美林數據制造業質量控制實踐分享—基于數據驅動的產品全生命周期質量控制
2022-12-07 15:55:00
次
質量、技術、成本是產品在市場競爭中的三個核心競爭力。
作為核心競爭力之一，產品質量對于企業的重要性不言而喻，我們經常看到企業將質量要求的宣傳標語放在醒目的位置上。如“質量才是硬道理”、“質量是公司發展百年大計”、“沒有質量就沒有發展”、“質量是企業的生命”等等。
不注重產品質量，企業最終會寸步難行，功虧一簣。因此企業對于質量管理的探索也從未停止，從最初的質量檢驗階段，到統計質量控制階段，再到全面質量管理階段。產品質量管理經歷了由“檢驗”到“預防”，由“堵”到“疏”，再到生產的“全面質量管理”，不難看出在生產過程中的精細化要求與質量水平越來越高。
雖然目前的質量管理已經進入了全面管理的階段，控制產品質量的各個環節、各個階段，且實現了全員參與的質量管理，但是在實際的質量控制過程中依然面臨著一些問題，主要體現在以下幾個方面：
01 檢測時效差
通過試驗檢測的方式所需要耗費的時間較長，檢測效率低下，并且無法及時的將質量問題與生產過程關聯，時效性差。
02 檢測覆蓋面低
試驗的方式進行檢測大多數通過抽檢的方式，不能覆蓋所有的產品。
03 檢測效率低
一次試驗往往需要耗費的周期較長，要對所有產品進行全面的檢測，所需要耗費的總時長較長。
04 檢測設備不穩定
檢測設備在使用過程中因磨損等情況導致檢測結果不穩定，同一個產品在經過不同的檢測設備得出的檢測結果不一致。
05 檢測成本高
通過試驗方式對產品進行全檢，或者通過人工的方式進行產品質量檢測，所耗費的成本都非常高。
06 有漏檢、錯檢現象
在人工進行產品質量檢測的過程中，工作時間長，容易產生疲勞，從而導致有漏檢和錯檢的現象。
目前，隨著大數據技術的發展與人工智能應用技術的成熟，越來越多的企業開始嘗試使用數據驅動的方式來優化和補充質量關系系統中的漏洞及不足之處。
例如：通過圖像識別的檢測技術手段來代替傳統的人工檢測的方式、通過機器學習算法實現產品質量的預警等等。這些基于數據驅動的質量控制方法已經在產品全生命周期的各個階段得到了廣泛的應用，從“人、機、料、法、環”多個角度解決質量過程中存在的問題，并在一定程度上解決了企業面臨的質量問題。
△產品全生命周期質量控制應用
研發設計階段
工藝參數優化
工藝參數的優化是生產過程產品質量控制的最終目標。簡單些，根據各個維度產品質量的要求，如何設置生產過程中的工藝參數來保障產品各方面的質量都達標。復雜的，在產品最終質量要求的基礎上，產品生產前置工序的結果發生了變化，如何通過調節當前工序的參數，使得最終的產品質量達到要求。
工藝參數優化的實現可以通過統計分析實現，根據需要的產品質量指標要求，從歷史生產數據中篩選出符合要求的產品，再統計其生產過程中工藝參數的范圍，這種方法實現簡單，但結果粗糙，可用于粗放式控制場景。
也可使用預測+尋優算法來實現，使用歷史的生產過程和質檢結果數據，利用機器學習中的回歸類算法構建產品關鍵檢測指標的預測模型，然后在實際使用過程中通過設置質量要求和部分參數范圍，通過遺傳算法、粒子群算法、模擬退火算法等尋優算法進行最優參數的快速定位，再對最優參數實時或定時應用到系統控制環節。
該場景還可以擴展到產品的設計和改良上。
生產制造階段
生產過程評價
在產品加工過程中，重要的生產環節增加產品生產過程評價模塊，對生產過程中各工序段的工藝參數的波動情況進行評價，判斷產品加工過程是否穩定。尤其是對于一些長流程的生產過程，僅僅在生產的末端進行質量控制是不夠的，容易導致資源及成本的浪費，分段控制能夠確保產品在各個階段的質量，從而保證產品整體的質量。
通過構建生產過程綜合評價模型對產品生產過程的穩定性進行評價是一種有效的方法。核心在于構建生產過程質量評價的體系，其本質就是檢測生產過程中重要階段的控制參數是否在工藝設定的范圍內，偏離程度如何，可通過離差、比率等指標來反應。通過熵值、變異系數、相關性等方法確定不同的控制參數其影響程度或權重的大小。
如輪胎生產成型階段就是一個非常重要的階段，該階段生產的胎胚質量會對最終的輪胎質量有很大的影響。可通過構建綜合評價模型對成型過程中的膠部件規格、貼合過程、成型過程、傳遞過程等方面進行綜合評價，實時對成型的胎胚有一個綜合打分，以此判斷該胎胚是否應該進入下一步的硫化環節，一方面避免成本上的浪費，另一方面避免異常品流到線下。
質量預測
產品質量預測的應用形式與生產過程評價類似，都是通過對生產過程數據的分析，實時監控產品的質量，對不合格產品及時給出預警；在方法上與質量軟測量相似，都是通過歷史的產品質量檢測結果數據與生產過程中的工藝參數、原料成分、設備運行狀態等數據相結合，利用機器學習的算法構建預測模型。
產品質量預測的應用形式與生產過程評價類似，都是通過對生產過程數據的分析，實時監控產品的質量，對不合格產品及時給出預警；在方法可采用分類預測的方法，通過歷史的產品質量檢測結果數據與生產過程中的工藝參數、原料成分、設備運行狀態等數據相結合，利用機器學習的算法構建預測模型。與構建回歸預測模型來實現產品質量檢測指標的預測不同，這里更多的是構建分類預測模型，預測所生產的產品是否合格，使用的算法不同，數據處理有所差別。當然，在實際的應用過程中也可通過對具體質量指標的預測和結合現場的判定規則來實現同樣的目的。
參數范圍及重要度
在工藝參數的優化過程中，根據產品加工過程中的歷史數據，也可以通過統計分析、異常檢測等方法進行工藝參數正常范圍的識別與確定。例如對于輪胎生產過程中的充氣壓力控制，首先可通過對歷史生產過程中高質量輪胎的篩選，利用異常檢測中的箱線圖、Z-score、拉依達準則、DBSCAN聚類等方法，刪除異常的充氣壓力值，確定充氣壓力控制的合理范圍，以實際生產效果，指導工藝設計。
也可通過相關性分析、方差分析、關聯分析等方法進行生產參數對質量影響的重要程度分析，以及參數之間的相互影響程度進行排名，甚至在條件允許的情況下可以進行量化分析，其結果可以為產品的研發設計或產品性能的改良提供方向和指導，加速新產品的研發過程。
交付檢驗階段
智能檢測
近幾年得益于計算機性能的提升及人工智能技術的成熟，數據驅動的智能檢測越來越多的被應用到生產過程中。這里的智能檢測指通過圖像、視頻、音頻、紅外等新一代的智能化檢測設備進行產品表面、生產過程、質檢過程的數據采集，再利用機器學習、深度學習的算法來構建檢測模型，實時檢測產品的外觀、顏色等表面質量，代替傳統的通過人工眼觀手摸的檢測方式，達到提高檢測效率，提升檢測準確率的目的。
使用圖像識別、音頻識別進行質量檢驗的關鍵在于數據的獲取、數據標注和深度學習模型的構建。數據獲取以及傳輸的效率要能跟上生產節拍，同時需要給模型的計算預留足夠的時間；構建深度學習需要大量的歷史標注數據，這也是此類應用一項重點工作。
美林數據在智能檢測方面也進行了多方面的實踐，如對汽車沖壓件生產過程中的壓痕、滑移線、開裂等現象的識別，對空調出廠檢測中的摩擦音、共振音、口哨音等識別，對太陽能光伏組件生產過程中的黑心片、黑斑片、黑片、斷柵片等現象識別。通過智能檢測模型的部署為企業節省了一部分人力成本，同時提高檢測的準確性，避免了因疲勞導致不合格品流至線下的情況。
此類方法也可用于生產原料的檢測，如礦石原料細度檢測、煤炭原料質量檢測等。
質量軟測量
對于部分特殊的產品，在出廠時需要標注產品的性能指標，如鋼材、碳酸鋰、水泥、玻璃等等，而傳統的通過理化實驗來進行產品質量、化學成分測量的方法是需要耗費大量的人力、時間、空間、設備等資源，并且檢測頻率不高，時效性不強。無法滿足企業對產品質量管理的需要。
產品質量軟測量是通過歷史的產品質量檢測結果數據與生產過程中的工藝參數、原料成分、設備運行狀態等數據相結合，利用機器學習中的回歸類算法構建產品關鍵檢測指標的預測模型。
在實際的應用中通過對生產數據的實時采集及處理，調用構建好的預測模型對產品的性能指標進行預測，以性能預測結果代替傳統通過實驗檢測結果。如鋼材的屈服強度、抗拉強度，彈簧的彈性力值，水泥的游離氧化鈣含量等等，節省企業的試驗成本。
儀器穩定性檢測
質檢儀器是產品質量控制的重要設備，有些質檢儀器甚至是質量控制的最后一道關卡。但是在一些企業中，一些特殊的質檢儀器，其本身會因為使用的時長、使用頻率、使用人員的操作習慣等因素的影響，導致其本身的穩定性存在一定的偏差，一旦檢測儀器出現問題，也有可能導致不合格產品流至線下。如煙草生產過程中的綜合測試臺，輪胎生產過程中的動力平衡檢測設備等。
這個方向的應用主要是對檢測儀器的穩定性和可靠性進行分析及預判，避免過度調校造成的成本浪費或調校不及時導致的不合格品流出現象。其核心是通過對一段時間內經過某一檢測儀器的產品質檢結果數據、產線來源數據進行對比分析、趨勢預測分析，構建儀器校驗預測模型，對需要調校或標定的儀器給出預警提示，指導品質管理或設備管理人員進行儀器調校。
運維服務階段
產品遠程監控
對于一些復雜且智能的產品，在交付給客戶之后，通過對產品運行過程中的參數進行監控，分析參數變化情況，構建產品穩定性評估模型、產品質量風險預測模型等，提前預測產品可能存在的質量風險，為客戶服務提供數據支撐，變事后服務為事前服務，避免因產品質量問題造成的企業形象損失和經濟損失。
本文以美林數據在制造業質量控制的實踐為依據，對企業在產品質量過程中面臨的問題進行了梳理，對產品全生命周期內基于數據驅動的質量控制應用方向和實現方法做了簡單的總結。
由于接觸的項目的限制，我們所遇到的問題可能只是企業質量控制中遇到問題的一部分，所提出的解決方案也存在優化和改進的空間，在這里也期望與業內人士深入交流，共同完善數據驅動的質量全生命周期控制方案，為制造業質量控制添磚加瓦。
Tempo商業智能平臺
Tempo人工智能平臺
Tempo數據工廠平臺
Tempo指標平臺
Tempo數據治理平臺
Tempo主數據管理平臺
首頁
陜公網安備 61019002000171號
