AI 如何处理统计过程控制图的解读与告警

统计过程控制(SPC)使用控制图监控制造工艺,并在产生超规产品之前检测变化。概念简单:测量一个质量特征、把它绘在带控制限的图上,并观察指示工艺已改变的模式。实践中,有效解读 SPC 图需要难以在班次和操作员间一致维持的训练与专注。

AI 带来了一致、永不疲倦的图解读,捕捉人类观察者错过的细微模式。

SPC 图告诉您什么

处于统计控制中的工艺产生在可预测限内随机变化的测量值。控制图把这些测量值随时间绘出,带由工艺能力计算的上下控制限。只要点在限内随机分布,工艺就稳定。

当工艺变化时,图显示模式。Western Electric 规则定义了指示非随机行为的特定模式:超出控制限的点、控制中线同侧的多个连续点、持续上升或下降的趋势,以及系统性交替的点。

每种模式类型暗示不同的根因。突然偏移到新均值可能指示工具更换或材料批次更换。逐渐趋势可能指示工具磨损。变异增加可能指示夹具问题或来料差异。

人类解读为何不足

受过训练的 SPC 实践者可读这些模式,但多数工厂的现实是 SPC 图由有许多其他职责的操作员监控。他们周期性地查看图、绘一个点、并瞥一眼模式。在多个数据点上发展的细微趋势在快速一瞥中难以发现。跨班次变更的失控模式——第一班操作员绘了一些点,第二班操作员绘了其余的——尤其容易错过。

另一问题是误报。过于敏感的规则产生频繁告警,这些告警在受控工艺中是统计上可预期的,导致操作员忽略告警。正确设定灵敏度需要许多操作员不具备的统计知识。

AI 如何解读 SPC 图

基于 AI 的 SPC 系统对每张图持续同时应用所有相关检测规则。它们不会疲倦、不会分心,并在凌晨 3 点应用与上午 10 点相同的灵敏度。

AI 也超越标准 Western Electric 规则。它使用模式识别检测简单规则未涵盖的复杂模式,如与环境条件相关的循环模式、仅在与特定工艺参数组合时出现的模式,以及指示工艺能力漂移的变异渐变。

告警管理是智能的。AI 不再为每次统计规则违反生成告警,而是评估模式类型、偏差幅度和历史背景以判定适当告警级别。在嘈杂图上靠近控制限的单点可能获得低优先级通知。关键尺寸均值的持续偏移获得带根因建议的高优先级告警。

如需了解更多制造业的 AI 质量管理,请访问 FirmAdapt 制造业分析页面。