质量统计分析人工智能应用APP

西门子工业软件（上海）有限公司 张良

1. 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。

1. 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当时的来自所有相关系统的数据，比如：PLM、MES、ERP、QMS、SCADA、WMS等等。并且即使拿到这些数据，也不知道如何下手进行分析。另外，