Minitab hilft führendem Solarenergieunternehmen dabei, die Energieeffizienz und den jährlichen Ertrag um mehr als 100 T$/Jahr zu steigern

Das Projektteam musste die Gründe für die große Streuung bei der Schichtstärke analysieren und die möglichen Faktoren herausarbeiten.

URSACHE IN DER PRODUKTIONSLINIE ERMITTELN 

Das Team wollte bestimmen, ob das Messsystem oder Prozessfehler die Ursache für die Diskrepanzen bei der Schichtstärke waren. Sie nutzten die Produktprüfplattform von Topcon, eine Prüfanlage nach Industriestandard, um die Schichtstärke und den Brechungsindex zu messen. 

Das Team setzte dann die Messsystemanalyse in Minitab ein, um zu erfahren, ob die Streuung auf das Messsystem selbst zurückgeführt werden konnte. Der Analysewert für die Messungen, „R&R (gesamt)“, beträgt 9,16, also weniger als 10 %. Dies weist darauf hin, dass das Messsystem von Topcon die Anforderungen erfüllte und daher nicht die Ursache der Probleme war.
 

MÖGLICHKEITEN MIT DEN BRAINSTORMING-WERKZEUGEN IN MINITAB EINGRENZEN 

Auf der Suche nach anderen Faktoren, die Auswirkungen haben könnten, zog das Team ein Fischgräten-Diagramm (auch bekannt als Ursache-Wirkungs-Diagramm) in Minitab Engage heran, um per Brainstorming weitere Ideen zu sammeln. Auf der Grundlage des Fischgräten-Diagramms und dem vorhandenen Wissen des Teamleiters identifizierte das Team zwei mögliche Gründe, aus denen eine Anlagenstörung oder ein Problem im Prozess die Streuung bei der Stärke der Siliziumnitridschicht verursachen könnte:

• Häufigkeit, mit der das Schmetterlingsventil (das den Durchfluss von Flüssigkeiten steuert) in der Beschichtungsanlage gereinigt wird
• Ofentemperatur und Position des Siliziums im Ofen 

Zuerst untersuchte das Team, ob die Reinigung des Schmetterlingsventils in der Beschichtungsanlage ein Problem darstellte. Das Team erstellte einen t-Test bei zwei Stichproben in Minitab, um festzustellen, ob die Reinigungshäufigkeit bei dem Schmetterlingsventil zu einem Unterschied bei der Schichtstärke führt.

Bei der Analyse erhielt das Team einen p-Wert von weniger als 0,05. Dies bedeutet, dass eine signifikante Differenz bei der Schichtstärke vor und nach der Reinigung des Schmetterlingsventils vorliegt, was wiederum bedeutet, dass die Reinigung des Schmetterlingsventils eine signifikante Auswirkung auf die Schichtstärke hat. Heureka!

Um den zweiten möglichen Grund für die variierende Schichtstärke zu testen, verwendete das Projektteam die Regressionsanalyse in Minitab, um zu ermitteln, ob die Temperatur und die Position des Siliziums im Ofen signifikante Faktoren sind.

DIE ERKENNTNISSE

Mit der Prozessfähigkeitsanalyse und den Regelkarten in Minitab ermittelte das Team die Bedingungen, die zur Herstellung einer Siliziumnitridschicht in der optimalen Stärke erforderlich sind: 

• Schmetterlingsventile sollten zweimal täglich gereinigt werden. 
• Sie bestimmten sinnvolle Ofentemperaturen. Die Prozessausgabe zeigte, dass die optimalen Temperatureinstellungen für die einzelnen Positionen im Ofen 500 °C/932 °F für die Öffnung des Ofens, 480 °C/896 °F für die Mitte des Ofens und 472 °C/881 °F für die Position unten im Ofen sind.

Das Team ermittelte durch statistische Analyse rasch die optimalen Einstellungen für die Prozessparameter. Die Prozessparameter in dem von Minitab generierten Regressionsmodell wurden angepasst, und für die Stärke der Siliziumnitridschicht konnte eine stabile Ausgabe erzielt werden. Das Team führte eine Verifikationsanalyse mit den angepassten Prozessparametern durch, und die Prozessausgabe zeigte, dass Temperatureinstellungen von 500 °C, 480 °C und 472 °C für die drei entsprechenden Positionen optimal waren. Gleichzeitig betrug Cpk mehr als 1,67; der Prozessfähigkeitsindex war sehr hoch und überstieg den vorab festgelegten Sollwert.

Mit der leistungsstarken statistischen Analyse von Minitab konnte das Team gezielte und genaue Maßnahmen ergreifen. „In der Vergangenheit haben wir kontinuierliche Blindtests durchgeführt, doch jetzt können wir unsere Hypothesen endlich quantitativ testen. Minitab hat uns enorm unterstützt“, so der Teamleiter. „In den verschiedenen Phasen – Untersuchung, Hypothesentest, Bestätigung und Problemlösung – hat sich die Minitab Statistical Software wirklich bewährt. Sie hat nicht nur die Zeit verkürzt, die wir zum Lösen von Problemen benötigten, sondern auch das Vertrauen in die Entscheidungen der Teammitglieder gestärkt.“ 

Durch Verstehen und Erlangen der Kontrolle über die Stärke der Siliziumnitridschicht konnte das Team die Energieeffizienz der Solarmodule von anfangs 81 % um 7 % auf 88 % verbessern. Gemäß den derzeitigen Produktionsschätzungen einer Kapazität von 6048 Einzelröhren-Solarmodulen pro Tag hat diese Maßnahme den Ertrag des Unternehmens um jährlich 650.000 CNY (101.400 USD) gesteigert.