利用制造质量、物联网和精益的融合

随着制造商寻求将传感器数据转化为可行的见解，工业物联网 (IIoT) 正在从未来承诺转变为现实战略。事实上，研究公司 MarketsandMarkets 预测，到 2022 年，全球 IIoT 市场将增长至 1,954.7 亿美元。

 

随着机器人和机器控制日益成为工厂车间不可或缺的一部分，物联网 (IoT) 将在优化制造质量方面发挥特别关键的作用，有助于加快吞吐量并提高可重复性。然而，设备在数月甚至数年的运行中会磨损并最终出现故障。与此同时，参与制造流程以及材料处理、维护和手动数据采集的人员可能会引入错误。通过实时捕获、分析和传输来自物联网传感器的数据，制造商可以在问题出现之前识别甚至预测问题。

 

因此，质量和运营技术 (OT) 专家现在比以往任何时候都更需要密切合作，帮助制造工厂在工业物联网的支持下充分发挥生产流程的潜力。 

 

本文探讨了充分利用工业物联网的力量来优化质量的最佳实践，包括自动捕获数据、创建闭环反馈系统以及建立精益信息流。

 

自动捕获数据

IIoT 为生产、合规和质量经理提供实时测量和机会，使其与车间运营保持密切联系。通过自动从物联网传感器捕获过程和产品数据，制造商可以更有效地获取实时指标，以支持统计过程控制 (SPC) 最佳实践和六西格码方法，从而能够使用趋势分析来确保一致的质量和性能改进。

 

多年来，产品测量抽样计划一直是支持质量保证的 SPC 最佳实践的关键部分，部分原因是测量每件产品的关键特性是不切实际的，有时甚至是不可能的。当质量流程需要可追溯性并依赖于人们对每个步骤和部件进行手动检查时，经常使用的不言而喻的道理“你无法检查产品的质量”确实是正确的。

 

由于 IIoT 技术的有用性取决于其提供的数据，因此运营和质量经理越来越多地求助于其信息技术团队来帮助实施分析和指标，从而实现实时、可操作的闭环反馈质量系统。这是实现有效的数据驱动决策、高效制造和完美质量的核心。

 

现代开环与闭环操作

当自动化制造工艺是新的且维护良好时，可确保可重复性。但盲目地假设它们的性能在数周、数月和数年的使用中保持完全准确是有风险的。

 

在历史最佳实践中，质量专业人员专注于通过根据特性以采样频率手动捕获测量结果来记录和预测产品质量。许多新的生产线都采用机器人、先进的制造和测量设备以及最先进的控制器等形式的现代自动化。然而，使用传统的思维过程，新设备和控制装置通常以预编程的开环模式运行，其中重要的质量数据由技术人员手动捕获，随后将关键信息输入电子表格或专门的质量软件中以进行事后分析。

 

随着现代测量系统的出现，可以可靠地自动在线捕获重要数据，甚至可以在本地实时分析重要数据。这提供了快速发现问题并采取行动的绝佳机会。 

 

然而，测量的工艺工程计划往往只是简单地用于自动确定通过/不通过，以将不合格零件传送到离线溜槽和料箱，以便稍后进行进一步分析。在其他情况下，手动捕获的数据会在轮班或一天结束时编译成图表和指标。虽然这些质量信息活动可以被视为闭环反馈的一种形式，但在信息通常不再可用于预防或至少纠正质量问题之后，时间延迟会导致事后审查。

 

质量管理的目标不仅是发现偶尔的错误，而是通过识别关键特性何时开始失控来防止产品问题。因此，越来越多的管理人员开始转向工厂内测量的闭环自动化。这种方法有望在整个生产周期内保持准确、完整且有价值的状态信息的连续流，以提供可操作的最新质量分析。

 

随着自动化生产线变得更加复杂、强大和“智能”，实施闭环的障碍已经降低。他们生成的数据可以通过厂内网络发送到中央服务器进行聚合和实时分析，不仅可以警告实际的不合格情况，还可以识别最终导致物理不合格的趋势。这种闭环智能制造为操作员、专家和管理人员提供了准确、及时的质量指标和警报。

 

可用于生产设施的 IIoT 技术现在可以直接连接到工艺设备和工具上的可编程逻辑控制器 (PLC) 和智能传感器，以监控操作参数，例如速度、循环时间、温度、压力、流量、电流和电压。这使得在整体测量方案中捕获每个工件的过程和产品测量变得可行且经济。此外，当过程参数的自动监控与产品特性的在线测量相结合时，信息流和实时分析可确保有效的交易质量管理系统。 

 

因此，虽然基于故障模式和影响分析 (FMEA) 方法设计完善的制造流程仍然是最大限度降低潜在风险的明智方法，但随着 IIoT 连接的智能设备在传统工作中心进行改造，以及新的智能设备覆盖工厂车间，质量保证得到加强。

 

来自生产车间的稳定的测量（数据）流使信息循环能够以健康且持久的方式闭合。通过基于 SPC 方法构建的实时分析应用于控制上限和下限，质量专家和运营经理可以访问最新指标来预测产品质量并接收潜在质量问题的警报。通过这种自动化的精益信息流，他们还能够在影响产品质量或中断生产计划之前预测设备何时需要维护。这反过来又有助于确保最大限度的正常运行时间和设备利用率，以支持效率、一致的质量和准时交货。

 

一个典型的例子是，一家电子和航空航天供应商通过其集成的 SPC、制造执行系统 ​​(MES) 和企业资源规划 (ERP) 软件在工厂车间自动捕获物联网传感器数据。制造商能够将响应制造问题的时间缩短 75%。通过依靠实时监控、预防和预测而不是反应，该公司还能够向潜在客户和现有客户证明，它拥有一个具有强大正常运行时间可用性的无人值守的质量制造系统。

 

建立精益信息流

由于如此关注精益制造原则和实践的应用，质量经理也需要关注精益信息流。每当人们参与数据捕获、传输和分析时，就有可能因分心、疲劳和延迟而引入丢失或错误的数据，从而扭曲指标。与任何流程一样，定义不明确和浪费精力的信息流（或缺乏信息流）可能会带来很高的失败风险。

 

创建精益信息流时常见两种方法。首先是使用最佳的软件系统，并在整个工厂信息系统中进行密集集成。第二种方法是使用综合的、专门构建的企业业务和制造软件系统。这两种架构都可以向办公室计算机、平板电脑和智能手机提供分析工具，例如实时指标、趋势分析、不断刷新的图表和质量警报，使领导者与车间保持紧密联系。

 

这两种模型还可以部署在内部数据中心、公共云或两个平台的混合中。与另一种部署模型相比，需要考虑几个因素，例如可扩展性、总体费用和系统响应能力。然而，数据库结构中信息的高效流动和应用程序业务逻辑的强度对于质量成功更为重要。

 

确保精益信息流有一个特别有价值的额外好处：随着操作员和管理人员准确了解他们正在处理的挑战和根本原因，精益文化得到改善，从而能够快速做出数据驱动的决策来解决和预防问题。一个意想不到的回报是健康的“现在就决定”文化的发展，敬业的员工可以掌握实时信息来管理他们的运营。

 

结论

在产品设计和智能制造中引入物联网技术，使该行业能够以近乎完美的质量实现高效的生产管理。剩下的就是公司领导层与产品和流程设计师合作，设想这些创新，然后提供资源和权威来建立未来的供应链。

物联网技术的相关知识问答：