国内制造业数字化转型经历多年实践，很多企业已经达成制造信息化管理。在智能算法、智能制造、精益化管理的背景下，一些信息化成熟的企业，基于现有的数据积累及实践经验，陆续开始更进一步的数字化提升。数据的下钻、算法应用、智能设备应用的能力，成为行业认可度的新标。

本文基于智能工厂质量管理实践，对软件的工厂场景应用进行分析研究。主体设计包括:通过对车间过程质量实时采集，建立一车一档的整车质量档案，以时间、空间双坐标记录质量问题与相关工艺、设备参数关联。通过对质量目标的设立，与质量过程数据进行比对，实现过程质量实时监控。对于质量问题与影响因素建立数据模型，形成质量管理闭环，减少质量缺陷。

１智能工厂质量管理软件应用

流水线的发展，带来了生产效率的大规模提高。近年来多国家都发表了类似的纲领性文件，只不过各有不同的提法，如美国的“先进制造业国家战略计划”、日本的“科技工业联盟”、英国的“工业２０５０战略”和我国的“中国制造２０２５”等。

智能工厂，重点研究智能化生产系统及过程，以及基于网络化分布式生产设施的智能生产，主要涉及整个企业的生产物流管理、人机互动以及３Ｄ技术在工业生产过程中的应用等；智能物流，主要通过互联网、物联网、物流网，整合物流资源，充分发挥现有物流资源供应方的效率，而需求方，则能够快速获得服务匹配，得到物流支持。制造业质量管理数字化是一项系统性工程，需要把握四项原则，注重价值牵引和数据驱动。把提升发展质量与效益作为出发点和落脚点，深化全过程全链条数据挖掘，驱动质量变革。

注重深化实践和创新应用。发挥数字化系统作用，深化推广质量管理理论方法和实践活动，依托信息化平台在全产业链、价值链推动质量管理创新应用。注重分类引导和示范带动。引导企业结合自身条件制定方法路径，通过树立一批典型场景、质量标杆企业加强方向指引。注重开放合作和安全可控。完善覆盖全产业链、生态圈的质量协作机制，把握安全和发展的关系，加强企业信息安全保护。制造企业数字化转型不仅是技术和管理上的变革，组织上的变革也极其重要。制造企业在数字化技术与管理手段升级的同时，必须改良治理体系为数字化转型可持续发展提供保障。

在工厂质量管理软件项目实施中，通过协助工厂明确项目职责分工，形成部门间的协同机制，基于软件的应用实践，结合业务场景形成行之有效的解决方案。

２智能工厂质量管理软件研究

随着工业制造的智能化，很多新事物在传统的工业制造当中涌现，如大数据、人工智能、机器人、工业云平台等。

质量控制在工厂质量档案数字化实践中仍然较为困难，原因在于质量检查有一定的滞后性。比如，质量检查需要在流水线上取样，送到实验室使用专门的仪器检测，然后才能将结果输入系统中。但生产线此时是不会停下来等待检测结果的。这就造成了一旦产品的检测数据出了问题，就需要对已经生产的产品进行追溯。而这样的追溯行为，由于受到系统操作的灵活性影响，往往还是先手工布置追溯任务，再手工调整系统。所以对于智能技术的应用与研究日渐迫切。

２.１数采ＩｏＴ平台

工业物联网(ＩＩｏＴ)是一种将物理设备、机器和传感器通过网络连接起来，实现数据交换、信息共享和智能决策的物联网系统。ＩｏＴ物联平台则是将各种设备和传感器连接到云平台或互联网，实现数据采集、处理、分析和可视化等功能的软件平台。数采ＩｏＴ平台作用包括如下。

(１)设备接入和管理ＩｏＴ物联网平台架构可以实现物联网设备的接入和管理。通过平台，可以实现对设备的认证、注册和授权，确保设备的安全可信。

(２)数据采集和传输ＩｏＴ物联网平台架构可以对设备中的数据进行采集和传输。它可以支持多种通信方式，如ＷｉＦｉ、蓝牙、以太网等，实现设备与平台之间的数据交互。

(３)数据处理和分析ＩｏＴ物联网平台架构具备数据处理和分析的能力。它可以对设备采集的数据进行处理，提取有用信息，并进行实时分析，以支持数据驱动的决策和应用。

(４)应用开发和集成ＩｏＴ物联网平台架构可以提供应用开发和集成的支持。它可以提供丰富的应用接口和服务，方便开发人员进行应用开发和集成，推动物联网应用的创新和发展。

综上所述，ＩｏＴ物联网平台架构是连接和管理物联网设备、数据和应用的核心技术。它具有分布式架构、多层次结构、开放性和可扩展性等特点，并在设备接入和管理、数据采集和传输、数据处理和分析、应用开发和集成等方面发挥着重要作用。随着物联网的不断普及和发展，ＩｏＴ物联网平台架构将持续演进和创新，为物联网应用的发展提供有力支持。

２.２工艺能力分析

ＳＰＣ作为ＩＡＴＦ１６９４９体系五大质量工具之一，行业得到了广泛应用在汽车。工艺能力分析是一种重要的质量管理工具，主要用于评估生产过程是否能够一致地生产符合规格要求的产品。通过工艺能力分析，企业可以确定生产过程的稳定性和产品质量的可预测性，从而提高整体生产效率和产品质量。

例如，发动机装配线的螺栓拧紧过程，通过工艺能力分析可以确定拧紧力矩是否满足技术规范要求，并评估生产过程的稳定性。如果分析结果显示过程能力不足，制造商可以调整设备参数或对操作员进行再培训，以提高过程的准确性和重复性。

通过上述方法，汽车制造商可以显著提高其产品的一致性和可靠性，减少缺陷和返工，最终降低成本并提高客户满意度。工艺能力分析是实现这些目标的关键工具。

２.３智能算法

智能制造是指利用现代信息技术 (包括大数据、 物联网和人工智能等) 实现制造过程自动化、 智能化和柔性化的一种新型制造模式。其中，智能算法是其核心之一智能算法包括机器学习、深度学习、人工智能等高级数据分析技术，这些技术能够处理和分析大量的生产数据，从而提供洞察力和决策支持。

智能算法的主要应用场景如下

1)缺陷自动检测。利用计算机视觉和图像处理技术可以自动检测生产线上的产品缺陷。例如，通过深度学习模型分析产品图片，以识别裂纹、划痕或不符合规格的尺寸。

2)预测性维护。使用机器学习模型分析设备的运行数据(如温度、振动、功率消耗等)，预测设备故障。这有助于实施维护措施之前预防故障发生，避免昂贵的停机时间和生产损失。

3)生产过程优化。智能算法可以分析生产过程中的数据，识别低效的步骤或瓶颈，优化生产参数以提高效率。例如，在不同的工艺过程，调整机器的作业参数以减少材料浪费或提高能效。

4)质量控制增强。集成先进的数据分析工具，实时监控产品质量和生产流程。机器学习算法可以从历史质量数据中学习，自动调整生产参数以保证产品质量标准。

智能算法的引入能显著提高质量管理的效率和准确性帮助制造企业实现更高的生产效率和产品质量。这些技术正在快速变革传统的制造业，使之向智能制造和工业 4.0迈进。

３智能工厂质量管理软件实践

机械工业第九设计研究院自主研发的工厂智能质量管理系统，聚焦管理类应用和分析型质量能力建设，提升管理类应用与分析类应用交互能力，打造的制造环节大数据驱动下的智能质量管理系统产品。产品具备标准化、精准化、高可配、通用性及快速搭建等特点，实现全面的质量数据互通、多维度追溯及数据资源利用。

３.１九智ＯＳ工业互联网平台

由机械工业第九设计研究院研发的九智ＯＳ工业互联网平台，依托于深厚的工业自动化和信息化背景，建立了一套基于分布式系统技术框架之上的平台产品，平台融合了生产模式的变革，以“数据驱动”为核心，为企业数字化转型提供了基础平台。

九智ＯＳ工业互联网平台可提供统一的数据连接、存储和应用平台，使得使用者能够快速构建应用程序，适用灵活变化的业务。平台具备云原生技术和微服务的架构，支持私有化部署，公有化部署和混合部署。同时集群部署可实现系统高可用和负载均衡，同时利用高算力的优势可完成大数据分析和ＡＩ模型训练。而在边缘侧利用靠近设备的优势完成对设备的实时监控，以及产线侧(边缘侧)的实时数据分析，最后将分析结果轻松上传。平台在边缘侧底层通过边缘连接服务完成对设备协议的接入和解析，通过物模型形成设备数据标准化，经过数据接入、整合、计算、存储、分析、发布等，将标准化的数据形成具备业务价值的数据。利用这些有业务价值的数据为平台的边缘应用提供数据基础。

３.２在制品质量档案数字化构建及追溯

在制品质量档案管理的目的是为每个产品均要建立质量档案，确保产品质量。产品质量档案属企业科技情报的一部分，必须统一管理。

本智能工厂质量管理软件主要面向车企，质量档案主要包括:车辆基础信息、生产历程、过程工艺参数信息、化验单参数信息、过程变化点信息、问题录入信息等，最终形成一车一档，即每个产品均形成一套质量档案，以支撑质量追溯，如图１所示为质量档案一览。

图 １ 质量档案一览

３.２.１质量档案追溯

质量档案，可面向单个在制品正向追溯质量信息，在生产、存储、交付等产品实现过程中，以数字化形式对在制产品、关键物料进行标识，以防止混用或误用，并表明产品的监视和测量状态。当产品出现重大质量问题，或由于法律、法规的要求进行产品追溯时，能够快速追溯到产品，便于采取后续的纠正及预防措施。

可以通过一车一档信息，正向追溯问题车辆，亦可通过质量问题，面向质量信息的反向追溯在制品组，通过工艺段工艺参数异常关联车辆组；也可通过面向变化点事件，通过相关性追溯在制品组。例如，更换油漆、更改设备参数、更改工艺等。

３.２.２质量目标的制定及分解

质量管理系统支持质量目标分解，具备质量计划、质量检验规程管理功能。系统可制定整体年度目标，在时间维度上将质量目标分解到每月，再根据实际情况生产工艺制定不同的质量计划、质量检验规程等细则。在空间维度上亦可分解在制品各个缺陷的控制目标，维护质检规程，实时统计执行情况。

质量目标制定:建立车间质量管理最终目标，并在实施过程中，逐步实现规范化、标准化。

质量目标分解:以质量目标为依据，分解在制品缺陷目标。

控制点月度目标:以质量目标为依据，将质量目标分解到月度目标，以便及时发现问题、解决问题。

３.２.３缺陷标准定义

为满足预期或规定用途有关的要求，缺陷定义需要标准化，是对产品质量没有达到标准程度的描述。建议缺陷可分为四个等级:致命缺陷、严重缺陷、一般缺陷和轻微缺陷。生产过程中极少出现或不会出现“致命缺陷”，为了加严产品质量管理，引起各环节、各部门的重视，通常把缺陷分三级来管理，把“严重缺陷”称为“致命缺陷ＣＲＩ”，“一般缺陷”称为“严重缺陷ＭＡＪ”，“轻微缺陷”称为“一般缺陷ＭＩＮ”来进行管理。只有缺陷定义标准化、缺陷统计、质检分析才能起到效果。

３.２.４在线缺陷录入

质量管理系统在线缺陷录入，需要操作便捷，贴合车间使用场景。例如，支持在冲压车间、总装车间使用检查项录入，支持在涂装车间、焊装车间使用图形化录入，外观类在线质检如图２所示。

图２外观类在线质检

支持化验单形式，可替换纸质化验单；支持数字化设备检验结果的实时采集。总之，系统可实时监控质量数据，并保证数据完整性，达到了质量管控的数据监控管理的目的，并确保生产节拍的平衡。

３.２.５缺陷实时监控

质量管理系统支持电子看板，可实时查看质量动态信息，本系统不但能实时监控生产线上的质量数据，还能通过展示现场实时采集数据，实时统计数据，分析数据，使管理人员能够直观、快速地掌握车间现场实施生产状况，辅助其履行管理职责。

３.２.６工艺能力分析

工艺能力分析在质量管理中扮演着重要的角色，能够识别和减少过程中的变异。利于用能力分析的主要步骤如下。

１)数据收集。收集关键的过程变量的数据，如拧紧力矩、焊机强度、漆膜厚度等。

２)数据分析。使用Ｃｐｋ、Ｃｐ等指标，分析数据的正态性和过程的稳定性。

３)评估和优化。根据分析结果，评估生产过程是否符合质量要求。例如，Ｃｐｋ值低于行业标准(通常若Ｃｐｋ<１.３３则认为不够理想)，需识别造成低性能的原因。可能的原因包括设备老化、操作不当、材料批次差异等。需要通过调整机器、改进工艺或培训操作人员来优化生产过程。

４)持续监控。实施监控和定期的工艺能力评估，确保过程持续稳定，并能够适应新的生产条件和要求。

５)根因分析。如某个过程的Ｃｐｋ值持续低于标准，可能需要进行深入的原因分析和系统性的质量改进措施。

总结而言，工艺能力分析的应用不仅有助于提高产品质量和客户满意度，还能通过减少废品和返工，优化资源使用，从而降低生产成本。这种方法的应用是汽车制造商追求卓越制造和竞争力提升的关键步骤。

３.３案例总结

基于质量管理软件与生产设备深度集成，通过读写站、ＰＬＣ、机器人等数据的采集，获取产品制程质量数据。形成可靠的实时质量问题定位、信息追溯、实时质量分析能力。实现质量数据标准化管理、作业指导配置化设计、质量管控闭关式管理。

通过质量软件的实施，车间从原有的纸质单据缺陷录入，转为在线质检电子表单的质量过程数据。质量缺陷分析数据量提升９５％以上。通过缺陷追溯与分析提高管理人员对问题的精准定位，使得一次交检率提升５％以上。通过系统对在制品在线质检及返修销项作业的任务式管理，形成实时闭环式管理人员参与度，提升５０％以上。基于设备数采及在制品质量数据绑定方案，涂装车间单车工艺参数、化验参数、涂装机器人参数等质量数据达６００项以上。实现工厂质量过程控制的精细化、智能化水平、质量管理的效率和效益的提升。

４结论

基于产品化质量管理软件平台，在质量数据积累及机器学习、大模型应用实践中，聚焦管理类应用和分析型质量能力建设，提升管理类应用与分析类应用的交互能力。同时在工厂建设实践中，持续识别价值应用场景，建设全面、实时、分析型工厂质量管理系统，打造基于“数据驱动业务、业务推动管理流程改善”的产品技术指引路线。

作者：机械工业第九设计研究院股份有限公司 吴博然  姜悦  徐晓睿  项涛