一 应该收集哪些制造数据来提高零件质量
当谈到制造过程的分析时，有一个步骤是不可避免的——不能修正没有测量的东西。为了有效地度量性能，您需要首先从流程中收集正确的数据。制造质量团队经常会问：他们应该收集什么数据？当质量或产量出现问题时，什么数据对确定根本原因最重要?我们的答案是要视情况而定。1.收集零件生产数据以了解质量对于寻求深入了解质量问题的制造企业来说，建议从收集零件生产数据开始。这是在生产中的每个部件上执行其功能时直接产生数据的过程或测试。捕获这些数据的最佳方式是采用数字进程签名的形式，这种波形可以清楚地显示在该进程或测试周期的每一毫秒中发生了什么。有了这些数据，我们就可以对制造过程中可能出错的每一种方式进行特性检查。无论它与时间、力量、距离、压力、电压等有关，我们都得到了整个过程的记录。通过这种设置，可以确信出现问题时的答案就在已经收集的签名数据中。我们可以应用分析工具来追踪根本原因，并确定预防的最佳修复方案。像汽车行业这种大型OEM的情况下，这种范围的数据通过数十个站点可以很快地收集，甚至数百个站点积累起来。根据工作站的操作，我们可能会有6个或更多的数字签名1-10倍的特征检查。根据线路的速度，每个工作站每小时可能有数百个部件通过。对于真正的数据洞察，这种签名数据的存储方式应该将它与零件生产相关的生产数据相关联，包括标量和机器视觉。任何相关数据都不应该被困在某个地方的筒仓里。2.确定收集数据的优先级生产数据当然是大量的数据。运用帕累托方法和古老的80/20规则，通过考虑影响整体吞吐量或首次产出的最大瓶颈是什么来进行分类——20%的瓶颈造成了80%的痛苦。首先将您的数据收集工作集中在这些问题点上，通过部署特性检查和签名分析功能来找到根本原因。然后，可以应用算法来发现揭示“如何”和“为什么”的趋势和模式，以便调整流程或测试。我们可以将此应用于任何受控过程-从压装和泄漏测试，压延，焊接和点胶。如果进行了序列化生产，这种方法最有效——将生产的每个部件都有其独特的序列号。这使得为每个生产部件创建历史记录变得很容易，其中包括来自触及它的每个工艺或测试的所有数据。二 制造生产数据应该存储多长时间在上文中，谈到了收集和组织生产数据的必要性，以便通过有针对性的根本原因分析来快速解决生产线上的瓶颈问题。但当涉及到你们的长期战略时，制造企业经常问道：他们需要保留多少数据，他们应该归档什么数据，归档多长时间。我们经常使用发动机机油底壳泄漏测试失败的例子。故障的原因是什么：由于分配不当导致的垫片故障，由于位置不正确导致的垫片安装不当，由于螺栓没有正确紧固，由于加工中心振动过大而导致的加工表面质量不佳?要找到这个缺陷的根本原因，可能需要对十几种或更多的加工、分配、装配和拆卸操作进行调查，每一种操作都有自己的特性检查数据集。有了正确的数据，这个调查过程将是相当轻松的。在开始的时候，我们的想法是从大量的数据收集开始，在生产过程中收集涉及到每个部分的每个流程或测试中的每一点数据。我们将从更多的部件中查看更多的数据，将更深入地了解什么特征检查和限制足以区分一个好的油底壳组件和一个坏的油底壳组件。在这种分析中，我们可能会找到一些方法来减少正在收集的数据量，或者正在实现的不同特性检查的数量，这样就可以更好地了解哪些数据最适合长期保存。1.有疑问的时候，数据越多越好组织可能只定期查看所收集的5%的数据，但是保留其余的95%用于再处理仍然有很大的价值。它可以是为了持续的过程改进而执行“假设分析”，或者作为对未来保修索赔的证据。对于后者，边界通过通常会导致失败或性能问题。质量团队不知道它有问题，直到保修索赔开始进来。因为他们确实收集并归档了生产数据，他们可以通过序列号提取那些受保修要求影响的部件或组件。然后可以进行针对性的根本原因分析，看看这些有缺陷的单元是否有任何共同之处，比如边界通过或特定功能检查中的异常。如果是这样，我们可以过滤其他部件的流程签名，并标记具有相同异常的部件。这使得选择性召回而不是昂贵的大规模召回成为可能。生产线上的工艺也可以重新调整其限制，以防止同样的缺陷再次发生。2.确定数据存储多长时间确定数据存储多长时间取决于在字段中支持该单元的时间。产品的保修期是多久?如果您是OEM的供应商，他们的产品(包括您的零件或组装)的保修期是多久?长期存储策略至少应该涵盖这些时间段。这里的关键是，当存储生产数据时，成本不应该是首要考虑的因素。存储容量，无论是本地存储还是云存储，现在都是负担得起的。当涉及到机器视觉时，各种压缩方法也可以解决文件大小的问题。当有一天你需要进行根本原因分析时，有选择性召回的数据可能对你的底线和品牌声誉有更大的价值。
三 分析机器数据与零件数据的优缺点在我们讨论收集和分析零件生产数据以驱动生产线质量和效率的前景时，我们有时会遇到这样的问题:“为什么仅仅关注机器数据还不够?”把这句话理解为:“为什么仅仅关注总体设备效率(OEE)值而不是具体的部件数据还不够呢?”简而言之，两者都很重要，都有各自的作用。但其中一个不能替代另一个，因为它们测量的东西不一样。1.机器数据系统简单来说，OEE系统监视机器，在停机前预测问题。OEE是管理机器运行状况、管理其维护计划和找到问题根源的有用工具。它没有做的是直接监控机器生产的零件的质量。如果我们在讨论OEE，我们也可以讨论MES。与OEE相比，制造执行系统通过捕获与产品质量和产量有关的机器和人员相关的数据，提供了对制造流程和效率更全面的关注。一个典型的MES系统跟踪并记录从原材料到成品的转换过程，目的是了解如何优化工厂的当前状况以提高产量。然后是统计过程控制(SPC)。这些系统和它们收集的数据可以输入SPC系统。SPC使用标量数据和统计工具来监控生产参数的趋势，以发现可能最终导致不合格品的偏差。许多工厂还依赖于基于时间的工艺数据，而不是通过被称为“专家系统”的数据库软件应用程序来跟踪生产中的零件或装配线的序列号。专家系统记录有关工业过程的趋势和历史信息以供将来参考。它们捕捉工厂管理信息，包括生产状态、性能监控、质量保证、跟踪、出生历史和产品交付。2.OEE、MES、SPC和专家系统的不足所有这些方法仍然是监控生产线运行状况、在出现问题时及时发现问题的重要工具。但这是他们不具备的功能是:•通过实时生产的每一毫秒，直接了解生产过程中发生的事情。•因为缺乏这样的功能，质量人员缺乏“在创造中捕获”缺陷或缺陷的手段。相反，有缺陷的部件会继续留在生产线上。一个缺陷在被发现之前离它的起源点越远，解决它的成本就会越高。•提供关于如何改进过程的见解。它们只是标记问题，而没有提供快速制定解决方案的智能。另一方面，通过数字工艺签名分析直接捕获和可视化零件生产数据，直接监控工艺或测试的结果，使所有这些事情成为可能。3.数字工艺签名提供了积极主动的零件数据和质量洞察可以这样考虑：OEE和其他衡量制造性能的指标在很大程度上是被动的。当一个问题被标记出来时，有缺陷的部分已经溜走了。现有的数据很少能提供一种准确的方法来识别和隔离有缺陷的部件，而不影响到好的部件。与其他数据系统相比，数字过程签名分析更具前瞻性。通过尽可能快地将质量问题标记在其创建点附近，可以显著地降低质量问题的严重性。四 有效利用来自生产线上数据的4种方法今天的生产线上到处都是数据。挑战在于，尽管制造企业可能收集了大量数据，但这些数据往往没有被积极或有效地用于解决日常问题。从生产过程中收集到的数据有可能提高生产线效率和车间效率，提高产品质量，在某些情况下，甚至可以节省成本——但前提是系统的设置允许通过数据分析实现这种洞察力和行动。考虑以下最佳实践，以更好地利用生产线数据。1.收集生产数据将所有的数据从车间系统整合到一个可访问的结构中。现代数据管理和分析平台具有从不同来源获取数据的能力——它是灵活的和不可知的。这将消除使用不同机器供应商时常见的数据竖井，并降低在生产层管理各种软硬件所需的成本。它还能够将生产线上的站点进行关联，提供一致的报告和制造过程的顶层视图。在此过程中，考虑如何使用数据以确保收集了适当数量的有用信息。根据您组织的规模和制造的零件类型，您的需求可能会有所不同。例如，如果创建标准的生产报告是主要需求，那么所需的数据比测试站优化所需的数据要少。2.标准化生产数据报告模型通过使用标准的现成报告，为工厂底层系统构建标准数据模型极大地简化了实现，并确保项目成功。例如，如果您的数据模型标准通过序列号(强烈推荐)确定了对特定部件的可追溯性，这将确保所有工具供应商都相应地对其逻辑控制器进行编程，或者有适当的条形码阅读器/扫描仪或部件标记系统。3.关注零件，而不仅仅是机器监控机器的性能是确保运行效率的重要手段。然而，当试图修复问题(比如改进周期时间、追踪缺陷的根源以在将来避免它们)时，只关注这一点会留下一个缺口。在生产线上的每个工艺和试验站的每个周期产生与被生产或被测试零件相关的数据，包括标量数据、数字工艺签名和图像。你收集的数据越多，你就越能了解零件在每个装配步骤中发生了什么。上游发生的任何事情都可能对下游出现的问题产生影响。例如，不能通过泄漏测试的发动机总成。下一步是，您需要确定故障的原因——由于分配不当导致的密封垫故障、由于位置不正确导致的密封垫安装不当、螺栓没有正确紧固、由于加工中心的过度振动导致的加工表面加工不良?为了得到答案，你需要深入研究你的数据。要找到这个缺陷的根本原因，可能需要对十几种或更多的加工、分配、装配和拆卸操作进行调查，每一种操作都有自己的数据集。通过收集与部件相关的所有数据集，并将其组织成一个单一的创建历史记录，并按部件序列号进行索引，追踪根本原因将是一个更简单和有效的过程。4.应用数据可视化来更好地了解和比较在下面的例子中，在泄漏测试中发现了一个问题。来自上游流程的签名数据——RTV密封胶分配、分配检查和螺栓紧固站，用于创建密封——提供了可视信息，可以解释确定根本原因。查看焊道如何分配压力，焊道宽度和位置，以及紧固件扭矩角波形，清楚地描述了过程，使工程师和操作人员能够快速诊断泄漏的根本原因。
通过工具，可视化装配站的数据，使分析复杂的信息更容易。例如，可以查看、分析和覆盖跨站点部件测试数据的数字流程签名(波形)，并快速发现问题区域。这种深入分析能力意味着可以很容易地将部件故障与测试故障区分开来。详细的、特定于特征的数学模型可以用来发现需要进一步调查的异常，查明过程中出现的问题，甚至通过理解如何缩短测试来优化测试站。制造系统的可用数据范围可能会非常庞大。如果你正在为你的生产数据管理和策略而挣扎的制造企业，那么与专业人士交谈可能会很有帮助，以帮助你根据典型的工厂车间计划、要求和目标来组织数据。
