统计过程控制支柱—数据收集

没有适当的数据收集和分析，统计过程控制（SPC）是没有意义的。对于某些过程参数，这是一项简单的任务。但并不是过程的每一部分都是由简单的、定量的参数驱动的。

在上一篇文章中，我们探讨了统计过程控制（SPC）的基本原理。

当一个制造厂开始实施统计过程控制（SPC）时，最具挑战性的第一步是确定目前收集了哪些数据以及需要进一步收集哪些数据。有时这涉及到翻阅遗留技术的纸质文件或管理由不同工程师编制的多个内部数据库。所有收集的数据必须从纸质记录和部落知识转化为标准的、数字化的数据集。

随着传感器成本的下降，许多工业硬件已经配备了许多传感器，用于产品质量和机器诊断。鉴于可用仪器的增加，工程师们花在筛选数据上的时间比花在如何收集数据上的时间多。

传感器技术的影响

热喷涂工艺

在统计过程控制（SPC）的早期，由于缺乏数据，统计方法受到了阻碍。有时，这是因为没有收集到足够的关于某一特定参数的数据点，而其他时候，则是因为没有可靠的方法来收集所需的数据，而用 "代理数据 "来代替。

在第一种情况下，想象一下一个为发动机生产汽缸盖的铸造作业。为了确定铸件的孔隙率，他们对一些铸件进行破坏性测试，并使用这些数据点来对其余的铸件进行假设。工程师的工作是确定必须销毁多少个样品才能假设准确的数据。

在第二种情况下，一个工业热喷涂操作施加一个涂层，停下来，用卡尺检查厚度，然后再次喷涂，直到达到理想的涂层厚度。这个过程很耗时，有潜在的危险，而且会在涂层中引入热应力。相反，"解决方法是 "监测气体流速和涂料粉末消耗量，并假定一切行为正常，除非质量控制部门另有说明。

随着传感器技术的改进，这两种情况都可以得到解决。在第一种情况下，已经开发了许多技术，如超声波或染料测试，因此必须破坏的铸件较少，但以非破坏性的方式测试更多的铸件。这产生了更多的数据点，导致了更好的分析，以及更高的产品产量。

在第二种情况下，激光距离传感器可以在喷镀过程中测量涂层厚度。不仅涂层的厚度均匀，质量偏差较小，而且厚度和喷涂时间可以与粉末用量进行比较，以了解是否存在进料问题，或者是否有一些粉末在过程中被损失。

所有这些工具都可以集成到统计过程控制（SPC）数据管理系统中，记录的速度和准确度比人要高得多。理想情况下，数据被存储在公司的云端，以便从任何地点进行检索和审查。

定性数据

如果一个属性可以被量化，它就可以被统计过程控制（SPC）跟踪。定性测量更难跟踪，但其中一些测量实际上可以通过机器进行量化。例如，油漆的色调，听起来是定性的。一个有经验的画家可以分辨出来 "纯白 "和 "单纯白 "之间的区别，但对于未经训练的眼睛来说，这两种颜色可能看起来完全一样，使它看起来像是一个简单的个人判断问题。

奶酪质量分级

你怎么能量化油漆的颜色调呢？当然是用机器视觉了! 现代光学传感器可以确定RGB值并匹配色调。一个反馈回路可以通过相对于记录的RGB值添加着色剂来管理着色剂。统计过程控制（SPC）可以监控这个反馈回路，并决定是否有理由使一种着色剂的用量比历史记录预测的更快。

有些数据可以定性地收集，并为统计过程控制（SPC）目的分配一个数字。例如，在一个大型奶酪制造厂，奶酪可以根据口味进行 "分级"。除了让多人品尝奶酪并给它分配一个数字，然后取其平均值外，没有一个好的方法来客观地量化味道。

所有的数据都应该被评估为模式，特别是在产品难以客观量化的情况下。在奶酪的例子中，除了数字的平均化，评价者本身也应该用统计方法进行评价。是否有一个评价者始终对所有的奶酪评分较低？如果不检查这一点，奶酪的质量可能会在他休息的日子里神秘地增加，然后在他回来时下降。

设备参数

除了产品规格，工具参数也可以在较新的加工设备中进行跟踪。有了管理良好的数据集，工具参数也可以成为即将出现的问题的早期指标，从而导致预测性维修的流行研究。

例如，假设金属带锯条的温度在机器进行粗略切割时被记录下来。它每天都会进行这些相同的切割。随着时间的推移，每次切割的温度开始上升。这是由于刀片上的摩擦增加，这是刀片变钝的迹象。再一次，工艺工程师可以发现这一趋势，并在下一个维护周期提交更换刀片的请求，而不是等待刀片断裂。

另一个例子是跟踪电动马达的电流消耗。假设一个泵正在将化学品从储罐移到反应器中，电动机的电流被跟踪。许多泵有一个反馈机制，确保保持相同的出口压力；如果出口压力下降，就会给电机施加更多的电流。随着时间的推移，泵中的转子会磨损，导致出口压力下降。电机通过吸收更多的电流进行补偿。如果没有统计过程控制（SPC），最终，热过载继电器将由于高电流而在泵上跳闸。这将是一个非计划的停工，需要紧急维修。有了统计过程控制（SPC），电流的增加将被注意到，也许在断路器跳闸之前就会发出警报。这将使工厂工程师有时间调整工艺，并准备以计划停工的方式使泵停止使用。

.电机附近的传感器可以根据振动、温度和电流消耗检测问题

分析为前提的数据收集

在大多数情况下，只要收集和分析得当，所有数据都是好数据。数据收集过程中的每一个环节都应该被记录下来，以便对趋势进行验证。如果更换了一个传感器，其数据应与以前的传感器的数据（当它正常运行时）进行比较，以确保新的传感器是一个很好的替代品，如果需要，可以对任何轻微的变化进行校准。

总结

全面的数据分析本身就是一门艺术，而且每天都在开发新的技术。作为工厂的工程师或技术人员，收集数据和做详细的笔记可以最大限度地延长质量偏离之间的时间，并大大有助于故障排除工作。

如果大家对科技技术感兴趣，欢迎大家点赞关注和评论，我会给大家准备更多的技术介绍，谢谢大家的支持。