Jakość predykcyjna vs SPC: kiedy modele uczenia maszynowego wychwytują to, czego statystyczna kontrola procesu nie potrafi

Kluczowe wnioski

• SPC (Statistical Process Control) = jednowymiarowe lub niskowymiarowe wykresy kontrolne wykrywające dryf pojedynczego parametru jakości.
• Jakość predykcyjna = modele uczenia maszynowego wykrywające wielowymiarowe wzorce w wielu czujnikach, sygnalizujące przyszłe defekty.
• SPC jest dojrzałe, proste, przyjazne dla audytu. Jakość predykcyjna jest nowsza, potężniejsza, bardziej żarłoczna na dane.
• Większość zakładów potrzebuje najpierw SPC. Jakość predykcyjna uzupełnia je w procesach, gdzie ma znaczenie wielowymiarowa przyczynowość.
• Jakość predykcyjna bez leżącego u podstaw SPC jest krucha; SPC bez jakości predykcyjnej nie wychwytuje subtelnych wzorców.

Krótka odpowiedź: SPC to długo ugruntowane ramy monitorowania parametrów jakości, jednowymiarowe lub niskowymiarowe wykresy kontrolne wychwytujące dryf. Jakość predykcyjna wykorzystuje modele ML do wykrywania wielowymiarowych wzorców w wielu czujnikach, które sygnalizują przyszłe defekty zanim pojedynczy wykres da alarm. Są komplementarne; SPC jest przyjazną dla audytu podstawą, jakość predykcyjna to dodatkowa warstwa dla złożonych procesów. Zobacz także Quality by Design vs Quality by Inspection.

Co robi SPC

Statystyczna kontrola procesu monitoruje parametry jakości za pomocą wykresów kontrolnych. Klasyczne wykresy:

• Wykres średnich (X-bar) i rozstępów (R): monitoruje średnią i rozstęp pomiaru w czasie.
• Wykres I-MR: indywidualne pomiary z ruchomym zakresem.
• Wykres p, wykres np: dane atrybutowe (zaliczone/niezaliczone).
• Wykres c, wykres u: dane o liczbie wad.

Każdy wykres ma limity kontrolne (zwykle +/- 3 sigma). Punkty poza limitami lub nierytmiczne wzorce wewnątrz nich sygnalizują, że proces jest poza kontrolą.

SPC jest standardem kontroli jakości w produkcji od lat 20. XX wieku. Audytowalne, obronne, dobrze zrozumiane.

Co dodaje jakość predykcyjna

Modele jakości predykcyjnej łączą wiele wejść z czujników (temperatury, ciśnienia, wibracje, czasy cykli) aby prognozować wyniki jakości. Przykłady:

• Przewidywanie, które partie nie przejdą zatwierdzenia na podstawie parametrów z wczesnej części cyklu.
• Przewidywanie, które części będą wadliwe na podstawie stanu maszyny podczas ich produkcji.
• Identyfikowanie kombinacji parametrów skorelowanych z defektami zanim one wystąpią.

Gdzie SPC monitoruje znany krytyczny parametr, jakość predykcyjna identyfikuje subtelne kombinacje wielu parametrów.

Gdzie każde z nich zwycięża

SPC wygrywa:

• Dryf jakości jednowymiarowej na dobrze rozumianych parametrach.
• Środowiska regulacyjne wymagające udokumentowanej, audytowalnej kontroli procesu.
• Zakłady bez bogatej historii danych do trenowania modeli.
• Proste procesy z jasnym związkiem przyczyna‑skutek.

Jakość predykcyjna wygrywa:

• Złożone, wieloetapowe procesy z wieloma współdziałającymi zmiennymi.
• Procesy, w których defekty wynikają z kombinacji parametrów, a nie z pojedynczych dryfów.
• Zakłady z bogatymi historycznymi danymi z czujników.
• Wykrywanie defektów wcześniej niż jednowymiarowe sygnały SPC.

Dlaczego są komplementarne

Jakość predykcyjna bez SPC jest krucha:

• Predykcje modelu trudno poddać audytowi.
• Gdy model się myli, operator nie ma sygnału zastępczego.
• Modele ulegają dryfowi; wykresy SPC tego nie doświadczają.

SPC bez jakości predykcyjnej przeocza wzorce wielowymiarowe:

• Subtelne kombinacje parametrów, które indywidualnie mieszczą się w tolerancjach, ale łącznie powodują defekty.
• Wzorce rozwijające się powoli przez wiele zmian.
• Efekty między maszynami.

Jak to ze sobą współgra

1. SPC dla krytycznych parametrów jakości. Jednowymiarowe lub niskowymiarowe wykresy kontrolne dla parametrów zidentyfikowanych przez inżynierię.
2. Jakość predykcyjna dla szerszego zestawu czujników. Model ML wychwytujący wzorce wielowymiarowe.
3. Uzgadnianie, gdy się nie zgadzają. SPC mówi „w kontroli”, ale jakość predykcyjna sygnalizuje ryzyko, zbadaj. Jakość predykcyjna mówi „OK”, ale SPC daje alarm, zbadaj.
4. Oba zasilają workflow CAPA. System działań korygujących nie przejmuje się, który detektor zadziałał; przetwarza zgłoszony problem.

Wymagania dotyczące danych

SPC potrzebuje: pomiarów krytycznego parametru jakości, wielkości próby, częstotliwości próbkowania. Umiarkowana ilość danych.

Jakość predykcyjna potrzebuje: danych z wielu czujników, oznakowanych wyników (które partie/części były wadliwe), wystarczającej historii do trenowania. Znacznie większy zbiór danych.

Częste błędy

1. Zastąpienie SPC jakością predykcyjną. Utrata przyjaznej dla audytu podstawy. Akceptacja regulacyjna spada.

2. Budowanie jakości predykcyjnej bez historii. Modele trenowane na niewystarczających danych zawodzą w produkcji.

3. Traktowanie wyników modelu jak ewangelii. Jakość predykcyjna jest probabilistyczna; alerty mają wskaźnik fałszywych trafień. Operatorzy muszą poznać wiarygodność modelu.

4. Wykresy SPC, na które nikt nie reaguje. Sygnały „poza kontrolą” są ignorowane. Wykresy stają się tapetą.

Gdzie OEE przecina się z oboma

Czynnik jakości w OEE jest pochodną obu: defekty wykryte przez dowolny z systemów liczą się jako straty jakości w OEE. Im wcześniejsze wykrycie (jakość predykcyjna przed wystąpieniem defektu, SPC przy pierwszym sygnale), tym mniejsze straty jakości rozprzestrzeniają się dalej.

Zakłady integrujące SPC i jakość predykcyjną z OEE obserwują poprawę czynnika jakości, której sama kontrola końcowa nie zapewni.

Jak nowoczesna platforma wspiera oba podejścia

Nowoczesna platforma OEE/jakości wspiera wykresy SPC na poziomie parametrów, modele jakości predykcyjnej trenowane na danych z czujników, integrację obu w workflow CAPA oraz uzgadnianie, gdy się nie zgadzają.

Moduł OEE Fabrico wspiera wykresy SPC dla skonfigurowanych parametrów, integruje modele jakości predykcyjnej trenowane na danych historycznych i kieruje oba źródła alertów do workflow CAPA.

Zobacz, jak Fabrico rejestruje to automatycznie, poznaj OEE dla produkcji lub umów się na demo.

Powiązana lektura

• Quality by Design vs Quality by Inspection
• OEE vs Quality
• Condition Monitoring vs Predictive Maintenance
• Plant Floor Data Quality

Najczęściej zadawane pytania

Czy jakość predykcyjna to to samo co SPC?

Nie. SPC to jednowymiarowe lub niskowymiarowe wykresy statystyczne. Jakość predykcyjna to wielowymiarowe modelowanie ML.

Czy mogę robić jakość predykcyjną bez SPC?

Technicznie tak; praktycznie ryzykowne. SPC daje przyjazny dla audytu sygnał zastępczy.

Ile danych potrzebuje jakość predykcyjna?

To bardzo zmienne. Dla rzadkich defektów, lata danych. Dla częstych defektów, miesiące.

Czy regulacje akceptują jakość predykcyjną?

Coraz częściej, przy udokumentowanej walidacji. SPC wciąż jest bardziej ugruntowanym ramowym podejściem dla zgodności.

Jaki jest typowy ROI jakości predykcyjnej?

Zmniejszenie wskaźnika defektów o 0,5, 2 punkty procentowe jest powszechne w złożonych procesach. Efekt finansowy rośnie w przypadku produktów o wysokiej wartości.