最近在研究生產(chǎn)質(zhì)量產(chǎn)品線的IT方案設(shè)計(jì)，參考很多生產(chǎn)質(zhì)量IT解決方案，總結(jié)出適合我們自己業(yè)務(wù)的生產(chǎn)質(zhì)量大數(shù)據(jù)IT方案，并通過python實(shí)現(xiàn)。在這里和大家分享，歡迎大家的建議。

一、方案設(shè)計(jì)特點(diǎn)

將當(dāng)代計(jì)算機(jī)科學(xué)、工業(yè)統(tǒng)計(jì)與大數(shù)據(jù)技術(shù)、行業(yè)質(zhì)量管理及持續(xù)改進(jìn)最佳實(shí)踐完美融合、洞察質(zhì)量與流程數(shù)據(jù)，從而提高效率、降低成本、預(yù)測(cè)未知、科學(xué)決策，提高持續(xù)盈利能力?？梢詫?shí)時(shí)質(zhì)量風(fēng)險(xiǎn)預(yù)警平臺(tái)、質(zhì)量大數(shù)據(jù)分析平臺(tái)、智能質(zhì)量報(bào)告平臺(tái)、自動(dòng)化分析程序及報(bào)告。

可以為企業(yè)提供：

• 可視化地監(jiān)控質(zhì)量狀態(tài)，及時(shí)預(yù)警潛在質(zhì)量風(fēng)險(xiǎn)
• 洞察數(shù)據(jù)以鎖定關(guān)鍵原因
• 科學(xué)地提供質(zhì)量改進(jìn)建議并預(yù)測(cè)其效果
• 供應(yīng)鏈整合質(zhì)量控制，從源頭防范質(zhì)量風(fēng)險(xiǎn)，提升質(zhì)量水平

具體的一些特性包括：

• 完全基于web的架構(gòu)
• 實(shí)時(shí)、整合性、現(xiàn)代web設(shè)計(jì)
• 完美支持移動(dòng)端
• 自動(dòng)圖形更新
• 靈活的開發(fā)支持
• python深度學(xué)習(xí)、機(jī)器學(xué)習(xí)支持
• 想怎么做就怎么做
• 專業(yè)的python包開發(fā)容易
• 無縫的數(shù)據(jù)操縱

image

移動(dòng)端界面

image

二、整體設(shè)計(jì)

image

三、 控制臺(tái)

自定義首頁監(jiān)控項(xiàng)目、異常自動(dòng)高亮標(biāo)記、實(shí)時(shí)動(dòng)態(tài)顯示、自動(dòng)重新計(jì)算、自定義報(bào)表顯示

image

四、統(tǒng)計(jì)過程控制（SPC）

統(tǒng)計(jì)過程控制（簡(jiǎn)稱SPC）是一種借助數(shù)理統(tǒng)計(jì)方法的過程控制工具。它對(duì)生產(chǎn)過程進(jìn)行分析評(píng)價(jià)，根據(jù)反饋信息及時(shí)發(fā)現(xiàn)系統(tǒng)性因素出現(xiàn)的征兆，并采取措施消除其影響，使過程維持在僅受隨機(jī)性因素影響的受控狀態(tài)，以達(dá)到控制質(zhì)量的目的。

image

• 預(yù)警性：制程的異常趨勢(shì)可即時(shí)對(duì)策，預(yù)防整批不良，以減少浪費(fèi)
• 分辨特殊原因：作為局部問題對(duì)策或管理階層系統(tǒng)改進(jìn)之參考
• 善用機(jī)器設(shè)備：估計(jì)機(jī)器能力，可妥善安排適當(dāng)機(jī)器生產(chǎn)適當(dāng)零件
• 改善的評(píng)估：制程能力可作為改善前後比較之指標(biāo)
• 對(duì)過程做出可靠有效的評(píng)估
• 確定過程的統(tǒng)計(jì)控制界限，判斷過程是否失控和過程是否有能力
• 為過程提供一個(gè)早期報(bào)警系統(tǒng)，及時(shí)監(jiān)控過程的情況以防止廢品的發(fā)生
• 減少對(duì)常規(guī)檢驗(yàn)的依賴性，定時(shí)的觀察以及系統(tǒng)的測(cè)量方法替代了大量的檢測(cè)和驗(yàn)證工作。

4.1 實(shí)時(shí)SPC監(jiān)控

自定義首頁監(jiān)控項(xiàng)目、異常自動(dòng)高亮標(biāo)記、實(shí)時(shí)動(dòng)態(tài)顯示、自動(dòng)重新計(jì)算

image

image

4.2 標(biāo)準(zhǔn)SPC分析-控制圖

image

4.3 標(biāo)準(zhǔn)SPC分析-過程能力分析

過程能力指數(shù)是指過程能力滿足產(chǎn)品質(zhì)量標(biāo)準(zhǔn)要求（規(guī)格范圍等）的程度。也稱工序能力指數(shù)，是指工序在一定時(shí)間里，處于控制狀態(tài)（穩(wěn)定狀態(tài)）下的實(shí)際加工能力。它是工序固有的能力，或者說它是工序保證質(zhì)量的能力。這里所指的工序，是指操作者、機(jī)器、原材料、工藝方法和生產(chǎn)環(huán)境等五個(gè)基本質(zhì)量因素綜合作用的過程，也就是產(chǎn)品質(zhì)量的生產(chǎn)過程。

image

4.4 標(biāo)準(zhǔn)SPC分析-樣本運(yùn)行圖

簡(jiǎn)單直觀反映樣本的每一個(gè)取樣的運(yùn)行情況。

image

4.5 標(biāo)準(zhǔn)SPC分析-均值運(yùn)行圖

指定分組的樣本運(yùn)行圖，顯著標(biāo)注每一個(gè)均值的大小和分布，清晰了解平均水平的趨勢(shì)。

image

4.6 標(biāo)準(zhǔn)SPC分析-正態(tài)檢驗(yàn)

用于確定數(shù)據(jù)集是否通過正態(tài)分布進(jìn)行良好建模，并計(jì)算數(shù)據(jù)集基礎(chǔ)上隨機(jī)變量正常分布的可能性。 更準(zhǔn)確地說，測(cè)試是模型選擇的一種形式，可以通過多種方式進(jìn)行解釋，具體取決于對(duì)概率的解釋

image

4.7 標(biāo)準(zhǔn)SPC分析-CPK趨勢(shì)圖

CP(或CPK)工序能力指數(shù)，是指工序在一定時(shí)間里，處于控制狀態(tài)(穩(wěn)定狀態(tài))下的實(shí)際加工能力。它是工序固有的能力，或者說它是工序保證質(zhì)量的能力。

image

4.8 標(biāo)準(zhǔn)SPC分析-合格率趨勢(shì)圖

image

4.9 標(biāo)準(zhǔn)SPC分析-方差分析

image

4.10 機(jī)器、物料SPC監(jiān)控清單

顯示物料-檢測(cè)項(xiàng)目（機(jī)器-檢測(cè)項(xiàng)目）的對(duì)照清單和主要參數(shù)指標(biāo)、可收藏、搜索、刪除、修改、點(diǎn)擊鏈接直接到達(dá)SPC分析詳細(xì)頁面

image

五、質(zhì)量分析

5.1 分析的分類

image

5.2 設(shè)計(jì)的特點(diǎn)

image

5.3 方差分析

方差分析（ANOVA）是一種特殊形式的統(tǒng)計(jì)假設(shè)檢定，廣泛應(yīng)用于實(shí)驗(yàn)數(shù)據(jù)的分析中。統(tǒng)計(jì)假設(shè)檢定是一種根據(jù)數(shù)據(jù)進(jìn)行決策的方法。測(cè)試結(jié)果（通過零假設(shè)進(jìn)行計(jì)算）如果不僅僅是因?yàn)檫\(yùn)氣，則在統(tǒng)計(jì)學(xué)上稱為顯著。統(tǒng)計(jì)顯著的結(jié)果（當(dāng)可能性的p值小于臨界的“顯著值”）則可以推翻零假設(shè)。

單因素方差分析

image

多因素方差分析

image

image

方差分析配置

image

5.4 分布分析

在生產(chǎn)工作正常的情況下，產(chǎn)品的質(zhì)量也不可能完全相同，但也不會(huì)相差太大，而是圍繞著一定的平均值，在一定的范圍內(nèi)變動(dòng)和分布。分布分析法就是通過對(duì)質(zhì)量的變動(dòng)分布狀態(tài)的分析中發(fā)現(xiàn)問題的一種重要方法。

image

image

5.5 相關(guān)分析

相關(guān)分析就是對(duì)總體中確實(shí)具有聯(lián)系的標(biāo)志進(jìn)行分析，其主體是對(duì)總體中具有因果關(guān)系標(biāo)志的分析。它是描述客觀事物相互間關(guān)系的密切程度并用適當(dāng)?shù)慕y(tǒng)計(jì)指標(biāo)表示出來的過程。在一段時(shí)期內(nèi)出生率隨經(jīng)濟(jì)水平上升而上升，這說明兩指標(biāo)間是正相關(guān)關(guān)系；而在另一時(shí)期，隨著經(jīng)濟(jì)水平進(jìn)一步發(fā)展，出現(xiàn)出生率下降的現(xiàn)象，兩指標(biāo)間就是負(fù)相關(guān)關(guān)系。

image

image

image

5.6 機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)理論主要是設(shè)計(jì)和分析一些讓計(jì)算機(jī)可以自動(dòng)“學(xué)習(xí)”的算法。機(jī)器學(xué)習(xí)算法是一類從數(shù)據(jù)中自動(dòng)分析獲得規(guī)律，并利用規(guī)律對(duì)未知數(shù)據(jù)進(jìn)行預(yù)測(cè)的算法。因?yàn)閷W(xué)習(xí)算法中涉及了大量的統(tǒng)計(jì)學(xué)理論，機(jī)器學(xué)習(xí)與推斷統(tǒng)計(jì)學(xué)聯(lián)系尤為密切，也被稱為統(tǒng)計(jì)學(xué)習(xí)理論。算法設(shè)計(jì)方面，機(jī)器學(xué)習(xí)理論關(guān)注可以實(shí)現(xiàn)的，行之有效的學(xué)習(xí)算法。很多推論問題屬于無程序可循難度，所以部分的機(jī)器學(xué)習(xí)研究是開發(fā)容易處理的近似算法。

本方案支持：

• 線性回歸算法
• 樸素貝葉斯
• 支持向量機(jī)
• 邏輯回歸算法
• 決策樹算法
• k-均值算法
• 隨機(jī)森林算法
• K近鄰算法

image

image

image

六、總結(jié)

方案實(shí)現(xiàn)質(zhì)量業(yè)務(wù)的全面分析，通過python實(shí)現(xiàn)web架構(gòu)，支持大量的分析功能，特別是機(jī)器學(xué)習(xí)，但機(jī)器學(xué)習(xí)只是一種分析工具，業(yè)務(wù)分析方案如何匹配機(jī)器學(xué)習(xí)更重要，這個(gè)就需要在實(shí)施過程中業(yè)務(wù)部門的大力配合研究適合的分析方法才可以充分發(fā)揮機(jī)器學(xué)習(xí)的強(qiáng)大之處。希望此方案對(duì)各位有所幫助。