La compleja cadena de procesos en la producción de lentes oftálmicos está sujeta a innumerables parámetros de influencia a lo largo de cada paso del proceso. Las desviaciones individuales de estos parámetros pueden llegar a reducir gravemente la calidad del producto final, los anteojos. Por lo tanto, en teoría, se gana el control del proceso midiendo y monitoreando cada parámetro en un gráfico de control y reaccionando instantáneamente a las desviaciones significativas mediante ajustes.
Si se considerapor ejemplo el parámetro de control “temperatura” se mide mediante un sensor dentro de un horno de curado. Este parámetro se retroalimenta a la electrónica de control de temperatura, que a su vez cambia la magnitud del parámetro “corriente de calentamiento”. De este modo, la temperatura medida se ajusta a la temperatura objetivo. En este caso, el control del proceso es sencillo.Ahora el siguiente paso es monitorear la temperatura más o menos fluctuante y conectar la temperatura real del horno a cada lente (o lote) en una base de datos. Esta es la clave para conectar las desviaciones en la calidad con las fluctuaciones a lo largo de la cadena del proceso.
El monitoreo de datos es, para este ejemplo de una lectura de temperatura simple, solo una cuestión técnica de conectar la salida del sensor a una base de datos digital. Aun así, si su proceso depende de muchos de estos parámetros, el monitoreo sistemático se convierte en un desafío.
En el otro extremo de la escala de complejidad, se considera el paso de inspección de los lentes después de la superficie: en ese caso, los datos medidos no solo consisten en unos “pocos” parámetros generales. Para cada lente se crea una enorme cantidad de datos, cada uno de los cuales requiere una evaluación algorítmica elaborada. Además de eso, cada lente necesita un manejo individual para colocarse con precisión en la sofisticada configuración de metrología. En este entorno, la combinación de robótica y digitalización despliega todo su beneficio.
Todos saben que nunca se puede obtener la medición exacta de todos los parámetros a lo largo de una cadena de procesos yque posteriormente, el control exacto de todos los factores de influencia no es posible. El gran desafío en el dominio de procesos es la determinación de aquellos parámetros que más influyen en la estabilidad del proceso. Por lo tanto, no importa qué herramientas sofisticadas de metrología o análisis de datos se utilice, la base es una sólida ingeniería de procesos con un profundo conocimiento de las interdependencias dentro y entre los pasos del proceso. Solo se pueden cosechar los beneficios en el campo de la robótica y la digitalización con una sólida comprensión de los procesos.
La comprensión adecuada de los procesos existentes produce interfaces bien definidas para los nuevos enfoques de robótica y digitalización. Todos saben lo tedioso que puede ser controlar un proceso basado en tablas de temperatura y conductividad escritas a mano tres veces al día.
Para el control del proceso en tiempo real, es inevitable tener todos los datos relevantes disponibles en formato digital. Básicamente, el laboratorio se convierte en una Internet de las cosas (IoT). Cada equipo, cada medidor, cada sensor debe estar conectado a una base de datos central. Y, como se mencionó anteriormente, en muchos casos esta adquisición de datos a gran escala no puede integrarse en el proceso existente simplemente “al paso”. Muchas medidas clave requieren un manejo extenso. Esta es la razón por la que las nuevas perspectivas de la robótica y la automatización abren caminos completamente nuevos para los proveedores de equipos.
En los últimos años, muchos fabricantes de equipos ampliaron sus actividades de I + D a los campos del software y la gestión de datos. El Dr. Christian Laurent, jefe de desarrollo de A&R, informa que recientemente su compañía lanzó un DataHub recientemente desarrollado en el campo. El núcleo del sistema es una base de datos central que se comunica directamente con la metrología del laboratorio sobre la calidad del producto y alimenta constantemente estos datos en algoritmos analíticos inteligentes. Mediante la automatización y la digitalización se pueden evaluar estadísticamente una enorme cantidad de datos en tiempo real, generando patrones e interdependencias, que a su vez pueden retroalimentarse para controlar el proceso de producción. Las fluctuaciones en el proceso se pueden compensar antes de que se produzca una infracción de las especificaciones del cliente.
Los robots dominan los complejos pasos de manipulación
En el contexto de la fusión de la automatización con la metrología, vale la pena echar un vistazo a la interfaz entre el proceso de surfacing y el coating. Se describe un asombroso conjunto de robótica y reconocimiento de imágenes. En el pasado, un operador movía manualmente los lentes de las bandejas de trabajo a la cinta transportadora del limpiador de cepillos. En ese movimiento, con una breve mirada, el operador revisaba los lentes en busca de daños o residuos inaceptables después de la limpieza previa. En paralelo, el operador movía el ticket de trabajo de una bandeja a otra.
El desafío es la complejidad del aparentemente simple paso del trabajo humano. En ese caso, un ejemplo de solución es un sistema lineal para la transferencia de ticket, un sistema robótico SCARA (= brazo de ensamblaje de cumplimiento selectivo) para el manejo del lente y un simple sistema de cámara CCD para la inspección. Hay muchas secuencias de movimientos humanos que, en términos de velocidad, ningún robot podría alcanzar.
De hecho, el punto clave es que un robot realiza una secuencia de movimiento siempre de la misma manera, independientemente de factores como la aptitud personal o el entrenamiento del operador. Al considerar la estabilidad del proceso, esta es la causa de la ventaja decisiva. Y esto es particularmente importante para un paso de inspección visual. Los algoritmos de evaluación para los datos CCD definen criterios cuantitativos y medibles para residuos o daños permitidos y no permitidos. Una inspección visual por parte de los operadores siempre deja espacio para la subjetividad. Por lo tanto, la combinación de robótica e inspección por cámara basada en software aumenta la calidad de los datos de proceso disponibles. Es menos probable que se procesen lentes inadecuados y que los datos cuantitativos se puedan utilizar para el seguimiento de la calidad y la mejora continua.
Otro ejemplo vívido de que la automatización es el facilitador de la metrología. Describe las posibilidades de una cadena de control para el proceso de superficie de free form. Una encuesta del mapa de potencia de cada lente en la inspección automatizada justo después del desbloqueo produce un mapa de error para cada lente. Este es un mapa en color de las desviaciones locales con respecto a la superficie del lente. Sobre la base de dichos mapas de error, se calculan los conjuntos de datos de desviación de diseño. Principalmente esto permite evaluar individualmente la tolerancia de cada lente.
Pero la característica esencial en relación con el DataHub es la evaluación estadística de todos los mapas de error de todos los lentes. Como la desviación esperada (es decir, tolerada) para cada posición en el lente no es una constante en toda la superficie y también difiere de un lente a otro, su cálculo es bastante sofisticado. Pero al analizar cada forma libre individual frente al mapa de errores medido realmente, los algoritmos inteligentes pueden, mediante la aplicación de ciertos criterios, sacar conclusiones sobre la estabilidad del proceso de superficie de forma libre frontal.
Por estos medios analíticos es posible, en tiempo real, rastrear desviaciones sistemáticas hacia ciertos pasos del proceso, ciertas máquinas y ciertas causas raíz, y ajustar instantáneamente los parámetros del proceso relacionados en el proceso de surfacing.
Para obtener aún más control del proceso y mejorar la calidad del lente, se sugiere medir la superficie frontal de cada lentesemiacabado antes de que ingrese a la superficie de free form. Según su experiencia, estas superficies tienden a desviarse significativamente de las especificaciones. Por un lado, los parámetros de free form para cada lente podrían ajustarse instantánea e individualmente para producir mejores resultados de free form. Por otro lado, el conocimiento del estado inicial exacto de la superficie antes del procesamiento de free form aumenta en gran medida la eficiencia de los mecanismos de control del proceso descritos anteriormente. El factor esencial para la creación de esta enorme cantidad de datos es una automatización inteligente del complejo flujo de trabajo de medición.
PhilippeVaudeleau, director ejecutivo de FISA, fabricante de equipos de limpieza y antirayas, considera la automatización como parte del ADN de su empresa. Por ahora, los equipos de FISA solo vienen con procesos totalmente automatizados. Aparte de la reducción de los costes laborales, para Vaudeleau la estabilización de los procesos es el mayor beneficio para sus clientes de la automatización. La automatización está estrechamente relacionada con la digitalización y la adquisición de datos de procesos.
Los robots colaborativos están equipados con sensores avanzados y funciones de seguridad que permiten a los humanos trabajar junto a ellos, mientras que un robot clásico representa un peligro severo para el personal humano y debe mantenerse por separado. El aumento de los cobots, como estima Vaudeleau, tendrá un impacto significativo en el grado de automatización en las industrias oftálmicas. Para cargas pequeñas como anteojos, los cobots son lo suficientemente asequibles y lo suficientemente rápidos ahora como para desempeñar un papel importante.
Fuente: https://mafo-optics.com/pushing-the-frontier-of-automation
.
.
