数字工具的使用改变了制造工序中的质量控制流程
实体夹具现在已经被当做数字模型，而奥迪公司称，它将逐步成为存在于数字（即虚拟世界）中的概念。公司正在巴伐利亚因戈尔施塔特工厂开发“数字总夹具”的概念 — 有效利用机器人来控制光亮传感器，收集实体车辆组件模型上的综合数据，提高质量，压缩开发时间。
总夹具及测量技术主任Marcus Hoffmann说，“我们这几年在奥迪一直使用数字方案，因为触觉传感器测量的数值已经是数字数据了。新增的是获得数据的能力，通过视觉传感器在一次测量中就获得整个表面数据。这就意味着，我们现在能够检测大的表面数据，甚至是在很短的时间内获得整个车辆的数据。”现在的难题是“处理庞大的数据”，但回报也是巨大的，因为“数据可以在全球获取”。
Hoffmann证实说，因戈尔施塔特在内饰和外饰上使用很多单元，其中很多都是2017年刚刚投入使用的。其中还涉及到使用“外部函数数据集”创造“当地零参照环境”。Hoffmann说，数据集适用于检测外部组建与设计数据的一致性，“不仅可以检测特定的零部件，而且还可以检测直接与他们相接的其他零部件。”
正如Hoffmann解释的那样，系列汽车生产中的组件必须与总夹具的质量状态相符，但是这种状况现在已经成为参考样本，并不需要保留实体组件。他说，“整个表面的数字组建数据现在都可以通过电脑进行分析，不需要储存参考样本来进行额外测量或检定状态。”
固体零部件和数字模型Hoffmann还说，这种方法可以促进制造用零部件和数字组件模型的开发进程。比如新款Audi RS Avant中的加油口翻门。在早期开发阶段，车体组件的数据只是CAD数据，然后与制造用数据库的数字测量数据进行虚拟合并。接触面弧度、轮廓及半径集合数据的交互分析可以让质保工人识别哪里需要修正，速度要比之前快得多，而且在装配之前就完成。他强调称，“在奥迪，数字零部件与实体零部件的匹配是经过实践考验的。”
该技术在汽车内饰中的应用是借鉴外饰的，但Hoffmann说：“内饰功能总夹具已经成功应用于A8和A7制造商。现有的夹具用于评估和优化几和变体，比如组件安装以及其他观感方面，比如表面、紧密度、噪音及触觉性能。但是现在的功能内饰总夹具能让我们探索新的领域，比如功能调节、光泄漏分析，以及图形用户接口调节。”
此外，Hoffmann说，这种方法的好处还能延伸到供应商，因为他们的操作更加简便，而且速度可以明显加快。他解释说，“潜在的零部件误差可以立即检测并修正。这是基于数字参考样本进行的，而且可以保证快速获得，并在全球通用，在奥迪工厂和全球供应商之间交换。”此外，这个技术还要进行更加密集探索。Hoffmann说，“新的难题在于如何模仿力度和材料效果，但是如果我们达到目的就能节省增材实体车辆模型。”
测量站在另一个地方，即波兰弗热希尼亚大众工厂里，线下和线上混合光学检测正在发挥效果。公司在该厂每年生产100,000个Crafter和MAN TGE厢式车。类似的活动在占地5,400平方米的气候控制“测量实验室”里进行，这里的设备包括1个线下5个线上机器人光学测量站 — 这套设备测量精度达到+/-0.5mm，还能预备级验证在线设备，而不需要中断制造流程。
所有的工作站都采用Zeiss AlMax传感器，而且工厂的焊接使用同种型号的6轴机器人。因此，两种质控及生产设备的标准化都用于支持高水平产品变异性，大众高的最终目标就是在这占地220万平方米的工厂，将目前29个Crafter变体产量提高到大约60个。
Carl Zeiss Industrial Metrology公司车体方案部长Dr Kai-Udo Modrich也强调了这一点。他证实称，汽车零部件包括底部、左右两侧，以及开放及闭合主车体。他说，“在一个循环内可以进行100%的所有程序相关特点的测量”。他还补充说，这里还有成百上千个特定零部件都是用这种方法测量的，包括“重要的装配及固定点，比如汽车、气囊、减震器、座椅和排气系统”。大体上讲，就是识别“这种特性的个体位置”，但是在使用个多种测量特点功能特点来计算对称、距离、长度、移位的时候，也要考虑功能特性，才能保证整个功能性和装配一致性。
加拿大一家以及供应商正在使用联网数字3D扫描工件，可以让线侧操作员检测汽车支架。特别的是，公司正在使用的Gocator扫描设备来自LMI 3D机器人家测站，是由系统集成商Bluewrist创造，里面用到很多软件项目，用于创造屏幕图形，能够识别工件一致性。这些项目包括Bluewrist公司的SPCWorks报告系统，生成的报告可以被草组员读取，comXstream数据交流平台能够综合机器人、传感器和编程控制器。据Bluewrist市场部经理Jason Tsiu称，这套设备的关键特点是，能够提供“实施动向”，因此任何超出规定的制造都能在可承受产品质量水准范围内的时候被查出。
Dr Modrich证实称，在线测量系统能够迅速识别所有的“随机错误（由于工具损坏造成的生产中断）”。他说，“通过统计过程控制，可以识别生产中的飘逸，并发生重大错误之前就纠正。另外，在因为残品工具而出现生产中断之前，就可以启动预防性维修措施。也就是说，有100%的中间控制，可以纠正制造流程，因为获得了现场数据。”
这种方法还具有一定的灵活性，成为一个新工厂的特点 — 在进行零部件量产的过程中，继续向系统增添更多的零部件。Dr Modrich说，“因为商用车具有很多不同的变体，因此已经出现30多个不同的侧板，这就需要不同的机器人路径程序，抵达不同的测量地点。”
Dr Modrich继续说，“我们向客户推荐建立一个线下工作站，这个工作站要与其他5个实体设计工作站完全一致。在线下工作站预备新型号程序，并进行初步的修改，然后就可以用到生产线上。每个车型都可以节约大量的时间。”AlMax传感器可以在一个单元中提供3个测量原理 — 复线三角测量、灰度图像处理和阴影分析 — 通过这些可以测量复杂的几何特征，比如特殊的镗孔、小孔、螺纹、焊接螺母、裂缝。此外，通常机器人每个测量点移动时间为1.8-3.0秒。
大众公司对顶级技术与综合通信的混合现状非常满意。工厂PWQ-3/1 QS分析及测量部长Werner Steinert说，“我们认为，这种方法能让我们很快找到那里需要修正。”他说，每个工作站里的检测器都能向操作员清楚展示如何关闭已经接近极限的特性。他解释说，“公差达到75%的，我们就会密切关注。”
事实上，质量保证部门的工程师们通常能够通过检查AlMax传感器上照相机获得的图像，识别容差的原因。Steiner说，“如果镗孔上有粘合剂，我们就能更加容易决定，避免过后重新加工零部件。”
复合材料加工与此同时，总部在密歇根的Plasan Carbon Composites公司已经研究出一种传感技术与联网分析软件的混合方法，优化穿心生产流程也能过的质控环节。公司生产碳纤维组件，比如引擎盖、顶棚和侧板，利用高压，在最多90分钟就能在必要的高温和压力下“凝固”组合材料零部件。但是公司最近采用了新的测量方法，首次使用这种压力机专利技术，直接加热模具表面，将热量更快地传递给碳纤维。他们所，这种方法可以减少凝固时间，将Class A组件的宁都时间减少到20分钟以内。
大众对顶级穿叹气技术与综合通讯的混合结果非常满意这种方法还带来很多新的复杂的变体，公司对此没有方法捕捉和记录，导致最初的时候出现无法接受的碎片和质量瑕疵。因此，Plasan寻求软件方法，记录和报告每个零部件经过压力机的参数。这么做的目的就是将碎片率从10%左右降低到4%以下，每年能够节约数百万美元。这种软件系统采用了Rockwell Automation公司研发的Factory Talk Historian Site Edition（SE）和FactoryTalk VantagePoint企业制造智能软件。
Plasan控制工程师Danny McKinnon说，新的流程是数据密集型的。他说，“我们的压力机速度之所以这么快，是因为我们控制了温度、真空和压力 — 这是一个非常复杂的过程。我们还记录了操作员信息、工具号码、印编号和所有流程的信息。我们发现，这些是导致大部分质量问题的原因，但是们有人留意区记录。”
MicKinnon继续说，“所有的参数都会记录每周7天，每天24小时的每一秒。”数据在压力机排序之后“破坏”，因此当压力机循环运行的时候，序号就会趋于某个数字之间，这个范围之外的数字就是停机时间。他解释说，“当运行VantagePoint的时候，你就能撤回数据，这些数据使根据系列数据或孔子符号的时间频率为基础的。然后你就能打开这个建立在时间循环基础上的报告，获得循环图示。”
机械本身和Historian软件都已EtherNet/IP作为网络协议。MiKinnon证实说，“为了我们能成功实行Historian，我摩恩不得不升级我们的整个工厂和机械网络基础设施，才能连接所有点。这样我们就嫩刚看到来自最小传感器上的实施数据，不管它在世界的那个角落，都可以通过互联网和正确的安全协议获得。我的目的是制造Plasan‘智能工厂’ — 我们已经成功了一半。”
McKinnon总结说，“压力机是最要的挑战，我们要做的是之前无人尝试过的。但是我们我们已经朝着预期方向前进了。我们已经在那些压力机里连载了196,000个零部件，而且我们能够回看所有的程序数据。现在，我们大部分次级过程都已近管连接到Historian，有助于我们减少废料。”