文档中心
卡奥斯子站
登录

分类

版本

联系方式

API参数

描述:
请求地址:
NaN
请求协议:
请求方式:
请求类型:
返回类型:
Header公共参数
请求参数
成功返回示例
  
        
业务失败返回示例
  
        
介绍

一、产品简介

统计过程控制(StatisticalProcessControl)简称SPC,是利用统计技术对过程中的各个阶段数据进行监控,从波动的数据中找到规律,发现过程异常,及时报警。通过对过程数据的收集和分析,可以达到"事前预防"的效果,减少不必要的问题或错误产生。

系统采用主流微服务云平台架构.实现平台级柔性部署∶利用专有的数据分析引擎,提供更智能的数据监控分析和异常闭环指导,对原数据的全面追溯。借助强大数据算法模型,可为任何规模制造企业提供全面的过程质量管理解决方案。

二、产品定位

三、产品架构

1、数据分析

业务数据接入后,自动根据临界值进行数据分析判断,诊断信息是否健康

2、预警/报警

对于超限信息,触发报警机制,并且报警信息通过邮件、短信等方式发送给相关责任人

3、跟踪闭环

报警信息发出后,实时跟踪报警信息处理情况,超时未处理,升级报警级别

4、部署环境

支持系统:Windows、Linux、Docker镜像、云部署等

数据库:SQLServer、Mysql、Redis等

架构:BS架构、云计算服务

开发工具、语言:开发工具∶VisualStudio2019;开发语言∶C#

算法:统计学算法机器学习算法

四、产品能力

1、预警报警处理

保持过程稳定,异常实时预警/报警

(1)报警策略∶7大策略

超控制线报警;超规范线报警;趋势异常报警;过程能力报警;同台位连续N台不合格;同型号连续N台不合格;同参数连续N台不合格

(2)推送方式:短信;邮件;APP;LED屏;报警灯;现场大屏

(3)报警类别:层级报警;严重报警

(4)闭环智能指导:异常原因智能分析;闭环方案智能指导

2、智能指导

传统方式:

l 通过查找相关资料,分析现场出现的质量问题,效率低下。

l 依靠个人经验来判断问题及解决方法;新人通常无法解决现场遇到的问题,只能依赖有经验的工人;

l 如果发生人员变动,企业损失较大。

新的方式:

l 结合人、机、料、法、环等各因素对过程稳定和产品质量的影响,智能分析导致异常的原因。

l 通过智能分析算法、机器学习,建立异常原因和解决方案知识库,通过大数据分析,对异常解决措施进行智能指导,帮助新员工快速上手工作;同时,将生产中的经验在系统中积累起来。

3、移动APP

移动分析:

通过移动端可以随时随地分析生产过程稳定,接收系统异常推送,对异常进行跟踪闭环。

信息提醒:预警信息报警信息系统健康状况

数据分析:运行图控制图过程能力柱状图三项控制图

异常处理:异常详情异常跟踪异常处理原因分析解决措施

五、实施案例:发泡密度测试

改善背景∶发泡密度测试繁琐,需要人工计算,存在虚假测试或人工失误。