毋庸置疑，质量管理的核心始终是聚焦产品质量的，没有产品质量，企业的生存都将面临考验。在保证产品质量的基础上，企业的目标是工艺过程质量，没有稳定的生产制造过程，不仅产品质量波动大，由返工造成的生产计划变动，交付不及时等问题都制约了企业的效率。实现标准化生产又快又好的大目标，落到具体的质量管理领域，就是过程稳定这个小目标.....这一期我们继续来讲MES质量管理。（本文为MES系列文章的「质量管理」主题第5篇）

- 文章信息 -

作者：MPDV中国曹海勇博士原创。曹海勇，同济大学工学博士，中国首批中德合作培养研究生。毕业后加入西门子德国，参与西门子德国安倍格工厂MES项目，2011年协助MPDV总部进入中国市场。深耕MES领域20余年，有着丰富的行业经验，拜访全球超过900家不同行业的制造企业，非常熟悉不同企业的最佳生产管理实践。

本文接上篇，前文链接，请点击：

01

检验执行

在检验计划中，每一个检验特征都关联了对应的产品加工工序，确保了质量检验与生产过程同步。因此，当检验计划被释放后，每次登录工序时，系统会检测该工序是否有检验要求。如果有，系统会自动创建检验任务，并计算周期做提醒。

如图1所示，在设备60610上正在运行生产工序S61003010100，生产的产品是右侧反光镜。当前工序有4项检验任务，分别是62_50_00001, 62_50_00002, 71_59_00001, 71_59_00002。其中62_50_00001这个检验任务即将到期，在用户界面出现黄色提醒标记。

图1：检验任务列表和到期提醒

工人在检验任务到期时，打开任务执行检验。系统为工人呈现本次检验任务的细节（如图2所示）。首先呈现的是本次检验任务的检验特征列表，包括定性检验和定量检验。其次是每项检验特征的执行状态（已检、未检、强制检验）。

对于定量检验特征，系统给出标准值和容差，并对录入的检测值进行容错校验。比如标准值是130，容差为0.1，如果输入为20，系统会提示可能输入出错。

对于定性值，可以事先定义缺陷目录，在检验时直接在目录中选择实际的缺陷。

在定义检验计划时，可以为每一项检验特征配置所需的检验文档和评估控制图。检验员在执行检验时选择每一项检验特征，可以随时查看相应的检验规范。在执行检验后，及时获得控制图，以便尽早发现过程的不稳定趋势。

图2：录入检验值

02

检验数据处理

无论是人工录入或自动检测的检验数据，都在系统中结构化存储，用于进一步评估质量或提供质检报告。所有的检验数据以检验任务号为归集对象，过账到相应的产品、生产订单和工序，如果启用批次管理，检验任务还关联被检验的物料批次。

图3：检验结果详情

图3显示生产订单12151133在2017年5月10日第5次检验任务为合格。其中第4个检验特征为长度，采用定量检验。图左显示了每个样本的统计值，其中第三个样本判定为不合格。图右下是每个样本的单值情况，图示为外径的样本94有5件产品的检验结果，其中第3个检验值为1.501500。

03

检验报告

MES系统中一个通用的功能就是提供各类车间文件的模板设计。其中，在质量管理模块中主要涉及到各类质量检验证书的创建。使用报告设计器预定义质检证书，如图4左下示例，该模板定义了证书头包括的内容有产品名称、客户号、生产订单号、生产数量、批次、采购订单号。证书细节以表格方式呈现，自左至右分别是检验特征、单位（针对定量特征）、结果（定量结果为Xbar值，定性结果为Pass/Fail）、最大值和最小值（都针对定量特征）。

图4：检验证书

首先由质检工程师在检验计划中确定哪些检验特征需要被打印在证书上。当检验任务完成后，用户可以选择预定义的证书模板和打印输出方式获得所选检验任务的质检证书。质检证书可以直接以邮件的方式发送给相关接收人。图4的示例证书描述了生产订单号QM987200的产品SAL-FFI-9005的1000件产品的质检证书。证书描述了4个检验特征，其中长度的均值是130.03，最小值129.97，最大值130.51。功能检测合格、表面合格、光亮度不合格。

04

检验需求记录

检验流程中的检验要求与生产工单一致。检验需求包括一个或多个检验步骤（每道工序一个检验步骤）。当登录生产工序时，若该工序有检验步骤，则自动生成检验步骤，系统使用各个检验计划中的抽样频率创建检验检验点。

执行工序检验完成后，可以通过“检验需求”查看每个检验点的质检结果，如图5所示：

工序检验的整体判定结果是“通过”或“未通过”。

特征清单包含了本工序所有需要被检验的特征。只有等所有检验特征被执行检验后，才能对检验步骤进行结果判定。

在特征详情中记录了针对每个检验特征的所有检验记录，包括检验次数、检验员、检验值、检验时间、检验工具等。

图5：检验需求记录详情

05

缺陷模式分析

由于所有人工录入或自动检测的检验数据，都在系统中结构化存储，以检验任务号为归集对象。因此，可以基于不同的过账对象组合进行数据挖掘，分析不同对象的缺陷关联，从而正确定位到缺陷原因。原材料、产品、生产订单、工序、物料批次、工位、时间，甚至是用户自定义字段，都可以自由组合，进行数据分析。

图6：缺陷模式分析

图6使用缺陷名称、产品名称和工作周作为组合进行数据分析，从图中可以看到几乎所有缺陷都发生在产品Headlight XA77，并且在第11周和19周尤为严重。第一缺陷 “超限”，占总缺陷的46%；第二缺陷“毛刺”占总比16%。

06

控制图

质量控制的最终目标是寻找质量稳态并保持。只有通过对足够的样本数据进行统计分析，才能确定当前生产过程是否稳定？若不稳定，则问题出在什么地方？

图7：控制图

可用的控制图取决于特性类型。对于定量检验特征，通常可采用Xq-图、S-图、R-图、单值图、均值图进行评估；而定性类特征可以使用p-图、np-图、c-图、u-图进行分析。

通常，企业必须培养有资质的质量工程师来做SPC，否则即使采集再多的质量数据也无助于质量改进。以图7为例右上首先使用直方图，通过正太分布图形初步判断质量过程是比较稳定。再检查Xq-图，可以发现样本号98 – 101、107 – 116、123 – 126发生了“趋势”现象。系统使用多个样本来生成趋势。默认情况下，这些样本是七个连续的上升或下降值。“运行”会显示流程高于或低于平均值的部分。“运行”涵盖多个样本。默认为高于平均值的七个连续值。如果异常高或异常低的数值位于中间三分之一范围内，系统会识别出 "中间三分之一"。

系统根据每个检验值，自动执行离群测试，帮助质量工程师快速识别异常。

要进行离群值检验，样本中必须至少有三个值。样本中的数值越多，异常值的总体情况与所有样本相比就越一致。

格拉布斯离群值检验的样本量为 2 < n < 148（n = 样本中的数值个数）。

David、Hartley 和 Pearson 的离群值检验的样本量为2<n<1251（n = 样本中的数值个数）。

尽管最小值和最大值之间的范围很大，但没有发现离群值，原因可能是样本中的单个值分布均衡。

尽管最小值和最大值之间的范围较小，但仍能识别出离群值。可能的原因是：很多值都集中在一个 "点 "上，因此与这个点有一定距离的单个值被识别为离群值。因此，与该点有一定距离的单个值被识别为样本中的离群值。

基于篇幅原因，本系列讲座关于MES质量管理部分就到此为止，不再做扩展讨论。