RENUMBER - Differenzierung zwischen Messunsicherheit und Modellfehler bei der Beschreibung von Messprozessen

 

Messprozesse unterliegen stets einer Unsicherheit, so dass die aus den Messdaten abgeleiteten Aussagen ebenfalls unsicher sind. Ist die Messunsicherheit bei einer Produktprüfung zu hoch und liegt das betrachtete Merkmal nahe an den Spezifikationsgrenzen, ist die Entscheidung, ob das Merkmal innerhalb oder außerhalb der Spezifikation liegt, risikobehaftet. So können korrekt produzierte Teile irrtümlich aussortiert, oder fehlerhafte Teile fälschlicherweise freigegeben werden.

Da ohne Kenntnis der Messunsicherheit das Risiko von Fehlentscheidungen nicht bestimmt und damit nicht kontrolliert werden kann, sind Messwerte ohne Messunsicherheitsangabe wertlos. Um die Messunsicherheit zu bestimmen, wird das sog. Modell der Messung benötigt. Mit diesem Modell wird die Messunsicherheit basierend auf den natürlichen Schwankungen der Eingangsgrößen bestimmt. Systematische Abweichungen innerhalb des Messprozesses werden bei der Bestimmung des Messunsicherheit berücksichtigt, sofern diese nicht zu eliminieren sind. Abweichungen zwischen Realität und Modell im Sinne eines Modellfehlers, werden bei der Bestimmung der Messunsicherheit jedoch oftmals nicht berücksichtigt. Das führt dazu, dass die angegebene Messunsicherheit ggf. zu groß abgeschätzt wird und Kosten durch die fehlerhafte Angabe der Fertigungstoleranzbreite entstehen.

Im Forschungsprojekt „RENUMBER“ wird ein Verfahren entwickelt, das die Differenzierung zwischen Messunsicherheit und Modellfehler adressiert. Das Verfahren basiert auf einem Bayes’schen Ansatz und der Modellbildung mittels Machine Learning.

Um das Verfahren für die praktische Anwendung greifbar zu machen, werden die einzelnen Schritte zu einem Gesamtverfahren zusammengefasst und in einer frei zugänglichen Programmiersprache umgesetzt. Das Verfahren wird anhand mehrerer Beispiel-Messprozesse validiert, um eine Anwendbarkeit im industriellen Kontext zu gewährleisten.