统计分析软件在汽车制造业中的应用

寂静回声

当前，以汽车行业为代表的现代制造业正大力推行“工业4.0”和国家于2015 年春出台的“中国制造2025”，而两者的本质都是以智能化制造为主导、通过充分利用信息化技术和网络空间系统等手段，将制造业向智能化这一革命性生产方法转型。“工业4.0”的战略，包含三大主题，一是“智慧工厂”，重点研究智能化生产系统和过程及网络化分布式生产设施的实现；二是“智能化生产”，主要涉及包括3D 打印等新颖工艺在工业生产过程中的应用以及整个企业的生产管理、人机互动等；三是“智能化物流”，主要通过互联网、物联网，整合物流资源，充分发挥现有物流资源供应方的效率，而需求方能够快速获得服务，得到物流支持。“工业4. 0”的核心就是能满足“快速、小批量、定制化生产”的智能化制造，也只有能充分满足不断变化需求的生产手段才被认为具备了智能化制造系统的基本特征。
来自Q-DAS公司的统计分析软件始终都紧跟世界技术潮流的发展，从早期的人为监控、人工采集数据、再通过人为操作来获得统计评价结果；发展到由机械自动采集数据、其软件系统自动统计并根据逻辑运算实现自主评价，以及具备实时监控异常情况、并立即通知相关人员的能力，从而逐步将人员从繁琐的采样监控统计评价中解放出来。在提高工效和分析、评定质量的同时，还降低了对操作人员的要求及企业的生产成本。近年来，伴随着互联网技术的快速发展，Q-DAS公司更是利用企业的网络化，将从人、机、料、法、环、测多个环节采集的数据和信息统一形成了完整的PDCA闭环，使整个系统达到了具有自主完善、自主提高、不断优化的最佳状态。
图1 质量数据可视化三层系统构架
成立于2005年的上海大众动力总成有限公司，是现今国内规模最大、产品和制造水平最高的小排量发动机生产厂之一。近年来，企业参照德国大众“透明化工厂”的理念，于2014年6月开始在全厂范围实施制造质量数据联网，它以最新的“qs-STAT企业版统计分析软件”为基础，再赋以符合企业自身特点的个性化的定制要求进行优化，形成了富有特色的产品制造质量信息的数据网络。该系统覆盖了所有加工生产线（3条连杆线、4条曲轴线、3条缸体线、3条缸盖线、1条凸轮轴线、2条罩壳线）和全部3个生产测量室。包含了多种类型的现场质量信息：1）生产线工序间的在线检具； 2）位于生产测量室里的高精度检测仪器；3）位于生产线末端进行100%测量的终检。
如前所述，企业推进的“透明化工厂项目”，是以Q-DAS公司的统计分析软件为基础，其核心是采用如图1 所示的质量数据可视化三层系统架构。通过从基层收集的质量数据，再经过中层对数据的分析评估，最后还可由高层对显示的结果进行监督、管控。也就是说，该系统是通过三个层次、三个维度，对生产线的过程能力进行了全面的实时监控，以此来保证最终成品的制造质量。
图2 检测信息对话框
从图1 可清楚地看到，该系统是把服务器作为运行和监控中心，在企业内部相关的职能部门、专业人员、管理层面，均设置了监控终端。所有输入输出的制造质量信息，乃是通过零件自动测量后的数据，经生产线旁的操纵工或专职测量员按检测结果确认后，借助上传软件经过服务器进入数据库。然后再通过预先设定的时间频次，qs-STAT 统计分析软件则会自动将各个检测工位的测量数据，上传到中央数据库。现场质量工程师们可通过网络调用中央质量数据库的数据，利用具有精细化、可识别的数据处理分析系统，方便地按需要对生产过程的各个环节进行仔细的观察和分析，并且在必要的时候及时地做出处理。而部门和企业的领导，作为管理层的责任者，可定时或在需要时方便地实时查看所有生产线质量情况，即使此时人们是坐在办公室内也无妨。一旦发现制造质量出现了异常情况，qs-STAT 软件的报告系统就将同时向相关人员发出预警、告知应尽快处理。
透明工厂的网络化质量数据监控系统在实际运行时，应该着重关注以下两点：
◆ 位于生产线旁的操作工和生产测量室内的专职测量员在信息采集阶段就可作简单预判，当测量完成后，按检测的要求进行确认后，就将数据上传到数据库，以保证数据信息提供更及时、准确，目的是使生产质保工程师和现场技术人员，在分析、评估出现的问题时更直接和有效。
图3 检测目标类型
◆上海大众动力总成的操作工测量员测量结束后，操作屏幕会弹出如图2“检测信息对话框”，在检测目标的范围内，根据表1“检测目标对照表”输入相应目标。检测目标类型是生产线经验累积发生的实际情况，充分考虑了人、机、料、法、环、测后进行的汇总简化和提炼（见图3）。
表1 检测原因对照表
生产线技术人员质保工程师等相关专业人员借助qs-STAT 统计分析软件，利用质量数据库，通过采取比较、过滤等方式，对从生产线乃至装配线所获得的质量及工艺信息进行数据处理，即能实现对过程的全面监测、评价，并寻找各个工序中的问题点。如图4 数据过滤操作步骤——第1 步：打开数据库；第2 步：输入曲轴零件号-1 次过滤；第3 步：输入工序号-2 次过滤；第4 步：选择按机床号分类-3 次过滤；第5 步：完成分类显示。
Q-DAS 软件提升了企业“工业4.0”的应用水平
显然，如果在线检具不加区分进行测量，并按传统做法对所有实测值一并进行数据处理，那就失去了该系统的意义。此时，若要真正达到对过程是否处于稳定的受控状态予以分析、判断，就必须把抽样、测量细化到上述多种工况中的具体一种。事实上，只有在识别并确认了某一工况后，再进行有针对性的数据处理才有意义。为此，就必须事先通过对那些相关的、提供质量信息的检测设备进行统一的数据格式的设置，从而使得那些用于评价的质量数据中，除了所获取的实测值，还包括工件批次号、机床、动力头（夹具）、检具及生产线等信息。最后就会得到如图5 那样的反映某道工序过程运行状况的分析图。不同于传统的SPC，此图含有多条曲线，每一条对应一种具体情况，如一台机床、甚至更细化到其某个动力头或零件的某个部位等。
图4 数据过滤操作步骤
如前所述，智能化制造作为“工业4.0”的核心，面对当今的汽车消费市场必须满足个性化需求这个原则，要适应多品种混线和柔性化的苛刻生产条件，且做到对生产过程制造质量进行实时监控，用以保证产品的质量。显然，传统的质量控制理念已不再适用于具有当代特征的生产方式，而唯一的解决之道是——企业要更关注完善、提升生产过程信息化水平，以实现生产过程质量控制的“互联网+ 新理念”，完成向“工业4.0”所提出的基本要求的演变。
qs-STAT 统计分析软件仍有发展空间
上海大众动力总成实施的“透明化工厂项目”，是作为企业版qs-STAT 统计分析软件成功应用的一个实例。由于结合了汽车、尤其是轿车这一日益个性化产品的消费市场的需求，因而在项目实施中，始终围绕着能最大程度地适应和满足多品种、柔性化的生产方式这个十分明确的目标来展开。这期间，通过利用并发挥在企业中建立的网络的作用，充分显示出了将互联网技术渗入生产过程（关键工序）、并对于所获取的“人、机、料、法、环、测”等大量数据和信息进行分析、整合、形成了完整的PDCA 闭环的价值。在这期间也暴露出尚有些问题有待解决，有些情况也需引起重视和进一步加以完善。
图5 数据格式设置后显示与过程实时监控相关细化信息
其一是系统中涉及到大量与通信和联接有关的智能元件，但它们的标准化、互换性的问题还需要解决。鉴于未来的元件、机器和产品等都将互联、通信，形成一个生产网络，无疑就需要各个（种）元件能实现“无缝”联接，即插即用。其二是整个系统的安全性问题，尤其是关于IT 数据的安全。可以想象，系统在运行时存在着大量数据的产生、交换的活动，而一旦数据的安全缺乏保障，必将面临很大的风险。而如果数据受到非法的滥用或操纵，则整个生产系统的运行将会遭到破坏；另一个是人和机器的安全合作，这个人- 机间是否能保持友好的问题也是一个值得探索的课题。