基于MES的SPC模塊設計

1、基于mes的spc模塊設計思路,主要內容,對spc技術的簡介 spc和mes的關系 spc模塊整體設計思路 質量檢驗建模與基礎數據管理模塊 檢驗數據管理模塊 數據分析（spc）模塊 質量控制圖的智能診斷研究 內容總結,1. 統計過程控制（spc）簡介,spc (statistical process contro1)統計過程控制，是一種借助數理統計方法的過程控制工具。應用spc對質量數據進行統計和分析，從而區(qū)分出生產過程中產品質量的正常波動與異常波動，以便對過程的異常及時提出預警，提醒管理人員采取措施消除異常，恢復過程的穩(wěn)定性。 傳統的質量控制有賴于檢驗最終產品并篩選出不符合規(guī)范的產品，這種檢

2、驗策略通常是浪費和不經濟的，是事后檢驗。spc技術的出現，讓質量管理從這種被動的事后把關發(fā)展到過程中積極的事前預防為主，發(fā)現過程有不合格趨勢時自動預警，及時調整，避免不合格品的產生。 制造業(yè)企業(yè)生產過程中普遍存在的質量分析和控制問題，特別是企業(yè)信息化進程中更加凸現的過程質量預控方面難題。借助統計過程控制spc技術，通過生成并分析質量控制圖發(fā)現生產過程有不穩(wěn)定趨勢時實現自動預警，幫助企業(yè)現場人員及時調整生產過程,1.1 統計過程控制（spc）的原理,隨機分布定義：是指質量特性的數據分布所符合的某種規(guī)律。隨機分布是正態(tài)分布、卡方分布、t分布和f分布等。自然界中大量的隨機變量都服從或近似服從正態(tài)分布

3、,x,常記為：xn(, 2,正態(tài)分布的概率分布： 68.27% 1.645 90% 1.96 95% 2 95.44% 3 99.73% 6 (1-3.4ppm),控制圖的形成： 將正態(tài)分布圖按順時針方向旋轉90，再將圖旋轉180 , 就是一張典型的控制圖單值控制圖。圖中ucl= +3為上控制限，cl= 為中心線，lcl= -3為下控制限,1.2 （spc）質量控制圖的原理,判異原則： 點出界就判異； 雖然點均未出界，但界內點排列不隨機就判異；第二條準則的具體模式理論上有無窮多種，但具有實際物理意義并被廣泛使用的有少數幾種,3原則： 不論與取值為何，只要上下限距中心值（平均值）的距離各為3 ，

4、則產品質量特征值落在范圍內的為99.73%。 產品質量特征值落在 -3 ， +3 之外的概率為0.27%其中單側的概率分別為0.135,1.3 （spc）過程控制的原理,我們工作 的方式 資源的融合,產品 或 服務,顧客,識別不斷變化 的需求和期望,顧客的聲音,人 設備 材料 方法 環(huán)境,輸入,過程/系統,輸出,過程的聲音,統計方法,有反饋的過程控制系統模型,2. spc和mes的關系,企業(yè)erp和mes的實施，為企業(yè)正真實施spc提供了前提條件和應用環(huán)境，spc和mes是緊密聯系在一起的。 我們所要做的就是“基于mes的生產質量控制與分析（spc）系統,3. 質量控制與分析（spc）模塊的設

5、計思路,質量檢驗建模與基礎數據管理模塊 檢驗數據管理模塊 數據分析（spc）模塊 質量控制圖的智能診斷,手工錄入,自動采集,數據庫方式,儀器采集,p-chart,u-chart,c-chart,np-chart,能力分析報表,過程控制圖表,缺陷排列報表,過程異常報表,數據列表,xbar-r chart,xbar-s chart,median-r chart,median-s chart,直方圖,質管模塊,進貨檢驗 中檢成檢 采購建議,數據采集,產品信息,控制特性,不良信息,檢驗規(guī)則,層別信息,層別信息,機器別 班組別 人員別,基礎數據,檢驗數據,參數設置,質量分析任務,計數值,計量值,數據庫,

6、計數值 分析任務,計量值 分析任務,報表分析,有無異常,處于穩(wěn)定,貫徹20字方針,查處異常，采取措施，保證消除，不再出現，納入標準,檢驗項目及 條件,控制圖選擇,顯示參數選擇,質量診斷,檢驗數據管理,基礎數據管理,2.1 質量檢驗建模與基礎數據管理模塊,質量檢驗建模。 對于不同的產品質量執(zhí)行標準，其檢驗項目的類別和判定方法可能會有很大的不同。需要根據產品的執(zhí)行標準來查閱需要哪些檢驗項目以及如何對這些檢驗項目結果進行質量判定，這就需要一個質量檢驗建模過程。 基礎數據管理。 基礎數據常常作為動態(tài)質量數據的環(huán)境參數、附屬參數、層別參數等。主要包括：產品信息、缺陷信息、檢驗規(guī)則、層別信息以及控制圖參數

7、等。支持基礎數據的錄入、查詢、修改、刪除等功能,質量檢驗建模的界面設計,質量檢驗建模與基礎數據管理，主要涉及質量控制與分析數據庫的建立，包括各種數據表的建立以及表之間的關聯。（oracle數據庫技術,2.2 檢驗數據管理模塊,檢驗數據管理。 該模塊用于維護從各生產線、產品收集的原始檢驗數據，包括計數型和計量型兩種類型數據。 提供多種數據組織維護方式，具有便利的補充錄入界面，可以產品樹形式進行數據維護。 具有外部數據導入接口，可以導入質量管理軟件的已有數據進行spc分析。 對在線自動檢測的計量型數據，可提供自動采集錄入接口，可以通過mes數據采集系統，實現實時采集錄入檢驗數據。 （oracle數

8、據庫管理技術，軟件與硬件接口技術,檢驗數據維護的界面設計,2.3 數據分析（spc）模塊,數據分析：通過檢驗數據檢索條件，查找檢驗數據，生成相關控制圖，進行異常判斷和過程能力指數分析等。（c#編程技術） 可以分析任務形式進行組織，建立任務列表，根據定義任務條件進行分析顯示。 提供了x-r圖、x-s圖、直方圖、排列圖、p圖、c圖等多種spc控制圖。 具有靈活的數據查詢方式，可以設置產品、日期、層別條件等進行數據查詢分析。 實時分析，具有在線檢測條件下，可以實時進行spc分析。 異常報警功能，數據點超出設定的預警值時，進行異常報警。 自定義的報表輸出功能,分析任務建立的界面設計,分析結果報表顯示的

9、界面設計,2.4 質量控制圖的智能診斷,質量控制圖是質量狀況最直接最確切的表現方式。研究將從控制圖入手，深入挖掘控制圖信息以明確工序質量狀態(tài)。控制圖異常模式的判異算法：通過優(yōu)化判異算法，控制圖出現異常的時可直接判斷控制圖異常狀態(tài)的類型。 質量診斷的目的就是根據質量控制圖信息，結合其他工序異常現象，從人、機、料、法、環(huán)、測（mes的實施讓上述信息的提供成為可能）的角度找出過程工序失控的主要影響因素?？刂茍D異常模式識別的研究為質量診斷奠定了基礎,為了進一步確定性地描述工序質量狀況，揭示生產過程潛在的質量問題，有必要對異常模式的表現參數進行估計，從而了解工序失控的程度，縮小質量問題的搜索范圍，避免調整過渡或不足。 確定了失控的模式和程度，質量診斷專家系統根據模式識別的信息，從人、機、料、法、環(huán)、測的角度找出過程工序失控的主要影響因素，提供專家改進建議（用戶可識別的內容）。 （涉及模式識別技術、神經網絡與專家系統技術）可以利用煙草組的智能平臺，建立專家診斷系統模型,質量控制圖