← 返回实验室

AI制程SPC异常预警定制:控制图漂移与根因提示

在制造现场,SPC 控制图通常承担事后判异的角色:点出界、连续七点趋势等规则触发时,批次往往已经流到下游。本实验室近期的行业方案实验,尝试把这一步前移,做成在线预警加根因提示的组合。

做法上不替换既有 SPC 体系,而是在控制图之上叠一层轻量时序模型:对关键尺寸、压力、温度等通道做滑窗特征提取,先用统计基线保留原有判异规则,再由模型对缓慢漂移、周期性波动和突发阶跃分别打分,输出风险分与预计越界时间窗。根因环节采用候选排序思路——把同批次工艺参数、设备状态、来料批号和换型记录对齐到同一时间轴,给出三到五条可疑因子及支撑证据,交由工艺工程师复核,不做自动停机决策。

当前进展与下一步:
· 在某冲压与注塑混合产线试运行中,漂移类异常的提前预警平均早于传统规则约 40 分钟,误报主要来自换型后的短时过渡段,已通过增加换型标记位特征缓解;
· 下一步计划补齐根因排序的评测口径,用工程师确认结果建立小规模标注集,并把预警等级与产线 MES 的处置流程打通,验证闭环后的实际收敛效果。

该方法的价值在于低侵入:不改变量具和采样频次,先解决“看得早、找得准”两个问题。

评论

更多研究动态

查看全部实验室 →