美林数据制造业质量控制实践分享—基于数据驱动的产品全生命周期质量控制
2022-12-07 15:55:00
次
质量、技术、成本是产品在市场竞争中的三个核心竞争力。
作为核心竞争力之一，产品质量对于企业的重要性不言而喻，我们经常看到企业将质量要求的宣传标语放在醒目的位置上。如“质量才是硬道理”、“质量是公司发展百年大计”、“没有质量就没有发展”、“质量是企业的生命”等等。
不注重产品质量，企业最终会寸步难行，功亏一篑。因此企业对于质量管理的探索也从未停止，从最初的质量检验阶段，到统计质量控制阶段，再到全面质量管理阶段。产品质量管理经历了由“检验”到“预防”，由“堵”到“疏”，再到生产的“全面质量管理”，不难看出在生产过程中的精细化要求与质量水平越来越高。
虽然目前的质量管理已经进入了全面管理的阶段，控制产品质量的各个环节、各个阶段，且实现了全员参与的质量管理，但是在实际的质量控制过程中依然面临着一些问题，主要体现在以下几个方面：
01 检测时效差
通过试验检测的方式所需要耗费的时间较长，检测效率低下，并且无法及时的将质量问题与生产过程关联，时效性差。
02 检测覆盖面低
试验的方式进行检测大多数通过抽检的方式，不能覆盖所有的产品。
03 检测效率低
一次试验往往需要耗费的周期较长，要对所有产品进行全面的检测，所需要耗费的总时长较长。
04 检测设备不稳定
检测设备在使用过程中因磨损等情况导致检测结果不稳定，同一个产品在经过不同的检测设备得出的检测结果不一致。
05 检测成本高
通过试验方式对产品进行全检，或者通过人工的方式进行产品质量检测，所耗费的成本都非常高。
06 有漏检、错检现象
在人工进行产品质量检测的过程中，工作时间长，容易产生疲劳，从而导致有漏检和错检的现象。
目前，随着大数据技术的发展与人工智能应用技术的成熟，越来越多的企业开始尝试使用数据驱动的方式来优化和补充质量关系系统中的漏洞及不足之处。
例如：通过图像识别的检测技术手段来代替传统的人工检测的方式、通过机器学习算法实现产品质量的预警等等。这些基于数据驱动的质量控制方法已经在产品全生命周期的各个阶段得到了广泛的应用，从“人、机、料、法、环”多个角度解决质量过程中存在的问题，并在一定程度上解决了企业面临的质量问题。
△产品全生命周期质量控制应用
研发设计阶段
工艺参数优化
工艺参数的优化是生产过程产品质量控制的最终目标。简单些，根据各个维度产品质量的要求，如何设置生产过程中的工艺参数来保障产品各方面的质量都达标。复杂的，在产品最终质量要求的基础上，产品生产前置工序的结果发生了变化，如何通过调节当前工序的参数，使得最终的产品质量达到要求。
工艺参数优化的实现可以通过统计分析实现，根据需要的产品质量指标要求，从历史生产数据中筛选出符合要求的产品，再统计其生产过程中工艺参数的范围，这种方法实现简单，但结果粗糙，可用于粗放式控制场景。
也可使用预测+寻优算法来实现，使用历史的生产过程和质检结果数据，利用机器学习中的回归类算法构建产品关键检测指标的预测模型，然后在实际使用过程中通过设置质量要求和部分参数范围，通过遗传算法、粒子群算法、模拟退火算法等寻优算法进行最优参数的快速定位，再对最优参数实时或定时应用到系统控制环节。
该场景还可以扩展到产品的设计和改良上。
生产制造阶段
生产过程评价
在产品加工过程中，重要的生产环节增加产品生产过程评价模块，对生产过程中各工序段的工艺参数的波动情况进行评价，判断产品加工过程是否稳定。尤其是对于一些长流程的生产过程，仅仅在生产的末端进行质量控制是不够的，容易导致资源及成本的浪费，分段控制能够确保产品在各个阶段的质量，从而保证产品整体的质量。
通过构建生产过程综合评价模型对产品生产过程的稳定性进行评价是一种有效的方法。核心在于构建生产过程质量评价的体系，其本质就是检测生产过程中重要阶段的控制参数是否在工艺设定的范围内，偏离程度如何，可通过离差、比率等指标来反应。通过熵值、变异系数、相关性等方法确定不同的控制参数其影响程度或权重的大小。
如轮胎生产成型阶段就是一个非常重要的阶段，该阶段生产的胎胚质量会对最终的轮胎质量有很大的影响。可通过构建综合评价模型对成型过程中的胶部件规格、贴合过程、成型过程、传递过程等方面进行综合评价，实时对成型的胎胚有一个综合打分，以此判断该胎胚是否应该进入下一步的硫化环节，一方面避免成本上的浪费，另一方面避免异常品流到线下。
质量预测
产品质量预测的应用形式与生产过程评价类似，都是通过对生产过程数据的分析，实时监控产品的质量，对不合格产品及时给出预警；在方法上与质量软测量相似，都是通过历史的产品质量检测结果数据与生产过程中的工艺参数、原料成分、设备运行状态等数据相结合，利用机器学习的算法构建预测模型。
产品质量预测的应用形式与生产过程评价类似，都是通过对生产过程数据的分析，实时监控产品的质量，对不合格产品及时给出预警；在方法可采用分类预测的方法，通过历史的产品质量检测结果数据与生产过程中的工艺参数、原料成分、设备运行状态等数据相结合，利用机器学习的算法构建预测模型。与构建回归预测模型来实现产品质量检测指标的预测不同，这里更多的是构建分类预测模型，预测所生产的产品是否合格，使用的算法不同，数据处理有所差别。当然，在实际的应用过程中也可通过对具体质量指标的预测和结合现场的判定规则来实现同样的目的。
参数范围及重要度
在工艺参数的优化过程中，根据产品加工过程中的历史数据，也可以通过统计分析、异常检测等方法进行工艺参数正常范围的识别与确定。例如对于轮胎生产过程中的充气压力控制，首先可通过对历史生产过程中高质量轮胎的筛选，利用异常检测中的箱线图、Z-score、拉依达准则、DBSCAN聚类等方法，删除异常的充气压力值，确定充气压力控制的合理范围，以实际生产效果，指导工艺设计。
也可通过相关性分析、方差分析、关联分析等方法进行生产参数对质量影响的重要程度分析，以及参数之间的相互影响程度进行排名，甚至在条件允许的情况下可以进行量化分析，其结果可以为产品的研发设计或产品性能的改良提供方向和指导，加速新产品的研发过程。
交付检验阶段
智能检测
近几年得益于计算机性能的提升及人工智能技术的成熟，数据驱动的智能检测越来越多的被应用到生产过程中。这里的智能检测指通过图像、视频、音频、红外等新一代的智能化检测设备进行产品表面、生产过程、质检过程的数据采集，再利用机器学习、深度学习的算法来构建检测模型，实时检测产品的外观、颜色等表面质量，代替传统的通过人工眼观手摸的检测方式，达到提高检测效率，提升检测准确率的目的。
使用图像识别、音频识别进行质量检验的关键在于数据的获取、数据标注和深度学习模型的构建。数据获取以及传输的效率要能跟上生产节拍，同时需要给模型的计算预留足够的时间；构建深度学习需要大量的历史标注数据，这也是此类应用一项重点工作。
美林数据在智能检测方面也进行了多方面的实践，如对汽车冲压件生产过程中的压痕、滑移线、开裂等现象的识别，对空调出厂检测中的摩擦音、共振音、口哨音等识别，对太阳能光伏组件生产过程中的黑心片、黑斑片、黑片、断栅片等现象识别。通过智能检测模型的部署为企业节省了一部分人力成本，同时提高检测的准确性，避免了因疲劳导致不合格品流至线下的情况。
此类方法也可用于生产原料的检测，如矿石原料细度检测、煤炭原料质量检测等。
质量软测量
对于部分特殊的产品，在出厂时需要标注产品的性能指标，如钢材、碳酸锂、水泥、玻璃等等，而传统的通过理化实验来进行产品质量、化学成分测量的方法是需要耗费大量的人力、时间、空间、设备等资源，并且检测频率不高，时效性不强。无法满足企业对产品质量管理的需要。
产品质量软测量是通过历史的产品质量检测结果数据与生产过程中的工艺参数、原料成分、设备运行状态等数据相结合，利用机器学习中的回归类算法构建产品关键检测指标的预测模型。
在实际的应用中通过对生产数据的实时采集及处理，调用构建好的预测模型对产品的性能指标进行预测，以性能预测结果代替传统通过实验检测结果。如钢材的屈服强度、抗拉强度，弹簧的弹性力值，水泥的游离氧化钙含量等等，节省企业的试验成本。
仪器稳定性检测
质检仪器是产品质量控制的重要设备，有些质检仪器甚至是质量控制的最后一道关卡。但是在一些企业中，一些特殊的质检仪器，其本身会因为使用的时长、使用频率、使用人员的操作习惯等因素的影响，导致其本身的稳定性存在一定的偏差，一旦检测仪器出现问题，也有可能导致不合格产品流至线下。如烟草生产过程中的综合测试台，轮胎生产过程中的动力平衡检测设备等。
这个方向的应用主要是对检测仪器的稳定性和可靠性进行分析及预判，避免过度调校造成的成本浪费或调校不及时导致的不合格品流出现象。其核心是通过对一段时间内经过某一检测仪器的产品质检结果数据、产线来源数据进行对比分析、趋势预测分析，构建仪器校验预测模型，对需要调校或标定的仪器给出预警提示，指导品质管理或设备管理人员进行仪器调校。
运维服务阶段
产品远程监控
对于一些复杂且智能的产品，在交付给客户之后，通过对产品运行过程中的参数进行监控，分析参数变化情况，构建产品稳定性评估模型、产品质量风险预测模型等，提前预测产品可能存在的质量风险，为客户服务提供数据支撑，变事后服务为事前服务，避免因产品质量问题造成的企业形象损失和经济损失。
本文以美林数据在制造业质量控制的实践为依据，对企业在产品质量过程中面临的问题进行了梳理，对产品全生命周期内基于数据驱动的质量控制应用方向和实现方法做了简单的总结。
由于接触的项目的限制，我们所遇到的问题可能只是企业质量控制中遇到问题的一部分，所提出的解决方案也存在优化和改进的空间，在这里也期望与业内人士深入交流，共同完善数据驱动的质量全生命周期控制方案，为制造业质量控制添砖加瓦。
Tempo商业智能平台
Tempo人工智能平台
Tempo数据工厂平台
Tempo指标平台
Tempo数据治理平台
Tempo主数据管理平台
首页
陕公网安备 61019002000171号
