统计过程控制在预防性维护中的应用

 

在制造设备设计中，一个常被忽视的方面是可维护性。设备是否具备可维护性相关特性，会显著影响设备的运维成本；而这些运维成本，又直接关系到维护合同的盈利能力。因此，找到降低运维成本的有效方法，对于提升维护合同盈利能力至关重要。

 

PDF

统计过程控制是什么？

 

统计过程控制（Statistical Process Control，简称 SPC）采用成熟的统计方法监控生产过程的稳定性，助力减少浪费与返工。只要某个过程可测量，且其波动近似符合正态分布，SPC 就能应用于该过程。

 

例如，若某生产过程制造的零件目标长度为 1 单位，且长度波动符合正态分布，那么测量 100 个零件并将数据绘制成直方图，得到的图表会如下所示：

 

 

SPC 的核心原理是通过控制图，将实际样本测量值与预期值进行对比。其中，预期值基于 “基准期” 或 “训练期” 收集的测量数据计算出的均值和标准差。一张控制图通常包含三条关键参考线：

 

中心线（Center Line，简称 CL）：训练期测量数据的平均值（均值）。

上控制限（Upper Control Limit，简称 UCL）：被认定为“过程受控”的最高值，对于符合正态分布的过程，通常设定为均值加 3 个标准差。

下控制限（Lower Control Limit，简称 LCL）：被认定为“过程受控” 的最低值，通常设定为均值减 3 个标准差。

 

当收集到新的样本测量数据后，会将其绘制在过程控制图上，并与控制限进行比对：若样本测量值处于 UCL 与 LCL 之间，则认为过程 “受控”，符合预期运行状态。此外，还可应用额外规则（如检测趋势、周期性波动，或多个连续数据点接近控制限等情况），以识别过程不稳定或潜在问题的早期迹象。

 

 

控制图能够检测样本均值和波动的双重变化。例如，在下方图表中，样本均值随时间下降，表明过程正趋于 “失控”；

 

 

而在另一张图表中，样本波动随时间增大，这意味着过程稳定性下降，同样正走向 “失控”。

 

 

PDF

故障检测  OR  预测性维护

 

统计意义上的 “过程失控” 与 “过程故障” 并非同一概念。理想情况下，统计控制限应处于过程公差范围（即规格限）之内 —— 因此，即使控制图显示过程 “失控”，其产出仍可能符合质量规格要求。

 

以之前的零件生产为例：假设零件长度均值为 1.000，上控制限（UCL）为 1.003，下控制限（LCL）为 0.997；而设计标称长度为 1.000，公差为 ±0.005，那么上规格限（USL）即为 1.005，下规格限（LSL）为 0.995。此时计算得出的过程能力指数（Process Capability Index，简称 Cpk）为 1.67，表明该过程 “具备能力”，产出通常能符合规格要求。

 

当过程均值处于规格限中间时，Cpk 值等于质量规格限与统计控制限的比值，可量化过程产出符合规格要求的能力。Cpk 值越高，说明过程的能力越强、稳定性越好。

 

下方控制图中已添加了上规格限（USL）与下规格限（LSL）的参考线。

 

 

若控制限处于规格限之内，控制图就能有效指示何时需要进行预防性维护：此时若过程 “失控” 但仍在规格范围内，设备可能需要预防性维护，但无需立即停机。

 

然而，若控制限超出规格限，则该过程被视为 “不具备能力”（Cpk 值小于 1.0）。这种情况下，在生产故障发生前，统计控制限无法可靠地指示预防性维护的时机。

 

PDF

聚焦过程监控，而非产出检测

 

在许多情况下，制造设备并不清楚自己正在生产的具体产品，也不了解产品的生产质量。例如，一台生产零件的设备，可能既不知道零件的目标长度是 1.000，也无法直接获取零件的实际长度数据。这就引出一个问题：设备如何利用 SPC 监控质量？

 

尽管设备无法直接测量产出的质量，但通常可以监控生产过程中的各项参数 —— 即跟踪那些会影响最终产品质量的过程参数与状态。

 

以半导体制造设备为例，可监控的过程属性包括：

 

光源强度

图像质量（如焦距、对比度、亮度）

气体流量

管路或腔室中的气体压力

电压

电流

速度（如旋转速度或平移速度）

环境压力（大气压、真空度）

温度

时长（如指令完成时间）

 

PDF

实际值 VS 预期值

 

用于过程控制的任何过程属性，都必须满足一个关键要求：可通过传感器测量，且数据基于实际传感器读数。过程控制的核心是将测量值与预期值进行对比，但通常需要对原始测量数据进行预处理。

 

以闭环气体冷却系统为例：气体流量由质量流量控制器（Mass Flow Controller，简称 MFC）控制，流量设定值由过程参数确定。在这种情况下，合适的控制测量指标是实际气体流量。

 

数据预处理的第一步通常是确定气体流量何时处于 “稳定状态”。气体关闭时的测量值，或设定值变更后立即出现的瞬态期测量值，通常不具备参考价值。流量稳定所需的时间可通过实验确定。

 

若系统仅以一个流量设定值运行，过程则相对简单：以流量设定值为预期值，以实际测量的流量为实际值即可。

 

但当系统存在多个流量设定值时，由于 SPC 要求过程具备单一均值和波动范围，需进行额外预处理。以下是两种常见的处理方法：

 

若离散设定值数量较少，可为每个设定值单独创建控制图，并计算其专属的均值和波动范围。

计算流量设定值与实际测量值的差值（即 “流量误差”），将该误差的预期值设定为 0。若不同设定值对应的预期波动范围存在差异，可通过实验建立映射函数，以修正这些差异。

 

 

Cimetrix CIM 控制框架健康指标（HealthIndicators）

 

Cimetrix CIM 控制框架 (Cimetrix CIMControlFramework，简称 CCF)是基于微软.NET 框架技术开发的设备自动化框架。该框架能帮助设备制造商满足监控控制、物料处理、平台与过程控制及工厂自动化等多方面需求。

 

通过与设备硬件对接并发布数据，CCF 具备了监控设备性能的独特优势。其“健康指标（HealthIndicators）” 功能将统计过程控制（SPC）与功能强大、操作直观的图形化界面（GUI）管理工具相结合，可实现对设备的全面监控。借助 CCF 健康指标功能，企业能够提前开展预防性维护、及早发现潜在问题，从而有效降低维护成本。

 

用于演示讲解及配置健康指标的 CCF（Cimetrix CIM 控制框架）界面

 

 

带有所有健康指标汇总视图的 CCF（Cimetrix CIM 控制框架）界面