Veco automatiseert zijn testproces met behulp van Symbol
Symbol heeft Veco Precision geholpen bij het automatiseren van zijn testproces. Het testen van de micro-precisie metalen onderdelen is nog grotendeels mensenwerk, en daardoor zowel arbeidsintensief als foutgevoelig. Symbol-data scientist Sjoerd de Vries dacht mee over het proces en identificeerde de relevante dataset, zodat de foutmarge van het geautomatiseerde testsysteem kon worden geminimaliseerd.
Wanneer een bedrijf op zoek is naar metalen onderdelen die tot op de micrometer precies zijn ontworpen, kloppen ze vaak aan bij Veco Precision. Sinds de oprichting in 1934 is het Eerbeekse bedrijf uitgegroeid tot de wereldleider in zogeheten micro-precisie metalen onderdelen. Denk bijvoorbeeld aan filters voor medische appratuur of gasinstallaties.
Op de keurafdeling van Veco wordt getest of de producten wel aan de hoge kwaliteitseisen voldoen. Dit wordt vaak nog gedaan met door mensenogen, met behulp van een microscoop. Veco wil dit proces echter automatiseren, mede omdat de gefabriceerde onderdelen almaar preciezer worden.
100% betrouwbaar testen
Besloten werd om te beginnen met het testproces van een van de best verkochte producten van Veco: de inkjet nozzle plate, het meest kritische onderdeel van een inkjet-printkop. De plates moeten voldoen aan hoge standaarden met betrekking tot aspecten als de mondstukvorm, gatgeometrie en chemische en mechanische stabiliteit. Daarom wordt iedere inkjet nozzle plate uitvoerig getest op onder meer krassen, verontreinigingen en oneffenheden.
Daarbij blijken mensen echter niet onfeilbaar. “Om te beginnen moet een meetsysteem iedere keer dezelfde uitspraak doen”, vertelt Director Operations Joris Keizers. “Dat is niet het geval bij keuren met het menselijk oog, want sommige medewerkers zien bepaalde fouten wel en anderen niet. Wat is dan de waarheid? Een geautomatiseerd meetsysteem geeft iedere keer hetzelfde oordeel, wat de kwaliteit van onze geleverde producten veel consistenter maakt.”
Naast het menselijke testen werkte Veco al wel een tijdje met een geautomatiseerd meetsysteem, een inspectiesysteem voor oppervlakte-inspectie, “maar dat werkte niet 100%”, aldus Ard Vlooswijk, Lead Engineer Metrology. “We haalden wel veel data uit het systeem, maar konden daar nog onvoldoende goede conclusies uit trekken. Daar moest verandering in komen, zodat onze machine betrouwbaardere uitspraken kon gaan leveren over de kwaliteit van onze delen.”
“Een ander doel was het verder automatiseren en daardoor goedkoper maken van het proces”, vult Keizers aan. “En ons laatste doel was het makkelijker schaalbaar maken van het proces, iets wat met geautomatiseerd keuren mogelijk is.”
Een goed begin is het halve werk
Om te helpen deze doelen te realiseren werd Sjoerd de Vries ingeschakeld, Data Scientist en Senior Consultant Manufacturing Master Black Belt bij Symbol. “Ik word vaak door klanten benaderd wanneer ze een product en/of proces hebben dat ze naar een hoger niveau willen tillen of wanneer een product of proces in een ‘dipje’ zit”, vertelt De Vries. “Ik kijk dan naar twee dingen: welke verbeteringen er mogelijk zijn én hoe we ervoor kunnen zorgen dat het dipje niet weer ontstaat.”
Er werd een plan opgesteld om het percentage correct oordeel van het geautomatiseerde meetsysteem omhoog te brengen. “Om dit te halen hebben we een team samengesteld bestaande uit Sjoerd, een data scientist en ik”, vertelt Vlooswijk. “Samen hebben we ervoor gezorgd dat het plan succesvol is doorlopen. Sjoerd was zes maanden lang, drie dagen per week bij ons on site en zo hebben we snel slagen kunnen maken. Sjoerd heeft data analyses gedaan en heeft beelden geanalyseerd en daar informatie uitgehaald en aan ons gerapporteerd. Ik hing er vervolgens het menselijk oordeel tegenaan.”
Terwijl klanten het weleens vreemd vinden, begint De Vries nooit met het analyseren van de beschikbare data. “Om een klant écht te kunnen helpen, moet je namelijk eerst het volledige proces begrijpen”, legt hij uit. “Waarom willen ze dit? Wat is het doel? Wat zijn de uitdagingen? Waar denken ze zelf dat het probleem zit? Ik stel vragen, en veel ook. Alleen zo kan ik in een korte periode op hetzelfde niveau als de klant komen – of zelfs daarboven gaan zitten – en kan ik goed advies geven.”
De juiste data
Daarbij is het vinden van de juiste dataset essentieel: “Ongeveer 80% van mijn tijd gaat naar pre-data mining – het voorbereiden – en slechts 20% naar data mining – het daadwerkelijke analyseren van de data. Leuk detail: ik ga áltijd met een andere dataset aan de slag dan de klant van tevoren denkt. Er is een groot verschil tussen big data – de hype van tegenwoordig – en right data. Het vinden van de juiste data binnen een big dataset is namelijk een veel grotere uitdaging dan het alleen analyseren van een big dataset.”
“Sjoerd had de gave om dingen niet té complex te maken, maar wel complex genoeg”, zegt Keizers hierover. “Het meetsysteem maakt per product dat we maken bijvoorbeeld driehonderd foto’s. Sjoerd heeft met slimme methodes de balans opgemaakt tussen wat statistisch relevant is en wat alleen ‘leuk is om te weten’. Wij zijn allemaal techneuten en duiken graag in al die beelden en pixels – in de details dus. Sjoerd heeft ons geleerd om niet te kijken naar wat er mogelijk is, maar wat er nodig is.”
“Ik ga áltijd met een andere dataset aan de slag dan de klant van tevoren denkt.”
“Sommige problemen zag Sjoerd bijvoorbeeld drie keer, andere problemen honderd keer, weer andere problemen duizend keer”, voegt Vlooswijk toe. “Sjoerd heeft gekeken wat de meest voorkomende problemen in het meetsysteem onderscheidt van de andere gevallen, en die parameters hebben we in het systeem geïmplementeerd.”
Klaar voor de toekomst
Tijdens het traject bleek ook dat de beeldanalysesoftware die De Vries gebruikte beter werkte dan de software die Veco gebruikte. “In de eerste fase van het project hebben we een stap gezet in het verbeteren van het percentage correct oordeel, aan de hand van de software van Sjoerd”, vertelt Vlooswijk. “Dat bleek technisch goed haalbaar. De volgende stap was nogmaals een verhoging van dit percentage, maar ook het omschakelen naar nieuwe software op ons meetsysteem.”
Inmiddels zijn deze stappen succesvol doorlopen. “Een flinke klus waar ik onze data scientist de meeste credits voor moet geven en waar Sjoerd en ik onze steentjes natuurlijk ook aan hebben bijgedragen”, aldus Vlooswijk. “De klus is geklaard, en de software is up and running.”
Daarmee is het verbeterteam echter nog lang niet klaar. Nu dit pilotproject is geslaagd willen Keizers en Vlooswijk het geautomatiseerd keuren verder uitrollen naar andere producten. Keizers: “We zijn samen met Sjoerd gestart met een product dat we veel verkopen, de inkjet nozzle plate. Daarvoor hebben we alle gewenste resultaten (bijna) behaald. Nu kunnen we verbetertrajecten voor andere, vergelijkbare producten zelf oppakken. Kortom, we zijn klaar voor de toekomst.”
