過程的穩(wěn)定性是指，過程僅僅受隨機(jī)因素影響（而非特殊因素），具體是指，特征值的分布不隨時(shí)間而變，即它的均值、標(biāo)準(zhǔn)差以及分布的形狀等不隨時(shí)間而變，這里強(qiáng)調(diào)的是在時(shí)間變化條件下的特征值，而不是“標(biāo)準(zhǔn)差越大就越不穩(wěn)定”，同時(shí)，也并不要求過程一定是服從正態(tài)分布，如果一個(gè)過程的特征指標(biāo)標(biāo)準(zhǔn)差大，分布也非正態(tài)，但是如果這個(gè)特征值的狀態(tài)分布一直如此，我們也不能認(rèn)為其是非穩(wěn)態(tài)的。
一、過程狀態(tài)穩(wěn)定的監(jiān)控方法
判斷一個(gè)過程是否處于穩(wěn)態(tài)，可以通過控制圖來判定[1]，這也是為什么歐美企業(yè)一般稱一個(gè)穩(wěn)定的過程是受控的。控制圖判異是基于“小概率事件不輕易發(fā)生，如若觀測到小概率事件，就認(rèn)為過程受到了特殊因素的影響”這一規(guī)則來制定的，但是在使用控制圖時(shí)，我們必須要注意其使用條件，實(shí)際上，控制圖的使用必須滿足以下三個(gè)條件：
（1）數(shù)據(jù)相互獨(dú)立；
（2）數(shù)據(jù)大體上要服從正態(tài)分布；
比如我們在計(jì)數(shù)型控制圖中經(jīng)常用到P圖、NP圖、U圖和C圖，其中P圖和NP圖通常應(yīng)用的場景為產(chǎn)品檢驗(yàn)結(jié)果（合格與不合格），其一般滿足二項(xiàng)分布，而U圖和C圖通常應(yīng)用的場景為單位面積或體積上缺陷點(diǎn)的計(jì)數(shù)，如薄膜上的晶點(diǎn)數(shù)，鑄件上的缺陷數(shù)，玻璃上的氣泡數(shù)等，其一般服從泊松分布
，而這兩類分布只有在滿足以下條件時(shí)才可以近似為正態(tài)分布：
（3）過程變異只有隨機(jī)誤差。
如果數(shù)據(jù)不滿足以上三種條件，則需要對(duì)數(shù)據(jù)處理之后才可以使用控制圖來對(duì)過程進(jìn)行監(jiān)控，比如，數(shù)據(jù)分布不正態(tài)的情況下，可以通過適當(dāng)?shù)淖儞Q使得非正態(tài)分布轉(zhuǎn)化為正態(tài)分布，這里比較規(guī)范和通用的做法是運(yùn)用Box-Cox法[3]進(jìn)行變換。
二、如何有效消除工業(yè)現(xiàn)場的過程變異？
在生產(chǎn)工業(yè)現(xiàn)場，生產(chǎn)過程的穩(wěn)定性一直被視為過程控制的重要目標(biāo)，然而，在實(shí)際的操作中，由于受到諸多因素的影響，想要讓過程達(dá)到穩(wěn)定并在此基礎(chǔ)上實(shí)現(xiàn)優(yōu)化并非易事。尤其是精細(xì)化工行業(yè)、材料行業(yè)、醫(yī)藥中間體等行業(yè)，其生產(chǎn)過程通常是影響因素繁雜、多步驟的動(dòng)態(tài)過程，普遍存在生產(chǎn)批量小，品種切換多，工藝參數(shù)復(fù)雜多變等特點(diǎn)，因此對(duì)優(yōu)化生產(chǎn)效率、產(chǎn)品收率和質(zhì)量穩(wěn)定性提出了巨大的挑戰(zhàn)。
在實(shí)際的過程改進(jìn)中，我們對(duì)于過程異常通常采取的分析思路包括：
1）回顧并分析整個(gè)過程流程的合理性；
2）通過團(tuán)隊(duì)頭腦風(fēng)暴，從人、機(jī)、料、法、環(huán)、測（5M1E）要素進(jìn)行問題剖析（如圖1）；
3）根據(jù)對(duì)過程機(jī)理的理解，并結(jié)合經(jīng)驗(yàn)進(jìn)行診斷排查等等。
尤其是在對(duì)5M1E進(jìn)行分析時(shí)，所涉及到的因素將非常繁多，這也是化工行業(yè)過程控制的眾多難點(diǎn)和痛點(diǎn)的主要來源，如，不同人員對(duì)流程的理解以及工作習(xí)慣的差異，操作過程可能千人千面，甚至在一些批次切換頻繁、原料種類繁多的企業(yè)，投錯(cuò)料、投料不準(zhǔn)的事情時(shí)有發(fā)生；生產(chǎn)設(shè)備由于不能有效地進(jìn)行預(yù)防性維護(hù)保養(yǎng)，設(shè)備異常經(jīng)常性發(fā)生，導(dǎo)致了大量的生產(chǎn)浪費(fèi)和質(zhì)量事故；質(zhì)量異常發(fā)生后，由于過程數(shù)據(jù)缺乏，無法實(shí)現(xiàn)有效的質(zhì)量異常追溯，更無從查明真正的原因并形成有效的預(yù)防措施；工藝改進(jìn)、收率提升、配方優(yōu)化等工作因?yàn)橐蜃樱ㄝ斎胱兞浚┓倍?，通過試驗(yàn)設(shè)計(jì)（DOE）進(jìn)行尋優(yōu)經(jīng)常出現(xiàn)因?yàn)楹Y選因子導(dǎo)致重要因子遺漏，或者是因?yàn)樵囼?yàn)次數(shù)多，影響了整體優(yōu)化工作的推進(jìn)效率等等。
也有很多的化工企業(yè)在應(yīng)對(duì)這些問題時(shí)，通過展開精益六西格瑪項(xiàng)目，期望實(shí)現(xiàn)消除浪費(fèi)、降本增效、持續(xù)改進(jìn)的目標(biāo)。眾所周知，精益六西格瑪方法是真正的基于數(shù)據(jù)和統(tǒng)計(jì)的問題解決和持續(xù)改進(jìn)方法，傳統(tǒng)的精益六西格瑪項(xiàng)目流程是，首先通過精益的方法發(fā)現(xiàn)問題點(diǎn)、確定問題點(diǎn)，然后按照六西格瑪?shù)腄MAIC方法，利用統(tǒng)計(jì)方法制定改進(jìn)目標(biāo)、分析原因、尋找優(yōu)化方案并固化改進(jìn)措施。理論上這套流程邏輯上很嚴(yán)謹(jǐn)務(wù)實(shí)，但是，實(shí)際執(zhí)行下來，各個(gè)精益六西格瑪項(xiàng)目持續(xù)性往往不及期望，項(xiàng)目效果一般在項(xiàng)目驗(yàn)收階段達(dá)到峰值，此后又逐漸回落，其原因是，一個(gè)六西格瑪項(xiàng)目雖然各個(gè)步驟都是基于數(shù)據(jù)和統(tǒng)計(jì)方法，但都是離線方法，項(xiàng)目措施和效果無法在線固化和跟蹤，等項(xiàng)目驗(yàn)收后，在固化階段，項(xiàng)目干系人關(guān)注逐漸降低，效果自然就回落，此外，也有一些六西格瑪項(xiàng)目，雖然耗費(fèi)了大量的時(shí)間和精力，但是最終無功而返，究其原因，主要是兩方面問題導(dǎo)致：
1）工廠數(shù)據(jù)通過人工采集，存在不及時(shí)、不準(zhǔn)確等不足之處，導(dǎo)致改進(jìn)工作通常都收效甚微；
2）即便有豐富且高質(zhì)量的實(shí)時(shí)數(shù)據(jù)支撐，但是分析方法依賴于傳統(tǒng)的統(tǒng)計(jì)分析方法，很難對(duì)高維度海量數(shù)據(jù)進(jìn)行深度的挖掘并識(shí)別其中所蘊(yùn)含的重要規(guī)律。
為了應(yīng)對(duì)以上這些困難，更多的企業(yè)開始選擇進(jìn)行數(shù)字化轉(zhuǎn)型，打造更加智慧的智能制造工廠，通過對(duì)設(shè)備進(jìn)行物聯(lián)網(wǎng)改造，搭建底層的數(shù)字孿生系統(tǒng)，并結(jié)合生產(chǎn)執(zhí)行管理系統(tǒng)、實(shí)驗(yàn)室信息管理系統(tǒng)、研發(fā)信息管理系統(tǒng)等，以使得各個(gè)過程流程的執(zhí)行更加規(guī)范，并實(shí)現(xiàn)全流程的最大可追溯性，進(jìn)一步地，借助強(qiáng)大的人工智能算法，持續(xù)對(duì)流程中所存在的變異進(jìn)行深度的分析和挖掘，找到造成過程變異的重要原因，并加以改善，從而使得工廠整體運(yùn)行達(dá)到智能化的目標(biāo)。
參考文獻(xiàn)：
[1]. Statistical Process Control,?reference manual,?AIAG
[2].《深入淺出統(tǒng)計(jì)學(xué)》，[美]DawnGriffiths著
[3].《六西格瑪管理統(tǒng)計(jì)指南》，馬逢時(shí)等著
關(guān)于國工智能：
國工智能是一家專業(yè)為流程制造業(yè)提供人工智能決策控制整體解決方案及落地服務(wù)的國有參股高新技術(shù)企業(yè)，專注于利用人工智能、大數(shù)據(jù)等技術(shù)解決流程制造業(yè)海量數(shù)據(jù)下復(fù)雜場景的智能制造需求，為客戶提供“IOT+AI+OR”智能制造人工智能整體解決方案。目前，公司已經(jīng)成為流程制造行業(yè)人工智能決策控制領(lǐng)域的領(lǐng)跑者。
作為一家國內(nèi)專業(yè)的智能制造落地服務(wù)商，國工智能憑借深厚的內(nèi)功和優(yōu)秀的團(tuán)隊(duì)，自主研發(fā)了基于人工智能的數(shù)據(jù)大腦分析平臺(tái)(MAI)、智能制造管理平臺(tái)（MES）、物聯(lián)網(wǎng)數(shù)據(jù)采集平臺(tái)（SCADA）、實(shí)驗(yàn)室管理系統(tǒng)（LIMS）、雙體系設(shè)備管理系統(tǒng)（EMS），均在行業(yè)內(nèi)成功應(yīng)用。
國工智能在精細(xì)化工、材料、醫(yī)藥、食品、飼料、農(nóng)牧等行業(yè)深耕已久，客戶遍布全國，已成功為西安瑞聯(lián)、海大集團(tuán)、華潤三九藥業(yè)、康緣藥業(yè)、豐原集團(tuán)、道恩集團(tuán)、九目化學(xué)、藍(lán)帆醫(yī)療、新時(shí)代健康產(chǎn)業(yè)集團(tuán)、安然納米集團(tuán)等客戶提供智能制造落地服務(wù)。
國工智能秉承“利于國，精于工”的企業(yè)發(fā)展理念，以高端IT技術(shù)服務(wù)于傳統(tǒng)制造企業(yè)，推動(dòng)國家制造業(yè)轉(zhuǎn)型升級(jí)，以工匠精神為中國智造賦能！努力成為科技創(chuàng)新和產(chǎn)業(yè)革命的引領(lǐng)者，為中國實(shí)體經(jīng)濟(jì)崛起、實(shí)現(xiàn)中國制造2025貢獻(xiàn)力量！
數(shù)據(jù)大腦通用的內(nèi)容
國工數(shù)據(jù)大腦系統(tǒng)（MAI-CLI）是一個(gè)集數(shù)據(jù)調(diào)度、數(shù)據(jù)清洗、數(shù)據(jù)計(jì)算、數(shù)據(jù)挖掘、數(shù)據(jù)可視化為一體的數(shù)據(jù)分析平臺(tái)。系統(tǒng)以簡單易用拖動(dòng)操作方式進(jìn)行人機(jī)交互，屏蔽了數(shù)據(jù)分析預(yù)測業(yè)務(wù)的復(fù)雜性，大大降低了數(shù)據(jù)分析工作的技術(shù)門檻。
以計(jì)算流的方式構(gòu)建整個(gè)數(shù)據(jù)分析業(yè)務(wù)。平臺(tái)實(shí)現(xiàn)了對(duì)分散的數(shù)據(jù)進(jìn)行統(tǒng)一調(diào)度，實(shí)現(xiàn)實(shí)驗(yàn)室設(shè)備、工業(yè)傳感器、信息化系統(tǒng)接口多源數(shù)據(jù)整合。
平臺(tái)提供上百個(gè)算法功能組件，包含大量應(yīng)用統(tǒng)計(jì)學(xué)模型、機(jī)器學(xué)習(xí)模型以及深度學(xué)習(xí)模型等算法組件，支持精益六西格瑪改進(jìn)工具在線化，平臺(tái)擁有定時(shí)分析功能，可以同時(shí)監(jiān)控上萬個(gè)質(zhì)量監(jiān)控點(diǎn)，并且實(shí)現(xiàn)自主診斷、自主提供解決方案的功能。
