质量统计分析人工智能应用APP_人工智能质量分析工具-CSDN博客

本文链接：https://blog.csdn.net/BigLeon_zhang/article/details/120096976

文章介绍了基于Mendix平台的跨系统质量、制造大数据人工智能分析APP，旨在解决制造业SPC控制图的趋势判异和根因分析问题。通过自动判异、根因分析和算法优化，提升产品质量，降低质量成本，提高生产效率。该APP能够与企业现有系统（如PLM、MES、ERP等）集成，实现数据的实时分析和预警，促进企业质量管理水平的提升。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

西门子工业软件（上海）有限公司张良

背景

目前基于统计学的质量SPC统计过程控制已经被越来越多的制造企业所采用，尽管没有日本、美国等发达国家的普及率那么高。SPC统计过程控制是非常完善的质量过程控制方法，各种公式也是非常明确的，并且也有很多著名的制作SPC控制图的软件，比如：Minitab。在西门子QMS质量管理系统中，也有SPC统计分析模块，并且是基于QMS系统中的检测样本的实测数据进行控制图的绘制，比如：X-b,X-r,泊松……等，离线或实时在线绘制等都支持。

SPC控制图的关键意义在于可以对质量趋势进行判断，从而在缺陷产生之前就采取相应措施避免缺陷的产生，进而提高质量效率和水平。但是质量趋势如何判断？判断出有异常其背后真正的原因是什么？进一步而言的SPC的趋势判异规则如何确定？如何优化？针对这些，目前还没有成熟的解决方案。主要趋势判异和根因分析需要跨多系统的大数据分析能力。

本篇文章就针对制造业SPC质量分析控制图的趋势判异和根因分析提出解决方案——基于Mendix的跨多系统质量、制造大数据人工智能分析APP。

需求

业内SPC统计过程控制中制图比较容易，只要有样本质检数据，使用Excel也可以制作出SPC质量趋势控制图。但质量趋势判异和根因分析却没有很好的支撑系统或工具，而判异和根因分析才是企业引入SPC的根本诉求。趋势判异和根因分析从本质上需要聚合人、机、料、法、环、测等多个方面进行分析，比如一个零件的某个特性加工出现了质量缺陷，或者可能要出现缺陷，这和加工这个特性时的操作工、机台设备、零件本身、加工方法、测量方法等可能都有关系。而具体是哪些因素导致的，就需要进行详细的分析。

但对于企业而言很难及时的统计出在