企业质量大数据的应用

企业质量大数据的应用目前我国制造企业已逐步实现生产自动化，管理信息化，正在向着制造智能化迈进，需要重视数据价值，懂得数据使用。企业要从质量入手，建立质量数据中心，以此进行全过程质量数据分析，让企业从信息系统中使用数据，挖掘数据的价值。建立“互联网+”的企业大数据平台，是企业通往智能制造的必经之路。在新的市场条件下，企业能否取得经济效益，能否在激烈的市场竞争中立于不败之地，满足不同用户的需求，提高产品质量是其中的关键所在。为了有效的降低生产成本、提高产品质量，企业不但要在生产装备能力、生产工艺技术、生产过程控制等方面做大量工作，还需要科学的建立一体化质量管理体系，从全局角度了解产品在所有生产过程中的质量情况。将以前只关注结果转变为既关注结果也关注过程，通过追溯生产过程来优化生产工艺，从而将质量管理形成闭环网络。钢铁生产是一个连续、高温、长流程、跨工序的生产过程，其产品及中间产品的质量不仅取决于工序过程质量，而且与前道甚至更前的工序有关，因而在整个生产过程中各工序原料质量情况、过程操作参数的取值、设备运行状态、操作和检验人员的经验及其工作状态直接决定了产品及中间产品的质量。通过收集各工序影响产品质量的关键参数，形成质量大数据，及时、准确掌握各工序在制品的质量情况，将传统的结果型质量管理模式变为事前预测的过程型质量管理模式。为此，构建企业的质量数据中心势在必行。1 质量数据中心构建企业的质量数据中心，首先收集与质量相关的数据，其中包含来自于自动化系统的生产过程数据、 来自于表面检测系统的缺陷数据及部分缺陷图片、来自于设备系统的设备状态数据、来自于检化验系统的检验数据、来自于 ERP 系统或 MES 系统的生产标准数据、来自于销售系统或 ERP 系统的质量异议数据、来自于点检系统或人工的点检数据、来自于各个系统记录的操作数据等等。这些数据之间的采集频次差别很多，有毫秒级别的数据，有每天记录一次的数据，而且钢铁制造的工序长，从炼钢的板坯到热轧、冷轧，数据之间并不是一一对应的关系，因此，简单的把数据收集起来并不能建立数据中心，要建立数据中心，必须进行数据的重新组织。1.1 大数据的技术应用在质量数据中心的建设中，使用业界流行的大数据技术HADOOP 技术进行海量明细数据的存储，解决了以前数据存储速度慢、实时性低的特点。采用大数据技术进行分析相比于传统的数据仓库应用，具有数据量大、 查询分析复杂等特点。大数据的 4 个“ V ”，其特点有四个层面：第一数据体量巨大。从TB 级别跃升到PB 级别；第二数据类型繁多。第三处理速度快，1 秒定律，可从各种类型的数据中快速获得高价值信息，这一点也和传统数据挖掘技术有着本质的不同。第四只要合理利用数据并对其进行正确、准确的分析，将会带来很高的价值回报。大数据核心价值就是在于对于海量数据进行存储和分析。1.2 数据采集数据的采集是实现质量中心的关键。在生产过程中会产生大量的工艺数据，从对产品质量有影响的数据入手， 利用各种技术实现机器之间的通信，将海量数据通过网络及软件方法自动传送到质量数据中心。数据采集的方式很多，以下几种采集方式可以作为参考：1）电文通讯：在源系统中对数据进行组织，通过 TCP/IP 协议， 将数据以电文方式发送给数据中心。2）数据库通讯：对于专用的源系统的数据采集机，如果其用数据库存储数据，则采用数据库方式通讯，在质量数据中心服务器上建立一个客户端，连接主机的服务器，把数据采集过来。3）日志抓取：基于日志的结构化数据复制软件，通过解析源系统数据库在线日志获得数据的增删变化， 再将这些变化应用到质量数据中心服务器数据库，实现源系统数据库的数据抽取。日志抓取软件只读取数据库的日志，不直接对数据库进行操作，所以对源系统的影响可以降到最低。1.3 实时性对于质量数据中心来说，数据的采集、计算都需要有一定的实时性。通过特定的技术能保证数据采集和计算的实时性。1.4 数据组织在质量中心中存有大量各工序、 各机组的生产工艺数据， 必须将前后工序的数据联系起来，使工艺数据与实际产品在各个生产环节的工序一一对应，才能最终实现质量分析诊断的目的。数据重新组织步骤。首先要建立钢铁生产跟踪的物料树，通过材料跟踪号勾联出生产时各机组的卷号，包括板坯号、热轧卷号、冷轧相关的卷号、成品卷号、炉号及合同号等明细；再由各卷号勾联相应子集库中满足条件的各类数据，在此基础上， 考虑钢卷的开卷、卷取、方向情况、翻卷情况（因为涉及到表面检测的数据），形成能够跟踪整个生产流程的物料树主线。按照物料号，业务属性（温度、速度、设备、缺陷等）、数据粒度（毫秒、秒、米）重新组织数据， 形成各个层级的数据模型，这些数据模型按照时间区间进行存储（分结构化数据和非结构化数据，表面检测涉及到图片），便于未来的使用和检索。数据组织时要判断数据的合理性、过滤掉噪声数据、从时间轴转换为位置轴、板坯数据定位，子母卷同步、协调不同数据的采样频率、二次计算、长期存储。2 全过程质量数据分析在质量数据中心的基础上建立全过程质量分析系统，通过对影响产品质量的关键输入/ 输出工艺变量及中间过程进行监控，实现全过程统计控制，保证生产过程稳定受控，支持现场操作人员及质量技术管理人员高效监控、诊断分析和改进生产过程，从而稳定生产过程，减少产品质量波动，最终实现产品质量的持续改进。2.1 质量预警过程质量预警是将过程工艺参数纳入到过程质量监控体系，统计关键工艺参数的违规记录、异常原因。2.2 过程监控与分析利用统计分析工具,监控生产过程是否处于受控状态，判断过程质量的稳定状态。2.3 质量评价按照给定的原则对工艺质量指标进行统计分析，做出综合工序能力评价，以便后续工作的改善。2.4 统计质量判定通过统计分析和业务经验进行离线质量判定。2.5 制造履历追溯根据物料走向，进行物料全过程的生产履历追溯。可查看、分析每个关键工序影响质量的关键工艺参数的分布；质量检验特性及判定结果的追溯；各批次生产过程设备运行状态追溯；指定缺陷数据追溯；通过多维度，多角度将用户关注的数据进行整理展现，可任意拖拽， 选择数据范围，快速查看360 度的质量 /产品信息。2.6 质量报告从数据中心中读取数据，并以图形、表格的形式显示，实现重点质量报表展示功能，反映业务管理信息。并能以预定义的格式通过Web 、 Email 或文件服务器发布。系统根据质量诊断、质量判定、违规报警等为每个产品出具质量报告。系统按照下游工序针对上游工序的过程质量数据要求提供完整数据接口；根据过程数据， 过程质量预警、 在线质量判定结果等信息生成质量统计报表。可定制各种过程质量统计分析报表包括产量、产品合格率、内控率、降级原因、违规记录，指定工艺参数/质量指标的最大值、最小值、平均值、标准方差、 Cp 值、 Cpk 值等。系统提供钢种、客户、订单、产品用途等不同分类的报告。3 企业大数据平台生产过程、 检验、 表检等数据信息都是企业内部的数据信心，在这些数据信息的基础上建立质量数据中心，对于一个企业来说，仅是对内部质量数据的分析是不够的，还需要把内、 外的数据结合起来，建立质量的大数据。在企业内部，质量数据中心的基础上，对生产、成本、库存、能源建立相应的数据中心，形成企业内部的大数据平台，再结合企业外部的行业标准、市场行情、销售（电商）、采购（电商）、客户要求、研发公关信息，形成企业外部的大数据平台，内部与外部数据的结合，形成企业的大数据平台。企业大数据平台按照客户、产品、 业务方向从多个角度进行数据组织，建立企业的数据模型。企业的大数据平台，支撑企业转型智能制造。建设智能工厂/数字化车间，通过大数据分析，加快人 /机智能交互、工业机器人、智能物流管理、增材制造等技术和装备在生产过程中的应用，促进制造工艺的仿真优化、数字化控制、状态信息实时监测和自适应控制。利用企业的大数据平台，支撑智能管控。通过大数据分析，加快产品全生命周期管理、客户关系管理、供应链管理系统的推广应用，促进集团管控、设计与制造、产供销一体、业务和财务衔接等关键环节集成，实现智能管控。利用企业的大数据平台，传播先进的质量管理技术和方法。通过大数据平台的信息积累，普及卓越绩效、六西格玛、精益生产、质量诊断、质量持续改进等先进生产管理模式和方法。利用企业的大数据平台，加强质量监管体系。通过大数据平台的信息收集，建立消费品生产经营企业产品事故强制报告制度，健全质量信用信息收集和发布制度，强化企业质量主体责任。将质量违法违规记录作为企业诚信评级的重要内容，建立质量黑名单制度。总之，企业的大数据平台优化了企业内部的信息共享与传承，将在企业的转型中起到关键性的作用。