umfasst, in Zuordnung zu der ersten verbliebenen Artikeleigenschaft zu den entsprechenden unteren und oberen Spezifikationsgrenzen der Prädiktoreigenschaft.
Verfahren nach Anspruch 50, wobei der Schritt des Vergleichens das Bestimmen umfasst, ob alle vertikalen Querschnitte des begrenzten Regressionsbereichs vollständig oder teilweise außerhalb des Konformitätsbereichs liegen; und wenn dies der Fall ist, das Melden eines Fehlerzustands hinsichtlich der ersten verbliebenen Artikeleigenschaft.
Verfahren nach Anspruch 50, wobei der Schritt des Vergleichens das Bestimmen umfasst, ob mindestens ein vertikaler Querschnitt des begrenzten Regressionsbereichs vollständig innerhalb des Konformitätsbereichs liegt, und ob mindestens ein vertikaler Querschnitt teilweise oder vollständig außerhalb des Konformitätsbereichs liegt; und wenn dies der Fall ist, das Berechnen der minimalen und maximalen Prädiktoreigenschaftswerte für die erste verbliebene Artikeleigenschaft.
Verfahren nach Anspruch 50, wobei der Schritt des Identifizierens das Bestimmen umfasst, ob die unteren und oberen Grenzen des begrenzten Regressionsbereichs vollständig innerhalb des Konformitätsbereichs liegen.
Verfahren nach Anspruch 66, wobei dieses, wenn die unteren und oberen Grenzen des begrenzten Regressionsbereichs vollständig innerhalb des Konformitätsbereichs liegen, das Festlegen der minimalen und maximalen Prädiktoreigenschaftswerte umfasst, in Zuordnung zu der ersten verbliebenen Artikeleigenschaft auf die entsprechenden unteren und oberen Spezifikationsgrenzen der Prädiktoreigenschaft.
Verfahren nach Anspruch 50, wobei der Schritt des Identifizierens das Bestimmen umfasst, ob die unteren und oberen Grenzen des begrenzten Regressionsbereichs nicht den Konformitätsbereich schneiden; und wenn dies der Fall ist, das Melden eines Fehlerzustands in Bezug auf die erste verbliebene Artikeleigenschaft.
Verfahren nach Anspruch 50, wobei der Schritt des Identifizierens das Bestimmen umfasst, ob die untere Grenze des begrenzten Regressionsbereichs die obere Grenze des Konformitätsbereichs schneidet und ob die untere Grenze des begrenzten Regressionsbereichs den Konformitätsbereich schneidet; und wenn dies der Fall ist, das Berechnen der minimalen und maximalen Prädiktoreigenschaftswerte für die erste verbliebene Artikeleigenschaft; wobei im anderen Fall bestimmt wird, ob die untere Grenze des begrenzten Regressionsbereichs die untere Grenze des Konformitätsbereichs schneidet und ob die obere Grenze des begrenzten Regressionsbereichs den Konformitätsbereich schneidet; und wenn dies der Fall ist, das Berechnen der minimalen und maximalen Prädiktoreigenschaftswerte für die erste verbliebene Aritikeleigenschaft.
Verfahren nach Anspruch 50, wobei der Schritt des Identifizierens das Berechnen der oberen und unteren Prädiktionsgrenzwerte für die erste verbliebene Artikeleigenschaft an den oberen und unteren Spezifikationsgrenzen der Prädiktoreigenschaft umfasst; das Bestimmen, ob die oberen Prädiktionsgrenzwerte in dem Berechnungsschritt beide kleiner sind als die obere Spezifikationsgrenze für die erste verbliebene Artikeleigenschaft; und ob die unteren Prädiktionsgrenzwerte in dem Berechnungsschritt beide größer sind als die untere Spezifikationsgrenze für die erste verbliebene Artikeleigenschaft.
Verfahren nach Anspruch 70, wobei dieses, wenn die oberen Prädiktionsgrenzwerte in dem Berechnungsschritt beide kleiner sind als die untere Spezifikationsgrenze für die erste verbliebene Artikeleigenschaft, und wenn die unteren Prädiktionsgrenzwerte in dem Berechnungsschritt beide größer sind als die untere Spezifikationsgrenze für die erste verbliebene Artikeleigenschaft, das Festlegen minimaler und maximaler Prädiktoreigenschaftswerte umfasst, die der ersten verbliebenen Artikeleigenschaft zugeordnet sind, auf die unteren bzw. oberen Spezifikationsgrenzen der Prädiktoreigenschaft.
Verfahren nach Anspruch 50, wobei der Schritt des Identifizierens das Berechnen der oberen und unteren Prädiktionsgrenzwerte für die erste verbliebene Artikeleigenschaft an den oberen und unteren Spezifikationsgrenzen der Prädiktoreigenschaft umfasst; wenn die oberen Prädiktionsgrenzwerte in dem Berechnungsschritt beide größer sind als die obere Spezifikationsgrenze für die erste verbliebene Artikeleigenschaft, das Melden eines Fehlerzustands in Bezug auf die erste verbliebene Artikeleigenschaft; und wenn die unteren Prädiktionsgrenzwerte in dem Berechnungsschritt beide niedriger sind als die untere Spezifikationsgrenze für die erste verbliebene Artikeleigenschaft, das Melden eines Fehlerzustands in Bezug auf die erste verbliebene Artikeleigenschaft.
Verfahren nach Anspruch 50, wobei der Schritt des Identifizierens das Berechnen der oberen und unteren Prädiktionsgrenzwerte für die erste verbliebene Artikeleigenschaft an den oberen und unteren Spezifikationsgrenzen der Prädiktoreigenschaft umfasst; das Bestimmen, ob einer der oberen Prädiktionsgrenzwerte in dem Berechnungsschritt kleiner ist und der andere der oberen Prädiktionsgrenzwerte größer ist als die obere Spezifikationsgrenze der ersten verbliebenen Artikeleigenschaft und ob beide der unteren Prädiktionsgrenzwerte größer sind als die obere Spezifikationsgrenze für die erste verbliebene Artikeleigenschaft; und wenn dies der Fall ist, das Berechnen der minimalen und maximalen Prädiktoreigenschaftwerte für die erste verbliebene Artikeleigenschaft; wobei im anderen Fall bestimmt wird, ob einer der unteren Prädiktionsgrenzwerte in dem Berechnungsschritt kleiner ist und der andere der unteren Prädiktionsgrenzwerte größer ist als die untere Spezifikationsgrenze für die erste verbliebene Artikeleigenschaft, und ob die oberen Prädiktionsgrenzwerte in dem Berechnungsschritt beide kleiner sind als die obere Spezifikationsgrenze der ersten verbliebenen Artikeleigenschaft; und wenn dies der Fall ist, das Berechnen der minimalen und maximalen Prädiktoreigenschaftswerte für die erste verbliebene Artikeleigenschaft; wobei im anderen Fall bestimmt wird, ob einer der oberen Prädiktionsgrenzwerte in dem Berechnungsschritt kleiner ist und der andere der oberen Prädiktionsgrenzwerte größer ist als die obere Spezifikationsgrenze der ersten verbliebenen Artikeleigenschaft; und ob einer der unteren Prädiktionsgrenzwerte in dem Berechnungsschritt kleiner und der andere der unteren Prädiktionsgrenzwerte größer ist als die untere Spezifikationsgrenze für die erste verbliebene Artikeleigenschaft; und wenn dies der Fall ist, das Berechnen der minimalen und maximalen Prädiktoreigenschaftswerte für die erste verbliebene Artikeleigenschaft.
Verfahren nach Anspruch 15, 17, 65 oder 73, wobei der Berechnungsschritt das Bestimmen der Steigung des Regressionsmodells zwischen der Prädiktoreigenschaft und der ersten verbliebenen Artikeleigenschaft umfasst; das Bestimmen des Wertes der Prädiktoreigensschaft, bei dem die obere Prädiktionsgrenze, die dem Regressionsmodell entspricht, die obere Spezifikationsgrenze für die erste verbliebene Artikeleigenschaft schneidet; das Bestimmen des Wertes der Prädiktoreigenschaft, bei dem die untere Prädiktionsgrenze, welche dem Regressionsmodell entspricht, die untere Spezifikationsgrenze für die erste verbliebene Artikeleigenschaft schneidet; wobei, wenn die Steigung des Regressionsmodells positiv ist, der maximale Prädiktoreigenschaftswert, der der ersten verbliebenen Artikeleigenschaft zugeordnet ist, auf den niedrigeren Wert der oberen Spezifikationsgrenze der Prädiktoreigenschaft oder des Wertes der Prädiktoreigenschaft gesetzt wird, bei dem die obere Prädiktionsgrenze, welche dem Regressionsmodell entspricht, die obere Spezifikationsgrenze für die erste verbliebene Artikeleigenschaft schneidet; und wobei der minimale Prädiktoreigenschaftswert, der der ersten verbliebenen Artikeleigenschaft zugeordnet ist, auf den größeren Wert der unteren Spezifikationsgrenze der Prädiktoreigenschaft oder den Wert der Prädiktoreigenschaft gesetzt wird, bei dem die untere Prädiktionsgrenze, die dem Regressionsmodell entspricht, die untere Spezifikationsgrenze für die erste verbliebene Artikeleigenschaft schneidet; wobei im anderen Fall, wenn die Steigung des Regressionsmodells negativ ist, der maximale Prädiktoreigenschaftswert, der der ersten verbliebenen Artikeleigenschaft zugeordnet ist, auf den kleineren Wert der oberen Spezifikationsgrenze der Prädiktoreigenschaft oder den Wert der Prädiktoreigenschaft gesetzt wird, bei dem die untere Prädiktionsgrenze, die dem Regressionsmodell entspricht, die untere Spezifikationsgrenze für die erste verbliebene Artikeleigenschaft schneidet; und wobei der minimale Prädiktoreigenschaftswert, der der ersten verbliebenen Artikeleigenschaft entspricht, auf den größeren Wert der unteren Spezifikationsgrenze der Prädiktoreigenschaft oder den Wert der Prädiktoreigenschaft gesetzt wird, bei dem die obere Prädiktionsgrenze, die dem Regressionsmodell entspricht, die obere Spezifikationsgrenze für die erste verbliebene Artikeleigenschaft schneidet.
Verfahren nach Anspruch 50, wobei dieses ferner die Schritte des Wiederholens des Bestimmens des Regressionsmodells umfasst, des Empfangs der Spezifikationsgrenzen, des Lokalisierens des Konformitätsbereichs, des Lokalisierens des begrenzten Regressionsbereichs und des Identifizierens der Beziehung für alle gewünschten verbliebenen Artikeleigenschaften umfasst.
Verfahren nach Anspruch 75, wobei dieses ferner das Anzeigen der identifizierten Beziehungen umfasst.
Verfahren nach Anspruch 75, wobei dieses ferner das Speichern der identifizierten Beziehungen in einer Datenstruktur umfasst.
Vorrichtung zum Erleichtern von Entwurfs- und Fertigungsprozessen, dadurch gekennzeichnet, dass die Vorrichtung folgendes umfasst: ein Dateneingangsmodul (102) für den Empfang einer Mehrzahl von Eigenschaftswerten von Artikeln, die einer Gruppe von Artikeln zugeordnet sind, mit einem Variationsbereich in Bezug auf eine Mehrzahl von Artikeleigenschaften, die aus einem Prozess resultieren; ein Korrelationsmodul (106) zur Auswahl einer Prädiktoreigenschaft aus der Mehrzahl von Artikeleigenschaften; und ein Regressionsmodul (104) zum Bestimmen des Regressionsmodells bzw. der Regressionsmodelle zwischen der Prädiktoreigenschaft und mindestens einer der verbliebenen Artikeleigenschaften in der Mehrzahl von Artikeleigenschaften.
Vorrichtung nach Anspruch 78, wobei das Dateneingangsmodul (102) ferner so funktionsfähig ist, dass es einen Zielwert für die Prädiktoreigenschaft und einen Zielwert für mindestens eine verbliebene Artikeleigenschaft empfängt; und wobei die Vorrichtung so funktionsfähig ist, dass sie den Schnittpunkt des Zielwertes für die Prädiktoreigenschaft und des Zielwertes einer ersten verbliebenen Artikeleigenschaft im Verhältnis zu dem Regressionsmodell zwischen der Prädiktoreigenschaft und der ersten verbliebenen Artikeleigenschaft bestimmt.
Vorrichtung nach Anspruch 78, wobei das Regressionsmodul (104) so funktionsfähig ist, dass es die entsprechenden oberen und unteren Prädiktionsintervalle bestimmt, die dem bzw. den Regressionsmodell(en) zwischen der Prädiktoreigenschaft und mindestens einer der verbliebenen Artikeleigenschaften zugeordnet ist.
Vorrichtung nach Anspruch 80, wobei das Dateneingangsmodul (102) ferner funktionsfähig ist, um: untere und obere Spezifikationsgrenzen für die genannte mindestens eine Artikeleigenschaft zu empfangen; untere und obere Spezifikationsgrenzen für die Prädiktoreigenschaft zu empfangen; und wobei die Vorrichtung ferner funktionsfähig ist, um: die unteren und oberen Spezifikationsgrenzen zu lokalisieren, die der genannten mindestens einen verbliebenen Artikeleigenschaft zugeordnet sind; und einen maximalen Artikeleigenschaftswert für die Prädiktoreigenschaft zu bestimmen, indem der kleinere Wert folgender Werte ausgewählt wird: 1) der oberen Spezifikationsgrenze für die Prädiktoreigenschaft; und 2) der Wert der Prädiktoreigenschaft, bei dem das obere Prädiktionsintervall die obere Spezifikationsgrenze für die genannte mindestens eine verbliebene Artikeleigenschaft schneidet.
Vorrichtung nach Anspruch 81, wobei die Vorrichtung ferner derart funktionsfähig ist, um: das Bestimmen eines maximalen Artikeleigenschaftswertes für eine gewünschte Anzahl von verbliebenen Artikeleigenschaften der Mehrzahl von Artikeleigenschaften zu wiederholen; und das Bestimmen des am meisten einschränkenden maximalen Artikeleigenschaftswertes für die Prädiktoreigenschaft, indem der kleinste maximale Artikeleigenschaftswert ausgewählt wird.
Vorrichtung nach Anspruch 78, wobei das Korrelationsmodul (106) derart funktionsfähig ist, dass es die Prädiktoreigenschaft zumindest teilweise auf der Basis einer Schätzung der Fähigkeit jeder Artikeleigenschaft prädiktiv zu sein für alle oder eine Teilmenge der Artikeleigenschaften in der Mehrzahl von Artikeleigenschaften auswählt.
Vorrichtung nach Anspruch 83, wobei das Korrelationsmodul (106) derart funktionsfähig ist, um: die Korrelationskoeffizienten zwischen allen oder einer Teilmenge der Artikeleigenschaften zu berechnen; auf der Basis der berechneten Korrelationskoeffizienten einen Wert zu bestimmen, der die prädiktive Fähigkeit einer ersten Artikeleigenschaft im Verhältnis zu allen anderen Artikeleigenschaften anzeigt; das Bestimmen eines Wertes zu wiederholen, der die prädiktive Fähigkeit für die genannten alle oder eine Teilmenge der Artikeleigenschaften anzeigt; und das Auswählen einer Prädiktoreigenschaft zumindest teilweise auf der Basis der Werte, die die prädiktiven Fähigkeiten der Artikeleigenschaften anzeigen.
Vorrichtung nach einem der Ansprüche 78 bis 84, wobei mindestens ein Modul des Korrelationsmoduls (106) und des Regressionsmoduls (104) durch Software implementiert wird.