Предиктивно качество срещу SPC: когато ML модели хващат това, което статистическият контрол на процесите не може Основни изводи - SPC (Статистически контрол на процеса) = унивариантно или нискоизмерно графично представяне, което засича отклонение в един параметър на качеството. - Предиктивно качество = ML модели, които улавят мултивариантни модели от множество сензори, сигнализиращи за бъдещи дефекти.
- SPC е зряло, просто, удобнo за одит. Предиктивното качество е по-ново, по-мощно, по-взискателно към данни. - Повечето заводи първо се нуждаят от SPC. Предиктивното качество го допълва при процеси, където мултивариантните причинно-следствени връзки имат значение. - Предиктивното качество без SPC под него е крехко; SPC без предиктивно качество пропуска фини модели.
Кратък отговор: SPC е дълго установената рамка за наблюдение на параметрите на качеството, унивариантни или нискоизмерни контролни диаграми, които засичат отклонения. Предиктивното качество използва ML модели, за да улавя мултивариантни модели от множество сензори, които сигнализират за бъдещи дефекти преди да се активира каквато и да е отделна диаграма.
Те са допълващи се; SPC е одитируемата основа, предиктивното качество е допълнителният слой за сложни процеси. Вижте също Качество по дизайн срещу Качество чрез инспекция. Какво прави SPC Статистическият контрол на процеса наблюдава параметрите на качеството чрез контролни диаграми. Класическите диаграми: - X-bar / R диаграма: наблюдава средната стойност и размаха на измерване във времето.
- I-MR диаграма: индивидуални измервания с подвижен размах. - p-диаграма, np-диаграма: атрибутивни (годен/брак) данни. - c-диаграма, u-диаграма: данни за брой дефекти. Всяка диаграма има контролни граници (обикновено +/- 3 сигма). Точки извън границите или неслучайни модели в рамките на границите сигнализират, че процесът е извън контрол.
SPC е стандартът за качество в производството от 1920-те години. Подлежи на одит, защитимо, добре разбрано. Какво добавя предиктивното качество Моделите за предиктивно качество комбинират множество входове от сензори (температури, налягания, вибрации, времена на цикъл), за да прогнозират резултати за качеството.
Примери: - Прогнозиране кои партиди ще се провалят при освобождаване въз основа на параметри от ранния цикъл. - Прогнозиране кои детайли ще бъдат дефектни въз основа на състоянието на машината по време на тяхното производство. - Идентифициране на комбинации от параметри, които корелират с дефекти преди те да се появят.
Докато SPC наблюдава известен критичен параметър, предиктивното качество открива фини комбинации между множество параметри. Къде печели всяка методика SPC печели: - Унивариантни отклонения на качеството при добре разбрани параметри. - Регулаторни среди, изискващи документиран, одитируем контрол на процеса. - Заводи без богата историческа база данни за обучение на модели.
- Прости процеси с ясна причинно-следствена връзка. Предиктивното качество печели: - Комплексни многоетапни процеси с много взаимодействащи променливи. - Процеси, в които дефектите възникват от комбинации от параметри, а не от единични отклонения. - Заводи с богати исторически данни от сензори. - Откриване на дефекти по-рано от унивариантните сигнали на SPC.
Защо са допълващи се Предиктивното качество без SPC е крехко: - Прогнозите на модела не са лесно одитируеми. - Когато моделът греши, операторът няма резервен сигнал. - Моделите дрейфтират; SPC диаграмите не. SPC без предиктивно качество пропуска мултивариантни модели: - Фини комбинации от параметри, които поотделно са в спецификацията, но съвкупно предизвикват дефекти.
- Модели, които се развиват бавно през много смени. - Ефекти между машини. Как се комбинират 1. SPC за критични параметри на качеството. Унивариантно или нискоизмерно графично представяне за параметрите, идентифицирани от инженерите. 2. Предиктивно качество върху по-широк набор от сензори. ML модел улавящ мултивариантни модели. 3. Съгласуване когато има разминаване.
SPC казва „в контрол“, но предиктивното качество дава риск, разследвайте. Предиктивното качество казва „добре“, но SPC подава сигнал, разследвайте. 4. И двете захранват CAPA работния поток. Системата за корективни действия не се интересува кой детектор е подал сигнал; тя обработва проблема.
Изисквания към данните SPC изисква: измервания на критичния параметър на качеството, размер на пробата, честота на вземане на проби. Умерено количество данни. Предиктивното качество изисква: данни от сензори за множество променливи, етикетирани резултати (кои партиди/детайли са дефектни), достатъчно история за обучение. Много по-голям набор от данни. Чести грешки 1. Замяна на SPC с предиктивно качество.
Изгубва се одитируемата основа. Регулаторното приемане намалява. 2. Създаване на предиктивно качество без история. Моделите, обучени на недостатъчни данни, се провалят в производство. 3. Третиране на изхода от модела като евангелие. Предиктивното качество е вероятностно; алармите имат честота на фалшиво-положителни. Операторите трябва да разберат надеждността на модела. 4.
SPC диаграми, към които никой не взема мерки. Сигналите за извънконтролно състояние се пренебрегват. Диаграмите стават само за украса. Къде OEE се припокрива с двете Факторът „Качество“ в OEE е последващ спрямо и двете: дефектите, открити от която и да е система, стават загуба на качество в OEE.
Колкото по-ранно е откриването (предиктивното качество преди дефекта, SPC при първия сигнал), толкова по-малко загуба на качество се разпространява надолу по веригата. Заводи, които интегрират SPC и предиктивно качество с OEE, виждат подобрения във фактора „Качество“, които чистата крайна инспекция не може да постигне.
Как модерна платформа поддържа и двете Модерна OEE/качествена платформа поддържа SPC диаграми на ниво параметър, предиктивни модели за качество, обучени върху данни от сензори, интеграция и на двете в CAPA работния поток и съгласуване при разминаване.
Модулът OEE на Fabrico поддържа SPC диаграми за конфигурирани параметри, интегрира предиктивни модели, обучени на исторически данни, и насочва и двата източника на аларми в CAPA работния поток. Вижте как Fabrico улавя това автоматично, разгледайте OEE за производство или резервирайте демо.
Свързано четене - Качество по дизайн срещу качество чрез инспекция - OEE срещу Качество - Мониторинг на състоянието срещу предиктивна поддръжка - Качество на данните от производствената площадка Често задавани въпроси Предиктивното качество същото ли е като SPC? Не. SPC е унивариантно или нискоизмерно статистическо графично представяне. Предиктивното качество е мултивариантно ML моделиране.
Мога ли да прилагам предиктивно качество без SPC? Технически да; на практика рисковано. SPC осигурява одитируема резервна опция. Колко данни са нужни за предиктивно качество? Много варира. За редки дефекти са нужни години данни. За чести дефекти, месеци. Регулаторите приемат ли предиктивно качество? Все повече, с документирана валидация.
SPC все още е по-установената рамка за съответствие. Какъв е типичният ROI на предиктивното качество? Намаляване на процента дефекти с 0.5, 2 процентни пункта е често срещано при сложни процеси. Ефектът се натрупва при продукти с висока стойност.
Вход
Блог
