基于MES的制造业质量控制系统的应用研究

2017-12-01刘青钟山职业技术学院

数码世界 2017年10期

关键词：产品质量工序数据库

刘青钟山职业技术学院

刘青钟山职业技术学院

随着制造业对产品质量“零缺陷”的高标准要求，对生产过程中工序质量的实时有效的控制成为亟待解决的问题。本文针对这个实际问题，构建了基于MES的质量控制系统，给出了该系统的体系结构，并分析了系统实现的关键技术。

MES 质量控制生产加工

1 引言

高质量的产品取决于制造过程中质量管理的水平。随着数字化、信息化在制造业中的推广，如何在提高生产效率的同时，进行有效的过程质量管理，成为企业管理者研究的重要课题，特别是采用“多品种、小批量”柔性生产模式的小微型生产企业，高质量与高效率的矛盾尤为突出。在生产过程中，如果能够准确、及时的监测到产品质量的异常状态，对加工工序质量的波动进行实时有效的控制，就能够保证生产质量。因此，充分采集制造过程中的产品信息、工艺条件、设备参数等相关的过程量信息，运用现代质量控制技术对生产制造过程实现“精确质量控制”，努力做到“生产高效率，质量零缺陷”。

2 小微型企业生产过程中质量保证体系存在的问题

从生产过程质量保证体系的角度来看，随着数字化、信息化的应用，在“多品种、小批量”柔性生产模式下，高效、精确的加工工序质量控制的难度越来越大，主要表现在以下几个方面：

①生产品种多，产品之间切换快，有时候一条生产线一天生产的产品型号多达几十种，每个产品的结构都比较复杂，过程质量信息的采集比较困难，难以形成系统性数据，制造业传统的大规模质量控制技术已经不再适用于此类企业。

②产品小批量化，使得每种产品的质量特性数据样本少，采集规模不足，数据特征不明显，缺少先验信息，很难得出标准化指标参数。

③获取的质量信息时效性差，当前生产过程中的质量数据大都来源于QC人员的抽检记录和关键工位的岗位记录，如无严重质量事故，一般由生产管理人员半天或一天统计一次，一般仅作为产品质量的事后追朔，实时性不强，不利于生产过程中的质量控制。

④获取的质量信息集成性差，人工记录的质量数据不够客观、全面、及时，在数据叠加时会出现前后不一致，数据可加工性差，无法形成有效性信息，二次利用率低。

⑤获取的质量信息利用率低，底层数据来源不足，记录口径不同，数据的精确度和可信度不高，因此所获质量信息的増益率低，不利于工序质量的在线控制。

3 基于MES的质量控制系统分析

3.1 MES在企业生产过程管理中的地位与作用

为解决上述问题，人们提出了数字化的制造执行系统的概念，即在企业当前的数字化生产模式下，合理、有效地设置检测传感网络，以此来实时地获取生产过程中与质量相关的、来源于设备、工艺、产品等的各种信息，利用计算机强大的计算分析能力，从这些数据信息中提炼出生产过程中产品质量的动态变化趋势，从而及时地采取有效的纠正措施。

AMR提出的企业集成模型由计划层、执行层和控制层构成。计划层(ERP)面向客户，以市场需求和客户订单为源头制订生产计划，最大限度地利用企业内的各种生产资源，实现库存最小化、效益最大化。控制层(Control)面向生产作业现场，通过计算机控制生产设备实现对产品制造过程特别是设备的控制。作为控制层和计划层连接的执行层(MES)面向车间的生产控制，通过MES把企业的生产现场控制进行有机集成，在执行过程中通过底层信息采集网络，实时获取生产制造过程中产生的一切静、动态数据信息，存储于制造信息数据库，利用现代质量控制和预测技术，构建智能化质量控制和预测系统，及时、有效地处理制造过程中产生的质量数据，努力实现产品质量“零缺陷”。

3.2 质量控制系统的体系结构

根据小微企业生产过程质量控制的具体情况，结合制造执行系统的功能模型，构建的质量控制系统体系结构如下图1所示。

图1 质量控制系统体系结构

首先是质量计划管理模块根据产品质量要求，制订质量控制标准和工艺规范要求，确定关键工序质量控制点。然后由质量数据采集模块等实时采集生产过程中底层控制系统产生的与质量控制有关的设备、产品等数据信息，并监控关键工序的质量信息的波动。接着由质量信息反馈与分析模块将采集到的信息反馈到计算机控制中心进行分析，当出现异常数据时，由质量诊断与改进模块将异常数据与质量数据库的信息进行比对分析，设计改进方案，使生产过程在质量标准许可范围内正常进行。产品质量预测模块主要是根据历史数据信息和工艺特性，利用实时采集的质量数据建立预测模型，对产品的生产质量趋势进行预测，并根据预测结果对生产制造的设备、工艺等进行微调，进一步改进加工质量，保证生产制造过程的质量稳定性。

3.3 质量控制系统的关键技术

为了有效地实现质量控制系统的运行，根据执行控制系统的功能模型构建的系统体系，是多学科、多技术的集合，其中的关键技术主要有以下几种：

①质量数据采集技术

为了实时采集制造过程各工序的质量数据，采用数字化检测传感技术，建立底层检测传感网络，设置与MES的数据接口，将获取的数据信息存入质量数据库；采用条码扫描等技术，可快速识别产品在各工序的质量信息，及时录入系统，用于追踪产品的质量状况，采用网络化的数字信息传输方式，数据采集的效率、准确性都有明显提高。

②质量诊断与改进技术

当质量控制系统监测到关键工序的质量信息波动时，根据关键工序控制参数的变化，运用分析模型进行趋势分析，提取工序质量异常信号，交给计算机控制中心，进行滤波去噪、二代小波分析等处理，与质量数据库的异常模式的数据信息进行关联度匹配分析，对工序误差进行溯源，快速准确地定位到故障因素，采取改进措施，并采用（均值－极差）控制图、贝叶斯预测控制图等工具对各工序的加工质量进行监测与追踪，使生产过程在质量标准许可范围内正常进行。保证产品质量的稳态性。

③产品质量预测技术

利用采集到的众多历史数据构建质量信息数据库，根据实时采集的质量数据，采用回归算法、迭代算法等建立预测模型，准确地预测出产品的加工误差，将预测误差及时反馈给生产控制系统，调整设备参数、优化制造工艺，实施误差补偿，从而保证生产产品的“零缺陷”。

3.4 质量控制系统的开发平台

基于MES的质量控制系统要想稳定有效的运行，其数据库系统的逻辑结构非常重要。数据库中包含工序过程记录表、设备参数记录表、检验记录表等底层数据信息，质量控制系统在运行当中经常需要处理大量数据，要求计算能力强、速度快，因此采用Visual Basic.NET编程语言、Microsoft SQL Server 2012数据库、MATLAB数值分析等工具进行系统开发，使得该质量控制系统人机交互界面友好，功能明确清晰。