The sintering process is critical in the production of cemented carbides, which are extensively used in cutting tools due to their superior hardness and wear resistance. This study focuses on the application of Multivariate Data Analysis (MVDA) techniques to optimize and monitor the sintering process, with a specific emphasis on temperature calibration and prediction. Accurate control of temperature during sintering is crucial for ensuring consistent product quality, and this research employs advanced statistical models to enhance the understanding and management of this key parameter. The study utilizes Principal Component Analysis (PCA), Partial Least Squares (PLS), and Orthogonal Partial Least Squares (OPLS) to analyse process data from two Graphite Resisted Heated system (COV) vacuum furnaces used in the sintering of cemented carbides at Seco Tools AB.

By developing both Batch Evolution Models (BEM) and Batch Level Models (BLM), the research aims to monitor and optimize the sintering process more effectively, leading to improved product quality and manufacturing efficiency. Statistical methods were used to understand the variation and correlation among different process parameters, identifying key factors influencing the sintering process. These methods were also applied to construct predictive models linking process parameters with final product properties, such as magnetic coercivity (𝐻𝑐) and magnetic moment (MM), which are essential for real-time monitoring and control. Using the BEM, data from multiple batches were analysed to create a comprehensive model representing the evolution of the sintering process. The BLM further integrated quality data into the process model, enhancing predictive accuracy for temperature control and demonstrating high precision in predicting key physical properties, with well-defined clustering and grouping of different recipes.

Applying MVDA techniques at Seco Tools AB highlighted the importance of accurate temperature calibration and prediction for high-quality sintered products. This study underscores the practical utility of these models in enhancing production efficiency and product quality. By leveraging MVDA techniques, the research provides valuable insightsinto critical parameters influencing product quality, demonstrating the potential for real-time process monitoring and optimization, and paving the way for advancements in manufacturing processes in the cemented carbide industry.

Sintringsprocessen är kritisk vid tillverkning av hårdmetall, som används i stor utsträckning i skärverktyg på grund av sin överlägsna hårdhet och slitstyrka. Denna studie fokuserar på tillämpningen av MVDA-tekniker (Multivariate Data Analysis) för att optimera och övervaka sintringsprocessen, med särskild tonvikt på temperaturkalibrering och prediktering. Noggrann kontroll av temperaturen under sintringen är avgörande för att säkerställa en jämn produktkvalitet, och i denna forskning används avancerade statistiska modeller för att förbättra förståelsen och hanteringen av denna nyckelparameter. Studien använder Principal Component Analysis (PCA), Partial Least Squares (PLS), and Orthogonal Partial Least Squares (OPLS) för att analysera processdata från två vakuumugnar med grafitresistent uppvärmningssystem (COV) som används vid sintring av hårdmetall vid Seco Tools AB.

Genom att utveckla både Batch Evolution Models (BEM) och Batch Level Models (BLM) syftar forskningen till att övervaka och optimera sintringsprocessen mer effektivt, vilket leder till förbättrad produktkvalitet och tillverkningseffektivitet. Statistiska metoder användes för att förstå variationen och korrelationen mellan olika processparametrar och för att identifiera nyckelfaktorer som påverkar sintringsprocessen. Dessa metoder användes också för att konstruera prediktiva modeller som kopplar samman processparametrar med slutproduktens egenskaper, t.ex. magnetisk koercivitet (𝐻𝑐) och magnetiskt moment (MM), vilket är avgörande för övervakning och styrning i realtid. Med hjälp av BEM analyserades data från flera batcher för att skapa en heltäckande modell som representerar utvecklingen av sintringsprocessen. BLM integrerade dessutom kvalitetsdata i processmodellen, vilket förbättrade prediktionsnoggrannheten för temperaturkontroll och visade hög precision vid prediktion av viktiga fysiska egenskaper, med väldefinierad klustring och gruppering av olika recept.

Tillämpningen av MVDA-tekniker hos Seco Tools AB belyste vikten av noggrann temperaturkalibrering och prediktering för högkvalitativa sintrade produkter. Denna studie understryker den praktiska nyttan av dessa modeller för att förbättra produktionseffektiviteten och produktkvaliteten. Genom att utnyttja MVDA-tekniker ger forskningen värdefulla insikter i kritiska parametrar som påverkar produktkvaliteten, vilket visar potentialen för processövervakning och optimering i realtid och banar väg för framsteg i tillverkningsprocesser inom hårdmetallindustrin