【《A公司制造过程质量智能控制现状及存在问题分析案例概述》5000字】

A公司制造过程质量智能控制现状及存在问题分析案例概述目录TOC\o"1-3"\h\u15505A公司制造过程质量智能控制现状及存在问题分析案例概述 1173981.1A公司基本情况 155411.2A公司制造过程质量智能控制现状调查分析 154251.2.1A公司智能制造过程质量控制现状调查 1297491.2.2调查问卷结果统计分析 2194271.3A公司制造过程智能质量控制现状分析 4321571.3.1制造过程质量数据收集现状分析 4146731.3.2质量预警与可视化诊断现状分析 5250901.3.3质量控制智能迭代现状分析 5105491.4A公司制造过程质量智能控制主要问题分析 51.1A公司基本情况A公司是一家汽车零部件生产企业，其成立于上世纪的70年代，该公司主要从事着汽车各种锻造件、机械齿轮等零部件的生产，该公司生产的产品已经出口至全是世界数十个国家以及地区，在国际市场上具有良好的口碑。该公司在制造生产过程中搭建了数字化生产生产线，通过运用计量、试验、实时检验等数字化检验手段对产品质量进行实时的控制，从而提高产品的可靠性。目前A公司已经成为了国内数十家、上千种汽车零部件的供应商，其已经具有年产齿轮5千万只、锻造超8万吨的生产能力。该公司生产的汽车零部件在国产重型卡车市场中占有率已超过八成，其产品已经出口至数十个国家和地区。近年来，公司在科研创新方面不断加大投入，获批多项专利，荣获多项省部级奖项。1.2A公司制造过程质量智能控制现状调查分析本节通过问卷调查的形式对A公司制造过程智能质量控制现状进行调查，明确A公司在制造过程质量智能控制过程中存在的问题，并为质量控制现状分析提供依据。1.2.1A公司智能制造过程质量控制现状调查（1）调查问卷的设计为了初步了解A公司制造过程智能质量控制的整体现状，通过采用问卷调查的方式对其现状进行了解。在过往研究及调研后，设计初步问卷，然后通过与公司相关项目人员进行讨论，对初步设计的问卷进行题项的增加、删减、修改，避免问卷题项语义模糊、内容过多引起被访者的厌烦情绪，保证问卷填写结果的真实有效性，问卷涉及智能制造过程采购、生产及交付等方面。本文将A公司在制造过程质量智能控制现状调查问卷设计成五级量表的形式，设其评语集=（非常不同意，不同意一般，同意，非常同意），设计出A公司制造过程智能质量控制情况调查问卷，最终问卷如附录1所示。（2）调查对象选择调查对象主要为设计研发部门、质量部门、采购部门及生产部门等相关人员共计86人。经过统计整理，所回收的问卷中人员比例为：设计研发部门人员10%，质量控制部门人员35%，采购部门相关人员21%，生产部门相关人员34%。删除无效问卷7份，共有有效问卷79份，A公司制造过程质量智能控制现状的问卷调查情况统计如表2-1所示。1.2.2调查问卷结果统计分析（1）确定评价语集E为了明确A公司制造过程质量智能控制现状的现状，现对评语集赋值，令评价语集E=（非常不同意，不同意一般，同意，非常同意）=（e1，e2，e3，e4，e5）=（0，0.25，0.5，0.75，1），以更加直观的了解A公司制造过程智能质量控制现状。（2）确定评价矩阵R由调查数据，可建立A公司制造过程智能质量控制现状关键点重要度评价矩阵R。（3-1）其中，rij=dij/dn，dij代表问卷中第i题项选择第j个评价等级的人数；dn为回收有效问卷份数，本次回收有效问卷份数dn=79。（3）调查问卷题项评价值计算由式（3-2）可计算调查问卷各题项评价值，具体计算结果，如表3-1所示。评价值在区间0.7-1.0之间说明员工认同度高，在区间0.6-0.7之间说明员工认同度较高，在区间0.5-0.6之间说明员工认同度一般，在区间0.3-0.5之间说明员工认同度较低，在区间0-0.3之间说明员工认同度低。（3-2）表3-1A公司智能制造过程质量控制现状调查问卷Table3-1QuestionnaireonqualitycontrolofintelligentmanufacturingprocessinAcompany调查内容认同度评价值/Ai非常同意比较同意同意比较不同意非常不同意1.公司过程质量智能控制完善1527241120.632.公司建立了高效的制造过程质量智能控制流程8172815110.491.公司在制造过程质量智能控制方面有较大投入233016820.704.公司对员工进行制造过程智能质量控制的培训263216410.755.公司管理层对构建过程质量智能控制十分重视262913830.716.各部门对在过程质量智能控制指责明确921301450.557.公司拥有完善的质量智能控制框架615341680.488.公司拥有集成化较高的质量智能控制体系4222716100.489.公司生产状态数据智能收集程度较高512282590.4310.公司制造过程质量数据智能收集程度较高412332280.4411.公司制造过程质量数据智能处理程度较高5123316130.4412.公司构建了有效的质量智能控制过程预警框架7172718100.4811.公司拥有有效的生产准备阶段可视化诊断框架7163112130.4714.公司拥有有效的制造过程可视化诊断框架212411680.4515.公司拥有有效的产品交付过程可视化诊断框架3212916100.4716.公司制造过程自适应程度较高1103424100.4017.公司制造过程自优化程度较高28362670.4118.公司制造过程自学习程度较高2102825140.38（4）数据统计结果分析由表3-1所示的A公司制造过程质量智能控制现状评价值可知，所有调查内容的评价值基本处于0.4~0.7之间，表面目前A公司制造过程智能质量智能控制状况处于较低水平，在制造过程质量智能控制过程中存在较多问题。综合来看，公司在制造质量智能控制重视程度、制造过程质量智能控制投入以及员工质量意识培训投入这三个方面做的相对较好，其评价值在0.5及以上。为保证产品质量达到客户要求，A公司高度重视过程质量控制，以不重视产品质量问题的事情坚决不干为底线构建了质量管理的体系；投入大量资源开展制造智能过程质量控制的研究，提升公司的质量控制能力，以为客户提供满足其需求以及符合相关质量要求的产品；同时公司注重员工的质量能力培训，积极开展培训班等活动提高员工的质量意识与能力。公司在制造过程质量数据收集，制造过程质量智能控制流程，质量预警与可视化诊断，构建自适应、自学习、自优化的智能迭代质量控制体系四个方面的评价值较低，这也是影响公司制造过程质量智能控制的主要问题；规范严谨的制造过程质量智能控制流程能够使员工的质量控制工作有效的进行，清晰明确的质量控制重点能够帮助管理者以及员工抓住质量控制的重点，分清轻重缓急，围绕质量智能控制的关键环节展开质量控制工作，避免工作上的混乱；构建质量预警与可视化诊断对产品质量数据进行实时分析与诊断能有效利用实时数据，通过事前对质量数据的预警，及时发现质量问题，能有效及时对生产过程进行调整，对生产参数及过程进行优化，可视化过程能将实时数据反馈给质量控制人员，使其及时了解产线状况；构建自适应、自学习、自由化的数据中台能使企业智能质量控制能力不断提升，通过数据中台的不断迭代，对产品质量数据的隐藏信息不断挖掘，不断提升过程质量参数，有效的对产品质量问题进行预防与控制。1.3A公司制造过程智能质量控制现状分析在初步了解A公司质量智能控制现状的基础上，结合调查内容对公司质量智能控制工作情况进行深入分析。质量智能控制活动贯穿于整个生产过中程，因此质检部门需要全过程对加工过程质量实施情况进行监视和质量控制管理，通过数据收集、预警与可视化、智能迭代等手段，及时发现并消除产品质量形成过程中引起质量不符合相关要求与规定的因素，从而确保产品质量符合相关要求。为了做好公司质量管理工作，A公司建立了以生产过程质量管理为核心的质量管理部门，质量管理部门全程参与产品的全生命周期加工过程，确保每一环节的质量安全。1.3.1制造过程质量数据收集现状分析A公司目前在质量数据收集过程中，主要是通过测量设备人工测量与数字化检测相结合的方式对产品质量数据进行收集。人工数据收集主要是运用千分尺、测量仪等工具对原材料、半成品及成品的尺寸数据进行收集，数据收集完成后，由质量数据收集人员将采集好的数据输入到质量数据库中，运用工业互联网将输入数据传输到质量检验部门，对其进行质量数据分析；数字化检测主要是通过在数控机床上加装相关传感器，对生产过程中的产品质量数据进行收集，并通过数控设备直接将数据上传至质量数据库，并结合人工收集到的质量数据进行数据处理与分析。公司目前的数据采集主要是对结果数据的收集，对过程质量数据收集相对匮乏，未构建出数据收集的动态性。1.3.2质量预警与可视化诊断现状分析A公司目前质量预警是通过产品加工完成后对收集到的产品质量数据运用预控图等质量控制方法进行分析，是一种事后的质量预警与分析，通过运用预控图等方法产品质量参数做出预警，由质量控制相关人员通过预控图等方法的反馈结果去分析生产过程中可能存在的问题，对下一批次产品生产进行调整。公司目前的诊断过程主要是通过运用SPC控制图等方法对产品质量进行分析与诊断，通过对过程质量数据的收集，运用SPC控制图等方法对其进行分析，由于数据采集过程是在加工结束后进行的反馈，目前公司诊断过程是属于事后控制。在可视化的系统的构建上，公司通过组建可视化平台，将分析结果与过程通过可视化平台反馈至各个生产单元，使各个生产单元可以通过可视化平台及时了解本单元生产状况，及时做出调整。1.3.3质量控制智能迭代现状分析A公司目前质量参数迭代过程主要是通过质量部门对产品质量数据分析后，通过人工经验对诊断结果过进行分析，由质量控制人员依据分析结果对各个生产单元制造过程的参数进行修正，属于事后控制，在生产过程中未构建有效的迭代过程，对生产参数未进行及时的自适应、自学习与自优化。迭代的过程仍主要依靠质量控制人员的经验，通过质量控制人员的分析，对生产过程参数设置进行迭代，在迭代过程中存在人员判断失误，导致参数设置失真的情形发生，迭代过程准确率较低。1.4A公司制造过程质量智能控制主要问题分析由A公司制造质量智能控制现状调查分析的结果可以看出，A公司在生产过程中对产品质量的管控付出了巨大的努力，建立了质量管理组织机构，制定了一系列的的质量控制标准、程序及措施，但其在构建质量智能控制的过程中仍存在许多问题与不足，这些不足导致公司在质量智能控制过程中对质量数据运用及分析没有把控好，质量数据中包含的隐形信息没有充分挖掘，从而导致质量智能控制存在了较多问题。A公司制造过过程质量智能控制过程中主要存在以下几个问题：（1）制造过程质量数据收集自动化程度不高公司在质量数据收集过程中，目前主要以人工数据收集和设备数据收集相结合的方式进行，主要对制造过程中的原材料、半成品以及成品的质量数据进行收集，其在收集过程中未考虑生产状态数据的收集，同时在收集过程中未有效的运用到传感器、RFID等智能设备，以提升产品质量数据收集的精度。在数据收集结束后，质量数据处理过程中，公司目前主要是通过质量工作人员的经验进行处理，人工处理可能会导致质量数据出现误删误增的状况，运用智能数据处理方式，以数字卵生技术为基础，对质量数据进行转换与处理，能够有效的提升产品质量数据的有效性，为后续数据信息的挖掘与分析提供有效的保障。（2）未有效构建制造过程质量数据预警与可视化诊断在产品的制造过程中会产生大量的质量数据，这些数据有些数据部分是通过传感器进行感知的，有些数据是通过质量检验设备进行测量的，少部分数据则是通过历史数据库调取的的，这些数据又定型数据同时有定量数据，这些数据包含了产品质量的许多潜在信息，这些质量信息会反映出加工过程中不同环节对质量的影响、不同的生产状态对产品质量的影响等，对后续产品质量保障具有重要作用，A公司在在质量数据运用过程中忽略了对已采集的质量数据进行深度的质量信息挖掘，未能有效的的产品质量数据进行运用，未通过已采集的质量数据构建有效的质量预警模型，对质量进行事前控制，降低产品的不合格率，同时公司未建立有效的可视化实时监控与诊断体系，质量数据不能实时的进行反馈，使各个生产单元不能及时对产品制造过程质量数据进行分析与诊断，及时调整生产参数与方法。（3）未建立有效的质量智能控制迭代过程在质量智能控制控制过程中，质量信息的智能迭代是一个重要环节，它是通过对产品制造过程进行仿真实验，产生大量质量数据后，通过智能算法对质量数据进行深度挖掘，不断发现的产品加工的中不同工序与产