统计过程控制SPC技术在数字化车间建设中的应用研究

目前国内统计过程控制（SPC）技术仍处于起步阶段，特别是在数字化车间的建设过程中，仍未得到广泛的应用。基于国内某微特电机数字化车间的智能化改造，较为详细系统地介绍了SPC在数字化车间建设过程中的应用，以及建立电机制造过程质量管理新模式、新方法的途径。1

序言微特电机的生产过程中，零件多，工作量大，人工输入数据容易出错。生产车间虽有电机综合检测仪以及定子综合测试仪、电机成品测试系统等自动化设备，但还未将在线检测技术与质量监控相结合，未对电机生产过程中的关键工艺参数进行入档与监控，以使相关人员能够准确、及时地获取各类质量信息。由于数据不能及时统计分析，异常不能及时改善解决，故时效性差，无法起到预防的目的。对微特电机生产工序采用统计过程控制方法，通过SPC控制图和SPC监控图对生产状态进行分析，提高产品良品率和质量。目前国内统计过程控制（StatisticalProcessControl，简称

SPC）技术仍处于起步阶段，统计过程控制是使用各种数理统计方法对生产制造各个阶段中的数据进行统计分析，利用绘制得到控制图来判定生产过程是否处于稳定状态，适用面广，既可针对计数性数据，也可针对计量型数据，通过对数据的分析来评价和控制生产状态。它是过程控制的一部分，从两个方面来实施。1）通过对要分析的数据进行合理地分组和收集，建立分析用控制图和控制用控制图，通过八项判异准则来对生产过程进行实时的监控；结合其他质量工具分析生产过程发生异常的原因，及时进行工艺、参数、材料等因素的调整。2）通过对收集的数据进行过程能力指数的分析和判断，判定生产过程的过程能力，根据管控要求进行比对和分析，提供及时的预警。2

数字化车间建设背景国内某微特电机制造公司主要经营范围包括电机、电器设备、空调配件、机电设备及电子元件的制造和销售，自营或代理各类商品和技术的进出口业务。经现场诊断后发现，虽然公司生产车间设备众多，自动化程度较高，但设备联网率相对较低，数据没有统一的接口进行管理，在生产良品率和产品库存方面存在较多问题。根据《智能制造能力成熟度模型》（GB/T39116—2020）、《智能制造能力成熟度评估方法》（GB/T39117—2020）对企业的数字化、智能化水平进行评估，得分1.67，企业目前处于第一级已规划级，接近规范级阶段。智能制造得分雷达如图1所示。图1智能制造得分雷达企业目前迫切的需求如下。1）对老设备的改进，除了购置一批新机器之外，需要对能够升级的旧设备进行升级。2）对工艺流程的改进，提高产品的良品率和质量。3）减少流水线的人员使用，达到减员增效的目的，更加合理地利用资源，增加效益。在电机的生产车间（见图2）中，电机零部件生产过程通过人工输入数据，工作量大，数据录入错误不易检出，易出错。公司生产的定子由人工检测，效率低、易出错，且不能严格按判异规则执行。生产管理人员无法及时发现电机生产过程中由特殊原因导致的异常，也无法为电机的设计和制造提供科学决策和改进依据。因此公司迫切需要深入分析电机生产过程数据，进一步提高产品的良品率和质量。图2生产车间3

总体建设方案此次针对公司车间智能化改造的建设不仅仅是自动化、数字化的生产设备设施，还需要有信息系统的部署和管理技术的应用[8]。一般离散型企业的数字化工厂应用体系如图3所示。该应用体系把企业数字化车间整体划分为人力平台、供应链平台、财务平台、企业资源平台、销售平台、生产平台、仓储物流平台和研发平台。

为了解决现阶段存在的问题，进一步提高产品的良品率和质量，重点设计开发一套SPC系统。根据企业现状，SPC系统主要需求如下。1）增加SPC界面，主界面包含整个产品生产线的选择，选择后进入具体的产品生产线。2）首页为整条生产线的Layout，制作质量看板，相关产品工艺阶段质量监控。当出现报警后，可点击进入到对应的工艺阶段的监控曲线。3）SPC参数变更记录，改变SPC参数上下限、保存SPC参数的操作，记录3年数据。4）SPC参数设定值被修改时记录。5）SPC参数实际值记录，数据记录来自产线各类PLC、传感器和数据库等。6）关键参数点配置，上下限管理、异常管理。7）数据统计分析报表，以图表形式展示查询。4

系统架构为加强产品生产过程的质量管理，实现对产线生产质量的全过程监控、预警和分析，进一步提高电机产品的合格率，提供了SPC系统方案，其架构如图4所示。SPC系统主要分为三层：后台涉及电机的生产加工和检测测试产线，包括人员、设备、系统三部分，人员包括生产人员和检测人员，设备包括生产电机零部件的设备，系统包括MES、ERP等软件系统；业务中台主要是业务建模和SPC分析，包括自动焊锡机、电动自动检测台等自动化设备的状态等的信息收集和生产物料、关键工序参数等的SPC分析；前台通过产线图、控制图和监控图等工具进行SPC分析与控制。图4SPC系统架构5

数据采集与数据分析该方案的SPC系统提供多样化数据采集方式（见图5），可以满足公司多种自动化程度不同的生产设备以及实现与企业不同系统间的对接。图5数据采集方式（1）数据采集测量仪器根据公司现有设备条件不同，分别采用不同的方式进行自动数据采集，测量数据保存在ASC、CSV或XLS格式的文件中，之后采用自动读取文件的方式进行自动数据采集；采集端实时监控放置数据的文件，当有新数据传入时，采集端软件自动录入并将数据解析后实时上传到数据库中。（2）手工录入方案对于计数型数据的采集，其数据格式为合格与不合格，对于此类型质量数据的采集则主要通过键盘人工录入到系统进行SPC数据分析。（3）从Excel导入数据在Excel中按照公司规定的格式填入数据，保存后，采集端软件会自动读取Excel文件，达到录入数据的效果。（4）有RS232或RS485串口对于计量型数据的采集，其数据格式为具体的数据，主要通过与数字化量仪接口（主要包括

RS232、RS458）的多路扩展器以及数字化检测软件实现多种数字化量仪对质量数据的自动采集。（5）其他系统对接SPC系统的数据库后台创建临时表，由其他系统在满足SPC计数类数据采集的规则的条件下插入相关的数据到临时表中供SPC提取。SPC的数据分析模块提供了多种图形分析方法，如SPC监控图（见图6）和SPC控制图（见图7）。图6SPC监控图7SPC控制在监控图页面中点击产线将显示产品产线总体预览图，既可通过点击具体的SPC特征点进入SPC特征监控页面，也可以通过点击相应图标进入特征监控页面，产线Layout界面放置状态Logo，当区域内SPC参数出现异常时，提示报警。控制图的理论基础主要有下述四个方面[9]。（1）假设检验假设检验中，首先需要提出原假设与备择假设，确定用于分析的检验统计量，如均值、极差，并确定检验的显著性水平；收集数据，计算出检验统计量的结果；确定与此检验统计量相关的分布，接着以原假设为前提，比较检验统计量与其相关分布，对数据进行必要的分析；最后要评估风险，衡量虚发警报或漏发警报的后果，并做出合适的结论。（2）分布假设在产品生产过程中，影响产品质量的因素主要有偶然因素和异常因素。偶然因素是必然存在，不可消除的，但影响微小，并且它决定了质量特性值服从某种典型分布；而异常波动导致偏离这种典型分布，但可以被消除。通过对稳态过程的抽样分析发现，绝大部分的计量型质量特性值都服从或近似服从正态分布N（μ，σ2）；计件质量特性值服从二项分布；计点质量特性值服从泊松分布。（3）3σ

原理若质量特性值是计量型数据，服从正态分布N（μ，σ2），则消除了过程中的异常因素后，质量特性值落在μ±3σ

的概率为99.73%，控制上限为μ＋3σ，中心线为μ，控制下限为μ－3σ。如果点落在控制上限之上或控制下限之下，我们就判断为异常，这正是基于下面的小概率事件原理。（4）小概率事件原理小概率事件原理，即指概率很小的事件在一次试验中实际上几乎是不可能发生的。然而现在一个概率很小的事件在一个过程中发生了，故有理由怀疑其正确性。SPC控制图显示的是历史信息，并对历史数据进行分析，以便分析产线的产品生产情况。SPC控制图对数据信息进行收集和分析，并在页面中显示Xbar-R图、样本图、能力直方图、分布图和能力图，可以通过选择不同的时间段以得到该时间段的统计分析数据。使用公司自己设定的希望值进行分析，可以设置相关的USL与LSL，点击应用得到对应的分析数据。此外，通过系统可以获取对应时间段的OoC（OutofControl）报警信息和显示所选择时间段内分析的样本数据，并可以导出成Excel。6

效益分析SPC系统部署完成后，为质量分析和生产异常追踪提供了大量实时和历史数据，成为质量控制管理的有效手段。该系统取得的效益主要体现在以下方面。（1）满足质量控制的数据需求SPC系统对生产过程重要数据记录进行汇总，为技术人员提供质量分析数据，方便一线操作人员及时了解生产情况，为质量控制提供支持。（2）满足技术人员需求之前电机零部件生产过程中主要通过人工输入数据，工作量大，数据录入错误不易检出，易出错。实施SPC系统后技术人员享有详实的过程数据，不需要再汇总数据，可以专注于质量控制。（3）对质量的改进实施SPC质量管理模块之后，在质量管控水平方面取得显著提升